Sksripsi Desi Lestari 171420047 Full Bab
Sksripsi Desi Lestari 171420047 Full Bab
Sksripsi Desi Lestari 171420047 Full Bab
DESI LESTARI
171420047
Komputer
PALEMBANG
2021
SURAT PERNYATAAN
Palembang, 2021
Desi Lestari
171420047
ii
MOTTO DAN PERSEMBAHAN
Motto :
Kupersembahkan Kepada :
Allah SWT
Diri saya sendiri terimakasih sudah mau dan mampu bertahan,
berjuang, berusaha, dan tidak menyerah dalam keadaan susah selama
ini.
Kepada Mamak dan Bapak tersayang terimakasih sudah
mendoakan dan mendukung Adek dalam keadaan susah dan
senang selama adek mengerjakan skripsi ini.
Kapada kak Ian, kak Don, kak un, ayuk Nova, ayuk Yen, Ayuk Inul
serta dua keponakanku ayuk Izza dan abang Thor terimakasih
selalu memberikan dukungan, canda dan tawa selama adek
mengerjakan skripsi.
Untuk seseorang yang bernama M. Wahyu Santosa MH. A.Md.Kom
Yang selalu memberikan semangat saat pengerjaan skripsi ini
Terimakasih Moodbooster ku.
Untuk Teman-teman seperjuang anku Terimakasih untuk saling
memberi semangat, motivasi, dan canda tawa selama ini. Akhirnya
kita bisa Wisudah ya dan untuk Mincek semangat ya semogah
tahun depan wisudah.
Dosen Pembimbing bapak Muhammad Nasir. MM., M.Kom.
yang telah dengan sabar membimbing dan mendidik saya dalam
mengerjakan dan menyelesaikan Tugas Akhir ini dan Terimakasih
untuk seluruh dosen yang telah mendidik saya selama pendidikan
di Universitas BinaDarma.
iii
ABSTRAK
iv
ABSTRACT
v
KATA PENGANTAR
Puji syukur kehadirat Allah SWT karena berkat rahmat dan karunia-Nya
jualah, skripsi penelitian ini dapat diselesaikan guna memenuhi salah satu syarat
untuk diteruskan menjadi skripsi sebagai proses akhir dalam menyelesaikan
pendidikan dibangku kuliah.
Dalam penulisan skripsi ini, tentunya masih jauh dari sempurna. Hal ini
dikarenakan keterbatasnya pengetahuan yang dimiliki. Oleh karena itu dalam
rangka melengkapi kesempurnaan dari penulisan skripsi ini diharapkan adanya
saran dan kritik yang diberikan bersifat membangun.
Pada kesempatan yang baik ini, tak lupa penulis menghaturkan terima
kasih kepada semua pihak yang telah memberikan bimbingan, pengarahan,
nasehat dan pemikiran dalam penulisan skripsi ini, terutama kepada :
1. Dr. Sunda Ariana, M.Pd., M.M., selaku Rektor Universitas Bina Darma
Palembang.
6. Keluargaku tercinta,tesayang.
vi
mungkin supaya skripsi penelitian ini selesai dengan baik dan sempurna. Namun
penulis menyadari, sebagai manusia yang tidak luput dari kesalahan dan
kekhilafan maka skripsi penelitian ini pun terdapat kekeliruan dan kekurangan
kiranya mohon di maklumi. Mudah-mudahan keterbatasan penulis tidak
mengurangi arti dan makna penyusunan skripsi penelitian ini. Kritik dan saran
yang bersifat membangun sangat diharapkan untuk perbaikan dan kesempurnaan
skripsi penelitian ini dimasa yang akan datang. Namun demikian, penulis tetap
mengharapkan semoga skripsi penelitian ini dapat bermanfaat bagi kita semua.
Palembang, 2021
Penulis
Desi Lestari
vii
DAFTAR ISI
COVER ................................................................................................................
HALAMAN PENGESAHAN ............................................................................. i
SURAT PERNYATAAN ................................................................................... ii
MOTTO DAN PERSEMBAHAN ................................................................. iii
ABSTRAK......................................................................................................... iv
KATA PENGANTAR ....................................................................................... vi
DAFTAR ISI ................................................................................................... viii
DAFTAR GAMBAR ......................................................................................... xi
DAFTAR TABLE ............................................................................................ xii
BAB 1 ................................................................................................................. 1
PENDAHULUAN .............................................................................................. 1
1.1 Latar Belakang .................................................................................... 1
1.2 Rumusan Masalah ............................................................................... 3
1.3 Batasan Masalah .................................................................................. 3
1.4 Tujuan dan maanfaat penelitian ......................................................... 4
1.4.1 Tujuan Penelitian ......................................................................... 4
1.4.2 Manfaat Penelitian........................................................................ 4
1.5 Metodelogi Penelitian .......................................................................... 5
1.5.1 Waktu dan Tempat ........................................................................... 5
1.5.2 Alat dan Bahan .................................................................................. 5
1.5.3 Data Penelitian .............................................................................. 6
1.5.4 Metode Penelitian ......................................................................... 6
1.5.5 Metode Pengumpulan Data .......................................................... 7
1.6 Sistematika Penulisan .......................................................................... 8
BAB II ................................................................................................................ 9
TINJAUAN PUSTAKA ..................................................................................... 9
2.1 Tinjauan Teori ..................................................................................... 9
2.1.1 Sejarah Apotek Bunda Azka ........................................................ 9
viii
2.1.2 Visi Misi Apotek Bunda Azka ...................................................... 9
2.2 Data Mining ....................................................................................... 10
2.2.1 Proses Data Mining ................................................................. 11
2.2.2 Peranan Data Mining ................................................................. 13
2.3 Metode (PSO) Particle Swarm Optimazition.................................... 16
2.4 Algoritma C4.5 ................................................................................... 20
2.5 Rapidminer ......................................................................................... 22
2.6 Penelitian Sebelumya ......................................................................... 23
2.6.1 Penelitian Ari Puspita dkk (2019) .............................................. 23
2.6.2 Penelitian Syaeful Mujab (2016) ................................................ 23
BAB III ............................................................................................................. 25
ANALISIS DAN PERANCANGAN ................................................................ 25
4.1 Analisis Data ...................................................................................... 25
4.2 Desain Penelitian ................................................................................ 26
3.2.1 Data Cleaning.............................................................................. 26
3.2.3 Data Integration and Tranformation........................................... 27
3.2.4 Data Reduction ............................................................................ 28
4.3 Pemodelan .......................................................................................... 29
BAB IV ............................................................................................................. 33
HASIL DAN PEMBAHASAN......................................................................... 33
4.1 Pengumpulan Data ............................................................................ 33
4.2 Implementasi ...................................................................................... 34
4.2.1 Implementasi Ke Rapidminer .................................................... 35
4.2.2 Hasil Pohon Keputusan .............................................................. 39
4.2.3 Hasil Grafik ................................................................................ 41
4.3 Uji Performance ................................................................................. 42
4.3.1 Implementasi Performancee ....................................................... 42
4.3.2 Hasil Akurasi .............................................................................. 44
4.4 Particle Swarm Optimization .............................................................. 46
4.4.1 Implementasi Metode Particle Swarm Optimization .................. 46
4.4.2 Penerapan Model ........................................................................ 47
4.4.3 Hasil Akurasi PSO ...................................................................... 47
ix
4.5 Pembahasan ....................................................................................... 48
BAB V............................................................................................................... 50
KESIMPULAN DAN SARAN......................................................................... 50
5.1 Kesimpulan ........................................................................................ 50
5.2 Saran .................................................................................................. 51
DAFTAR PUSTAKA ....................................................................................... 52
LAMPIRAN ..................................................................................................... 54
x
DAFTAR GAMBAR
xi
DAFTAR TABLE
xii
BAB 1
PENDAHULUAN
Penjualan adalah aktivitas atau bisnis dalam menjual produk atau jasa.
Aktivitas Penjualan adalah hal yang sangat penting bagi suatu perusahaan,
adalah kegiatan jual beli yang dijalankan oleh kedua belah pihak atau lebih
dengan alat pembayaran yang sah. Dalam dunia usaha itu penjualan merupakan
salah satu indikator paling penting dalam sebuah perusahaan, bila tingkat
penjualan yang dihasilkan oleh perusahaan tersebut besar, maka laba yang
dihasilkan perusahaan itu akan besar pula sehingga perusahaan dapat bertahan
langsung datang ke Apotek untuk memesan obat yang diperlukan dan melakukan
pemba yaran secara tunai. Permasalahan yang ada pada Apotek Bunda Azka ini
barang yang sering terjual berdasarkan data dari tahun 2017-2019 setelah itu akan
pengujian, setiap cabang mewakili output dari pengujian, dan setiap node daun
(terminal node) menentukan label class. Node paling atas dari sebuah pohon
adalah node akar. Salah satu metode klasifikasi yang menarik melibatkan
cabang, memperpanjang bawah dari simpul akar sampai berakhir di node daun.
Dimulai di node root, yang oleh konvensi ditempatkan di bagian atas dari diagram
pohon keputusan, atribut diuji pada node keputusan, dengan setiap hasil yang
mungkin dihasilkan dalam suatu cabang. Setiap cabang kemudian mengarah baik
ke node lain keputusan atau ke node daun untuk mengakhiri (Muarif, 2009).
Eberhart pada tahun 1995, proses algoritmanya diinspirasi oleh perilaku sosial
dari binatang, seperti sekumpulan burung dalam suatu swarm. Particle Swarm
Optimization (PSO) adalah salah satu dari teknik komputasi evolusioner, yang
mana populasi pada PSO didasarkan pada penelusuran algoritma dan diawali
dengan suatu populasi yang random yang disebut dengan particle. Berbeda
untuk bergerak ke area penelusuran yang lebih baik setelah melewati proses
klasifikasi tingkat penjualan Obat yang sering terjual pada Apotek Bunda Azka,
merupakan hal yang strategis untuk mengurangi masalah yang di alami oleh
Apotek tersebut.
Dari uraian di atas maka penulis mengangkat judul untuk Tugas Akhir
swarm optimization (PSO) untuk memprediksi penjualan obat pada apotek bunda
azka.
Adapun batasan masalah pada latar belakang ini adalah sebagai berikut :
3. data yang digunakan adalah data penjualan obat pada tahun 2017-2019
4
optimization.
datang.
membahas topik yang berkaitan dengan penelitian yang saya buat ini.
5
berikut :
1. Waktu Penelitian
Penelitian ini dilakukan pada bulan Januari 2021 sampai dengan bulan
Februari 2021.
2. Tempat Penelitian
Apotek Bunda Azka ini berada di Jl. Pasar Minggu No.102 Peninjauan,
Kabupaten Oku.
b. Ram 4GB
akhir ini.
d. Rapidminner
dan Crome.
Adapun sampel pada penelitian ini adalah data primer atau data
yang sudah diolah dari peneliti berdasarkan sumber data yaitu Apotek
Bunda Azka, data tersebut merupakan data penjualan obat pada apotek yang
kemudian di olah lagi oleh admin sebelum di proses pada tools rapidminer.
gambaran atau lukisan secara sistematis, aktual, dan akurat melalui data
berikut :
1. Wawancara
2. Kepustakaan
3. Observasi
ini, maka sistematika penulisan skripsi ini akan dibagi menjadi 5 bab yang akan di
BAB 1 PENDAHULUAN
Pada bab ini merupakan hasil dan pembahasan dari metoelogi yang
digunakan.
TINJAUAN PUSTAKA
Peninjauan Oku, Apotek ini didirikan oleh Bidan Anisa pada tahun 2013, awal
mulanya berdiri Apotek ini karena kebutuhan obat yang terbatas maka
Peninjauan.
langsung oleh tenaga ahli dibidang Farmasi. Cara penjualan di apotek ini memiliki
dua cara, yaitu menggunakan resep dokter dan tanpa resep dokter (Anisa, 2021).
Visi :
Misi :
sangat berguna untuk membantu menemukan informasi yang sangat penting dari
data mereka. data mining memperkenalkan tren dan sifat-sifat perilaku bisnis yang
diotomatisasi yang dilakukan oleh data mining melebihi yang dilakukan oleh
mencari informasi pemrediksi yang mungkin saja terlupakan oleh para pelaku
bisnis karena terletak di luar ekspektasi mereka. Komponen data mining pada
proses KDD seringkali merupakan aplikasi iteratif yang berulang dari metodologi
data mining tertentu. Pada pembahasan di sini akan digunakan istilah pola dan
model. Pola dapat diartikan sebagai instansiasi dari model (Moertini, 2012).
memperoleh pengetahuan dari database yang ada. Dalam database terdapat tabel -
tabel yang saling berhubungan / berelasi. Hasil pengetahuan yang diperoleh dalam
Database (KDD) dan data mining seringkali digunakan secara bergantian untuk
yang besar. Sebenarnya kedua istilah tersebut memiliki konsep yang berbeda,
tetapi berkaitan satu sama lain, dan salah satu tahapan dalam keseluruhan proses
1. Data Selection
Database(KDD) dimulai. Data hasil seleksi yang akan digunakan untuk proses
12
data mining, disimpan dalam suatu berkas terpisah dari basis data operasional.
2. Pre-processing / Cleaning
“memperkaya” data yang sudah ada dengan data atau informasi lain yang
3. Transformation
Coding adalah proses transformasi pada data yang telah dipilih, sehingga
data tersebut sesuai untuk proses data mining. Proses coding dalam Knowledge
pada jenis atau pola informasi yang akan dicari dalam basis data.
4. Data Mining
Data mining adalah proses mencari pola atau informasi menarik dalam
metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses
5. Interpretation / Evaluation
Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan
dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini
13
informasi yang ditemukan bertentangan dengan fakta atau hipotesis yang ada
sebelumnya.
1. Description (Deskripsi)
Terkadang peneliti dan analis secara sederhana ingin mencoba mencari cara
keterangan atau fakta bahwa siapa yang tidak cukup profesional akan sedikit
14
kecenderungan.
2. Estimation (Estimasi)
estimasi dapat pula digunakan (untuk keadaan yang tepat) untuk prediksi.
3. Classification (Klasifikasi)
penyakit apa.
4. Clustering (Pengklusteran)
Kluster adalah kumpulan record yang memiliki kesamaan satu dengan yang
lain.
kemiripan (homogen), yang mana kemiripan record dalam satu kelompok akan
adalah :
dari
dibuat berdasarkan nilai variabel prediksi. Sebagai contoh yaitu estimasi nilai
indeks penjualan obat nonbiotik dengan melihat nilai indeks penjualan obat
5. Prediction (Prediksi)
Prediksi hampir sama dengan klasifikasi dan estimasi, kecuali bahwa dalam
prediksi nilai dari hasil akan ada dimasa mendatang.Contoh prediksi dalam
suatu produk bagi perusahaan yang tidak memiliki dana pemasaran yang
besar.
6. Association (Asosiasi)
Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul
dalam satu waktu. Dalam dunia bisnis lebih umum disebut analisis keranjang
Kennedy dan Eberhart pada tahun 1995, proses algoritmanya diinspirasi oleh
17
perilaku sosial dari binatang, seperti sekumpulan burung dalam suatu swarm.
penelusuran algoritma dan diawali dengan suatu populasi yang random yang
setiap particle di dalam PSO juga berhubungan dengan suatu velocity. Particle-
dinamis yang disesuaikan menurut perilaku historisnya. Oleh karena itu, particle-
algorithm yang mana dimulai dengan suatu populasi yang random dalam bentuk
matriks. Namun PSO tidak memiliki operatorevolusi yaitu crossover dan mutasi
seperti yang ada pada genetic algorithm. Baris pada matriks disebut particle atau
dalam genetic algorithm sebagai kromosom yang terdiri dari nilai suatu variable.
Setiap particle berpindah dari posisinya semula keposisi yang lebih baik dengan
suatu velocity . Pada algoritma PSO vektor velocity diupdate untuk masing-
particle. Update velocity dipengaruhi oleh kedua solusi yaitu global best yang
berhubungan dengan biaya yang paling rendah yang pernah diperoleh dari suatu
particle dan solusi local best yang berhubungan dengan biaya yang paling
rendah pada populasi awal. Jika solusi local best mempunyai suatu biaya yang
kurang dari biaya solusi global yang ada, maka solusi local best menggantikan
menjadikan PSO telah menarik banyak perhatian di kalangan para peneliti dan
economic dispatch, design kontrol PID pada sistem AVR, kontrol tegangan dan
daya reaktif, unit commitment dan lain sebagainya. PSO telah populer menjadi
Algoritma PSO meniru perilaku sosial organisme ini. Perilaku sosial terdiri
dari tindakan individu dan pengaruh dari individu-individu lain dalam suatu
burung. Setiap individu atau partikel berperilaku secara terdistribusi dengan cara
perilaku kelompok kolektifnya. Dengan demikian, jika satu partikel atau seekor
burung menemukan jalan yang tepat atau pendek menuju ke sumber makanan,
sisa kelompok yang lain juga akan dapat segera mengikuti jalan tersebut
mempunyai ukuran tertentu atau tetap dengan setiap partikel posisi awalnya
terletak di suatu lokasi yang acak dalam ruang multidimensi. Setiap partikel
bergerak dalam ruang/space tertentu dan mengingat posisi terbaik yang pernah
dilalui atau ditemukan terhadap sumber makanan atau nilai fungsi objektif.
19
1. Seekor burung tidak berada terlalu dekat dengan burung yang lain
burung
3. Akan memposisikan diri dengan rata-rata posisi burung yang lain dengan
menjaga sehingga jarak antar burung dalam kawanan itu tidak terlalu jauh.
1. Ketika seekor burung mendekati target atau makanan (atau bisa mnimum
atau maximum suatu fungsi tujuan) secara cepat mengirim informasi kepada
2. Burung yang lain akan mengikuti arah menuju ke makanan tetapi tidak
secara langsung
atribut pengujian, setiap cabang mewakili output dari pengujian, dan setiap node
daun (terminal node) menentukan label class. Node paling atas dari sebuah
pohon adalah node akar. Salah satu metode klasifikasi yang menarik melibatkan
cabang, memperpanjang bawah dari simpul akar sampai berakhir di node daun.
Dimulai di node root, yang oleh konvensi ditempatkan di bagian atas dari
diagram pohon keputusan, atribut diuji pada node keputusan, dengan setiap hasil
mengarah baik ke node lain keputusan atau ke node daun untuk mengakhiri
(Muarif, 2009).
1. Menyiapkan data training. Data training biasanya diambil dari data histori
kelas tertentu.
2. Menentukan akar dari pohon. Akar akan diambil dari atribut yang
nilai gain yang paling tinggi yang akan menjadi akar pertama. Sebelum
21
Keterangan:
N : jumlah partisi S
2.5 Rapidminer
untuk analisis data dan sebagai mesin data mining seperti untuk loading data,
merupakan software yang berdiri sendiri untuk analisis data dan sebagai
untuk evalusai menggunakan ROC curve untuk kedua model yaitu, untuk
model algoritma C4.5 nilai AUC adalah 0.764 dengan tingkat diagnosa
Fair classification, dan untuk model algoritma C4.5 berbasis PSO nilai
C4.5 dan C4.5 yang dikombinasi dengan PSO, data yang digunakan
adalah data nasabah bank yang mana pada tujuan ini untuk mengetahui
matrix dankurva ROC. Dari penelitian ini didapat algoritma C4.5 yang
untuk C4.5 dan menjadi 4 jam 48 menit 44 detik untuk C4.5 berbasis
Pada tahapan ini merupakan tahapan analisis data dari penelitian yang
Memprediksi Penjualan Obat Pada Apotek Bunda Azka, pada langkah awal
penelitian ini adalah penentuan atrribut yanga akan diolah kedalam data mining
dengan bantuan tools rapidminer, pada peneltian ini akan dilakukan penyusunan
rapidminner. Pada ilmu statistik penentuan sampling yang baik yaitu sampel yang
metode yang baik dalam penentuan sampel data. Sedangkan dalam sebuah model
pohon keputusan berisi aturan yang membagi sejumlah populasi yang homogen
Obat mulai dari data obat sampai minat pembeli tersebut, dari keseluruhan data
atribut tersebut hanya beberapa data tertentu yang dapat diolah kedalam proses
25
26
ini:
Data Cleaning, tahap pembersihan data merupakan tahap awal dari proses
KDD. Seluruh atribut yang ada pada dataset di atas selanjutnya akan diseleksi
untuk mendapatkan atribut-atribut yang berisi nilai yang relavan. Tidak redundant
dan tidak missing value, dimana syarat tersebut merupakan syarat awal yang harus
dikerjakan dalam data mining sehingga akan diperoleh dataset yang bersih untuk
digunakan pada tahap mining data. Data dikatakan missing value bila atribut-
atribut dalam dataset tidak berisi nilai atau kosong, sedangkan data dikatakan
redundant jika dalam satu dataset yang sama terdapat lebih dari satu record yang
diperoleh. Data yang tidak berkualitas adalah data yang nilai atributnya hilang,
error dan data yang tidak konsiten dalam pengisian atributnya. Untuk
sebagai berikut:
atau menyatukan dua atau lebih sebuah data dari berbagai sumber database yang
Teknik yang digunakan untuk menganalisis data kolerasi, atribut yang redundan
data yang bernilai nominal, ortodinal maupun kontinyu. Sehingga nilai – nilai
representasi dalam bentuk volume data yang telah berkurang jumlahnya namun
tetap mendapatkan hasil analisis yang sama. Deskretasi data merupakan bagian
dari reduksi data bagian penting untuk data numerik. Berikut adalah keseluruhan
29
atribut sebelum dilakukan reduction data. Maka dapat di peroleh parameter data
No Parameter Keterangan
1 NamaObat Atribut
2 Harga Atribut
3 Terjual Atribut
4 JenisHarga Atribut
5 JenisObat Atribut
6 Kategori Label
Table 3. 2 Parameter Atribut Data
Dari hasil pengolahan parameter data diatas maka terpilih lah 5atribut data,
serta 1 Label data yang akan di olah menggunakan proses Data Mining.
3.3 Pemodelan
Performance Vector (accuracy) dan confusion matrix. Data yang digunakan sudah
melalui proses cleaning data, untuk melakukan pengukuran dalam penelitian ini
menggunakan toolRapidminer.
30
Preprosesing
Dataset
65 Data
65 Record
Data Cleaning
Modeling
Particle Swarm
Optimization
Validation
Apply Model
Performance
Hasil
Accuracy
Confusion Matrix
Gambar 3. 2 Modeling
Keterangan:
data.
5. Setelah didapat hasil accruray, recall, dan precision, maka didapat hasil
cleaning.Berikut merupakan sampel record data yang akan diolah data mining
dengan bantuan tools rapidminer yang berjumlah 65 dataset dari data penjualan
Gambar 3. 3 Dataset
Dataset diatas sudah dibagi kedalam beberapa attribut data seperti nama
obat, harga obat, jenis obat, penjualan obat, jenis kategori harga obat serta label
yang dijadikan prediksi yaitu data kategori penjualan yang dibagi dua kategori
32
yaitu, “Laku” dan “Tidak Laku”. Setelah itu proses selanjutnya adalah
pengelolahan data dengan bantuan tools rapidminner yang akan dibahas pada bab
selanjutnya.
BAB IV
Pada tahap ini merupakan tahap pengumpulan data dari peneltian yang
Untuk Memprediksi Penjualan Obat Pada Apotek Bunda Azka. Sumber data
pada penelitian ini adalah data yang berasal dari Apotek Bunda Azka, tepatnya
data penjualan obat di apotek. Data tersebut nantinya akan diolah dengan
metode optimasi yang berdasarkan pada swarm intelligence atau yang disebut
memprediksi nilai atribut bertipe diskret dari record yang baru. Berikut hasil
pengumpulan data yang sudah memiliki record 65 Data penjualan pada apotek
bunda Azka.
33
34
Data asli yang didapat peneliti sebelumnya memiliki 5 attribut yaitu mulai
dari seperti nama obat, harga obat, jenis obat, penjualan obat, jenis kategori harga
obat serta label yang dijadikan prediksi yaitu data kategori penjualan yang dibagi
4.2 Implementasi
Pada tahap ini dilakukan pemodelan data, metode yang dipakai pada
perbandingan. Data yang akan diujikan dibagi menjadi dua bagian yaitu training
penjurusan siswa pada Apotek Bunda Azka berjumlah 65 record data penjualan
obat.
35
Pada tahap ini merupakan tahap memasukan data yang akan diolah pada
tools rapidminner, data tersebut akan ditarik kedalam tools sebelum diolah ke
proses data mining pada penelitian Penerapan Metode C4.5 Berbasis Particle
mining, dalam hal ini data yang di pilih adalah data yang berformat.xcl, data ini
Proses selanjutnya adalah penentuan atribut data, pada record data ini
terdapat 6 kolom data yang dimana akan dibagi menjadi 5 attribut data, dan 1
Label data yang merupakan nama obat, harga obat, jenis obat, penjualan obat,
jenis kategori harga obat serta label yang dijadikan prediksi yaitu data kategori
penjualan yang dibagi dua kategori yaitu, “Laku” dan “Tidak Laku” yang terdapat
selanjutnya akan memilih operator set role, yang dimana pada operator tersebut
kita akan menentukan atribut yang dijadikan targel label data untuk mengetahui
hasil dari pohon keputusan. Berikut adalah gambaran operator yang ditentukan.
Bunda Azka.
Berikut merupakan hasil dari pengolahan data dari decision tree, yang
Keterangan:
No Keterangan
2 Harga ≤ 9000
3 Harga ≤ 18000
4 Harga ≤ 7500
Berikut merupakan hasil grafik dari decision tree terhadap 65 record data
Pada gambar 4.10 diatas mengambarkan grafik pie yaitu pola pembagian
data atau distribusi dari nama-nama obat yang digunakan pada penelitian
Pada tahap berikut ini akan mencari tahu hasil perfomance dan apply
model dengan menggunakan data testing dan data training untuk mencari tahu
hasil akurasi dari prediksi penentuan jurusan pada Penerapan Metode C4.5
Pada tahap ini merupakan tahap awal sebelum melakukan uji performa
yang sudah di proses sebelumnya kedalam tools rapidminer, data tersebut akan
ditarik kedalam tools sebelum diolah ke proses data mining pada Penerapan
Penjualan Obat Pada Apotek Bunda Azka, seperti gambar berikut ini.
Proses selanjutnya adalah memilih data yang akan diolah ke proses data
mining, dalam hal ini data yang di pilih adalah data yang berformatxcl, data ini
sudah melewati proses selection, cleaning sampai ke transformasi data. Ada dua
operator excel yang akan dimasukan yang pertama adalah data testing kedua
adalah data training, guna akan mencari tahu akurasi Penerapan Metode C4.5
44
performance pada proses operator cross validation. Setelah ini akan dilakuakn
proses running pada rapidminer yang akan menghasilkan hasil akurasi dari
Rapidminer.
45
Gambar 4. 14 PlotView
Gambar 4.14 PlotView
46
Pada tampilan diatas merupakan gambar dari hasil confusion matrix yang
berbentuk grafik plot view berdasarkan pengolahan data dari tools rapidminer.
Pada tahap ini merupakan tahap memasukan data yang akan diolah pada
tools rapidminner, data tersebut akan ditarik kedalam tools sebelum diolah ke
proses data mining pada penelitian Penerapan Metode C4.5 Berbasis Particle
Pada tahap ini peneliti akan memasukan model kedalam operator Particle
4.5 Pembahasan
Berikut adalah hasil dari pengujian yang telah dilakukan pada RapidMiner
2. Atribut data yang digunakan mulai dari nama obat, harga obat, jenis obat,
jenis harga dan label data adalah kategori obat yang merupakan Laku dan
Tidak Laku.
akurasi sebesar 7.15% dari penelitian Penerapan Metode C4.5 Berbasis Particle
Azka.
BAB V
5.1 Kesimpulan
Pada akhir penelitian ini merupakan pembahasan dari kesimpulan dan
saran dari hasil peneltian yang berjudul Penerapan Metode C4.5 Berbasis Particle
Azka, setelah melewati hasil dan pembahasan pada bab sebelumnya maka
sampailah ditahap akhir penelitian ini, ada beberapa hal yang dapat dijadikan
78.10%, untuk class recall penjualan obat sebesar 72.50% dan setelah
50
51
5.2 Saran
52
Iii SD Negeri 200407 Hutapadang’, Bina Gogik: Jurnal Ilmiah Pendidikan
GuruSekolahDasar,3(1),p.39.Availableat:
http://www.ejournal.stkipbbm.ac.id/index.php/pgsd/article/view/26.
53
LAMPIRAN
54
55