Implementasi Algoritma Evolving Fuzzy Neural Network (EFuNN) Untuk Memprediksi Biaya Perkuliahan
IMPLEMENTASI ALGORITMA EVOLVING FUZZY NEURAL
NETWORK (EFuNN) UNTUK MEMPREDIKSI
BIAYA PERKULIAHAN SKRIPSI ANDRE HASUDUNGAN LUBIS 091402129 PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN 2014IMPLEMENTASI ALGORITMA EVOLVING FUZZY NEURAL NETWORK (EFuNN) UNTUK MEMPREDIKSI BIAYA PERKULIAHAN
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
ANDRE HASUDUNGAN LUBIS 091402129
PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
PERSETUJUAN
Judul : IMPLEMENTASI ALGORITMA EVOLVING FUZZY NEURAL NETWORK (EFUNN) UNTUK MEMPREDIKSI BIAYA PERKULIAHAN
Kategori : SKRIPSI Nama : ANDRE HASUDUNGAN LUBIS Nomor Induk Mahasiswa : 091402129 Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI Diluluskan di Medan, Oktober 2014
Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Baihaqi Siregar, S.Si.,M.T Romi Fadillah Rahmat, B. Comp.Sc., M.Sc NIP. 19790108 201212 1 002 NIP. 19860303 200212 1 002 Diketahui/Disetujui oleh Program Studi Teknologi Informasi Ketua, M. Anggia Muchtar, ST.,MM.IT NIP. 19800110 200801 1 010
PERNYATAAN
IMPLEMENTASI ALGORITMA EVOLVING FUZZY NEURAL
NETWORK (EFUNN) UNTUK MEMPREDIKSI
BIAYA PERKULIAHAN SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Oktober 2014 ANDRE HASUDUNGAN L 091402129
UCAPAN TERIMA KASIH
Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pengasih dan Maha Penyayang, dengan segala rahmat dan karuniaNya penulisan tugas akhir ini berhasil diselesaikan dalam waktu yang telah ditetapkan. Selama penyelesaian tugas akhir ini, banyak bantuan dan kerja sama serta doa dan dukungan dari berbagai pihak, oleh karena itu penulis sampaikan ucapan terima kasih sedalam-dalamnya dan penghargaan kepada : 1.
Kedua orang tua dan sanak saudara penulis yang telah memberikan dukungan dan motivasi baik materil dan spiritual, Ayahanda Prof. Ir. H.
Zulkarnain Lubis, MS, PhD dan Ibunda Dra Hj. Yenni Riorita Siregar S.Psi yang selalu sabar dalam mendidik dan membesarkan penulis. Untuk abang penulis Andi Reza S. Lubis dan adik penulis Irene F. Lubis yang selalu memberikan semangat kepada penulis.
2. Bapak Romi Fadillah Rahmat, B. Comp.Sc., M.Sc dan Bapak Baihaqi Siregar, S.Si.,M.T selaku pembimbing yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis.
3. Bapak Drs. Sawaluddin, M.IT dan Bapak Dedy Arisandi, ST.,M.Kom yang telah bersedia menjadi dosen pembanding yang telah memberikan kritik dan saran kepada penulis.
4. Ketua dan Sekretaris Program Studi Teknologi Informasi, Bapak M.
Anggia Muchtar, ST.,MM.IT dan Bapak M. Fadly Syahputra, B.Sc.,M.Sc.IT.
5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi.
Seluruh sahabat terbaik penulis yang selalu memberikan dukungan, Cut Khairunnisa, SE., Ahmad Najam, Denny Pratama, Mahathir Febrian, Darma Warista, Fachriza Fahmi, Dezi Radixa, Dedek Anshori, Alex Winner, Samuel, Rama, Dedi, Egha, Agus, Reza, Alvin, Christop, Rudi, Alman, Andi, Ammar, Julia, Ridzuan, Ardiansyah, Syarah, Hasmi, Yunisya, Supon, Reinhard, Fadly Komting B, Syarif, Bang Cheney, Bang Sugi, Bang Andre, Bang Razid serta seluruh angkatan 09, serta teman-teman seluruh angkatan mahasiswa TI USU lainnya yang tidak dapat penulis sebutkan satu persatu.
Semoga segala kebaikan dan bantuannya dibalas oleh Allah SWT dan semoga tugas akhir ini dapat bermanfaat bagi semua pihak yang memerlukannya.
ABSTRAK
Lembaga pendidikan sebagai organisasi non profit sangat memerlukan informasi biaya. Tanpa informasi biaya, pihak manajemen tidak memiliki ukuran apakah masukan yang dikorbankan memiliki nilai ekonomis yang lebih rendah daripada nilai keluarannya. Dalam menentukan biaya perkuliahan yang diperoleh dari perhitungan biaya satuan (unit cost), terdapat parameter yang menentukan yaitu Biaya Langsung dan Biaya Tidak Langsung. Nilai unit cost merupakan nilai satuan biaya yang dikeluarkan untuk memberikan pelayanan kepada seorang mahasiswa per tahun dalam suatu jenjang pendidikan. Sulitnya menentukan besaran yang diperlukan mengakibatkan pemangku kebijakan membutuhkan waktu yang lama dalam menentukan biaya perkuliahan tersebut. Permasalahan ini dapat diselesaikan dengan menerapkan data mining dalam proses penentuan prediksi biaya perkuliahan dengan algoritma Evolving Fuzzy Neural Network (EFuNN) yaitu pengkombinasian antara teori fuzzy dengan neural network dengan mengusulkan model hibrida yang menggabungkan gagasan fuzzy logic
controller , struktur neural network dan kemampuan belajar menjadi logika fuzzy neural berbasis jaringan terpadu kontrol dan sistem pengambilan keputusan.
: unit cost, data mining, biaya perkuliahan, Algoritma EFuNN.
Kata kunci
IMPLEMENTATION OF EVOLVING FUZZY NEURAL NETWORK (EFuNN) ALGORITHM FOR THE PREDICTION OF COST LECTURES ABSTRACT Educational institutions as a non-profit organization is in need for information costs.
Without cost information, the management does not have the measure of the input that sacrificed having a lower economic value or higher than the value of its output. For Determining lecture costs that obtained from the calculation of the unit cost, there are parameters that determine for the cost such as Direct Costs and Indirect Costs. Value of the unit cost is the costs that incurred to provide services to a student each years in a given education level. The difficulty of determining the amount, is makes the stakeholder take a long time to determining the costs. This problem can be solved by applying data mining in the process of determining lecture costs prediction with
Evolving Fuzzy Neural Network (EFuNN) algorithm. This algorithm combining the
fuzzy theory with neural network to propose a hybrid model that combines the idea of fuzzy logic controller, a neural network structure and learning abilities into a neural network-based fuzzy logic control and integrated decision-making system.
Keywords: unit cost , data mining, cost lectures, EFuNN Algorithm
DAFTAR ISI
Hal .
PERSETUJUAN ........................................................................................................ ii
PERNYATAAN ...................................................................................................... II iii
UCAPAN TERIMA KASIH .................................................................................... iv
ABSTRAK .................................................................................................................. v
ABSTRACT ............................................................................................................... vi
DAFTAR ISI ............................................................................................................. vii
DAFTAR TABEL ...................................................................................................... vi
DAFTAR GAMBAR ................................................................................................ vii
BAB 1 PENDAHULUAN ...........................................................................................
1 1.1. ......................................................................................
1 Latar Belakang 1.2. .................................................................................
2 Rumusan Masalah 1.3. ....................................................................................
3 Batasan Masalah 1.4. ...................................................................................
3 Tujuan Penelitian 1.5. .................................................................................
3 Manfaat Penelitian 1.6. ...........................................................................
3 Metodologi Penelitian 1.7. ............................................................................
4 Sistematika Penulisan
BAB 2 LANDASAN TEORI ......................................................................................
6 2.1. Data Mining ..........................................................................................
6 2.1.1 Operasi Data Mining ...................................................................
7 2.1.2 Tahapan dalam Data Mining .......................................................
7 2.1.3 Teknik Data Mining ....................................................................
8 2.2. Fasilkom-TI USU ..................................................................................
9 2.3. Biaya Perkuliahan .................................................................................
9 2.4. Peramalan (Forecasting) .....................................................................
11 2.5. Logika Fuzzy .......................................................................................
12
2.5.1 Himpunan fuzzy ..................................................................... 1ee
12
2.5.2 Fungsi keanggotaan fuzzy ..........................................................
26 3.3. Use Case Diagram ...............................................................................
45 4.2.2 Tampilan Halaman Category ..................................................
45 4.2.1 Tampilan Halaman Home .......................................................
44 4.2. Antarmuka Pengguna (User Interface) ...............................................
44 4.1. Spesifikasi Perangkat Keras dan Perangkat Lunak .............................
39 BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM ......................................
38 3.6. Perancangan Database ........................................................................
37 3.4.5 Perancangan Halaman Prediksi Lanjutan ...............................
36 3.4.4 Perancangan Halaman Prediksi ...............................................
35 3.4.3 Perancangan Halaman Data ....................................................
35 3.4.2 Perancangan Halaman Category .............................................
34 3.4.1 Perancangan Halaman Home ..................................................
32 3.4. Perancangan Aplikasi dan Antarmuka Pemakai .................................
31 3.3.1 Use Case Spesification ..............................................................
26 3.2.3 Flowchart ..................................................................................
13 2.6. Evolving Connectionist System (ECOS) .............................................
25 3.1.2.2 Kebutuhan Nonfungsional .........................................
25 3.1.2.1 Kebutuhan Fungsional ...............................................
25 3.2.2 Analisis Kebutuhan ...................................................................
25 3.2.1 Analisis Masalah .......................................................................
24 3.2. Analisis Sistem ....................................................................................
24 3.1. Data yang Dibutuhkan .......................................................................
22 BAB 3 ANALISIS DAN PERANCANGAN ...........................................................
22 2.11. Penelitian Terdahulu ..........................................................................
21 2.10. MySQL ..............................................................................................
21 2.9. UML ....................................................................................................
19 2.8. PHP (Hypertext Processor) .................................................................
17 2.7.2 Algoritma EFuNN (Evolving Fuzzy Neural Network) ..............
16 2.7.1 Arsitektur EFuNN (Evolving Fuzzy Neural Network) ...............
15 2.7. EFuNN (Evolving Fuzzy Neural Network) .........................................
46
4.2.3 Tampilan Halaman Data .........................................................
46 4.2.4 Tampilan Halaman Prediksi ....................................................
48 4.3. Pengujian Sistem .................................................................................
52 4.3.1 Rencana Pengujian Sistem ......................................................
52 4.4. Pengujian Sistem Secara Menyeluruh ................................................
54 BAB 5 KESIMPULAN DAN SARAN .....................................................................
62 5.1. Kesimpulan ........................................................................................
62 5.2. Saran ..................................................................................................
62 DAFTAR PUSTAKA ................................................................................................
63
DAFTAR TABEL
Hal.41 Tabel 3.8 Tabel ramalbl
60 Tabel 4.4 Tabel Hasil Prediksi
53 Tabel 4.3 Tabel Parameter dan Hasil Peramalan
52 Tabel 4.2 Tabel Hasil Pengujian
43 Tabel 4.1 Tabel Rencana Pengujian
42 Tabel 3.10 Tabel tahunan
41 Tabel 3.9 Tabel ramalbtl
40 Tabel 3.7 Tabel btl
Tabel 2.1 Tabel Penelitian Terdahulu40 Tabel 3.6 Tabel bl
39 Tabel 3.5 Tabel catbtl
34 Tabel 3.4 Tabel catbl
33 Tabel 3.3 Tabel Use Case Spesifikasi untuk Use Case Prediksi
32 Tabel 3.2 Tabel Use Case Spesifikasi untuk Use Case Data
23 Tabel 3.1 Tabel Use Case Spesifikasi untuk Use Case Category
61
DAFTAR GAMBAR Hal.
31 Gambar 3.4 Rancangan Halaman Home
49 Gambar 4.6 Tampilan Data training Biaya Langsung
48 Gambar 4.5 Halaman Prediksi Lanjutan
47 Gambar 4.4 Halaman Prediksi
46 Gambar 4.3 Halaman Data
45 Gambar 4.2 Halaman Category
39 Gambar 4.1 Halaman Home
38 Gambar 3.7 Rancangan Halaman Prediksi Lanjutan
37 Gambar 3.7 Rancangan Halaman Prediksi
36 Gambar 3.6 Rancangan Halaman Data
35 Gambar 3.5 Rancangan Halaman Category
29 Gambar 3.3 Use Case Diagram Penentuan Prediksi Biaya Perkuliahan
Gambar 2.1 Tahap-Tahap Penambangan Data27 Gambar 3.2 Flowchart data testing
17 Gambar 3.1 Flowchart data training
17 Gambar 2.9 Arsitektur standar EFFuN dengan short-term memory
16 Gambar 2.8 Arsitektur standar EFFuN (Evolving Fuzzy Neural Network)
15 Gambar 2.7 Komponen ECOS
14 Gambar 2.6 Grafik Fungsi Keanggotaan pada Representasi Kurva Trapesium (Amiruddin, 2011)
14 Gambar 2.5Grafik Fungsi Keanggotaan pada Representasi Kurva Segitiga (Amiruddin, 2011)
13 Gambar 2.4 Grafik Fungsi Keanggotaan pada Representasi Linear turun (Amiruddin, 2011)
12 Gambar 2.3 Grafik Fungsi Keanggotaan pada Representasi Linear naik (Amiruddin, 2011)
8 Gambar 2.2 Contoh Grafik Himpunan Fuzzy Pada variabel umur (Amiruddin, 2011)
50 xi
Gambar 4.7 Tampilan Data training Biaya Tak Langsung51 Gambar 4.8 Tampilan Grafik Prediksi
51 Gambar 4.9 Data Sampel Biaya Langsung
55 Gambar 4.10 Data Sampel Biaya Tak Langsung
56 Gambar 4.11Data Sampel Biaya Tak Langsung lanjutan 1
57 Gambar 4.12 Data Sampel Biaya Tak Langsung lanjutan 2
58 Gambar 4.13 Data Sampel Biaya Tak Langsung lanjutan 3
59 Gambar 4.14 Grafik Hasil Pengujian Nilai MAPE
60 Gambar 4.15 Grafik Hasil Pengujian
61