Penerapan Algoritma Klasifikasi Berbasis Association Rules Mining Untuk Data Pemberian Kredit Mobil (Studi kasus : PT Adira Dinamika Multi Finance Tbk).

PENERAPAN ALGORITMA KLASIFIKASI BERBASIS ASSOCIATION

RULES MINING UNTUK DATA PEMBERIAN KREDIT MOBIL

(Studi kasus : PT Adira Dinamika Multi Finance Tbk)

HALAMAN JUDUL

KOMPETENSI KOMPUTASI

SKRIPSI

NI LUH PUTU RATNA SRI ANDI YANI NIM. 1208605061

JURUSAN ILMU KOMPUTER

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA

DENPASAR 2016

SURAT PERNYATAAN KEASLIAN KARYA ILMIAH

Yang bertanda tangan di bawah ini menyatakan bahwa naskah Skripsi dengan judul:

……… ……… ……… ……… Nama : Ni Luh Putu Ratna Sri Andi Yani

NIM : 1208605061 Program Studi : Teknik Informatika

E-mail : niluhputu.ratnasriandiyani@mhs.cs.unud.ac.id Nomor telp/HP : 081246270391

Alamat : Jalan Seroja perumahan nindya indah gang carik mumbul no 4 Belum pernah dipublikasikan dalam dokumen skripsi, jurnal nasional maupun internasional atau dalam prosiding manapun, dan tidak sedang atau akan diajukan untuk publikasi di jurnal atau prosiding manapun. Apabila di kemudian hari terbukti terdapat pelanggaran kaidah-kaidah akademik pada karya ilmiah saya, maka saya bersedia menanggung sanksi-sanksi yang dijatuhkan karena kesalahan tersebut, sebagaimana diatur oleh Peraturan Menteri Pendidikan Nasional Nomor 17 Tahun 2010 tentang Pencegahan dan Penanggulangan Plagiat di Perguruan Tinggi.

Demikian Surat Pernyataan ini saya buat dengan sesungguhnya untuk dapat dipergunakan bilamana diperlukan.

Denpasar, Maret 2016 Yang membuat pernyataan,

Materai

(Ni Luh Putu Ratna Sri Andi Yani) NIM. 1208605061

ii

LEMBAR PENGESAHAN PROPOSAL TUGAS AKHIR

LEMBAR PENGESAHANMBAR PENGESAHAN

Judul : Penerapan Algoritma Klasifikasi Berbasis Association Rule Mining untuk Data Pemberian Kredit Mobil

(Studi kasus : PT Adira Dinamika Multi Finance Tbk) Kompetensi : Komputasi.

Nama : Ni Luh Putu Ratna Sri Andi Yani NIM : 1208605061

Disetujui oleh:

Pembimbing I Pembimbing II

(Agus Muliantara S.Kom., M.Kom) (I Putu Gede Hendra Suputra S.Kom.,M.Kom) NIP. 19800616200501101 NIP. 198812282014041001

iii

Judul : Penerapan Algoritma Klasifikasi Berbasis Association Rules Mining Untuk Data Pemberian Kredit Mobil

(Studi Kasus : Pt Adira Dinamika Multi Finance Tbk) Nama : Ni Luh Putu Ratna Sri Andi Yani

NIM. : 1208605061

Pembimging I : Agus Muliantara, S.Kom.,M.Kom.

Pembimbing II : I Putu Gede Hendra Suputra, S.Kom., M.Kom.

ABSTRAK

Masalah yang sering ditemui pada PT Adira Dinamika Multi Finance ketika debitur tidak mampu membayar kredit tepat pada waktunya, dimana debitur tidak membayar angsuran yang sudah disepakati Berdasarkan hasil wawancara kepada narasumber Credit Marketing Officer (CMO) PT. Adira Dinamika Multi Finance Tbk daerah Denpasar, Ketut Arif Kamyana mengatakan bahwa terdapat pula masalah yang sering terjadi ketika adanya tidak konsistenan dalam menentukan penerimaan kredit berdasarkan hubungan persaudaraan atau teman.

Berdasarkan kasus diatas, maka pada Tugas Akhir ini peneliti berkeinginan untuk melakukan pengklasifikasian jenis pemberian kredit mobil berdasarkan association rule yaitu Algoritma CBA (Classification Based on Association) dengan beberapa kriteria kredit yang diperoleh dari PT Adira Dinamika Multi Finance Cabang Denpasar. Dimana akan dibentuk rules yang diperoleh berdasarkan algoritma CBA dan kriteria pemberian kredit yang telah dipaparkan diatas. Rules yang diperoleh pada sistem klasifikasi pemberian kredit dengan Algoritma CBA akan digunakan untuk menentukan jenis pemberian kredit.

Dari hasil pengujian yang telah dilakukan, Metode Association Rule dengan pendekatan asosiatif yaitu algoritma CBA mampu diterapkan pada kasus klasifikasi penentuan jenis kredit mobil dengan mengolah data atribut kriteria dengan menghasilkan ruleitems. Semakin besar nilai minimum support yang digunakan maka semakin sedikit jumlah ruleitems yang dihasilkan . Ruleitems yang diperoleh akan digunakan untuk menentukan jenis pemberian kredit mobil yang diajukan oleh calon debitur. Maka, Minsup 30% dan mincof 50% baik digunakan untuk menentukan klasifikasi pemberian kredit karena memiliki tingkat akurasi yang paling tinggi sebesar 97,5% dan waktu tempuh yang paling rendah sebesar 1 menit 22 detik. Kata Kunci : Kredit, Association Rule, CBA, Data Mining, Klasifikasi

iv

Title : Association Rules Mining-Based Application of Classification Algorithms for the Data of Car Loan (Case Study: PT Adira Dinamika Multi Finance Tbk)

Name : Ni Luh Putu Ratna Sri Andi Yani Student Number : 1208605061

Main Supervisor : Agus Muliantara, S. Kom., M. Kom.

Co-Supervisor : I Putu Gede Hendra Suputra, S. Kom., M. Kom.

ABSTRACT

A frequent problem encountered in PT Adira Dinamika Multi Finance when a debtor is unable to pay the loan on time, where the debtor did not pay the agreed installations. Based on the interview to the informant of Credit Marketing Officer (CMO), PT. Adira Dinamika Multi Finance Tbk Denpasar area, Ketut Arif Kamyana said that there was also a problem that often occured when there was no consistency in determining the acceptance of credits based on the fraternal relations or friends.

Based on the above case, then in this final project the researcher wishes to classify the type of car loan based on association rule, i.e. CBA (Classification Based on Association) algorithms with several criteria for the loan obtained from PT Adira Dinamika Multi Finance Denpasar Branch, where rules obtained will be set up by CBA algorithm and credit loan criteria which have been described above. Rules obtained on loan classification system with the CBA algorithm would be used to determine the type of loans.

From the testing that has been done, method of Association Rule with associative approach, that is, CBA algorithm can be applied in the case of the classification determination of the type of car loans by processing the attribute data, generating ruleitems. The greater the value of minimum support used, the fewer the number of ruleitems generated. Ruleitems obtained would be used to determine the type of car loan submitted by a prospective debtor. So, Minsup 30% and mincof 50% were good to be used to determine the classification of loans for it had the highest accuracy rate of 97.5% and the lowest travel time of 1 minute 22 seconds.

v

KATA PENGANTAR

Puji syukur penulis panjatkan kehadapan Tuhan Yang Maha Esa, karena berkat rahmat dan karunia-Nya, Proposal Tugas Akhir yang berjudul “Penerapan Algoritma Klasifikasi Berbasis Association Rule Mining untuk Data Pemberian Kredit Mobil” ini dapat diselesaikan tepat pada waktunya.

Secara khusus penulis mengucapkan terima kasih dan penghargaan kepada berbagai pihak yang telah membantu proposal ini, yaitu :

1. Bapak Agus Muliantara, S.Kom.,M.Kom sebagai pembimbing I yang telah bersedia mengkritisi, membantu dan memeriksa serta menyempurnakan Proposal Tugas Akhir ini.

2. Bapak I Putu Gede Hendra Suputra S.Kom, M.Kom. sebagai pembimbing II yang telah bersedia mengkritisi, membantu dan memeriksa serta menyempurnakan Proposal Tugas Akhir ini.

3. Bapak-bapak dan ibu-ibu dosen di Jurusan Ilmu Komputer yang telah meluangkan waktu turut memberikan saran dan masukan dalam penyempurnaan Proposal Tugas Akhir ini

4. Rekan-rekan mahasiswa yang telah memberikan dukungan, motivasi, semangat dan kerja sama dalam pembuatan Proposal Tugas Akhir ini.

5. I Wayan Pio Pratama, S.Kom., Nyoman Agus Winarta Palguna, Aditya Setiawan, Dedik Amijaya, Surya Darmana, Sista Pradjna Paramitha, Yunita Primandari, Putri Suardani , Arya Trisna Dewi, Dwi Parama, Gita Ernanda, Soca Pradjna, Okta, Sri Arthini sebagai sahabat yang sudah banyak membantu dalam memberikan dukungan mental, saran, kritik, dan pemecahan masalah selama penyelesaian penelitian ini.

6. Made Sudarma , S.Pd., M.Fis, Ni Ketut Widiasih, I Made Adi Juniantara, Luh Dasning, Ketut Arif Kamayana, Siti Marlinda, Adina Striratna S.H, Putu Arik Saputra., S.Kom dan sekeluarga., Fitri Antari Dewi dan sekeluarga yang tak henti-hentinya memberikan dukungan selama proses penelitian ini.

Pada akhirnya penulis berharap agar adanya perbaikan pada Proposal Tugas Akhir ini mengingat keterbatasan penulis, sehingga sangat diharapkan untuk adanya kritik dan saran yang membangun untuk pencapaian yang lebih baik.

Bukit Jimbaran, Maret 2016

vi DAFTAR ISI

HALAMAN JUDUL ... i

LEMBAR PENGESAHAN ... ii

ABSTRAK ... iii

ABSTRACT ... iv

KATA PENGANTAR ... v

DAFTAR ISI ... vi

DAFTAR TABEL ... ix

DAFTAR GAMBAR ... x

DAFTAR LAMPIRAN ... xii BAB I PENDAHULUAN ... Error! Bookmark not defined. 1.1 Latar Belakang ... Error! Bookmark not defined. 1.2 Rumusan masalah ... Error! Bookmark not defined. 1.3 Tujuan penelitian ... Error! Bookmark not defined. 1.4 Batasan masalah ... Error! Bookmark not defined. 1.5 Manfaat penelitian ... Error! Bookmark not defined. 1.6 Metodologi penelitian ... Error! Bookmark not defined. 1.6.1 Desain penelitian... Error! Bookmark not defined. 1.6.2 Pengumpulan Data ... Error! Bookmark not defined. 1.6.3 Pengolahan Data Awal... Error! Bookmark not defined. 1.6.4 Metode yang digunakan ... Error! Bookmark not defined. 1.6.5 Evaluasi dan pengujian sistem ... Error! Bookmark not defined. BAB II TINJAUAN PUSTAKA ... Error! Bookmark not defined. 2.1 Tinjauan Teoritis ... Error! Bookmark not defined.

vii

2.1.1 Kredit ... Error! Bookmark not defined. 2.1.2 PT Adira Dinamika Multi Finance Tbk Cabang Denpasar... Error! Bookmark not defined.

2.1.3 Klasifikasi ... Error! Bookmark not defined. 2.1.4 Konsep analisis rules asosiasi (Association Rule Analysis) ... Error! Bookmark not defined.

2.1.5 Itemset dan Support Count ... Error! Bookmark not defined. 2.1.6 Algoritma Apriori ... Error! Bookmark not defined. 2.1.7 Pendekatan Association Rule Algoritma CBA (Classification Based

Assoiciation) ... Error! Bookmark not defined. 2.1.8 Metode Pengembangan Perangkat Lunak Waterfall . Error! Bookmark not defined.

2.1.9 Data Flow Diagram(DFD) ... Error! Bookmark not defined. 2.1.10 Bootstrap ... Error! Bookmark not defined. 2.1.11 PHP (Personal Home Page) ... Error! Bookmark not defined. 2.1.12 Definisi Code Igniter Framework ... Error! Bookmark not defined. 2.1.13 Pengertian jQuery ... Error! Bookmark not defined. 2.1.14 Pengertian HTML ( Hypertext markup Language) . Error! Bookmark not defined.

2.1.15 Data base MySQL ... Error! Bookmark not defined. 2.1.16 SQL yog 10.42 ... Error! Bookmark not defined. 2.2 Tinjauan Empiris ... Error! Bookmark not defined. BAB III ANALISIS DAN PERANCANGAN ... Error! Bookmark not defined. 3.1 Gambaran umum sistem ... Error! Bookmark not defined. 3.2 Analisis Kebutuhan Sistem ... Error! Bookmark not defined. 3.1.1 Kebutuhan Fungsional ... Error! Bookmark not defined. 3.1.2 Kebutuhan Non-Fungsional ... Error! Bookmark not defined. 3.3 Perancangan Sistem ... Error! Bookmark not defined. 3.3.1 Data Flow Diagram (DFD) ... Error! Bookmark not defined.

viii

3.3.2 Diagram Alir Algoritma ... Error! Bookmark not defined. 3.3.3 Entinitiy Relationship Diagram (ERD) ... Error! Bookmark not defined. 3.4 Perancangan Antar Muka Sistem... Error! Bookmark not defined. 3.4.1 Form Menu Admin ... Error! Bookmark not defined. 3.4.2 Form Menu User ... Error! Bookmark not defined. BAB IV HASIL DAN PEMBAHASAN ... Error! Bookmark not defined. 4.1 Implementasi Basis Data ... Error! Bookmark not defined. 4.2 Hasil pembentukan rules dengan Algoritma CBA ... Error! Bookmark not defined.

4.3 Implementasi Antar Muka ... Error! Bookmark not defined. 4.3.1 Menu Admin (Analis Kredit) ... Error! Bookmark not defined. 4.3.2 Menu User (Credit Marketing Officer) ... Error! Bookmark not defined. 4.3 Implementasi Algoritma ... Error! Bookmark not defined. 4.4 Pengujian ... Error! Bookmark not defined. 4.4.1 Pengujian Algoritma CBA... Error! Bookmark not defined. 4.4.2 Pengujian Jumlah ruleitem yang dihasilkan Error! Bookmark not defined. 4.4.3 Pengujian Akurasi Algoritma CBA ... Error! Bookmark not defined. 4.4.2 Pengujian Standar Deviasi ... Error! Bookmark not defined. BAB V KESIMPULAN DAN SARAN ... Error! Bookmark not defined. 5.1 Kesimpulan ... Error! Bookmark not defined. 5.2 Saran ... Error! Bookmark not defined. DAFTAR PUSTAKA ... Error! Bookmark not defined.

ix

DAFTAR TABEL

Tabel 1. 1 Pengumpulan Data Kriteria Pemberian Kredit ... Error! Bookmark not defined.

Tabel 1. 2 Pengumpulan Data Jenis Keputusan KreditError! Bookmark not defined. No table of figures entries found.Tabel 3. 1 Kebutuhan Fungsional ... Error! Bookmark not defined.

Tabel 3. 2 Contoh data training pemberian kredit... Error! Bookmark not defined. Tabel 3. 3 Mencari CountSupCount ... Error! Bookmark not defined. Tabel 3. 4 Mencari nilai RuleSupCount ... Error! Bookmark not defined. Tabel 3. 5 Mencari Jumlah data ... Error! Bookmark not defined. Tabel 3. 6 Mencari nilai Support dan Confidence ... Error! Bookmark not defined. Tabel 3. 7 Hasil Seleksi ruleitems ... Error! Bookmark not defined. Tabel 3. 8 CARs 2-frequent ruleitem ... Error! Bookmark not defined. Tabel 3. 9 CARs 3-frequent ruleitem ... Error! Bookmark not defined. Tabel 4. 1 Kode CBA-RG Bagian 1 ... Error! Bookmark not defined. Tabel 4. 2 Kode Algoritma CBA-RG Bagian 2 ... Error! Bookmark not defined. Tabel 4. 3 Kode Algoritma CBA-RG Bagian 3 ... Error! Bookmark not defined. Tabel 4. 4 Kode Algoritma CBA-RG bagian 4 ... Error! Bookmark not defined. Tabel 4. 5 Kode Algoritma CBA-RG Bagian 5 ... Error! Bookmark not defined. Tabel 4. 6 Kode Algoritma CBA-CB ... Error! Bookmark not defined. Tabel 4. 7 Pengujian jumlah ruleitem yang dihasilkan Error! Bookmark not defined. Tabel 4. 8 Waktu tempuh melakukan klasifikasi penentuan jenis kredit ... Error! Bookmark not defined.

x

DAFTAR GAMBAR

Gambar 2. 1 Waterfall Model ... Error! Bookmark not defined. Gambar 2. 2 Simbol DFD ... Error! Bookmark not defined. Gambar 3. 1 Gambaran umum system klasifikasi penentuan kredit Error! Bookmark not defined.

Gambar 3. 2 Context Diagram Sistem ... Error! Bookmark not defined. Gambar 3. 3 DFD Level-0 Sistem... Error! Bookmark not defined. Gambar 3. 4 DFD Level-1 Proses 1 Mengelola Data Training.. Error! Bookmark not defined.

Gambar 3. 5 DFD Level-1 Proses 2 Proses Classification Based On Association Rule ... Error! Bookmark not defined. Gambar 3. 6 DFD Level-1 Proses 3 Mengelola Data Debitur ... Error! Bookmark not defined.

Gambar 3. 7 DFD Level 1 Proses 4 Testing Akurasi .. Error! Bookmark not defined. Gambar 3. 8 DFD Level 1 Proses 5 Penentuan Jenis Pemberian Kredit ... Error! Bookmark not defined.

Gambar 3. 9 Diagram Alir Algoritma CBA-RG ... Error! Bookmark not defined. Gambar 3. 10 Diagram Alir Algoritma CBA-CB ... Error! Bookmark not defined. Gambar 3. 11 Entinity Relationship Diagram (ERD) Error! Bookmark not defined. Gambar 3. 12 Rancangan antar muka form menu login ... Error! Bookmark not defined.

xi

Gambar 3. 13 Form Menu Data Training... Error! Bookmark not defined. Gambar 3. 14 Form Data Diri Training ... Error! Bookmark not defined. Gambar 3. 15 Form Insert Kapasitas Training ... Error! Bookmark not defined. Gambar 3. 16 Form Insert Karakter Training ... Error! Bookmark not defined. Gambar 3. 17 Form Insert Kapital Training... Error! Bookmark not defined. Gambar 3. 18 Form Insert Kondisi Training ... Error! Bookmark not defined. Gambar 3. 19 Form Insert Kolateral Training ... Error! Bookmark not defined. Gambar 3. 20 Form Data Diri Klasifikasi Kredit ... Error! Bookmark not defined. Gambar 3. 21 Form Insert Kapasitas Klasifikasi Kredit ... Error! Bookmark not defined.

Gambar 3. 22 Form Insert Karakter Klasifikasi Kredit... Error! Bookmark not defined.

Gambar 3. 23 Form Insert Kapital Klasifikasi Kredit . Error! Bookmark not defined. Gambar 3. 24 Form Insert Kolateral Klasifikasi Kredit ... Error! Bookmark not defined.

Gambar 3. 25 Form Insert Kondisi Klasifikasi Kredit Error! Bookmark not defined. Gambar 3. 26 Data Akurasi ... Error! Bookmark not defined. Gambar 4. 1 Implementasi Basis Data ... Error! Bookmark not defined. Gambar 4. 2 Data Training... Error! Bookmark not defined. Gambar 4. 3 Menginputkan Minsup dan Mincof ... Error! Bookmark not defined. Gambar 4. 4 Proses Training Data Berhasil ... Error! Bookmark not defined. Gambar 4. 5 Hasil Pembentukan Rules dengan Algoritma CBA .... Error! Bookmark not defined.

Gambar 4. 6 Melengkapi data diri calon debitur... Error! Bookmark not defined. Gambar 4. 7 Memilih kriteria dalam form kapasitas .. Error! Bookmark not defined. Gambar 4. 8 Memilih kriteria dalam form karakter .... Error! Bookmark not defined. Gambar 4. 9 Memilih kriteria pada form kapital ... Error! Bookmark not defined. Gambar 4. 10 Memilih kriteria pada form kondisi ... Error! Bookmark not defined. Gambar 4. 11 Memilih kriteria pada form kolateral ... Error! Bookmark not defined.

xii

Gambar 4. 12 Hasil Keputusan Sistem ... Error! Bookmark not defined. Gambar 4. 13 Implementasi Tampilan Menu Login ... Error! Bookmark not defined. Gambar 4. 14 Implementasi Antar Muka Admin... Error! Bookmark not defined. Gambar 4. 15 Implementasi Antar Muka Input Minsup dan Mincof ... Error! Bookmark not defined.

Gambar 4. 16 Implementasi Antar muka Klasifikasi Kredit... Error! Bookmark not defined.

Gambar 4. 17 Implementasi Antar Muka Kriteria Kapasitas ... Error! Bookmark not defined.

Gambar 4. 18 Implementasi Antar Muka Kriteria Karakter ... Error! Bookmark not defined.

Gambar 4. 19 Implementasi Antar Muka Kriteria Kapital ... Error! Bookmark not defined.

Gambar 4. 20 Implementasi Antar Muka Kriteria Kondisi... Error! Bookmark not defined.

Gambar 4. 21 Implementasi Antar muka kriteria kolateral... Error! Bookmark not defined.

Gambar 4. 22 Implementasi Antar muka kriteria Tabel Debitur Error! Bookmark not defined.

Gambar 4. 23 Implementasi Antar Muka Testing Akurasi ... Error! Bookmark not defined.

Gambar 4. 24 Implementasi Antar Muka Klasifikasi Kredit ... Error! Bookmark not defined.

Gambar 4. 25 Implementasi Antar Muka Data Debitur ... Error! Bookmark not defined.

xiii

DAFTAR LAMPIRAN

Lampiran :

Kombinasi Rules Pertama

Ruleitem Hasil Algoritma CBA-RG Perangkingan Ruleitems Tahap 1 Memilih Rules Tahap 2

Hasil Ruleitems Dari Algoritma CBA-CB Hasil Akurasi

1 BAB I PENDAHULUAN 1.1Latar Belakang

Sarana transportasi merupakan kebutuhan primer masyarakat dewasa ini. Namun terdapat keterbatasan kemampuan keuangan di tengah masyarakat dalam memenuhi kebutuhan tersebut. Hal inilah yang memicu tumbuh dan kembangnya lembaga pembiayaan konsumen untuk membantu masyarakat memenuhi kebutuhan atas barang-barang konsumtif yang diinginkan (Benyamin Adhi,2012). PT. Adira Dinamika Multi Finance adalah perusahaan pembiayaan konsumen untuk mendukung penjualan sepeda motor dan mobil di Indonesia. Namun masalah masih dapat ditemui ketika debitur tidak mampu membayar kredit tepat pada waktunya, dimana debitur melakukan wanprestasi dengan tidak membayar angsuran yang sudah disepakati (Benyamin Adhi,2012). Berdasarkan kutipan dari Kompas.com pada Kamis, 5 Juni 2014 “Director Chief Sales and Distribution PT Adira Dinamika Multifinance Tbk atau Adira Finance, Hafid Hafeli mengatakan bahwa NPF (Non Performing Finance) tahun lalu turun dari 1,4% menjadi 1,3%. Tahun ini diharapkan bisa stay di 1,3%, dan tidak ingin NPF ditangani belakangan, sebab kredit macet akan berpengaruh terhadap rasio keuangan perusahaan lantaran nasabah yang terlambat membayar pelunasan kreditnya.”

Berdasarkan hasil wawancara kepada narasumber Credit Marketing Officer (CMO) PT Adira Dinamika Multi Finance Tbk daerah Denpasar, Ketut Arif Kamyana mengatakan bahwa terdapat pula masalah yang sering terjadi ketika adanya tidak konsistenan dalam menentukan penerimaan kredit berdasarkan hubungan persaudaraan atau teman. Dimana calon debitur dengan mudah memperoleh persetujuan pengajuan kredit karena adanya jaminan hubungan antara calon debitur dengan analis kredit tersebut menyebabkan terjadinya penunggakan pembayaran angsuran kredit. Oleh karena itu, perlunya sebuah sistem untuk membantu menyelesaikan masalah tersebut

Dalam bidang teknik informatika, teknologi data mining dapat membantu mengatasi masalah tersebut. Telah dilakukan survei bahwa teknik data mining mempunyai solusi untuk tingkat kepercayaan dalam melakukan prediksi dalam hal konsistensi prediksi dan frekuensi prediksi yang benar (Dr.S.Santhosh Baboo dan I.Kadar Shereef,2010). Klasifikasi merupakan tugas (task) pembelajaran fungsi (model) yang memetakan suatu item data ke dalam kelas dari sejumlah kelas yang telah didefinisikan sebelumnya. Beberapa metode klasifikasi telah dikembangkan antara lain yaitu decision tree, Bayesian network dan support vector machine. Task lain yang penting dalam data mining adalah penemuan dari association rules di data set yang bermanfaat bagi user. Association rule adalah penemuan pola intra transactional dalam database yang terjadi hanya pada sebuah event. Association rule dapat digunakan untuk mengidentifikasi item-item yang dilihat secara bersamaan pada saat mencari informasi mengenai produk tertentu.

Telah dilakukan penelitian Rizky Kartika pada (R.Kartika,2013) menggunakan metode association rule mining menggunakan banyak data (big data) dan penyelesaian masalah yang mirip dengan kasus ini. Dalam beberapa tahun terakhir, ada pendekatan baru yang mengintergrasikan association rule mining dengan klasifikasi. Pengklasifikasian dengan sedikit lebih akurat dan efektif berdasarkan pendekatan asosiatif, telah disajikan baru-baru ini, seperti CPAR, CMAR, MMAC, dan CBA (M.Nofal,2011).

Berdasarkan kajian-kajian tersebut, maka pada Tugas Akhir ini peneliti berkeinginan untuk melakukan pengklasifikasian jenis pemberian kredit mobil berdasarkan association rule yaitu Algoritma CBA (Classification Based on Association) dengan beberapa kriteria kredit yang diperoleh dari PT Adira Dinamika Multi Finance Cabang Denpasar. Dimana akan dibentuk rules yang diperoleh berdasarkan algoritma CBA (Classification based on Association) dan kriteria pemberian kredit yang telah dipaparkan diatas. Rules yang diperoleh pada sistem klasifikasi pemberian kredit dengan Algoritma CBA (Classification based on Association) akan digunakan untuk menentukan jenis pemberian kredit.

1.2Rumusan masalah

Berdasarkan pada latar belakang yang penulis uraikan, maka yang menjadi pokok permasalahan dalam penelitian adalah sebagai berikut, bagaimana penerapan metode Association Rules dengan pendekatan asosiatif yaitu Algoritma CBA (Classification Based on Association) pada data pemberian kredit mobil di PT Adira Dinamika Multi Finance Tbk daerah Denpasar?

1.3 Tujuan penelitian

Tujuan dilakukannya penelitian ini adalah untuk mengetahui kemampuan metode Association Rules dengan pendekatan asosiatif yaitu Algoritma CBA (Classification Based on Association) untuk menentukan keputusan pemberian kredit mobil di PT.Adira Dinamika Multi Finance Tbk. 1.4 Batasan masalah

Batasan masalah dari penelitian ini yaitu :

1. Data yang digunakan data sekunder dari data kredit mobil di PT Adira Dinamika Multi Finance Tbk cabang Denpasar sebanyak 500 data set.

2. Klasifikasi hanya dilakukan untuk membagi nasabah menjadi 2 class yaitu kredit ditolak atau kredit diterima.

3. Metode yang digunakan adalah metode klasifikasi Association rule dengan algoritma CBA

4. Implementasi yang dibuat telah disesuaikan dengan kriteria yang diperoleh dari PT Adira Dinamika Multi Finance Cabang Denpasar.

1.5 Manfaat penelitian

Manfaat dari penelitian ini adalah membantu dan mempermudah kinerja seorang Credit Analyst untuk menentukan pemberian kredit mobil yang dilakukan di PT Adira Dinamika Multi Finance Tbk cabang Denpasar.

1.6 Metodologi penelitian

Menurut Maddison,R.N Metodologi merupakan suatu formula dalam penerapan penelitian yang terdapat langkah-langkah dan juga hasil penelitian di dalamnya. Metodologi penelitian dalam ilmu komputer merupakan langkah-langkah / tahapan-tahapan perencanaan dengan bantuan metode, teknik, tools dan dokumentasi untuk meminimalkan resiko kegagalan dan menekankan pada proses penelitian di bidang Ilmu Komputer. (Dalam buku Metodologi Penelitian Pada Bidang Ilmu Komputer dan Teknologi Informasi, Hasibuan, 2007:14) Berikut akan dijelaskan mengenai tahapan-tahapan yang akan dilakukan saat penelitian nantinya. Adapun sub bab bahasan yang akan dijelaskan adalah desain penelitian, pengumpulan data, pengolahan data awal, dan metode yang digunakan.

1.6.1 Desain penelitian

Desain penelitian yang digunakan dalam penelitian ini adalah studi kasus. Studi kasus merupakan penelitian yang memusatkan perhatian pada studi kasus tertentu dengan menggunakan individu atau kelompok sebagai bahan studinya (Hasibuan, 2007).

Dalam penelitian kasus pemberian kredit ini di klasifikasikan ke dalam dua jenis penentuan kredit, yaitu Kredit diterima dan Kredit ditolak. Terdapat 5 kriteria utama yang dibagi menjadi 16 subkriteria, 16 subkriteria terdiri dari 38 subkriteria. Dalam penelitian ini 38 sub-subkritteria yang akan digunakan sebagai parameter dalam menentukan jenis pemberian kredit. Untuk dapat menentukan jenis kredit yang diajukan melewati rule yang telah diperoleh dari penerapan algoritma CBA pembangkitan rule (CBA-rule generator) dan penerapan algoritma CBA klasifikasi rule (CBA-classifier builder). Sebelumnya ditentunkan minimal support dan minimal confidence yang nanti akan di gunakan sebagai batasan yang diolah untuk menghasilkan sebuah rule.

1.6.2 Pengumpulan Data

Setelah dilakukan identifikasi masalah dan tujuan, selanjutnya yaitu tahap pengumpulan data. Pengumpulan data dilakukan untuk mengetahui data apa saja yang dibutuhkan untuk menyelesaikan permasalahan ini, untuk itu telah dilakukan studi literature dan studi lapangan. Pengumpulan data dilakukan dengan menggunakan metode observasi yaitu metode yang digunakan untuk mengumpulkan data dengan mengubungi pihak PT Adira Dinamika Multi Finance Tbk cabang Denpasar untuk memperoleh data dan melakukan wawancara langsung kepada narasumber yang dalam kasus ini adalah Credit Marketing Officer (CMO) dan Credit Analysyst (CA).

Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder merupakan data yang diperoleh dari sumber yang telah dikumpulkan oleh pihak lain, Data sekunder bisa diperoleh dengan cepat dan mudah karena data ini biasanya sudah tersedia dan kita tinggal mengambil dan mengumpulkan saja. Data sekunder dapat kita kumpulkan dari perpustakaan, perusahaan-perusahaan ,organisasi-organisasi perdagangan, biro pusat statistik, dan kantorkantor pemerintahan seperti data dari Badan Pusat Statistik (BPS), data hasil riset, data dari perusahaan dan lain sebagainya. (Hasibuan, 2007). Pada penelitian ini data yang digunakan adalah data sekunder yang berisi kategori penerimaan kredit mobil yang didapat dari hasil analisis dan seorang kredit (credit marketing officer ) PT. Adira Dinamika Multi Finance Tbk.

Pada penelitian ini data yang digunakan adalah data sub-subkriteria penentuan pemberian kredit berdasarkan kasus-kasus terdahulu pada PT. Adira Dinamika Multi Finance Tbk. Pada tabel 1.1 akan ditampilkan data sub-subkriteria untuk menentukan jenis kredit yang diajukan debitur.

(Sumber : PT. Adira Dinamika Multi Finance Tbk )

Tabel 1. 1 Pengumpulan Data Kriteria Pemberian Kredit

Kode Sub-subkriteria

K1 Karyawan BUMN/Perusahaan Multinasional/PNS

K2 Wiraswasta Profesional

K3 Karyawan dengan lama bekerja >=2 tahun

K4 Karyawan dengan lama bekerja < 1 tahun

K5 Wiraswasta profesional dengan lama usaha >=3 tahun

K6 Wiraswasta profesional dengan lama usaha <=1 tahun

K7 Pekerjaan tetap dan jelas

K8 Pekerjaan tidak tetap/jelas/beresiko tinggi

K9 Kesesuaian aset dengan penghasilan

K10 Ketidaksesuaian aset dengan penghasilan

K11 Tinggal di tempat saat ini > 2 tahun dan berkarakter baik dari info lingkungan

K12 Tinggal di tempat saat ini < 2 tahun dan berkarakter buruk dari info lingkungan

K13 Tidak dikenal masyarakat setempat

K14 Tidak berdomisili di alamat tersebut

K15 Koperatif dan terbuka/tidak berbelit-belit

K16 Tertutup dan sulit dikonfirmasi/berbelit-belit

K17 Terdapat Tolakan

K18 Tidak Terdapat Tolakan

K19 Bertanggung jawab terhadap lingkungan keluarga dan pekerjaan

K20 Tidak bertanggung jawab terhadap keluarga dan pekerjaan

K21 Tidak bekerja di kantor dan tidak bertanggung jawab terhadap keluarga

K22 Usia debitur <=35 tahun

K23 Usia debitur >35 tahun

K24 Kawin

K25 Cerai Hidup

K26 Cerai Mati

K27 Tepat Waktu Membayar Listrik/Air/Telepon

K28 Tidak Tepat Waktu Membayar Listrik/Air/Telepon

K30 Tidak Bersedia Memberikan No Telpon Rumah/Kantor & Hp

K31 Rumah milik sendiri/keluarga

K32 Rumah Kost/ Kontrak < 1 tahun

K33 Tempat usaha milik sendiri

K34 Tempat usaha kontrak < 1 tahun

K35 Produk/Jasa Kondusif terhadap Kondisi Ekonomi

K36 Produk/Jasa Tidak Kondusif terhadap Kondisi Ekonomi

K37 DP >= 20% dari harga mobil

K38 DP < 20% dari harga mobil

Tabel 1. 2 Pengumpulan Data Jenis Keputusan Kredit

Jenis Kredit

Kredit diterima

Kredit ditolak

1.6.3 Pengolahan Data Awal

Pada penelitian ini data yang diperoleh dari hasil pengumpulan data sebanyak 500 data mentah. Data yang digunakan untuk mencari rule sejumlah 60% dari 500 data yaitu 300 data dan 40% dari 500 data yaitu 200 data digunakan untuk uji coba. Data tersebut berupa 38 sub-subkriteria yang merupakan data kategorikal yang selanjutnya pada penelitian ini akan dirubah menjadi data numerik.

1.6.4 Metode yang digunakan

Metode yang digunakan dalam menentukan jenis pemberian kredit yang diperoleh oleh debitur adalah menggunakan metode klasifikasi menggunakan algoritma Classification Based on Association(CBA). Algoritma Classification Based on Association(CBA) merupakan algoritma pengklasifikasi yang sedikit lebih akurat dan efektif berdasarkan pendekatan assosiatif. Konsep utama dari algoritma CBA terbagi dalam dua tahapan yaitu Tahapan untuk membangkitkan rule yang disebut sebagai CBA-RG (Classification Based on Association-Rule Generator) dan CBA-CB(Classification Based on Association-Classifier Builder) (Kartika Putri,Rizky:2013). Sedangkan untuk metodologi pengembangan perangkat lunak yang digunakan adalah metode waterfall.

1.6.5 Evaluasi dan pengujian sistem

Pada tahap evaluasi dan pengujian sistem, akan dilakukan evaluasi dan validasi dari hasil yang dihasilkan program apakah sesuai dengan tujuan yang ingin dicapai. Untuk mendapatkan presentase nilai akurasi untuk hasil perhitungan dari algoritma CBA adalah

Nilai akurasi = �ℎ � � � �

�ℎ ℎ � �× %...(1.1)

10

BAB II

TINJAUAN PUSTAKA 2.1 Tinjauan Teoritis

2.1.1 Kredit

Menurut undang-undang pokok perbankan No.14 tahun 1967, Kredit didefinisikan sebagai “Kredit adalah penyediaan uang atau tagihan yang dapat dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam meminjam antara bank dengan pihak lain yang mewajibkan pihak meminjam melunasi utangnya setelah jangka waktu tertentu dengan pemberian bunga” (Kasmir,2006).

Didalam pemberian kreditnya Bank atau non Bank harus memperhatikan prinsip-prinsip pemberian kredit yang benar artinya sebelum suatu fasilitas kredit yang diberikan maka Bank atau non Bank harus merasa yakin terlebih dahulu bahwa kredit yang diberikan akan benar-benar kembali. Keyakinan tersebut diperoleh dari hasil penilaina kredit sebelum kredit tersebut disalurkan . penilaian kredit oleh Bank atau non Bank dapat dilakukan dengan berbagai prinsip-prinsip penilaian kredit yang sering dilakukan. Prinsip 5C tersebut antara lain (Kasmir,2007).:

1. Character : Penilaian character ini dapat mengetahui sejauh mana tingkat kejujuran dan tekad baik calon debitur yaitu kemauan untuk memenuhi kewajiban-kewajiban dari calon debitur.

2. Capacity : Penilaian capacity untuk melihat kemampuan dalam melunasi kewajibannya dari kegiatan usaha yang dilakukan.

3. Capital : Penilaian terhadap prinsip capital tidak hanya melihat besar kecilnya modal yang dimiliki oleh calon debitur tetapi juga bagaimana distribusi modal itu ditempatkan.

4. Collateral : Collateral diartikan sebagai jaminan fisik harta benda yang bernilai uang dan mempunyai harga stabil dan mudah dijual. Jika pada dari peminjam

11

terkena kecelakaan atau hal-hal lain yang mengakibatkan peminjam tidak mampu membayar hutangnya, maka tindakan akhir yang dilakukan oleh bank adalah melaksanakan haknya atas collateral yang diikat secara yuridis untuk menjamin hutangnya pada bank.

5. Condition of Economy : Pada prinsip condition (kondisi), dinilai situasi dan kondisi politik, sosial, ekonomi, dan kondisi pada sektor usaha calon debitur. Maksudnya agar bank dapat memperkecil risiko yang mungkin timbul oleh kondisi ekonomi, keadaan perdagangan dan persaingan di lingkungan sektor usaha calon debitur dapat diketahui.

2.1.2 PT Adira Dinamika Multi Finance Tbk Cabang Denpasar

PT Adira Dinamika Multi Finance Tbk atau Adira Finance didirikan pada tahun 1990 dan mulai beroperasi pada tahun 1991. Sejak awal, Adira Finance berkomitmen untuk menjadi perusahaan pembiayaan terbaik dan terkemuka di Indonesia. Adira Finance hadir untuk melayani beragam pembiayaan seperti kendaraan bermotor dan baik baru ataupun bekas. PT Adira memiliki beberapa 9 cabang di Indonesia . Pada penelitian ini dilakukan pada PT Adira Dinamika Multi Finance Tbk cabang Denpasar yang beralamat Jalan Gatot Subroto Barat no 101x Denpasar. Salah satu Credit Marketing Officer (CMO) yang membantu penelitian ini adalah Ketut Arif Kamayana. 2.1.3 Klasifikasi

Klasifikasi merupakan suatu pekerjaan menilai objek data untuk memasukkannya ke dalam kelas tertentu dari sejumlah kelas yang tersedia. Dalam klasifikasi ada dua pekerjaan utama yang dilakukan, yaitu (1) pembangunan model sebagai prototype untuk disimpan sebagai memori dan (2) penggunaan model tersebut untuk melakukan pengenalan /klasifikasi/prediksi pada suatu objek data lain agar diketahui dikelas mana objek tersebut dalam model yang sudah disimpannya(Eko Prasetyo,2012)

12

2.1.4 Konsep analisis rules asosiasi (Association Rule Analysis)

Menurut Eko Prasetyo,2012 menyatakan bahwa analisis asosiasi (association analysis) berguna untuk mengungkap hubungan yang menarik yang tersembunyi dalam data set besar. Hubungan yang terungkap tersebut dapat direpresentasikan dalam bentuk rules asosiasi (association rules) atau himpunan item yang sering muncul (sets of frequentitems).

Sebagai contoh dapat berupa studi transaksi pemberian kredit di PT. Adira Dinamika Multi Finance Tbk .

(Sumber : Data set PT. Adira Dinamika Multi Finance Tbk) Tabel 2. 1 Contoh data set

IDT Item

1 {Karyawan BUMN, Pekerjaan tetap, Usia >=35 tahun, rumah milik sendiri}

2 {Wiraswasta, Usia <= 35 tahun, rumah kos/kontrak <1 tahun}

3 {Karyawan BUMN, rumah kos/kontrak <1 tahun ,terdapat tolakan rekening koran}

4 {Wiraswasta, Usia <= 35 tahun, rumah milik sendiri } 5 {Wiraswasta, Usia > 35 tahun, terdapat tolakan

rekening koran }

Sebagai contoh, berikut ini merupakan rules yang dapat di-ekstrak dari dataset transaksi pemberian kredit.

13

Rules diatas menunjukkan hubungan yang kuat antara Karyawan BUMN dan Pekerjaan tetap karena Karyawan BUMN kemungkinan sebagai pekerjaan tetapnya. Dengan demikian,pihak adira multi finance dapat menggunakan cara ini sebagai bantuan untuk mengidentifikasi peluang baru untuk menerima pengajuan kredit .

Selain data pemberian kredit diatas, analisis asosiasi juga dapat diterapkan pada domain masalah lainnya seperti data transaksi belanja, bioinformatika, diagnosis medis, Web Mining, dan analisis data scientifik. Isu penting dalam analisis asosiasi adalah bagaimana cara menemukan pola tertentu dari data yang berjumlah sangat besar,yang membuat biaya komputasi menjadi sangat mahal (Eko Prasetyo,2012). 2.1.5 Itemset dan Support Count

Itemset adalah kumpulan dari satu atau lebih item. Misalkan I= {i1,i2, …., id} merupakan himpunan semua item dalam data transaksi belanja dan T = {t1,t2, …., tN} merupakan himpunan semua transaksi. Setiap transaksi ti mengandung subset item yang dipilih dari I. Dalam analisis asosiasi, koleksi nol atau lebih item disebut itemset. Jika itemset berisi k item, maka disebut k-itemset. Sebagai contoh {Beras,Telur,Minyak} dikatakan sebagai 3-itemset. Set null atau kosong adalah itemset yang tidak berisi item.

Support Count (σ) adalah frekuensi kemunculan setiap itemset. Jika suatu transaksi terdiri dari itemset X, maka secara matematik support count σ(X) dinyatakan sebagai berikut :

σ(X) =|{ti | X⊆ ti , ti ∈T}|………(2.1) Dimana :

σ(X) = support count atau frekuensi kemunculan itemset X X = itemset atau kumpulan dari beberapa item

ti = transaksi yang mengandung itemset X | | = jumah elemen dalam satu set.

14

2.1.6 Algoritma Apriori

Algoritma Apriori merupakan algoritma untuk menemukan frequent itemset. Algoritma Apriori merupakan algoritma yang paling banyak digunakan untuk menemukan frequent itemset dan aturan asosiasi. Konsep utama dari algoritma Apriori adalah sebagai berikut:

1. Setiap subset dari frequent itemset adalah frequent itemset. 2. Himpunan itemset dengan panjang k disebut Ck

3. Himpunan itemset yang memenuhi batasan minimum support disebut sebagai Lk , Lk adalah kandidat himpunan yang digunakan untuk tahap selanjutnya.

4. Ck+1 dibangkitkan dengan menggabungkan Lk dan dirinya sendiri. Itemset-itemset yang memenuhi kriteria masing-masing memiliki lebih satu elemen dari itemset sebelumnya.

Lk kemudian dihasilkan dengan menghilangkan dari elemen-elemen yang tidak memenuhi aturan minimum support. Sebab, kandidat sequence yang dibangkitkan dimulai dengan ukuran sequence terkecil dan secara bertahap ukuran sequence meningkat yang disebut dengan pendekatan breadth first search.(R.Kartika,2013) 2.1.7 Pendekatan Association Rule Algoritma CBA (Classification Based Assoiciation)

Algoritma CBA merupakan algoritma pengklasifikasi yang sedikit lebih akurat dan efektif berdasarkan pendekatan assosiatif. Konsep utama dari algoritma CBA terbagi dalam dua tahap.

2.1.5.1 Algoritma CBA-RG(Rule Generator)

CBA-RG atau yang bisa disebut dengan sebuah rule generator dibangun berdasarkan algoritma Apriori untuk menemukan rules asosiasi. CBA-RG digunakan untuk menemukan semua ruleitems yang memenuhi minsup. <condset ,y> adalah sebuah ruleitems , dimana condset adalah set dari items, yY adalah

15

label kelas. CondsupCount adalah jumlah case di dataset D (support count) yang mengandung condset. RulesupCount adalah jumlah case di D (support count) yang mengandung condset dan berlabel kelas y. Setiap ruleitems merepresentasikan sebuah rule condset → y, dimana

= � _{| |} × %... (2.2)

� = � × %...(2.3)

Dimana | | adalah jumlah / ukuran dataset. Ruleitem yang memiliki nilai support lebih dari nilai minsup disebut frequent ruleitems, sedangkan yang nilai supportnya lebih kecil disebut infrequent itemsets. Ruleitem yang confident tertinggi dipilih sebagai possible rule yang merepresentasikan set dari ruleitem. Kalau ada lebih dari 1 ruleitem yang punya confident tertinggi, maka dipilih secara acak.

Tahapan Algoritma CBA-RG (Classification Based on Association-Rule Generator) (Rizky Kartika Putri,2013):

1. Tentukan minimum support dan minimum confidence .

2. Rule dibentuk dengan langkah awal mencari semua condset (sekumpulan item set) dari semua kriteria dan jumlah masing-masing condset yang disebut sebagai CondSupCount.

3. Lalu dicari ruleitem pertama dari condset dengan class beserta jumlah rule tersebut yang bisa disebut sebagai RulesupCount.

4. Lalu dicari support dari ruleitem, dengan menggunakan rumus berikut :

= � _{| |} × %

| |= jumlah/ukuran dataset.

� = ruleitem pertama dari condset dengan class beserta jumlah rule.

16

Ruleitem yang mempunyai support diatas minimum support merupakan frequent ruleitem.

5. Selanjutnya dicari juga confidence dari setiap ruleitem, dengan menggunakan rumus berikut :

� = � × %

Ruleitem yang mempunyai confidence melebihi minimum confidence disebut accurate ruleitem.

Ruleitem yang frequent dan accurate merupakan possible rule.

6. Possible rule ini merupakan CARs sekaligus digunakan untuk menggenerate frequent ruleitem yang lainnya dengan cara mengkombinasikan frequent ruleitem dengan frequent ruleitem dalam possible rule dengan syarat frequent ruleitem tidak boleh berpasangan dengan dirinya sendiri.

7. Selanjutnya dicari RulesupCount dan CondsupCount dari ruleitem yang baru. 8. Kemudian dihitung supportnya, ruleitem yang supportnya melebihi minsup merupakan frequent ruleitem dan dihitung juga confidencenya, ruleitem yang memiliki nilai confidence lebih tinggi dari mincof merupakan accurate rulitem. Jika ruleitem memenuhi frequent dan accurate ruleitem , maka itulah possible rule.

9. Possible rule kali ini harus memenuhi syarat selanjutnya, yaitu semua frequent ruleitem pada possible rule merupakan frequent ruleitem pada possible rule sebelumnya.

10.Pada tahap kombinasi selanjutnya ,frequent ruleitem - frequent ruleitem yang dapat dikombinasikan adalah Frequent ruleitem - frequent ruleitem yang memiliki kesamaan dalam k-1 frequent ruleitem pertama.

17 2.1.5.2 Algoritma CBA-CB(Classifier Builder)

CBA-CB adalah sebuah classifier builder menggunakan CARs atau prCARs. Untuk memproduksi classifier yang paling baik dari set rules akan mengevaluasi semua possible subset di data training dan memilih subset dengan rule sequence yang tepat yaitu yang mempunyai error paling sedikit. (Rizky Kartika Putri,2013). Tahapan Algoritma CBA-CB (Classification Based on Association-Classifier Builder) :

Definisi: Mengingat dua rules, ri dan rj, ri precedence rj (juga disebut ri mendahului rj atau ri memiliki prioritas lebih tinggi daripada rj) jika

1) confidence ri adalah lebih besar dari rj, atau

2) confidence mereka adalah sama, tetapi support dari ri adalah lebih besar dari rj, atau

3) baik confidence dan support dari ri dan rj adalah sama, tetapi ri dihasilkan lebih awal dari rj;

Biarkan R menjadi seperangkat rules yang dihasilkan (yaitu, CAR atau CAR), dan D data pelatihan. Ide dasar dari algoritma ini adalah untuk memilih satu set rules didahulukan tinggi di R untuk menutupi D. classifier kami adalah dari format berikut:

<r1, r2, ..., rn, kelas default>,

di mana ri  R, ra precedence rb, jika b> a. kelas default adalah kelas default. Dalam mengklasifikasikan kasus yang tak terlihat, rules pertama yang memenuhi kasus ini akan mengklasifikasikan. Jika tidak ada rules yang berlaku untuk kasus ini, dibutuhkan pada kelas standar seperti di C4.5.

18

Langkah 1 : Urutkan seperangkat rules “r” yang dihasilkan menurut hubungan "precedence". Hal ini untuk memastikan bahwa kita akan memilih rules hak tertinggi untuk classifier kami.

Langkah 2 : Pilih rules untuk classifier dari R mengikuti urutan yang telah diurutkan. Untuk setiap rules r, kita melalui D untuk mencari kasus-kasus yang dicakup oleh r (mereka memenuhi kondisi r). Kami menandai r jika benar mengklasifikasikan kasus d. d.id adalah nomor identifikasi unik d. Jika r benar dapat mengklasifikasikan setidaknya satu kasus (yaitu, jika r ditandai), itu akan menjadi rules potensial dalam classifier kami. Kasus-kasus itu mencakup kemudian dikeluarkan dari D. Sebuah kelas default juga dipilih (kelas mayoritas dalam data yang tersisa), yang berarti bahwa jika kita berhenti memilih rules untuk classifier C kelas ini akan menjadi kelas default C. Kami kemudian menghitung dan mencatat jumlah kesalahan yang dibuat oleh C saat ini dan kelas default. Ini adalah jumlah jumlah kesalahan yang telah dibuat oleh semua rules yang dipilih di C dan jumlah kesalahan yang dibuat oleh kelas default dalam data pelatihan. Ketika tidak ada rules atau tidak ada kasus pelatihan kiri, proses seleksi rules selesai.

2.1.8 Metode Pengembangan Perangkat Lunak Waterfall

Metode pengembangan perangkat lunak Waterfall merupakan salah satu model proses perangkat lunak yang mengambil kegiatan proses dasar seperti spesifikasi, pengembangan, validasi, dan evolusi. Model ini kemudian merepresentasikannya ke dalam bentuk fase-fase proses yang berbeda seperti analisis dan pendefinisian kebutuhan, perancangan perangkat lunak, implementasi, pengujian unit, integrasi sistem, pengujian sistem, serta operasi dan pemeliharaan (Sommerville, 2003).

19

Gambar 2. 1 Waterfall Model (Sumber : Sommerville, 2003)

Adapun penjelasan tahapan-tahapan dari model waterfall yang ditunjukkan pada gambar 1 menurut Sommerville (2003) adalah sebagai berikut :

1. Analisis dan Penentuan Kebutuhan

Merupakan tahap pengumpulan informasi mengenai kebutuhan sistem yang didapat dari pengguna (user). Proses ini mendefinisikan secara rinci mengenai fungsi-fungsi, batasan dan tujuan dari perangkat lunak sebagai spesifikasi sistem.

2. Desain Sistem dan Perangkat Lunak

Tahap desain merupakan tahap yang melibatkan proses perancangan sistem yang difokuskan pada empat atribut, yaitu struktur data, arsitektur perangkat lunak, representasi antarmuka, dan detail (algoritma) prosedural. Yang dimaksud struktur data adalah representasi dari hubungan logis antara elemen-elemen data individual.

3. Implementasi dan Pengujian

Pada tahap ini, perancangan perangkat lunak direalisasikan sebagai serangkaian program atau unit program. Kemudian proses pengujian melibatkan verifikasi

20

bahwa setiap unit program telah memenuhi kebutuhan yang telah didefinisikan pada tahap pertama.

4. Integrasi dan Uji Coba Sistem

Unit program/program individual diintegrasikan menjadi sebuah kesatuan sistem dan kemudian dilakukan pengujian. Dengan kata lain, pengujian ini ditujukan untuk menguji keterhubungan dari tiap-tiap fungsi perangkat lunak sudah memenuhi kebutuhan. Setelah pengujian sistem selesai dilakukan, perangkat lunak dikirim kepada pelanggan/user.

5. Operasi dan Pemeliharaan Sistem

Tahap ini biasanya memerlukan waktu yang paling lama, di mana sistem diterapkan dan digunakan. Pemeliharaan mencakup proses pengoreksian beberapa kesalahan yang tidak ditemukan pada tahap-tahap sebelumnya ataupun penambahan kebutuhan-kebuthan baru yang diperlukan.

2.1.9 Data Flow Diagram(DFD)

Menurut Rosenblatt (2013) DFD merupakan sebuah diagram yang merepresentasikan bagaimana suatu sistem menyimpan, memproses, dan mentransformasi suatu data. Diagram konteks adalah diagram yang terdiri dari suatu proses dan menggambarkan ruang lingkup suatu sistem. Diagram konteks merupakan level tertinggi dari DFD yang menggambarkan seluruh input ke sistem atau output dari sistem. Diagram konteks akan memberi gambaran tentang keseluruan sistem. Sistem dibatasi oleh boundary (dapat digambarkan dengan garis putus). Dalam diagram konteks hanya ada satu proses. Tidak boleh ada store dalam diagram konteks.

Data Flow Diagram (DFD) adalah suatu diagram yang menggunakan notasi-notasi untuk menggambarkan arus dari data sistem, yang penggunaannya sangat membantu untuk memahami sistem secara logika, tersruktur dan jelas. DFD merupakan alat bantu dalam menggambarkan atau menjelaskan proses kerja suatu sistem.

21

DFD sering digunakan untuk menggambarkan suatu sistem yang telah ada atau sistem baru yang akan dikembangkan secara logika tanpa mempertimbangkan lingkungan fisik di mana data tersebut mengalir(misalnya lewat telepon, surat dan sebagainya) atau lingkungan fisik di mana data tersebut akan disimpan (misalnya file kartu, microfiche, hard disk, tape, dikette dll). DFD merupakan alat yang digunakan pada metodologi pengembangan sistem yang terstruktur (structured analysis and design)

Gambar 2. 2 Simbol DFD 2.1.10 Bootstrap

Bootstrap menurut Husein Alatas (2013:2) merupakan Framework ataupun Tools untuk membuat aplikasi web ataupun situs web responsive secara cepat, mudah dan gratis. Bootstrap terdiri dari CSS dan HTML untuk menghasilkan Grid, Layout, Typography, Table, Form, Navigation, dan lain-lain. Di dalam Bootstrap juga sudah terdapat jQuery plugins untuk menghasilkan komponen UI yang cantik seperti Transitions, Modal, Dropdown, Scrollspy, Tooltip, Tab, Popover, Alert, Button, Carousel dan lain-lain. Dengan bantuan Bootstrap, kita bisa membuat responsive

22

website dengan cepat dan mudah dan dapat berjalan sempurna pada browser-browser populer seperti Chrome, Firefox, Safari, Opera dan Internet Explorer. 2.1.11 PHP (Personal Home Page)

2.1.11.1 Pengertian PHP

Menurut Didik Dwi Presetyo (2004 : 76), PHP merupakan bahasa scripting server-side, dimana pemrosesan datanya dilakukan pada sisi server. Sederhananya, serverlah yang akan menerjemahkan skrip program, baru kemudian hasilnya akan dikirim kepada client yang melakukan permintaan.

2.1.12.2 Keungulan PHP

Seluruh aplikasi berbasis web dapat dibuat dengan PHP. Namun kekuatan yang paling utama PHP adalah pada konektivitasnya dengan sistem database di dalam web. Kelebihan-kelebihan dari PHP diantaranya adalah :

a. PHP mudah dibuat dan dijalankan, maksudnya PHP dapat berjalan dalam Web Server dan dalam Sistem Operasi yang berbeda pula.

b. PHP adalah software open-source yang gratis dan bebas didistribusikan kembali di bawah lisensi GPL (GNU Public License). User dapat mendownload kode-kode PHP tanpa harus mengeluarkan uang atau khawatir dituntut oleh pihak pencipta PHP.

c. PHP bisa dioperasikan pada platform Linux ataupun Windows.

d. PHP sangat efisien, karena PHP hanya memerlukan resource system yang sangat sedikit dibanding dengan bahasa pemograman lain.

e. Ada banyak Web Server yang mendukung PHP, seperti Apache, PWS, IIS, dan lain-lain.

f. PHP juga didukung oleh banyak database, seperti MySQL, PostgreSQL, Interbase, SQL, dan lain-lain.

g. Bahasa pemograman PHP sintaknya sederhana, singkat dan mudah untuk dipahami.

23

h. HTML-embedded, artinya PHP adalah bahasa yang dapat ditulis dengan menempelkan pada sintak-sintak HTML.

2.1.12 Definisi Code Igniter Framework 2.1.12.1 Framework

Framework sebagaimana arti dalam bahasa indonesianya yaitu kerangka kerja dapat diartikan sebagai kumpulan dari library (class) yang dapat diturunkan, atau dapat langsung dipakai fungsinya oleh modulmodul atau fungsi yang akan kita kembangkan (Septian, 2011: 7).

2.1.12.2 Framework PHP

PHP Framework adalah sebuah lingkungan pengembangan aplikasi berbasis php yang berisi sejumlah class yang telah dibuat agar digunakan kembali untuk membuat aplikasi. Berbagai jenis class ini tergantung tujuan dari PHP framework tersebut, dan php framework yang satu dengan framework yang lain kemungkinan berbeda. Sebagian besar php framework yang tersedia saat ini berbasis MVC (model view controller). Ini adalah model php framework yang modern (Septian, 2011: 8). 2.1.12.3 Code Igniter

Code Igniter adalah aplikasi open source yang berupa framework dengan model MVC (Model, View, Controller) untuk membangun website dinamis. Dengan menggunakan PHP Code Igniter akan memudahkan developer untuk membuat aplikasi web dengan cepat dan mudah dibandingkan dengan membuat dari awal (Septian, 2011: 9).

a. MVC (Model View Controller)

MVC adalah sebuah pendekatan perangkat lunak yang memisahkan aplikasi logika dari presentasi. Ini meminimalkan script dari halaman-halaman web sejak script presentasi (HTML, CSS, JavaScript, dsb) dipisahkan dari PHP scripting,

24

istilah umum yang familiar adalah menghindari terjadinya spaghetti code (Septian, 2011: 9).

b. Model

Model merepresentasikan struktur data yang dibangun. Umumnya kelas model berisi fungsi-fungsi yang membantu developer untuk mengelola, memasukkan, dan mengupdate informasi dalam database (Septian, 2011: 9).

c. View

View adalah informasi yang disajikan untuk user, berupa tampilan atau user interface. View umumnya adalah tampilan sebuah halaman web itu sendiri, tetapi dalam Code Igniter, view dapat juga menjadi bagian-bagian atau penggalanpenggalan halaman seperti header atau footer. View dapat juga sebagai halaman RSS, atau tipe-tipe halaman lainnya (Septian, 2011: 9).

d. Controller

Controller bertugas sebagai penghubung antara Model, View, dan beberapa resource lainnya yang dibutuhkan untuk memproses HTTP request untuk meng-generate sebuah halaman web (Septian, 2011: 9).

2.1.13 Pengertian jQuery

jQuery merupakan library Java Script yang banyak digunakan saat ini. jQuery di buat oleh John Resig pada tahun 2006. Banyak website yang memanfaatkan library ini untuk menyederhanakan fungsi-fungsi yang ada pada JavaScript atau Ajax. Sesuai dengan slogannya jQuery sendiri “Write less, do more”, menulis sedikit namun dapat mengerjakan banyak hal, sehingga anda dapat menghemat coding program anda (Utomo, 2012: 62).

25

2.1.14 Pengertian HTML ( Hypertext markup Language)

Menurut Connolly, Dan Begg (2010: 1031) HTML adalah Format Dokumen bahasa yang digunakan untuk merancang halaman web. HTML adalah sistem untuk membuat naik atau menandai, sebuah dokumen sehingga dapat dipublikasikan di web. HTML mendefinisikan apa yang umumnya ditularkan antara node dalam network. HTML telah dikembangkan dengan maksud agar berbagai macam jenis perangkat harus dapat memanfaatkan informasi di web: PC dengan tampilan grafis dari kedalaman resolusi dan warna yang bervariasi, 24 telepon seluler, perangkat genggam, perangkat untuk pidato untuk input dan output, dan sebagainya.

2.1.15 Data base MySQL

MySQL adalah sebuah perangkat lunak sistem manajemen basis data SQL atau yang dikenal dengan DBMS (database management system), database ini multithread, multi-user. Kekuatan MySQL tidak ditopang oleh sebuah komunitas, seperti Apache, yang dikembangkan oleh komunitas umum, dan hak cipta untuk kode sumber dimiliki oleh pemilik masing-masing, tetapi MySQL didukung penuh oleh sebuah perusahaaan profesional dan komersil, yakni MySQL AB dari Swedia.

MySQL adalah Relational Database Management System (RDBMS) yang didistribusikan secara gratis dibawah lisensi GPL (General Public license). Dimana setiap orang bebas untuk menggunakan MySQL, namun tidak boleh dijadikan produk turunan yang bersifat closed source atau komersial. MySQL sebenarnya merupakan turunan salah satu konsep utama dalam database sejak lama, yaitu SQL (Structured Query Language). Sebagai database server, MySQL dapat dikatakan lebih unggul dibandingkan database server lainnya, terutama dalam kecapatan. Berikut ini beberapa keistimewaan MySQL, antara lain :

1. Portability

MySQL dapat berjalan stabil pada berbagai sistem operasi seperti Windows, Linux, FreeBSD, Mac Os X Server, Solaris, Amiga, dan masih banyak lain.

26

2. Multi User

MySQL dapat digunakan oleh beberapa user dalam waktu yang bersamaan tanpa mengalami masalah atau konflik.

3. Security

MySQL memiliki beberapa lapisan sekuritas seperti level subnetmask, nama host, dan izin akses user dengan sistem perizinan yang mendetail serta password terenkripsi.

4. Scalability dan limits

MySQL mampu menangani database dalam skala besar, dengan jumlah records lebih dari 50 juta dan 60 ribu tabel serta 5 milyar baris. Selain itu batas indeks yang dapat ditampung mencapai 32 indeks pada tiap tabelnya.

2.1.16 SQL yog 10.42

SQLyog adalah aplikasi client MySQL yang sangat populer digunakan di Indonesia. Aplikasi ini memiliki banyak fitur yang memudahkan pengguna melakukan administrasi maupun melakukan pengolahan data MySQL.

SQLyog ini aplikasi yang digunakan untuk menghubungkan satu komputer dengan komputer lain, agar satu komputer dengan komputer dapat saling mengakses dapat dikatakan aplikasi adalah aplikasi yang bisa digunakan untuk menerapkan client server.

2.2 Tinjauan Empiris

Pada penelitian ini, penelitian menggunakan beberapa penelitian terkait yang pernah dilakukan oleh peneliti lain sebagai tinjauan studi, yaitu sebagai berikut :

1. Integrating Classification and Association Rule Mining. (Bing Ling & Wynne Hsu,1998)

2. Penerapan Algoritma Klasifikasi Berbasis Aturan Asosiasi untuk Data Meteorologi. (Kartika Putri,Rizky,2013)

27

3. Classification Using Association Rules: Weakness and Enhancements. (Bing Liu , Yiming Ma, dan Ching-Kian Wong,2001)

website dengan cepat dan mudah dan dapat berjalan sempurna pada browser-browser populer seperti Chrome, Firefox, Safari, Opera dan Internet Explorer.

2.1.11 PHP (Personal Home Page) 2.1.11.1 Pengertian PHP

Menurut Didik Dwi Presetyo (2004 : 76), PHP merupakan bahasa scripting server-side, dimana pemrosesan datanya dilakukan pada sisi server. Sederhananya, serverlah yang akan menerjemahkan skrip program, baru kemudian hasilnya akan dikirim kepada client yang melakukan permintaan.

2.1.12.2 Keungulan PHP

Seluruh aplikasi berbasis web dapat dibuat dengan PHP. Namun kekuatan yang paling utama PHP adalah pada konektivitasnya dengan sistem database di dalam web. Kelebihan-kelebihan dari PHP diantaranya adalah :

a. PHP mudah dibuat dan dijalankan, maksudnya PHP dapat berjalan dalam Web Server dan dalam Sistem Operasi yang berbeda pula.

b. PHP adalah software open-source yang gratis dan bebas didistribusikan kembali di bawah lisensi GPL (GNU Public License). User dapat mendownload kode-kode PHP tanpa harus mengeluarkan uang atau khawatir dituntut oleh pihak pencipta PHP.

c. PHP bisa dioperasikan pada platform Linux ataupun Windows.

d. PHP sangat efisien, karena PHP hanya memerlukan resource system yang sangat sedikit dibanding dengan bahasa pemograman lain.

e. Ada banyak Web Server yang mendukung PHP, seperti Apache, PWS, IIS, dan lain-lain.

f. PHP juga didukung oleh banyak database, seperti MySQL, PostgreSQL, Interbase, SQL, dan lain-lain.

g. Bahasa pemograman PHP sintaknya sederhana, singkat dan mudah untuk dipahami.

h. HTML-embedded, artinya PHP adalah bahasa yang dapat ditulis dengan menempelkan pada sintak-sintak HTML.

2.1.12 Definisi Code Igniter Framework 2.1.12.1 Framework

Framework sebagaimana arti dalam bahasa indonesianya yaitu kerangka kerja dapat diartikan sebagai kumpulan dari library (class) yang dapat diturunkan, atau dapat langsung dipakai fungsinya oleh modulmodul atau fungsi yang akan kita kembangkan (Septian, 2011: 7).

2.1.12.2 Framework PHP

PHP Framework adalah sebuah lingkungan pengembangan aplikasi berbasis php yang berisi sejumlah class yang telah dibuat agar digunakan kembali untuk membuat aplikasi. Berbagai jenis class ini tergantung tujuan dari PHP framework tersebut, dan php framework yang satu dengan framework yang lain kemungkinan berbeda. Sebagian besar php framework yang tersedia saat ini berbasis MVC (model view controller). Ini adalah model php framework yang modern (Septian, 2011: 8).

2.1.12.3 Code Igniter

Code Igniter adalah aplikasi open source yang berupa framework dengan model MVC (Model, View, Controller) untuk membangun website dinamis. Dengan menggunakan PHP Code Igniter akan memudahkan developer untuk membuat aplikasi web dengan cepat dan mudah dibandingkan dengan membuat dari awal (Septian, 2011: 9).

a. MVC (Model View Controller)

MVC adalah sebuah pendekatan perangkat lunak yang memisahkan aplikasi logika dari presentasi. Ini meminimalkan script dari halaman-halaman web sejak script presentasi (HTML, CSS, JavaScript, dsb) dipisahkan dari PHP scripting,

istilah umum yang familiar adalah menghindari terjadinya spaghetti code (Septian, 2011: 9).

b. Model

Model merepresentasikan struktur data yang dibangun. Umumnya kelas model berisi fungsi-fungsi yang membantu developer untuk mengelola, memasukkan, dan mengupdate informasi dalam database (Septian, 2011: 9).

c. View

View adalah informasi yang disajikan untuk user, berupa tampilan atau user interface. View umumnya adalah tampilan sebuah halaman web itu sendiri, tetapi dalam Code Igniter, view dapat juga menjadi bagian-bagian atau penggalanpenggalan halaman seperti header atau footer. View dapat juga sebagai halaman RSS, atau tipe-tipe halaman lainnya (Septian, 2011: 9).

d. Controller

Controller bertugas sebagai penghubung antara Model, View, dan beberapa resource lainnya yang dibutuhkan untuk memproses HTTP request untuk meng-generate sebuah halaman web (Septian, 2011: 9).

2.1.13 Pengertian jQuery

jQuery merupakan library Java Script yang banyak digunakan saat ini. jQuery di buat oleh John Resig pada tahun 2006. Banyak website yang memanfaatkan library ini untuk menyederhanakan fungsi-fungsi yang ada pada JavaScript atau Ajax. Sesuai dengan slogannya jQuery sendiri “Write less, do more”, menulis sedikit namun dapat mengerjakan banyak hal, sehingga anda dapat menghemat coding program anda (Utomo, 2012: 62).

2.1.14 Pengertian HTML ( Hypertext markup Language)

Menurut Connolly, Dan Begg (2010: 1031) HTML adalah Format Dokumen bahasa yang digunakan untuk merancang halaman web. HTML adalah sistem untuk membuat naik atau menandai, sebuah dokumen sehingga dapat dipublikasikan di web. HTML mendefinisikan apa yang umumnya ditularkan antara node dalam network. HTML telah dikembangkan dengan maksud agar berbagai macam jenis perangkat harus dapat memanfaatkan informasi di web: PC dengan tampilan grafis dari kedalaman resolusi dan warna yang bervariasi, 24 telepon seluler, perangkat genggam, perangkat untuk pidato untuk input dan output, dan sebagainya.

2.1.15 Data base MySQL

MySQL adalah sebuah perangkat lunak sistem manajemen basis data SQL atau yang dikenal dengan DBMS (database management system), database ini multithread, multi-user. Kekuatan MySQL tidak ditopang oleh sebuah komunitas, seperti Apache, yang dikembangkan oleh komunitas umum, dan hak cipta untuk kode sumber dimiliki oleh pemilik masing-masing, tetapi MySQL didukung penuh oleh sebuah perusahaaan profesional dan komersil, yakni MySQL AB dari Swedia.

MySQL adalah Relational Database Management System (RDBMS) yang didistribusikan secara gratis dibawah lisensi GPL (General Public license). Dimana setiap orang bebas untuk menggunakan MySQL, namun tidak boleh dijadikan produk turunan yang bersifat closed source atau komersial. MySQL sebenarnya merupakan turunan salah satu konsep utama dalam database sejak lama, yaitu SQL (Structured Query Language). Sebagai database server, MySQL dapat dikatakan lebih unggul dibandingkan database server lainnya, terutama dalam kecapatan.

Berikut ini beberapa keistimewaan MySQL, antara lain :

1. Portability

2. Multi User

MySQL dapat digunakan oleh beberapa user dalam waktu yang bersamaan tanpa mengalami masalah atau konflik.

3. Security

MySQL memiliki beberapa lapisan sekuritas seperti level subnetmask, nama host, dan izin akses user dengan sistem perizinan yang mendetail serta password terenkripsi.

4. Scalability dan limits

MySQL mampu menangani database dalam skala besar, dengan jumlah records lebih dari 50 juta dan 60 ribu tabel serta 5 milyar baris. Selain itu batas indeks yang dapat ditampung mencapai 32 indeks pada tiap tabelnya.

2.1.16 SQL yog 10.42

SQLyog adalah aplikasi client MySQL yang sangat populer digunakan di Indonesia. Aplikasi ini memiliki banyak fitur yang memudahkan pengguna melakukan administrasi maupun melakukan pengolahan data MySQL.

SQLyog ini aplikasi yang digunakan untuk menghubungkan satu komputer dengan komputer lain, agar satu komputer dengan komputer dapat saling mengakses dapat dikatakan aplikasi adalah aplikasi yang bisa digunakan untuk menerapkan client server.

2.2 Tinjauan Empiris

Pada penelitian ini, penelitian menggunakan beberapa penelitian terkait yang pernah dilakukan oleh peneliti lain sebagai tinjauan studi, yaitu sebagai berikut :

1. Integrating Classification and Association Rule Mining. (Bing Ling & Wynne Hsu,1998)

2. Penerapan Algoritma Klasifikasi Berbasis Aturan Asosiasi untuk Data Meteorologi. (Kartika Putri,Rizky,2013)

3. Classification Using Association Rules: Weakness and Enhancements. (Bing Liu , Yiming Ma, dan Ching-Kian Wong,2001)