2023

MODUL PRAKTEK
TR207P31 – Data Mining

Riwayat Revisi
Tanggal Revisi Disusun oleh: Rev
September 2023 Rizky Aditya Imron, M.Kom. 0

PROGRAM DIPLOMA IV
TEKNOLOGI REKAYASA PERANGKAT LUNAK
POLITEKNIK JAMBI

47
 KATA PENGANTAR

Alhamdulillah, Segala Puji Hanya untuk Allah Tuhan Yang Maha Berilmu. Atas
petunjukNya-lah kami dapat menyelesaikan Modul Praktikum Data Mining ini.
Diharapkan dengan adanya modul ini, mahasiswa mendapatkan panduan dalam mengikuti
Praktikum Data Mining pada Pendidikan D4 Program Studi Teknologi Rekayasa
Perangkat Lunak.
Modul ini berisi pemahaman konsep-konsep Data Mining serta metode-metode
yang ada. Isi buku disusun mulai dari teori penunjang/dasar teori, tugas pendahuluan
yang berisi konsep yang harus diketahui mahasiswa sebelum melaksanakan praktikum
serta percobaan dan latihan.
Sekalipun modul ini telah selesai dengan proses yang cukup panjang, akan tetapi
masih tidak menutup adanya kekurangan padanya. Segala masukan, kritik dan review
sangat kami harapkan untuk semakin menyempurnakannya pada kesempatan mendatang.

Jambi, September 2023

Tim Penyusun

47
 Data Mining

DAFTAR ISI
KATA PENGANTAR ......................................................................................................1
DAFTAR ISI ....................................................................................................................2
TATA TERTIB PENGGUNAAN LABORATORIUM ..................................................3
1. Peraturan Umum...................................................................................................3
2. Peraturan Dosen Pengajar ....................................................................................3
3. Peraturan Mahasiswa ...........................................................................................4
4. Tugas dan Laporan ...............................................................................................6
5. Penilaian ................................................................................................................6
6. Panduan Umum Keselamatan Kerja Dan Penggunaan Alat ...............................6
JOB SHEET PRAKTIKUM 1 .........................................................................................8
JOB SHEET PRAKTIKUM 2 ....................................................................................... 14
JOB SHEET PRAKTIKUM 3 ....................................................................................... 16
JOB SHEET PRAKTIKUM 4 ....................................................................................... 31
JOB SHEET PRAKTIKUM 5 ....................................................................................... 34
JOB SHEET PRAKTIKUM 6 ....................................................................................... 40
JOB SHEET PRAKTIKUM 7 ....................................................................................... 46
JOB SHEET PRAKTIKUM 8 ....................................................................................... 52

2
 Data Mining

TATA TERTIB PENGGUNAAN LABORATORIUM

POLITEKNIK JAMBI

1. Peraturan Umum
1. Laboratorium adalah hak dan tanggung jawab dari Ketua Laboratorium yang
bersangkutan.
2. Dosen dan mahasiswa wajib berkoordinasi dan meminta izin kepada Ketua
Laboratorium (minimal secara lisan).
3. Ketua Lab berhak memberhentikan proses pembelajaran apabila terjadi ketidak sesuaian
pada saat proses belajar mengajar (baik dari Dosen yang bersangkutan ataupun dari
Mahasiswa).
4. Penggunaan Labaratorium untuk proses belajar mengajar hanya dapat digunakan sesuai
dengan jadwal praktikum yang berlaku.
5. Penggunaan Laboratorium diluar jam kerja/jadwal termasuk SP harus membuat Surat
Pengajuan Izin serta keperluan Praktikum ke Ketua Laboratorium melalui KPS.
6. Rincian penggunaan Laboratorium tertera pada Jadwal Penggunaan Laboratorium yang
telah di buat oleh Ketua Lab dan diketahui KPS.
7. Peminjaman alat dan bahan akan dilayani jika pengajar yang bersangkutan sudah hadir.
Jika belum hadir maka peminjaman hanya dapat dilayani apabila pengajar yang
bersangkutan sudah melakukan konfirmasi ke Ketua Lab ataupun mahasiswa membawa
surat rekomendasi dari Pengajar/Dosen.
8. Sebelum Proses Kegiatan Belajar Mengajar berlangsung, alat dan bahan di pastikan
telah siap dan dapat di gunakan dengan berkoordinasi antara Dosen Pengajar dengan
Kepala Lab terkait.
9. Dilarang keras merokok, membawa makanan/minuman atau sejenisnya kedalam
Laboratorium.

2. Peraturan Dosen Pengajar

1. Dilarang keras membawa peralatan yang membahayakan diri sendiri maupun
mahasiswa lain.

3
 Data Mining

2. Hadir di Laboratorium sebelum praktikum dimulai (waktu yang telah ditentukan sesuai
jadwal yang berlaku)
3. Pada saat praktikum harus memakai baju praktikum sebagai mana aturan yang berlaku,
atau yang disediakan oleh Ketua Laboratorium
4. Wajib memakai sepatu.
5. Menyediakan bahan ajar atau modul sendiri sesuai dengan pembelajaran yang
diperlukan, yang sudah di seragamkan melalui Template Modul Praktikum di Lab
terkait (untuk kegiatan Lab reguler).
6. Wajib menjaga dan mengarahkan mahasiswa untuk menjaga kebersihan dan ketertiban
di Laboratorium, serta mematuhi peraturan yang telah dibuat.
7. Apabila meminjam alat/bahan, wajib mengarahkan mahasiswa untuk mengisi Form
Peminjaman Alat/Bahan yang telah disediakan oleh Ketua Laboratorium yang
bersangkutan.
8. Wajib memperhatikan mahasiswa disaat melakukan praktikum dan mengarahkan sesuai
dengan modul dan pembelajaran.
9. Apabila menjumpai kesalahan, kerusakan, atau ketidak sesuaian dengan buku petunjuk
praktikum/modul praktikum, diharapkan dapat mengkondisikan Laboratorium agar
tetap tertib dan aman.
10. Memperhatikan dan mengkondisikan jika terjadi kerusakan atau kehilangan alat yang
disebabkan oleh kesalahan/kelalaian mahasiswa dan memastikan kepada kelompok
tersebut untuk bertanggung jawab, dan kelompok/mahasiswa tersebut tidak
diperkenankan mengikuti praktek sebelum menyelesaikan tanggung jawabnya.
11. Setiap selesai melaksanakan praktek, wajib mengarahkan mahasiswa untuk
mengembalikan alat-alat yang digunakan dan melarang mahasiswa meninggalkan
Laboratorium sebelum mahasiswa tersebut menyelesaikan pengembalian alatnya.

3. Peraturan Mahasiswa
1. Dilarang keras membawa peralatan yang membahayakan diri sendiri, Dosen, maupun
mahasiswa lain.
2. Sudah hadir di Laboratorium sebelum praktikum dimulai.

4
 Data Mining

3. Wajib memakai baju/Jas/Almamater praktikum pada saat masuk ke Laboratorium

praktikum (jika tidak memakai baju/Jas/Almamater praktikum tidak diizinkan masuk
Laboratorium).
4. Wajib memakai sepatu dan memakai baju kemeja.
5. Tidak dibenarkan menggunakan alat komunikasi selama praktikum & harus
dimatikan/di-silent, kecuali diperkenankan oleh dosen pengajar. Jika ada keperluan
mendesak harus atas izin Dosen pengajar yang bersangkutan atau Ketua Lab.
6. Selama berada di Laboratorium, mahasiswa tidak dibenarkan untuk duduk atau naik di
atas meja Praktikum.
7. Tidak dibenarkan mendengarkan Radio, MP3, dan sejenisnya pada saat proses
Praktikum, kecuali sesuai dengan pembelajaran di Laboratorium
8. Laboratorium hanya dapat digunakan jika pengajar yang bersangkutan sudah hadir atau
pengajar yang bersangkutan sudah melakukan konfirmasi ke Teknisi Laboratorium.
9. Membawa dan menyediakan sendiri alat-alat tulis/gambar yang diperlukan.
10. Untuk setiap praktek sudah disediakan alat, tempat, dan bahan masing-masing yang
tidak boleh diubah, duganti, atau ditukar kecuali atas intruksi Dosen yang
bersangkutan dan dibantu oleh Ketua Lab.
11. Bagi yang akan/sedang praktikum diwajibkan membawa buku petunjuk praktikum
/modul praktikum yang sesuai dengan materi pembelajaran di Laboratorium.
12. Dilarang keras mencoret-coret di Laboratorium dan wajib menjaga kebersihan
Laboratorium.
13. Apabila meminjam alat/bahan, wajib mengisi Form Peminjaman Alat/Bahan yang
telah disediakan oleh Teknisi Laboratorium
14. Setelah selesai menyusun rangkaian sesuai dengan buku petunjuk praktikum, segera
melapor ke Dosen/Ketua Lab, dan dilarang menghubungkan rangkaian dengan sumber
tegangan sebelum mendapat izin dari Dosen/Ketua Lab yang bersangkutan.
15. Apabila menjumpai kesalahan, kerusakan, atau ketidaksesuaian dengan buku petunjuk
praktikum/modul praktikum, mahasiswa harus segera melapor pada Dosen/Ketua Lab
yang bersangkutan.
16. Kerusakan/kehilangan alat yang disebabkan oleh kesalahan/kelalaian mahasiswa
menjadi tanggung jawab kelompok/mahasiswa tersebut, dan kelompok/mahasiswa

5
 Data Mining

tersebut tidak diperkenankan mengikuti praktek sebelum menyelesaikan tanggung

jawabnya.
17. Mahasiswa bertanggung jawab penuh terhadap peralatan, bahan dan fasilitas
Laboratorium selama proses praktikum
18. Setiap selesai melaksanakan praktek, diwajibkan mengembalikan alat-alat yang
digunakan dan dilarang meninggalkan ruangan Laboratorium sebelum mendapat izin
dari Dosen /Ketua Lab Laboratorium yang bersangkutan.

4. Tugas dan Laporan

1. Tugas dan laporan ditulis tangan diatas kertas A4, 70 gsm dengan ballpoint berwarna
biru.
2. Setiap praktikan diharuskan membuat laporan pendahuluan sebelum memulai
pelaksanaan praktek.
3. Laporan pendahuluan berisikan (Dasar teori/ teori singkat) dari setiap materi praktek
minimal 5 lembar.
4. Sebelum memulai praktek, akan dilakukan pre-test pendahuluan berupa pertanyaan
tujuan praktek, pengenalan alat dan bahan serta teori singkat.
5. Setiap tugas dan laporan harus mencantumkan nama kelompok, nama praktikan,
NIM praktikan, tanggal praktek dan topik praktek.

5. Penilaian
1. Sikap : 25 %
2. Tugas : 30 %
3. Laporan : 20 %
4. Ujian Praktik : 25 %

6. Panduan Umum Keselamatan Kerja Dan Penggunaan Alat

Keselamatan Pada prinsipnya, untuk mewujudkan praktikum yang aman
diperlukan partisipasi seluruh praktikan dan dosen pembimbing pada praktek yang
bersangkutan. Dengan demikian, kepatuhan setiap praktek terhadap uraian panduan pada
bagian ini akan sangat membantu mewujudkan praktek yang aman.
1. Bahaya Listrik

6
 Data Mining

Perhatikan dan pelajari tempat‐tempat sumber listrik (stop‐kontak dan circuit

breaker) dan cara menyala‐matikannya. Jika melihat ada kerusakan yang berpotensi
menimbulkan bahaya, laporkan pada penanggung jawab bengkel.
1) Hindari daerah atau benda yang berpotensi menimbulkan bahaya listrik (sengatan
listrik/ strum) secara tidak disengaja, misalnya kabel yang terkelupas, dll.
2) Tidak melakukan sesuatu yang dapat menimbulkan bahaya listrik pada diri sendiri atau
orang lain.
3) Keringkan bagian tubuh yang basah karena misalnya, keringat atau sisa air wudhu.
4) Selalu waspada terhadap bahaya listrik pada setiap aktivitas praktek. Kecelakaan akibat
bahaya listrik yang sering terjadi adalah tersengat arus listrik.
2. Bahaya Api Atau Panas Berlebih
1) Jangan membawa benda‐benda mudah terbakar (korek api, gas dll.) ke dalam bengkel
bila tidak disyaratkan dalam modul praktek.
2) Jangan melakukan sesuatu yang dapat menimbulkan api, percikan api atau panas yang
berlebihan.
3) Jangan melakukan sesuatu yang dapat menimbulkan bahaya api atau panas berlebih
pada diri sendiri atau orang lain.
4) Selalu waspada terhadap bahaya api atau panas berlebih pada setiap aktivitas praktek.
Berikut ini adalah hal‐hal yang harus diikuti praktikan jika menghadapi bahaya api atau
panas berlebih:
a) Jangan panik.
b) Beritahukan dan minta bantuan penanggung jawab bengkel, praktikan lain dan orang di
sekitar anda tentang terjadinya bahaya api atau panas berlebih.
3. Bahaya Benda Tajam dan Logam
1) Dilarang membawa benda tajam (pisau, gunting dan sejenisnya) ke bengkel bila tidak
diperlukan untuk pelaksanaan praktek.
2) Dilarang memakai perhiasan dari logam misalnya cincin, kalung, gelang, dll.
3) Hindari daerah, benda atau logam yang memiliki bagian tajam dan dapat melukai.
4) Tidak melakukan sesuatu yang dapat menimbulkan luka pada diri sendiri atau orang
lain.

7
 Data Mining

JOB SHEET PRAKTIKUM 1

Teknologi Rekayasa Perangkat Lunak Job Sheet 1

Topik : Pengenalan Data Mining
Sub Topik : Konsep Data Mining

A. Tujuan Praktikum
1. Mahasiswa mampu mengenal dan menjelaskan tentang konsep dasar data
mining
2. Mahasiswa mampu memahami tentang Data Mining dan penerapannya.

B. Alat dan Bahan

No Nama Alat Spesifikasi Jumlah Satuan Keterangan
1 PC Unit IBM Compatible 20 Unit
2 Browser Internet IE/Mozilla/Chrome - -
3 Alat Tulis Pena, Pensil, Penghapus,
Kertas Double Folio

C. Dasar Teori
Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan
pengetahuan di dalam database. Data mining adalah proses yang menggunakan teknik
statistik, metematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan
mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai
database besar (Turban, dkk. 2005 di dalam Kusrini, dkk. 2009).

Menurut Gartner Group data mining adalah suatu proses menemukan hubungan yang
berarti, pola dan kecenderungan dengan memeriksa dalam sekumpulan besar data yang
tersimpan dalam penyimpanan dengan menggunakan teknik pengenalan pola seperti
teknik statistik dan matematika (Larose, 2005 di dalam Kusrini, dkk. 2009)
Selain definisi di atas beberpa definisi juga diberikan seperti tertera di bawah ini

“Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu
kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual”.
(Pramudiono, 2006 di dalam Kusrini, dkk. 2009)
“Data mining adalah analisis otomatis dari data yang berjumlah besar atau kompleks
dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya
tidak disadari keberadaannya”. (Pramudiono, 2006 di dalam Kusrini, dkk. 2009)
“ Data mining merupakan analisis dari peninjauan kumpulan data untuk menemukan
hubungan yang tidak diduga dan meringkas data dengan cara yang berbeda dengan
sebelumnya, yang dapat dipahami dan bermanfaat bagi pemilik data”. (Larose, 2005 di
dalam Kusrini, dkk. 2009)
“Data mining merupakan bidang dari beberapa bidang keilmuan yang menyatukan
teknik dari pembelajaran mesin, pengenalan pola statistik, database, dan visualisasi
untuk penanganan permasalahan pengambilan informasi dari database yang besar”.
(Larose, 2005 di dalam Kusrini, dkk. 2009)
Kemajuan luar biasa yang terus berlanjut dalam bidang data mining didorong oleh
beberapa faktor, antara lain (Larose, 2005 di dalam Kusrini, dkk. 2009)

8
 Data Mining

1. Pertumbuhan yang cepat dalam kumpulan data.

2. Penyimpanan data dalam data warehouse, sehingga seluruh perusahaan memiliki
akses ke dalam database yang handal.
4. Adanya peningkatan akses data melalui navigasi web dan intranet.
5. Tekanan kompetisi bisnis untuk meningkatan penguasaan pasar dalam globalisasi
ekonomi.
6. Perkembangan teknologi perangkat lunak untuk data mining (ketersediaan teknologi)
7. Perkembangan yang hebat dalam kemampuan komputasi dan pengembangan
kapasitas media penyimpanan.
Dari definisi-definisi yang telah disampaikan, hal penting yang terkait dengan data
mining adalah:
1. Data mining merupakan suatu proses otomatis terhadap data yang sudah ada.
2. Data yang akan diproses berupa data yang sangat besar
3. Tujuan data mining adalah mendapatkan hubungan atau pola yang mungkin
memberikan indikasi yang bermanfaat

Hubungan yang dicari dalam data mining dapat berupa hubungan antara dua atau lebih
dalam satu dimensi. Misalnya dalam dimensi produk kita dapat melihat keterkaitan
pembelian suatu produk dengan produk yang lain. Selain itu, hubungan juga dapat
dilihat antara dua atau lebih objek (Ponniah, 2001 di dalam Kusrini, dkk. 2009).
Data mining bukanlah suatu bidang yang sama sekali baru. Salah satu kesulitan untuk
mendefinisikan data mining adalah kenyataan bahwa data mining mewarisi banyak
aspek dan teknik dari bidang-bidang ilmu yang sudah mapan terlebih dulu. Dari gambar
1 menunjukkan bahwa data mining memiliki akar yang panjang dari bidang ilmu seperti
kecerdasan buatan (artificeial intelligent), machine learning , statistic, database, dan juga
information retrieval (Pramudiono, 2006 dalam kusrini, dkk. 2009)

Gambar 1. Bidang ilmu Data Mining

Istilah data mining dan knowledge discovery in databases (KDD) sering kali digunakan
secara bergantian untuk menjelaskan proses penggalian informasi tersembunyi dalam
suatu basis data yang besar. Sebenarnya kedua istilah tersebut memiliki konsep yang
berbeda, tetapi berkatian satu sama lain. Salah satu tahapan dalam keseluruhan proses
KDD adalah data mining. Proses KDD secara garis besar dapat dijelaskan sebagai
berikut (Fayyad, 1996 dalam Kusrini, dkk. 2009)
1. Data Selection

9
 Data Mining

Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan sebelum
tahap penggalian informasi dalan KDD dimulai. Data hasil seleski yang akan
digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah dari basis
data operasional.
2. Pre-processing/Cleaning
Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses cleaning pada
data yang mejadi fokus KDD. Proses cleaning mencakup antara lain membuang
duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada
data, seperti kesalahan cetak (tipografi). Juga dilakukan proses encrichment, yaitu
proses “memperkaya” data yang sudah ada dengan data atu informasi lain yang
relevan dan diperlukan untuk KDD, seperti data atau informasi eksternal.
3. Transformation
Coding adalah proses tranformasi pada data yang telah dipilih sehingga data tersebut
sesuai untuk proses data mining. Proses coding dalam KDD merupakan proses kreatif
dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis
data.
4. Data mining
Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih
dengan menggunakan gteknik atau metode tertentu. Teknik, metode atau algoritma
dalam data mining sangat bervariasi. Pemuliah metode atau algoritma yang tepat
sangat bergantung pada tujuan dan proses KDD secara keseluruhan.
5. Interpretation/Evaluation
Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam
bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini merupakan
bagian dari proses KDD yang disebut interpretation. Tahap ini mencakup pemeriksaan
apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesis
yang ada sebelumnya.

Gambar 2. Tahapan proses KDD

Pengelompokan data mining

Data mining dibagi menjadi beberapa kelompok berdasarkan tugas yang dapat
dilakukan, yaitu (Larose, 2005 dalam Kusrini, dkk. 2009)
1. Deskripsi
Terkadang peneliti dan analis secara sederhana ingin mencoba mencari cara untuk
menggabarkan pola dan kecenderungan yang terdapat dalam data. Sebagai contoh,
petugas pengumpulan suara mungkin tidak dapat menemukan keterangan atau fakta

10
 Data Mining

bahwa siapa yang tidak cukup profesional akan sedikit didukung dalam pemilihan
presiden. Deskripsi dari pola dan kecenderungan sering memberikan kemungkianan
penjelasan untuk suatu pola atau kecenderungan.
2. Estimasi
Estimasi hampir sama dengan klasifikasi, kecuali variabel terget estimasi lebih ke arah
numerik daripada ke arah katagori. Model dibangun menggunakan record lengkap
yang menyediakan nilai dari variabel target sebagai nilai prediksi. Selanjutnya pada
peninjauan berikutnya estimasi nilai dari varibel terget dibuat berdasarkan nilai dari
varibel prediksi. Sebagai contoh, akan dilakukan estimasi tekanan darah sistolik pada
pasien rumah sakit berdasarkan umur pasien, jenis kelamin, indeks berat badan, dan
level sodium darah. Hubungan antara tekanan darah sistolik dan nilai variabel prediksi
dalam proses pembelajaran akan menghasilkan model estimasi. Model estimasi yang
dihasilkan dapat digunakan untuk kasus baru lainnya.
Contoh lain yaitu estimasi nilai indeks prestasi kumulatif mahasiswa program
pascasarjana dengan melihat nilai indeks prestasi mahasiswa tersebut pada saat
mengikuti program sarjana.
3. Prediksi
Prediksi hampir sama dengan klasifikasi dan estimasi, kecuali bahwa dalam prediksi
nilai dari hasil akan ada di masa mendatang
Contoh prediksi dalam bisnis dan penelitian adalah:
• Prediksi harga beras dalam tiga bulan yang akan datang
• Prediksi presentase kenaikan kecelakaan lalu lintas tahun depan jika batas bawah
kecepatan dinaikkan.
Beberapa metode dan teknik yang digunakan dalam klasifikasi dan estimasi dapat
pula digunakan (untuk keadaan yang tepat) untuk prediksi.
4. Klasifikasi
Dalam klasifikasi, terdapat terget variabel kategori. Sebagai contoh, penggolongan
pendapatan dapat dipisahkan dalam tiga katagori, yaitu pendapatan tinggi, pendapatan
sedang dan pendapatan rendah.
Contoh lain klasifikasi dalam bisnis dan penelitinan adalah:
• Menentukan apakah suatu transaksi kartu kredit merupakan transaksi yang curang
atau bukan.
• Memperkirakan apakah suatu pengajuan hipotek oleh nasabah merupakan suatu
kredit yang baik atau buruk.
• Mendiagnosis penyakit seorang pasien untuk mendapatkan termasuk katagori
penyakit apa.
5. Pengklusteran
Pengklusteran merupakan record, pengamatan atau memperhatikan dan membentuk
kelas objek-objek yang memuliki kemiripan. Kluster adalah kumpulan record yang
memiliki kemiripan satu dengan yang lainnya dan memuliki ketidakmiripan dengan
record-record dalam kluster lain.
Pengklusteran berbeda dengan klasifikasi yaitu tidak adanya varibel target dalam
pengklusteran. Pengklusteran tidak mencoba untuk melakukan klasifikasi,
mengestimasi atau memprediksi nilai dari varibel target. Akan tetapi, algoritma
pengklusteran mencoba untuk melakukan pembagian terhadap keseluruhan data
menjadi kelompok-kelompok yang memiliki kemiripan (homogen), yang mana
kemiripan record dalam satu kelompok akan bernilai maksimal, sedangkan kemiripan

11
 Data Mining

dengan record dalam kelompok lain akan bernilai minimal.

Contoh pengklusteran dalam bisnis dan penelitian adalah:
• Mendapatkan kelompok-kelompok konsumen untuk terget pemasaran dari suatu
produk bagi perusahaan yang tidak memiliki dana pemasaran yang besar.
• Untuk tujuan audit akuntansi, yaitu melakukan pemisahan terhadap perilaku
finansial dalam baik dan mencurigakan.
• Melakukan pengklusteran terhadap ekspresi dari gen, untuk mendapatkan kemiripan
perilaku dari gen dalam jumlah besar.
6. Asosiasition
Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul dalam satu
waktu. Dalam dunia bisnis lebih umum disebut analisis keranjang belanja.
Contoh asosiasi dalam bisnis dan penelitan adalah:
• Meneliti jumlah pelanggan dari perusahaan telekomunikasi seluler yang diharpakan
untuk memberikan respon positif terhadap penawaran upgrade layanan yang
diberikan.
• Menemukan barang dalam supermarket yang dibeli secara bersamaan dan barang
yang tidak pernah dibeli secara bersamaan.

Gambar 3. Algoritma Data Mining

Weka (Waikato Environtment for Knowledge Analysis) adalah tools open source
(berlisensi GPL) yang berisi kumpulan algoritma machine learning dan data
preprocessing. Weka dapat digunakan mulai dari tahap preprocessing, proses, evaluasi
sampai dengan visualiasi. Berbagai algoritma dapat dibandingkan untuk memilih yang
terbaik untuk masalah yang akan dipecahkan. Basis weka adalah Java sehingga bersifat
multiplatform dan dapat digunakan sebagai library dalam aplikasi Java. weka
menyediakan 3 interface untuk mengelola data sheet.

12
 Data Mining

Gambar 4. Weka Interface

1. Explorer: Digunakan untuk mencari algoritma yang paling cocok untuk data. Semua
data diloadke memori sehingga dapat cepat diproses, tapi hanya dapat digunakan untuk
data dengan jumlah terbatas.
2. Eksperimenter: Digunakan untuk mencari parameter yang cocok. Mirip dengan
explorer tetapi prosesnya dapat diautomatisasi. Eksperimen ukuran besar (multi machine
dengan RMI) dapat dilakukan dengan interface ini.
3. Knowledgeflow: Digunakan untuk memproses data stream. Konfigurasi proses dapat
diatur dengan mudah dan dapat menangani data berukuran besar. Mendukung
incremental learning.
4. Simple CLI (Command Line Interface) menggunakan command line untuk interface.

Download software Weka di http://www.cs.waikato.ac.nz/ml/weka/ jika anda memiliki

komputer dengan prosesor 64bit, pastikan menggunakan versi 64bit juga karena dapat
menggunakan memori lebih besar sehingga dapat memproses lebih banyak data.

D. Tugas Laporan
Berikan 5 contoh penerapan Data Mining dan jelaskan cara kerjanya!

13
 Data Mining

JOB SHEET PRAKTIKUM 2

Teknologi Rekayasa Perangkat Lunak Job Sheet 2

Topik : Teknik Data Mining
Sub Topik : Clustering

A. Tujuan Praktikum
1. Mampu salah satu Teknik data mining yaitu clustering

B. Alat dan Bahan

No Nama Alat Spesifikasi Jumlah Satuan Keterangan
1 PC Unit IBM Compatible 20 Unit
2 Browser Internet IE/Mozilla/Chrome - -
3 Alat Tulis Pena, Pensil, Penghapus,
Kertas Double Folio

C. Dasar Teori
Clustering sebenarnya merupakan teknik data mining yang digunakan untuk mencari
pengelompokan data, yang tidak memiliki pengelompokkan alami. Pada algoritma
clustering, data akan dikelompokkan menjadi cluster-cluster berdasarkan kemiripan
satu data dengan data yang lain. Dalam hal ini tidak ada patokan tertentu yang
digunakan pada algoritma clustering untuk mencari pengelompokkan data yang ada
pada sekumpulan data tersebut. Data yang dikelompokkan dalam satu cluster
memiliki similaritas tinggi, sedangkan antara satu cluster dengan cluster lainnya
memiliki semilaritas rendah.
Konsep terpenting yang harus disadari adalah bahwa proses clustering yang baik akan
menghasilkan cluster dengan kualitas tinggi bila memiliki:
 Tingkat kesamaan yang tinggi dalam class (high intra-class similarity)
 Tingkat kesamaan yang rendah antar class (low inter-class similarity)
Similarity yang dimaksud merupkan pengukuran secara numerik terhadap dua buah
objek. Nilai similarity ini akan semakin tinggi bila dua objek yang dibandingkan
tersebut memiliki kemiripan yang tinggi pula. Tentunya, perbedaan kualitas suatu
hasil clustering ini bergantung pada metode yang dipakai untuk mengukur kesamaan
(similaritas) tersebut serta implementasinya.
Selain itu pula, suatu metode clustering juga harus dapat diukur kemampuannya
dalam usahanya untuk menemukan suatu pola tersembunyi pada data yang tersedia.
Dalam mengukur nilai sililarity ini, ada beberapa metode yang dapat dipakai salah
satunya adalah Euclediean Distence. Pada metode ini, dua buah point dapat dihitung
jaraknya bila diketahui nilai dari masing-masing atribut pada kedua point tersebut.
Berikut adalah rumus distence yang dipakai, yaitu:

14
 Data Mining

Dengan :
x1 = sampel data
x2 = data uji
i = varibel data
d = jarak
p = dimensi data
Yang dimaksud dengan bobot field (µk) adalah ukuran kemampuan suatu field ke-k
dalam mempengaruhi jarak antara kedua point. Semakin besar nilai µk, akan semakin
besar pula pengaruhnya terhadap jarak antara kedua point, dan sebaliknya semakin
kecil nilai µk, akan semakin kecil pengaruhnya terhadap jarak antara ke dua point.

Tipe Clustering

Gambar 3. Original Points gambar 4. Partitional Clustering

Pada dasarnya terdapat 2 tipe clustering, yaitu:

 Partitional Clustering : Tipe cluster yang benar-benar terpisah antara sekelompok
objek dengan sekelompok objek lainnya.
 Hierarchical clustering : Sekelompok cluster yang terorganisasi sebagai suatu pohon
hirarki (hierarchical tree)

Gamabar 5 Traditional Hierarchical Clustering

15
 Data Mining

Dalam perkembangannya, terdapat berbagai tipe cluster, yaitu:

1) Well-Separate Clusters
Cluster adalah sekelompok point dimana tiap point dalam cluster memiliki
kesamaan yang lebih (more similar) dengan setiap point lainnya di dalam cluster
daripada tiap point yang tidak berada dalam cluster tersebut. Dapat dikatakan
bahwa setiap point yang berada dalam satu cluster akan memiliki jarak yang lebih
dekat dibandingkan point-point pada cluster lain.
2) Center-besed
Cluster adalah sekumpulan objek dimana tiap objek pada cluster memiliki
kemiripan yang lebih dengan pusat (center) cluster lainnya.
Pusat (center) dari cluster disebut dengan centroid, rata-rata dari tiap point pada
cluster atau medoid merupakan point yang dapat mewakili point-point lain dari
cluster tersebut (Representative Point)
3) Contigous Cluster (Nearest Neighbor or Transitive)
Cluster adalah sekumpulan poin dimana tiap point dalam cluster memiliki
kesamaan yang lebih (more similar) dengan satu point atau lebih lainnya di dalam
cluster daripada tiap point yang tidak berada dalam cluster tersebut.
4) Density-based
Cluster adalah suatu are populasi point yang memisahkan antar tingkat populasi
point rendah dengan tingkat populasi point yang tinggi

1. Clustering
Pada task clustering, kita akan mencari kelompok-kelompok natural berdasarkan
atributnya. Buka kembali dataset credit-g.arff. Pilih tab cluster, klik tombol choose dan
pilih SimpleKMeans.Klik tulisan simpleKmeans, maka akan ditampilkan parameter
untuk KMeans. Bagian yang paling penting adalah jumlah cluster (numCluster), coba isi
dengan 4.Hasilnya dapat dilihat pada gambar berikut.

Kolom paling kiri adalah atribut, kolom kedua adalah cluster yang berisi semua data:
“Full Data”. Kolom berikutnya adalah cluster pertama dan seterusnya. Nilai atribut yang
ditampilkan adalah centroid (nilai tengah cluster). Ada tiga cluster dengan class "Good"

16
 Data Mining

dan satu cluster dengan kelas "Bad". Bagian yang menarik dari keempat cluster ini
adalah atribut personal_status. Semua adalah male-single kecuali untuk cluster "Bad".
Perbedaan yang lain adalah atribut purpose, untuk kelas "Bad" atribut ini umumnya
adalah "New Car". Di output juga ditampilkan nilai SSE:
Within cluster sum of squared errors: 5226.216042637847
Nilai ini memperlihatkan tingkat kemiripan instance di dalam suatu cluster. Jika setiap
instance di cluster identik maka nilainya akan 0. Tentu jika semakin besar jumlah
cluster maka nilai SSE akan semakin turun, tetapi cluster yang memiliki terlalu sedikit
instance juga tidak terlalu berguna untuk analisis.Untuk melihat visualisasinya, pada
bagian result list, klik kanan lalu pilih "Visualize cluster assignment"
Perbesar nilai jitter, maka dapat dilihat visualisasi cluster sebagai berikut. Cluster 0 (biru
gelap) umumnya untuk kelas "Bad" sedangkan cluster 3 dan cluster 4 umumnya "Good".
Menarik bahwa cluster berwarna merah (cluster 1) kebanyakan untuk instance dengan
atribut housing=For Free. Coba ganti-ganti sumbu Y dengan atribut lain

Penggunaan Aplikasi Clustering

Berbagai macam aplikasi penggunaan clustering, dapat meliputi sebagai berikut:
 Pengenalan pola
 Analisa data spasial (spatial data)
 Membuat Map GIS (Geogrphic Information System)
 Mendeteksi cluster spasial dan menjelaskannya pada data mining spasial
 Memproses image tertentu
 Ilmu Pengetahuan Ekonomi (analisa pasar)

Contoh penggunaan aplikasi cluster:

 Marketing : Membantu para pelaku pasar menemukan kelompok tertentu pada
basis customer mereka dan menggunakan pengetahuan tersebut untuk
mengembangkan program terget marketing mereka
 Land use : Mengidentifikasi setiap area yang ada di permukaan bumi untuk
keperluan obesrvasi pada database.
 Insurance : Mengidentifikasi sekelompok pemegang polis asuransi yang memiliki
tingkat biaya klaim rata-rata tertentu.
 City Planning : Mengidentifikasi sekelompok rumah berdasar tipe, nilai serta letak
geografinya
 Earth-quake Studies : mengobservasi berbagai macam titik episentrum gempa bumi
yang terjadi pada berbagai benua.

Salah satu Density-based clustring methods adalah metoda DBSCAN (Density-Based

Spatial Clustering of Applications with Noise)

JOB SHEET PRAKTIKUM 3

Teknologi Rekayasa Perangkat Lunak Job Sheet 3

Topik : Algoritma Clustering Density-sBased
Sub Topik : DBSCAN (Density-Based Spatial
Clustering of Applications with Noise)

17
 Data Mining

A. Tujuan Praktikum
1. Mampu memahami tentang algoritma clustering density sBased

B. Alat dan Bahan

No Nama Alat Spesifikasi Jumlah Satuan Keterangan
1 PC Unit IBM Compatible 20 Unit
2 Browser Internet IE/Mozilla/Chrome - -
3 Alat Tulis Pena, Pensil, Penghapus,
Kertas Double Folio

C. Dasar Teori
DBSCAN adalah salah satu algoritma clustering density-based, algoritma ini pertama kali
dikenalkan oleh Ester, dkk [Ester 1996] di dalam Adriano Moreira, dkk University of
Minho - Portugal. Dalam satu daerah dengan kepadatan titik yang tinggi menggambarkan
keberadaan cluster sedangkan daerah dengan kepadatan titik rendah disebut dengan Noise.
Algoritma ini terutama cocok untuk menangani data yang besar, dengan noise, dan
mampu mengidentifikasi cluster dengan berbagai ukuran dan bentuk.

Ide Utama Dari Algoritma DBSCAN

untuk setiap titik cluster dari lingkungan radius harus berisi setidaknya jumlah minimum
poin yang telah ditentukan
Algoritma ini membutuhkan 2 masukan parameter:
 Eps, jari-jari yang menentukan batas daerah sekitar titik (Epsneighbourhood);
 MinPts, jumlah minimum titik yang harus ada di lingkungan-Eps.

Ide dasar dari density-based clustering berkaitan dengan beberapa definisi baru
1. Neighborhood dengan radius Eps dari suatu obyek disebut Eps-neighborhood dari
suatu obyek tersebut.
2. Jika Eps-neighborhood dari suatu obyek mengandung titik sekurang-kurangnya jumlah
minimum, MinPts, maka suatu obyek tersebut dinamakan core object
3. Diberikan set obyek D, obyek p dikatakan directly density-reachable (kepadatan
terjangkau langsung) dari obyek q jika p termasuk dalam Eps-neighborhood dari q dan
q adalah core objek.

Ilustrasi directly density-reachable (kepadatan terjangkau langsung)

18
 Data Mining

Gambar directly density-reachable

4. Sebuah obyek p adalah density-reachable dari obyek q dengan memperhatikan Eps
dan MinPts dalam suatu set objek , D, jika terdapat serangkaian obyek p1,…,pn, p1=q
dan pn=p dimana pi+1 adalah directly density-reachable dari pi dengan
memperhatikan Eps dan MinPts, untuk 1 <= i <= n, pi elemen D. Konsep density-
reachable di-ilustrasikan pada Gambar dibawah ini :

Gambar density-reachable
5. Sebuah obyek p adalah density-connected terhadap obyek q dengan memperhatikan
Eps dan MinPts dalam set obyek D, jika ada sebuah obyek o elemen D sehingga p dan
q keduanya density-reachable dari o dengan memperhatikan Eps dan MinPts. Gambar
di bawah ini merupakan ilustrasi dari konsep density-connected.

Gambar density-connected
Algoritma DBSCAN
1. Arbitrary select a point p (memilih titik p)
2. Retrieve all points density-reachable from p wrt Eps and MinPts. (Ambil semua
point yang density reachable terhadap titik p)
3. If p is a core point, a cluster is formed. (jika p adalah core point, maka cluster
terbentuk)
4. If p is a border point, no points are density-reachable from p and DBSCAN visits
the next point of the database.
5. Continue the process until all of the points have been processed (lanjutkan proses
sampai semua poin terproses)

Istilah-Istilah Yang Digunakan Dalam DBSCAN

19
 Data Mining

Sebelum mendalami contoh, beberapa rangkuman istilah sebagai berikut:

1. Eps-neighborhood = neighborhood dengan radius eps
2. Core-Objek = Eps-neighborhood yang mengandung point >= mintpts
3. Directly density-reachable = titik p dikatakan directly density-reachable dari titik q
jika titik p adalah eps-neighborhood dari q dan q adalah core objek. p dan q adalah
titik pusat.
Contoh :
Eps = 4
MinPts = 4
Tabel node dengan titik (x,y)
A (4,4) H (16,7) O (6,9) V(21,13)

B (2,3) I (18,7) P (20,10) W(6,14)

C (5,3) J (121,7) Q (6,11) X(15,19)

D (6,5) K (2,8) R (19,11) Y(13,21)

E (16,5) L (8,8) S (5,12) Z(15,21)

F(2,6) M (17,8) T (7,12)

G (4,7) N (19,8) U (20,12)

Node (x,y ) dari table diatas direfresentasikan dengan gambar dibawah ini :

Iterasi 1

20
 Data Mining

Dengan titik tengah (4,4) maka point yang menjadi anggota adalah 5 point yaitu B, C, D,
F, G. Untuk lebih jelasnya dapat dilihat pada tabel berikut :

Titik Tengah = (4,4)

Iterasi 2
Dengan titik tengah (4,7) maka point yang menjadi anggota adalah 4 point yaitu A, D, F,
K. Untuk lebih jelasnya dapat dilihat pada tabael berikut :

21
 Data Mining

Titik Tengah = (4,7)

Iterasi 3
Dengan titik tengah (6,9) maka point yang menjadi anggota adalah 6 point yaitu D, G,
L, Q, S dan T. Untuk lebih jelasnya dapat dilihat pada tabael berikut :

Titik Tengah (6,9)

22
 Data Mining

Iterasi 4
Dengan titik tengah (7,12) maka point yang menjadi anggota adalah 7 point yaitu O, P,
Q, S dan W. Untuk lebih jelasnya dapat dilihat pada tabel berikut :

Titik Tengah (7,12)

23
 Data Mining

Iterasi 5
Dengan titik tengah (16,7) maka point yang menjadi anggota adalah 5 point yaitu D, I, M
dan N. Untuk lebih jelasnya dapat dilihat pada tabel berikut :

Titik Tengah (16,7)

24
 Data Mining

Iterasi 6
Dengan titik tengah (19,8) maka point yang menjadi anggota adalah 5 point yaitu H,I, J,
M, P dan R. Untuk lebih jelasnya dapat dilihat pada tabael berikut :

Titik Tengah (19,8)

25
 Data Mining

Iterasi 7
Dengan titik tengah (20,10) maka point yang menjadi anggota adalah 4 point yaitu I, J,
M, N. Untuk lebih jelasnya dapat dilihat pada tabael berikut :

Titik Tengah (20,10)

26
 Data Mining

Iterasi 8
Dengan titik tengah (15,21)maka point yang menjadi anggota adalah 2 point yaitu. Untuk
lebih jelasnya dapat dilihat pada tabael berikut :

Titik Tengah (15,12)

27
 Data Mining

Hasil

JOB SHEET PRAKTIKUM 4

28
 Data Mining

Teknologi Rekayasa Perangkat Lunak Job Sheet 4

Topik : K-Means
Sub Topik : K-Means

A. Tujuan Praktikum
1. Mampu memahami algoritma dalam data mining yaitu K-Means

B. Alat dan Bahan

No Nama Alat Spesifikasi Jumlah Satuan Keterangan
1 PC Unit IBM Compatible 20 Unit
2 Browser Internet IE/Mozilla/Chrome - -
3 Alat Tulis Pena, Pensil, Penghapus,
Kertas Double Folio

C. Dasar Teori
Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada
setiap alternatif pada semua kriteria (Kusumadewi, 2006). Metode SAW membutuhkan
proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan
dengan semua rating alternatif yang ada. Metode SAW mengenal adanya 2 (dua) atribut
yaitu kriteria keuntungan (benefit) dan kriteria biaya (cost). Perbedaan mendasar dari
kedua kriteria ini adalah dalam pemilihan kriteria ketika K-Means Termasuk partitioning
clustering yang memisahkan data ke k daerah bagian yang terpisah. K-means algorithm
sangat terkenal karena kemudahan dan kemampuannya untuk mengklaster data besar dan
data outlier dengan sangat cepat. Sesuai dengan karakteristik partitioning clustering,
Setiap data harus termasuk ke cluster tertentu, dan Memungkinkan bagi setiap data yang
termasuk cluster tertentu pada suatu tahapan proses, pada tahapan berikutnya berpindah
ke cluster yang lain.
Algoritma K-Means :
• Menentukan k sebagai jumlah cluster yang ingin dibentuk
• Membangkitkan k centroids (titik pusat cluster) awal secara random
• Menghitung jarak setiap data ke masing-masing centroids Setiap data memilih
centroids yang terdekat
• Menentukan posisi centroids baru dengan cara menghitung nilai rata-rata dari
data-data yang memilih pada centroidyangsama.
• Kembali ke langkah 3 jika posisi centroids baru dengan centroids lama tidak sama.

Contoh Kasus K-Means :

Using K-means algorithm find the best groupings and means of two clusters of the 2D
data below. Show all your work, assumptions, and regulations. M1 = (2, 5.0), M2 = (2,
5.5), M3 = (5, 3.5), M4 = (6.5, 2.2), M5 = (7, 3.3), M6 = (3.5, 4.8), M7 = (4, 4.5)

29
 Data Mining

Asumsi:
Semua data akan dikelompokkan ke dalam dua kelas
Center points of both clusters are C1(3,4), C2(6,4)
M1 = (2, 5.0), M2 = (2, 5.5), M3 = (5, 3.5), M4 = (6.5, 2.2), M5 = (7, 3.3), M6 = (3.5,
4.8), M7 = (4, 4.5)
Iterasi 1
a. Menghitung Euclidean distance dari semua date ke tiap titik pusat pertama

Dengan cara yang sama hitung jara tiap titik ke titik pusat ke dan kita akan mendapatkan
D21= 4.12, D22=4.27, D23= 1.18, D24= 1.86, D25=1.22, D26=2.62, D27=2.06
b. Dari penghitungan Euclidean distance, kita dapat membandingkan:
M1 M2 M3 M4 M5 M6 M7

30
 Data Mining

jarak ke C1 1.41 1.80 2.06 3.94 4.06 0.94 1.12

C2 4.12 4.27 1.18 1.86 1.22 2.62 2.06

 {M1, M2, M6, M7} anggota C1 and {M3, M4, M5} anggota C2
c. Hitung titik pusat baru

Iterasi ke 2
a. Hitung Euclidean distance dari tiap data ke titik pusat yang baru Dengan cara
yang sama dengan iterasi pertama kita akan mendapatkan perbandingan sebagai
berikut:
M1 M2 M3 M4 M5 M6 M7
Jadark C1 0.76 0.96 2.65 4.62 4.54 0.76 1.31
C2 4.62 4.86 1.27 0.86 0.88 3.22 2.63
b. Dari perbandingan tersebut kira tahu bahwa {M1, M2, M6, M7} anggota C1 dan {M3,
M4, M5} anggota C2
c. Karena anggota kelompok tidak ada yang berubah maka titik pusat
pun tidak akan berubah.

Kesimpulan
M1, M2, M6, M7} anggota C1 dan {M3, M4, M5} anggota C2

31
 Data Mining

JOB SHEET PRAKTIKUM 5

Teknologi Rekayasa Perangkat Lunak Job Sheet 5
Topik : K-Medoids
Sub Topik : K-Medoids

A. Tujuan Praktikum
1. Mampu memahami algoritma dalam data mining yaitu K-Medoids

B. Alat dan Bahan

No Nama Alat Spesifikasi Jumlah Satuan Keterangan
1 PC Unit IBM Compatible 20 Unit
2 Browser Internet IE/Mozilla/Chrome - -
3 Alat Tulis Pena, Pensil, Penghapus,
Kertas Double Folio

C. Dasar Teori
Algoritma k-medoids adalah algoritma clustering yang berkaitan dengan algoritma k-
means dan algoritma medoidshift. Baik k-means dan algoritma k-medoids adalah
teknik partisi (memecah dataset ke dalam kelompok) dan keduanya berusaha untuk
meminimalkan square error (jarak antara titik berlabel berada dalam cluster dan titik
yang ditunjuk sebagai pusat cluster tersebut). Berbeda dengan algoritma k-means, k-
medoids memilih data points sebagai pusat (medoids atau eksemplar).
K-medoid adalah teknik partisi klasik untuk clustering yang melakukan klasterisasi
data dari n objek ke dalam k cluster yang dikenal dengan a priori. Sebuah alat yang
berguna untuk menentukan k adalah silhouette.
K-medoid lebih kuat terhadap noise dan outliner dibandingkan dengan k-means
karena meminimalkan jumlah dari ketidaksamaan bukannya meminimalkan jumlah
kuadrat jarak Euclidean.
medoid dapat didefinisikan sebagai objek cluster, yang rata-rata perbedaan untuk
semua objek dalam suatu cluster minimal yaitu merupakan titik paling pusat dari data
yang diberikan.
Realisasi yang paling umum dari clustering k-medoid adalah Partition Around
Medoids (PAM) dan algoritma adalah sebagai berikut :
1. Inisialisasi : pilih secara acak k dari n data point sebagai medoids
2. Asosiasikan setiap data point ke medoid yang terdekat (terdekat berarti
menggunakan perhitungan jarak yang biasa digunakan adalah Euclidean
distance, Manhattan distance atau Minkowski distance)
3. Untuk setiap medoid m
1. Untuk setiap data non medoid o
1. Tukarkan m and o dan hitung berapa total cost dari setiap
konfigurasi (penukaran m dan o)
4. Pilih konfigurasi dengan cost paling sedikit
5. Ulangi langkah 2 sampai 5 dan hentikan jika sudah tidak terdapat perubahan
medoids.

32
 Data Mining

Contoh PAM
Klasterisasi data set yang terdiri dari sepuluh objek menjadi 2 cluster, anggaplah data
set nya adalah dalam 2 dimensi sebagai berikut
X1 2 6

X2 3 4

X3 3 8

X4 4 7

X5 6 2

X6 6 6

X7 7 3

X8 7 4

X9 8 5

X10 7 6

Berikut adalah gambar dataset yang akan diklasterisasi

Langkah Pertama
Inisialisasi pusat k
Mari kita asumsikan c1 = (3,4) dan c2 = (7,4)
Jadi kita sekarang memiliki c1 dan c2 sebagai medoid, berikutnya kalkulasi jarak
menggunakan rumus jarak minkowski dengan p = 1

33
 Data Mining

Untuk point pertama data objek (2,6) sedangkan data pusat adalah (3,4) jadi total
jarak yang didapat adalah
jarak = (|3-2|1)1/1 + (|4-6|1)1/1
jarak = (1+2) ; jarak = 3
Dan untuk titik-titik yang lain maka akan mendapatkan jarak sebagai berikut
Cost
c1 Data objects (Xi)
(distance)
3 4 2 6 3
3 4 3 8 4
3 4 4 7 4
3 4 6 2 5
3 4 6 6 5
3 4 7 3 5
3 4 8 5 6
3 4 7 6 6

c2 Data objects (Xi) Cost (distance)

7 4 2 6 7
7 4 3 8 8
7 4 4 7 6
7 4 6 2 3
7 4 6 4 1
7 4 7 3 1
7 4 8 5 2
7 4 7 6 2

Tugasi setiap objek ke objek perwakilan terdekat

Menggunakan L1 Metric (Manhattan), kami membentuk Cluster berikut:
Sehingga sekarang cluster menjadi
Cluster1 = {(3,4)(2,6)(3,8)(4,7)}
Cluster2 = {(7,4)(6,2)(6,4)(7,3)(8,5)(7,6)}
Cost dari dua titik dapat dicari dengan rumus :

34
 Data Mining

Dimana
x adalah data objek
c adalah medoid
d adalah dimensi dari objek (sekarang menggunakan dimensi 2)
total cost adalah perhitungan total dari setiap cost yang dimiliki dalam sebuah cluster
dimana untuk c1 dan c2 total cost adalah

total cost = {cost((3,4),(2,6)) + cost((3,4),(3,8)) + cost((3,4),(4,7))} +

{cost((7,4),(6,2)) + cost((7,4),(6,4)) + cost((7,4),(7,3)) + cost((7,4),(8,5)) +
cost((7,4),(7,6))}
= (3 + 4 + 4) + (3 + 1 + 1 + 2 + 2)
= 20
Berikut adalah hasil klasterisasi sementara dari langkah pertama

Langkah 2
Pemilihan nonmedoid O’ secara acak
Mari kita asumsikan O’= (7,3) (ada di c2 maka kita akan tukar c2 dengan O’)
Maka sekarang medoids yang ada adalah c1 (3,4) dan O’(7,3)
Jika c1 dan O’ adalah medoids baru, hitung biaya total yang terlibat
Dengan menggunakan rumus pada langkah 1 maka didapatkan:

35
 Data Mining

c1 Data objects (Xi) Cost (distance)

3 4 2 6 3
3 4 3 8 4
3 4 4 7 4
3 4 6 2 5
3 4 6 4 3
3 4 7 4 4
3 4 8 5 6
3 4 7 6 6

O′ Data objects (Xi) Cost (distance)

7 3 2 6 8
7 3 3 8 9
7 3 4 7 7
7 3 6 2 2
7 3 6 4 2
7 3 7 4 1
7 3 8 5 3
7 3 7 6 3

Hitung total cost yang terjadi setalah memindahkan medoid dari c2 ke O’

Dengan menggunakan rumus yang sama dengan langkah pertama maka didapatkan
Total cost’ = 3 + 4 + 4 + 2 + 2 + 1 + 3 + 3
Total cost’ = 22
Dan bandingkanlah total cost dengan total cost’
S = total cost’ – total cost
S = 22 – 20 = 2
Karena 2 > 0 maka didapatkan kesimpulan bahwa medoid yang baru tidak lebih baik
dari medoid yang lama, berikut adalah hasil klasterisasi setelah langkah kedua
dilakukan

36
 Data Mining

Lakukanlah langkah 1 dan 2 terus menerus (mengulang langkah 2 sampai 5 pada k-

medoid) sampai akhirnya mendapatkan medoid yang paling bagus (medoid tidak
dirubah lagi) dan algoritma ini pun akan dihentikan.

JOB SHEET PRAKTIKUM 6

Teknologi Rekayasa Perangkat Lunak Job Sheet 6
Topik :Konsep Dasar Klasifikasi & Algoritma
Naïve Bayes
Sub Topik : Konsep Dasar Klasifikasi & Algoritma
Naïve Bayes

37
 Data Mining

A. Tujuan Praktikum
1. Mampu memahami konsep klasifikasi
2. Mampu memahami Algoritma Naïve Bayes

B. Alat dan Bahan

No Nama Alat Spesifikasi Jumlah Satuan Keterangan
1 PC Unit IBM Compatible 20 Unit
2 Browser Internet IE/Mozilla/Chrome - -
3 Alat Tulis Pena, Pensil, Penghapus,
Kertas Double Folio

C. Dasar Teori
Konsep Dasar Klasifikasi
Aplikasi lain yang penting dari data mining adalah kemampuannya untuk melakukan
proses klasifikasi pada suatu data dalam jumlah besar. Hal ini sering disebut mining
classification rules. Sebagai contoh, sebuah dealer mobil ingin mengkiasifikasikan
pelanggannya menurut kecenderungan mereka untuk menyukai mobil jenis tertentu,
sehingga para sales yang bekerja disitu akan mengetahui siapa yang harus didekati,
kemana katalog mobil jenis baru harus dikirim, sehingga hal ini akan sangat membantu
dalam hal promosi.
Klasifikasi data adalah suatu proses yang menemukan properti-properti yang sama pada
sebuah himpunan obyek di dalarn sebuah basis data, dan mengklasifikasikannya ke dalam
kelas-kelas yang berbeda menurut model klasifikasi yang ditetapkan. Untuk membentuk
sebuah model klasifikasi, suatu sampel basis data 'E' diperlakukan sebagai training set,
dimana setiap tupel terdiri dari himpunan yang sama yang memuat atribut yang beragam
seperti tupel-tupel yang terdapat dalam suatu basis data yang besar 'W'. Setiap tupel
diidentifkasikan dengan sebuah label atau identitas kelas. Tujuan dari klasifikasi ini
adalah pertama-tama untuk menganalisa training data dan membentuk sebuah deskripsi
yang akurat atau sebuah model untuk setiap kelas berdasarkan feature-feature yang
tersedia di dalam data itu. Deskripsi dari masing-masing kelas itu nantinya akan
digunakan untuk mengklasifikasikan data yang hendak di test dalam basis data 'W', atau
untuk membangun suatu deskripsi yang lebih baik untuk setiap kelas dalam basis data.
Contoh untuk model ini adalah prediksi terhadap resiko pemberian kredit. Data terdiri dari
orang-orang yang telah menerima kredit. Sebagian kreditur menjalankan kewajiban
dengan baik, dan sebagian lagi tidak. Data mining, harus mampu mendefinisikan atribut-
atribut apa yang paling berpengaruh.

Algoritma NAÏVE BAYES

 Bayesian classification adalah pengklasifikasian statistik yang dapat digunakan
untuk memprediksi probabilitas keanggotaan suatu class.
 BC didasarkan pada teorema Bayes yg memiliki kemampuan klasifikasi serupa
dengan decision tree dan neural network
 Memiliki akurasi dan kecepatan yg tinggi saat diaplikasikan ke dalam database yg

38
 Data Mining

besar
 Bentuk Umum Teorema Bayes
P(H I X) = P(X I H) P(H)
P(X)
Keterangan :
X : data dgn class yg belum diketahui
H : hipotesis data X
P(HIX) : probabilitas hipotesis H berdasar kondisi X (posteriori
probability)
P(H) : probabilitas hipotesis H (prior porbability)
P(XIH) : probabilitas X berdasar kondisi pada hipotesis H
P(X) : probabilitas dari X
Contoh Soal :
 Tabel Data Training :

STATUS IPK STATUS

JENIS STATUS
NO PRENIKAH Semester KELULUSA
KELAMIN MAHASISWA
AN 1-6 N
1 LAKI - LAKI MAHASISWA BELUM 3.17 TEPAT
2 LAKI - LAKI BEKERJA BELUM 3.30 TEPAT
3 PEREMPUAN MAHASISWA BELUM 3.01 TEPAT
4 PEREMPUAN MAHASISWA MENIKAH 3.25 TEPAT
5 LAKI - LAKI BEKERJA MENIKAH 3.20 TEPAT
6 LAKI - LAKI BEKERJA MENIKAH 2.50 TERLAMBA
T
7 PEREMPUAN BEKERJA MENIKAH 3.00 TERLAMBA
T
8 PEREMPUAN BEKERJA BELUM 2.70 TERLAMBA
T
9 LAKI - LAKI BEKERJA BELUM 2.40 TERLAMBA
T
10 PEREMPUAN MAHASISWA MENIKAH 2.50 TERLAMBA
T
11 PEREMPUAN MAHASISWA BELUM 2.50 TERLAMBA
T
12 PEREMPUAN MAHASISWA BELUM 3.50 TEPAT
13 LAKI - LAKI BEKERJA MENIKAH 3.30 TEPAT
Jika seorang mahasiswa dengan data sebagai berikut, prediksi kelulusannya
Tabel Testing

39
 Data Mining

KELAMIN STATUS PRENIKAHAN IPK KETERANGAN

LAKI - LAKI MAHASISWA BELUM
2.70 ???
Jawaban :
 Tahap 1 menghitung jumlah class/label
P(Y= TEPAT) = 8/15
(jumlah data “TEPAT” pada komom ‘STATUS KELULUSAN’ dibagijumlah data)
P(Y= TERLAMBAT) = 7/15
(jumlah data “TERLAMBAT” pada komom ‘STATUS KELULUSAN’dibagi jumlah data)
 Tahap 2 menghitung jumlah kasus yang sama dengan class yang sama

P(JENIS KELAMIN = LAKI - LAKI | Y= TEPAT) = 5/8

(jumlah data jenis kelamin “laki-laki” dengan keterangan “TEPAT” dibagi jumlah data
TEPAT)
P(JENIS KELAMIN = LAKI - LAKI | Y= TERLAMBAT) = 3/7
(jumlah data jenis kelamin “laki-laki” dengan keterangan ”TERLAMBAT”dibagi jumlah
data TERLAMBAT)
P(STATUS MAHASISWA = MAHASISWA | Y= TEPAT) = 5/8
(jumlah data dengan status mahasiswa dengan keterangan “TEPAT” dibagi jumlah data
TEPAT)
P(STATUS MAHASISWA = MAHASISWA | Y= TERLAMBAT) = 3/7
(jumlah data dengan status mahasiswa dengan keterangan“TERLAMBAT” dibagi
jumlah data TERLAMBAT)
P(STATUS PRENIKAHAN = BELUM| Y= TEPAT) = 4/8
(jumlah data dengan status pernikahan “Belum menikah” dan keterangan “TEPAT”
dibagijumlah data TEPAT)
P(STATUS PRENIKAHAN = BELUM| Y= TERLAMBAT) = 4/7
(jumlah data dengan status pernikahan “Belum menikah” dan keterangan
“TERLAMBAT” dibagijumlah data TERLAMBAT)
P(IPK = 2.70| Y= TEPAT) = 0/8

40
 Data Mining

(jumlah data IPK “2.70” dengan keterangan “TEPAT” dibagi jumlah data TEPAT)
P(IPK = 2.70| Y= TERLAMBAT) = 1/7
(jumlah data IPK “2.70” dengan keterangan “TERLAMBAT” dibagi jumlah data
TERLAMBAT)

 Tahap 3 kalikan semua hasil variable TEPAT & TERLAMBAT

P (KELAMIN=LAKI – LAKI), (STATUS MHS=MAHASISWA), (PRENIKAHAN
= BELUM), (IPK = 2.70 ) |TEPAT)

= {P(P(KELAMIN =LAKI-LAKI|Y=TEPAT). P(STATUS MHS = MAHASISWA | Y=

TEPAT) . P(PRENIKAHAN =BELUM|Y=TEPAT). P(IPK = 2.70| Y= TEPAT)
= 5/8 . 5/8 . 4/8 . 0/8 . 8/15
=0

P (KELAMIN=LAKI – LAKI), (STATUS MHS=MAHASISWA), (PRENIKAHAN

= BELUM), (IPK = 2.70 ) |TERLAMBAT)

= {P(P(KELAMIN =LAKI-LAKI|Y= TERLAMBAT). P(STATUS MHS

= MAHASISWA | Y= TERLAMBAT) . P(PRENIKAHAN = BELUM|Y=
TERLAMBAT). P(IPK = 2.70| Y= TERLAMBAT)
= 3/7 . 3/7 . 4/7 . 1/7 . 7/15
= 0,0069

 Tahap 4 Bandingkan hasil class TEPAT & TERLAMBAT

 Karena hasil (P|TERLAMBAT) lebih besar dari (P|TEPAT) maka keputusanya adalah
“TERLAMBAT”
KELAMIN STATUS PRENIKAHAN IPK KETERANGAN
LAKI - LAKI MAHASISWA BELUM 2.70 TERLAMBAT

1. Praktek Klasifikasi
Sekarang kita akan mencoba menggunakan Weka untuk task klasifikasi. Analogi dari
proses klasifikasi otomatis dalam machine learning adalah sebagai berikut: misalnya kita
ingin mengajarkan seorang anak balita membedakan motor dan mobil. Motor dan mobil

41
 Data Mining

adalah kelas yang kita ingin prediksi dan prosesnya disebut klasifikasi. Salah satu cara
yang dapat dilakukan adalah menyiapkan banyak foto-foto mobil dan motor. Kita
perlihatkan kepada anak tersebut: “ini foto mobil”, “ini foto motor” dan seterusnya. Ini
disebut proses training, dan datanya disebut data training. Apa yang terjadi dalam proses
training ini? Anak akan membuat model di otaknya berdasarkan karakteristik setiap kelas
(motor atau mobil). Misalnya jumlah roda, posisi pengemudi, bentuk depan, bentuk
belakang dan seterusnya. Karakteristik objek ini disebut fitur atau atribut.
Setelah selesai proses training, tentu kita ingin tahu apakah anak sudah mengerti. Maka
siapkan gambar mobil dan motor yang belum pernah dilihat anak dan kita akan uji dia
untuk memprediksi. Tahapan ini disebut testing dan datanya disebut data tes. Misalnya
ada 100 gambar uji, si anak menebak benar 85 gambar dan salah untuk 15 lainnya maka
“akurasi” dari model di otak anak ini adalah 0.85 atau 85%. JIka akurasi terlalu rendah,
mungkin bisa kita utak-atik teknik pembelajarannya atau data latihnya. Baru setelah kita
puas dengan akurasinya, maka kita bisa “melepas” si anak untuk melakukan klasifikasi
untuk data yang sebenarnya.
Weka sudah menyediakan beberapa dataset standar yang bisa digunakan sebagai latihan.
Sebagai kasus dalam tutorial ini, akan digunakan dataset weather.nominal.arff. Pada tab
Preprocess, pilihlah tombol Open file dan arahkan ke folder data pada direktori weka (di
Windows defaultnya adalah Program Files → Weka → Data ) , lalu pilih
weather.nominal.arff. Dataset ini adalah dataset contoh, yang berisi kondisi cuaca yang
terkait untuk bermain tenis atau tidak.

Dataset weather.nominal.arff memiliki 4 atribut seperti yang ditunjukkan pada gambar di

bawah ini. Seperti yang telah dijelaskan pada bagian sebelumnya juga, kita bisa melihat
nilai dari setiap atribut.

42
 Data Mining

Dataset ini memiliki 14 instances (atau baris atau contoh) yang berlabel Yes (9 instances),
dan No (5 instances). Setiap instance menyatakan kondisi cuaca satu hari, sedangkan label
Yes menunjukkan hari itu cocok untuk bermain tenis, sedangkan label No menyatakan
hari itu tidak cocok bermain tenis.
Dataset ini memiliki 14 instances (atau baris atau contoh) yang berlabel Yes (9 instances),
dan No (5 instances). Setiap instance menyatakan kondisi cuaca satu hari, sedangkan label
Yes menunjukkan hari itu cocok untuk bermain tenis, sedangkan label No menyatakan
hari itu tidak cocok bermain tenis.

Atribut yang menjadi kelas adalah "play". Dapat dibaca pada baris pertama jika
outlook=sunny; temperatur="hot"; humidity="high"; windy=FALSE maka hari itu tidak
cocok untuk bermain tenis. Kita akan membuat model yang dapat memprediksi apakah
cocok bermain tenis (play=Yes) atau tidak (play=No) berdasarkan cuaca.

43
 JOB SHEET PRAKTIKUM 7

Teknologi Rekayasa Perangkat Lunak Job Sheet 7

Topik : Algoritma C.45 (Pohon Keputusan)
Sub Topik : Algoritma C.45 (Pohon Keputusan)

47
A. Tujuan Praktikum
1. Mahasiswa mampu memahami tentang algoritma C.45 (Pohon Keputusan)

B. Alat dan Bahan

No Nama Alat Spesifikasi Jumlah Satuan Keterangan
1 PC Unit IBM Compatible 20 Unit
2 Browser Internet IE/Mozilla/Chrome - -
3 Alat Tulis Pena, Pensil, Penghapus,
Kertas Double Folio

C. Dasar Teori
Algoritma C.45 (Pohon Keputusan)
 Mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan
aturan
 Mengeksplorasi data untuk menemukan hubungan antara sejumlah calon variabel
input dengan sebuah variabel target
 Struktur yang dapat digunakan untuk membagi kumpulan data yang besar menjadi
himpunan record yang lebih kecil dengan menerapkan serangkaian aturan keputusan
 Data dalam pohon keputusan biasanya dinyatakan dalam bentuk tabel dengan atribut
dan record
 Algoritma C.45
1. Menggunakan Nilai Gain
2. Pilih atribut sebagai akar (nilai gain tertinggi)
3. Buat cabang untuk tiap nilai
4. Bagi kasus dalam cabang
5. Ulangi proses untuk setiap cabang sampai semua kasus pada cabang memiliki
kelas yang sama
 Rumus untuk menghitung nilai Gain
n
| Si |
Gain( S , A)  entropy( S )   * entropy( Si )
i 1 | S |
Keterangan :
S : himpunan kasus
A : atribut
n : jumlah partisi atribut A
|Si| : jumlah kasus pada partisi ke-i
|S| : jumlah kasus dalam S

 Rumus untuk menghitung Nilai Entropy

n
entropy( S )    pi * log 2 pi
i 1
Keterangan :
S : himpunan kasus

47
 Data Mining

A : fitur
n : jumlah partisi
Pi : proporsi dari Si terhadap S
 Contoh Soal : Buat Pohon keputusan dari tabel dibawah ini
Outlook Temperature Humidity Windy Play
Sunny Hot High False No
Sunny Hot High True No
Cloudy Hot High False Yes
Rainy Mild High False Yes
Rainy Cool Normal False Yes
Rainy Cool Normal True Yes
Cloudy Cool Normal True yes
Sunny Mild High False No
Sunny Cool Normal False Yes
Rainy Mild Normal False Yes
Sunny Mild Normal True Yes
Cloudy Mild High True Yes
Cloudy Hot Normal False Yes
Rainy Mild High True No

 Jawab :
1. Menghitung jumlah kasus, jumlah kasus untuk keputusan yes, jumlah kasus untuk
keputusan no, dan entropy dari semua kasus
Jumlah kasus : 14
Jumlah kasus untuk keputusan yes : 10
Jumlah kasus untuk keputusan no : 4
 Entropy dari semua n kasus :
entropy( S )    pi * log 2 pi
i 1

Entropy(S) = ((-4/14) * log2(4/14)) + ((-10/14) * log2(10/14))

= 0.52 + 0.35
= 0.87

 Entropy dari setiap kasus :

Entropy(Outlook = Cloudy) = ((-0/4) * log2(0/4)) + ((-4/4) * log2(4/4))
=0
Entropy(Outlook = Rainy) = ((-1/5) * log2(1/5)) + ((-4/5) * log2(4/5))
= 0,721928

49
 Data Mining

Entropy(Outlook = Sunny ) = ((-3/5) * log2(3/5)) + ((-2/5) * log2(2/5))

= 0,970951
Entropy(Temperature = Cool) = ((-0/4) * log2(0/4)) + ((-4/4) * log2(4/4))
=0
Entropy(Temperature = Hot) = ((-2/4) * log2(2/4)) + ((-2/4) * log2(2/4))
=1
Entropy(Temperature = Mild) = ((-2/6) * log2(2/6)) + ((-4/6) * log2(4/6))
= 0,918296
Entropy(Humidity = High) = ((-4/7) * log2(4/7)) + ((-3/7) * log2(3/7))
= 0,985228
Entropy(Humidity = normal) = ((-0/7) * log2(7/7)) + ((-0/7) * log2(7/7))
=0
Entropy(Windy = False) = ((-2/8) * log2(2/8)) + ((-6/8) * log2(6/8))
= 0,811278
Entropy(Windy = True) = ((-4/6) * log2(4/6)) + ((2/6) * log2(2/6))
= 0,918296
2. Menghitung nilai Gain
Gain (Total,Outlook)
= 0,863121 – ((4/14)*0)+((5/14)*0.723))+((5/14)*0,970))
= 0,258521
Gain (Total,Temperature)
= 0,863121 – ((4/14)*0)+((4/14)*1))+((6/14)*0,918))
= 0,183851
Gain (Total,humidity)
= 0,863121 – ((7/14)*0)+((7/14)*0,955228))
= 0,370506
Gain (Total,windy)
= 0,863121 – ((8/14)*0,811278)+((6/14)*0,918296))
= 0,005978
3. Bentuk Pohon Keputusan
Dari perhitungan Nilai Gain Humadity adalah nilai tertinggi sehingga menjadi akar
dari pohon.

1
Humidity

high normal

50
1.1 Yes
??
 Data Mining

Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk
keputusan No, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan
atribut OUTLOOK, TEMPERATURE dan WINDY yang dapat menjadi node akar
dari nilai atribut HIGH.
Jumlah kasus : 7
Jumlah kasus untuk keputusan yes : 4
Jumlah kasus untuk keputusan no : 3
 Gain tertinggi : outlook
 Outlook menjadi akar
1
Humidity

high normal

1.1 Yes
Outlook

cloudy sunny
rainy

Yes
1.1.2 No
??

Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk
keputusan No, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan
atribut TEMPERATURE dan WINDY yang dapat menjadi node cabang dari nilai
atribut RAINY.
 Gain tertinggi : windy





 Windy menjadi akar

1
Humidity

high normal

1.1
51
Yes
Outlook

cloudy sunny
rainy
 Data Mining

JOB SHEET PRAKTIKUM 8

Teknologi Rekayasa Perangkat Lunak Job Sheet 8

Topik : Algoritma KNN (K-Nearest Neighbor)
Sub Topik : Algoritma KNN (K-Nearest Neighbor)

A. Tujuan Praktikum
1. Mahasiswa mampu memahami tentang Algoritma KNN (K-Nearest Neighbor)

B. Alat dan Bahan

No Nama Alat Spesifikasi Jumlah Satuan Keterangan
1 PC Unit IBM Compatible 20 Unit
2 Browser Internet IE/Mozilla/Chrome - -
3 Alat Tulis Pena, Pensil, Penghapus,
Kertas Double Folio

C. Dasar Teori
Algoritma KNN (K-Nearest Neighbor)
Algoritma K-nearest neighbor (KNN) merupakan algoritma supervised learning di mana
hasil klasifikasi data baru berdasar kepada kategori mayoritas tetangga terdekat ke-K.
Tujuan dari algoritma ini adalah mengklasifikasikan objek baru berdasarkan atribut dan
data training. Algoritma KNN menggunakan kalsifikasi ketetenggaan sebagai prediksi
terhadap data baru
Pada fase pembelajaran, algoritma ini hanya melakukan penyimpanan vektor-vektor fitur
dan klasifikasi dari data pembelajaran. Pada fase klasifikasi, fitur-fitur yang sama
dihitung untuk data test (yang klasifikasinya tidak diketahui). Jarak dari vektor yang
baru ini terhadap seluruh vektor data pembelajaran dihitung, dan sejumlah k buah yang
paling dekat diambil. Titik yang baru klasifikasinya diprediksikan termasuk pada
klasifikasi terbanyak dari titik-titik tersebut.
Nilai k yang terbaik untuk algoritma ini tergantung pada data; secara umumnya, nilai k
yang tinggi akan mengurangi efek noise pada klasifikasi, tetapi membuat batasan antara
setiap klasifikasi menjadi lebih kabur. Nilai k yang bagus dapat dipilih dengan optimasi

52
 Data Mining

parameter, misalnya dengan menggunakan cross-validation. Kasus khusus di mana

klasifikasi diprediksikan berdasarkan data pembelajaran yang paling dekat (dengan kata
lain, k = 1) disebut algoritma nearest neighbor. Berikut rumus pencarian jarak
menggunakan rumus Euclediean Distence

Dengan :
x1 = sampel data
x2 = data uji
i = varibel data
d = jarak
p = dimensi data
Ketepatan algoritma KNN ini sangat dipengaruhi oleh ada atau tidaknya fitur-fitur yang
tidak relevan, atau jika bobot fitur tersebut tidak setara dengan relevansinya terhadap
klasifikasi. Riset terhadap algoritma ini sebagian besar membahas bagaimana memilih
dan memberi bobot terhadap fitur, agar performa klasifikasi menjadi lebih baik.
Here is step by step on how to compute K-nearest neighbors KNN algorithm:
1. Determine parameter K = number of nearest neighbors
2. Calculate the distance between the query-instance and all the training samples
3. Sort the distance and determine nearest neighbors based on the K-th minimum
distance
4. Gather the category of the nearest neighbors
5. Use simple majority of the category of nearest neighbors as the prediction value
of the query instance
Langkah-langkah algoritma KNN:
 Tentukan parameter K = jumlah tetangga terdekat.
 Hitung jarak antara instance query dan semua sampel pelatihan.
 Urutkan jarak dan tentukan tetangga terdekat berdasar jarak minimum K-th.
 Kumpulkan kategori Y dari tetangga terdekat.
 Gunakan mayoritas kecil dari kategori tetangga terdekat sebagai nilai prediksi
query instance.

Contoh Pertama
Kita mempunyai data dari survey kuesioner (dengan meminta pendapat masyarakat) dan
testing objektif dengan dua atribut (acid durability and strength) untuk mengklasifikasi
apakah suatu bahan pembuat kertas baik atau tidak. Dengan data yang telah ada adalah
sebagai berikut:
X1 = Acid Durability X2 = Strength (kg/square Y = Classification
(seconds) meter)
7 7 Bad
7 4 Bad
3 4 Good

53
 Data Mining

1 4 Good

Sekarang pabrik ingin menghasilkan sebuah bahan kertas yang melewati uji
laboratorium dengan x1=3 dan x2 = 7.
 Tentukan parameter K = jumlah tetangga terdekat, misal kita gunakan K = 3.
 Hitung jarak antara instance query dengan semua sampel pelatihan, koordinat
instance query adalah (3, 7).
X1 = Acid X2 = Strength Square Distance to query instance
Durability (kg/square meter) (3, 7)
(seconds)
7 7

7 4

3 4

1 4

 Urutkan jarak dan tentukan tetangga terdekat berdasar jarak minimum ke-K
X1=Acid X2 = Strength Square Distance to Rank Is it included in
Durability (kg/square query instance (3, minimum 3-Nearest
(seconds) meter) 7) distance neighbors?

7 7 4 3 Yes

7 4 5 4 No
3 4 3 1 Yes
1 4 3.6 2 Yes

 Kumpulkan kategori Y dari tetangga terdekat. Perhatikan, pada baris kedua kolom
terakhir, kategori tetangga terdekat (Y) tidak termasuk karena peringkat datanya
lebih besar dari 3 (=K)

54
 Data Mining

 Gunakan mayoritas kecil dari kategori tetangga terdekat sebagai nilai prediksi
dari instance query.

X1 = Acid X2 = Square Distance Rank Is it Y=

Durabilit Strength to query instance minimum included in Category of
y(seconds (kg/square (3, 7) distance 3-Nearest nearest
) meter) neighbors? Neighbor
7 7 4 3 Yes Bad

7 4 5 4 No -
3 4 3 1 Yes Good

1 4 3.6 2 Yes Good

 Kita mempunyai 2 good dan 1 bad, karena 2 > 1 maka kita simpulkan bahwa
bahan kertas yang baru yang melewati tes uji laboratorium dengan X1 = 3 dan
X2 = 7 termasuk dalam kategori Good.
Metoda Konversi Atribut Nominal Ke Atribut Numerik
Ada 2 metoda yang digunakan untuk mengkonversi atribut nominal ke atribut numerik
1. Mengkodekan dengan nilai numerik
Contoh :
- Yes = 1 dan no = 0
- Biru = 1, Kuning = 2 dan merah = 3

2. Menghitung jaraknya

Dist(x1,x2) = 0 jika x1 dan nominal dan x1 = y2

1 jika x1 dan nominal dan x1 ≠ y2
Contoh Kedua
Ada 5 data yang menunjukkan kelas apakah orang tersebut RESPONSE atau NO
RESPONSE
John, Rachel, Hannah, Tom, Nellie, kemudian diinputkan data baru yaitu David.
Apakah David di kelas RESPOSE atau NO RESPONSE?

55
 Data Mining

Data Lengkap masing-masing customer

Customer Age Income (K) No. cards RESPOSE

John 35 35K 3 NO

Rachel 22 50K 2 YES

Hannah 63 200K 1 NO

Tom 59 170K 1 NO

Nellie 25/63 = 40K 4 YES

0.39

David 37/63 = 50/200 = 0.25 2 ??

0.58

56
 Data Mining

Langkah Pertama Hitung jarak antara data baru (DAVID) dengan data yang telah
ada
Customer Age Income No. RESPO Distence
(K) cards SE
John 35 35K 3 NO

22 50 2 YES

Rachel
63 200 1 NO

Hannah
Tom 59 170 1 NO

25 40 4 YES
.75

Nellie
David 37 50K 2 YES

Berdasarkan perhitungan jarak dan nilai K = 3, artinya hanya diambil 3 yang memiliki
jarak terpendek dari lima data yang disajikan. Ketiga data yang jaraknya terpendik yaitu
15.S6; 15; 15.75 dan kelas responsenya YES, NO, YE. Kesimpulan yang dapat ditarik
David masuk dalam kelas RESPONSE YES

Normalisasi Variabel
Untuk memudahkan perhitungan biasanya dilakukan normalisasi.

57
 Data Mining

Normalisasi yaitu membagi nilai variabel dengan nilai yang tertinggi dari data yang ada.
Berikut contoh normalisasi dari contoh kedua yang disajikan di atas
Customer Age Income (K) No. cards

John 55/63 = 0.55 35/200 = 0.175 ¾ = 0.75

Rachel 22/63 = 0.34 50/200 = 0.25 2/4 = 0.5

Hannah 63/63 = 1 200/200=1 ¼ = 0.25

Tom 59/63 = 0.93 170/200 = 0.85 ¼ = 0.25

Nellie 25/63 = 0.39 40/200 = 0.2 4/4 = 1

David 37/63 = 0.58 50/200 = 0.25 2/4 = 0.5

Contoh Ketiga

58
 Data Mining

Dari contoh di atas ada 24 data X1 dan X2 dan Kelas yang di cari adalah Y (positif atau
negatif)
Data baru X1 = 4; X2 = 7 dengan K = 8
Dari hasil perhitungan dapat ditarik kesimpulan data X1 = 4 dan X2 = 7 termasuk
dalam kelas NEGATIF.

Referensi
1. Kusrisni dkk, Algoritma Data Mining, Yogyakarta, 2009
2. http://paul.luminos.nl/documents\/ndex.php
3. Teknomo, Kardi. K-Nearest Neighbors Tutorial.
http://people.revoledu.com/kardi/tutorial/KNN/
4. Aziz Kustiyo, Kuliah Metode Kuantitatif Departemen Ilmu Komputer FMIPA IPB
5. http:// tutorialpoint.com

59
Data Mining

60