ANALISIS PERBANDINGAN ALGORITMA SUPPORT VECTOR CLUSTERING (SVC) DAN K-MEDOIDS PADA KLASTER DOKUMEN TESIS SUHADA 117038037

ANALISIS PERBANDINGAN ALGORITMA SUPPORT

  VECTOR CLUSTERING (SVC) DAN K-MEDOIDS PADA KLASTER DOKUMEN TESIS SUHADA 117038037 PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

ANALISIS PERBANDINGAN ALGORITMA SUPPORT

  Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika

  SUHADA 117038037 PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

  

PERSETUJUAN

  Judul Tesis : Analisis Perbandingan Algoritma Support Vector Clustering (SVC) Dan K-Medoids Pada Klaster Dokumen

  Kategori : Tesis Nama Mahasiswa : Suhada Nomor Induk Mahasiswa : 117038037 Program Studi : Magister (S2) Teknik Informatika Fakultas : Ilmu Komputer Dan Teknologi Informasi Universitas Sumatera Utara Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Dr. Marwan Ramli, M.Si Prof. Dr. Muhammad Zarlis Diketahui/disetujui oleh Program Studi Magister (S2) Teknik Informatika Ketua, Prof. Dr. Muhammad Zarlis NIP. 195707011986011003

PERNYATAAN ORISINALITAS ANALISIS PERBANDINGAN ALGORITMA SUPPORT

  VECTOR CLUSTERING (SVC) DAN K - MEDOIDS PADA KLASTER DOKUMEN TESIS

  Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan masing – masing telah disebutkan sumbernya.

  Medan, 6 Juni 2013 Suhada 117038037

  

PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

  Sebagai Sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini: Nama : Suhada NIM : 117038037 Program Studi : Magister (S2) Teknik Informatika Jenis Karya Ilmiah : Tesis

  Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive

  Royalty free Right) atas tesis saya yang berjudul:

ANALISIS PERBANDINGAN ALGORITMA SUPPORT

VECTOR CLUSTERING (SVC) DAN K-MEDOIDS

  Beserta perangkat yang ada. Dengan Hak Bebas Royalti Non-Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.

  Demikian pernyataan ini dibuat dengan sebenarnya.

  Medan, 6 Juni 2013 Suhada 117038037

  Telah diuji pada Tanggal : 20 Juni 2013 PANITIA PENGUJI TESIS Ketua : Prof. Dr. Muhammad Zarlis Anggota : 1. Prof. Dr. Herman Mawengkang

   2. Prof. Dr. Tulus

   3. Dr. Marwan Ramli, M.Si

   4. Dr. Zakarias Situmorang

  

RIWAYAT HIDUP

DATA PRIBADI Nama Lengkap : Drs. Suhada Tempat dan Tanggal Lahir : Pematangsiantar, 13 Mei 1958 Alamat Rumah : Jl. Batu Kapur No. 19 Pematangsiantar E_Mail : Instansi Tempat Bekerja : AMIK Tunas Bangsa Pematangsiantar Alamat Kantor : Jl. Jend. Sudirman No. 2A Pematangsiantar

DATA PENDIDIKAN

  SD : SD Negeri No.8 Pematangsiantar TAMAT : 1971 SMP : SMP Negeri 2 Pematangsiantar TAMAT : 1974 SMA : SMA Negeri 3 Pematangsiantar TAMAT : 1977 Strata-1 : FMIPA Fisika USU Medan TAMAT : 1987

  Strata-2 : Teknik Informasi USU TAMAT : 2013

  

KATA PENGANTAR

Assalamu’alaikum Wr. Wb.

  Pertama-tama penulis panjatkan syukur Alhamdulillah kepada Allah SWT, berkat rahmat dan kemurahanNya penulis dapat menyelesaikan tesis ini dengan judul Analisis Perbandingan Algoritma Support Vector Clustering (SVC) Dan K-Medoids Pada Klaster Dokumen.

  Laporan tesis ini disusun dan diajukan untuk memenuhi persyaratan dalam

memperoleh gelar magister pada Program Pascasarjana FasilKom TI Universitas

Sumatera Utara.

  Dalam penyelesaian tesis beserta penyusunan laporannya dapat berjalan dengan

lancar, tidak lepas dari dukungan berbagai pihak. Oleh karena itu, penulis mengucapkan

banyak terima kasih kepada: Allah SWT yang senantiasa memberikan kemudahan dan kekuatan kepada penulis dalam memahami dan mengamalkan ilmu-ilmu yang didapatkan selama ini.

  Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc (CTM), Sp. A(K) selaku Rektor Universitas Sumatera Utara, atas kesempatan yang diberikan kepada penulis untuk mengikuti dan menyelesaikan pendidikan Program Magister.

  Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan FasilKom TI Universitas

Sumatera Utara, atas kesempatan yang diberikan kepada penulis untuk mengikuti dan

menyelesaikan pendidikan Program Magister pada Program Pascasarjana FasilKom TI

Universitas Sumatera Utara..

  Bapak Prof. Dr. Muhammad Zarlis selaku Ketua Program Studi Magister Teknik

Informatika dan selaku dosen pembimbing utama yang dengan penuh perhatian telah

memberikan saran, kritik, dorongan, bimbingan dan motivasi kepada penulis.

  Bapak Muhammad Andri Budiman, S.T, M. Comp. Sc, M.EM selaku Sekretaris Program Studi Magister Teknik Informatika. Bapak Dr. Marwan Ramli, M.Si selaku pembimbing anggota yang dengan penuh kesabaran menuntun dan membimbing penulis hingga selesainya penelitian ini. Seluruh dosen serta civitas akademika pada Program Studi Magister Teknik

Informatika Program Pascasarjana FasilKom TI Universitas Sumatera Utara, yang telah

memberikan bekal ilmu dan pengetahuan selama penulis mengikuti kuliah di Universitas

Sumatera Utara.

  Ketua Yayasan Muhammad Nasir AMIK Tunas Bangsa Pematangsiantar H.

Mauliyah Ahmad Ridwan Syah yang telah memberikan izin, bantuan moril dan materil

dan kesempatan kepada penulis untuk mengikuti pendidikan lanjutan pada program

Pascasarjana FasilKom TI Universitas Sumatera Utara.

  Orangtua tercinta, almarhum ayahanda dan almarhum ibunda serta seluruh keluarga yang senantiasa mendoakan dan memberikan dorongan kepada penulis. Istri dan anak tercinta Nikma Siregar, Fanny Andhina dan Riyan Muhammad

yang selalu mendoakan, memberikan semangat dengan kasih, sabar dan bantuan selama

penulis mengikuti pendidikan. Budi baik ini tidak dapat dibalas, hanya diserahkan kepada Allah SWT, Tuhan Yang Maha Esa. Sekali lagi terimakasih.

  Rekan mahasiswa se-angkatan penulis program studi magister (S2) Teknik

Informatika Komputer FasilKom TI Universitas Sumatera Utara dan rekan sejawat di

AMIK Tunas Bangsa Pematangsiantar, yang telah banyak membantu penulis selama

mengikuti perkuliahan.

  Direktur AMIK Tunas Bangsa, Bapak Rahmat Widia Sembiring, M.Sc.IT. yang telah banyak membantu penulis dalam menyelesaikan tesis ini. Bapak Prof. Dr. Opim Salim Sitompul yang telah banyak memberikan dorongan kepada penulis untuk menyelesaikan tesis ini. Semua pihak yang tidak dapat disebutkan satu-persatu, yang telah berperan serta dalam penelitian tesis ini dan dalam pembuatan laporan tesis ini.

  Penulis menyadari bahwa penulisan laporan tesis ini masih jauh dari

kesempurnaan baik dari segi materi yang dibahas maupun dari penulisannya. Untuk itu

saran dan kritik yang bersifat membangun sangat penulis harapkan.

  Akhir kata penulis berharap semoga tesis beserta laporannya ini membawa

manfaat dan faedah bagi pembaca dan pihak-pihak yang berkepentingan, serta buat

penulis sendiri sebagai dharma bakti penulis kepada almamater.

  Wassalamualaikum.Wr.Wb.

  Medan, 6 Juni 2013 Penulis SUHADA

  ABSTRAK

  Data dengan jumlah yang begitu besar berpotensi menghasilkan kesalahan dalam penyajian informasi. Pengolahan data dokumen juga menjadi isu penting pada saat ini. Seiring dengan meningkatkan jumlah data yang dikumpulkan dan disimpan dalam suatu database meningkat secara drastis. Data ini dapat berasal dari berbagai macam sumber seperti aplikasi financial, Enterprise Resource Management (ERM), Customer Relationship Management (CRM), dan lain-lain. Data-data tersebut jika di olah dapat digunakan untuk menunjang proses pengambilan keputusan.

  Penelitian ini difokuskan kepada isu aplikasi metode data mining pada kasus pengelompokkan data (Clustering). Dengan terdapatnya jumlah data yang cukup besar memungkinkan peranan metode data mining dalam hal proses segmentasi melalui klastering yang dapat mengelompokkan data ke dalam beberapa kelompok (Klaster) yang diinginkan. Adapun metode data mining yang digunakan Support Vector Clustering (SVC) dan algoritma K-Medoids. Pengujian nya dilakukan dengan software Rapidminer. Hasilnya didapat untuk SVC berkisar 11:21 Menit dan K-Medoids berkisar 3:21 Menit.

  Kata Kunci : Algoritma Clustering, Support Vector Clustering,Algoritma K-Medoids.

  ABSTRACT

  Data with such a large number of potentially result in errors in the presentation of information. Data processing documents also become an important issue at this time. Along with the increasing amount of data collected and stored in a database increases drastically. This data can come from a variety of sources such as financial applications, Enterprise Resource Management (ERM), Customer Relationship Management (CRM), and others. These data if if can be used to support the decision-making process.

  This study focused on the issue of application of data mining methods in the case of data classification (clustering). With the presence of a considerable amount of data possible role of data mining methods in the process of segmentation via clustering that can classify the data into groups (clusters) are desired. The data mining method used Support Vector Clustering (SVC) and K-Medoids algorithm. Her test is done with the software RapidMiner. The result obtained for 11:21 Minutes SVC ranges and K-Medoids range 3:21 Minutes.

  Keywords : Clustering Algorithm, Support Vector Clustering, K-Medoids algorithm.

  DAFTAR ISI Halaman

  KATA PENGANTAR i

  ABSTRAK iv

  ABSTRACT v

  DAFTAR ISI vi

BAB I PENDAHULUAN

  1.1 Latar Belakang

  18

  2.8 Kontribuasi Riset

  17

  2.9 Analisa dan Interpretasi

  17 BAB III METODE PENELITIAN

   18

  3.1. Pendahuluan

   18

  3.2 Lokasi dan Waktu Penelitian

  3.3 Rancangan Penelitian

  2.7 Riset-Riset Terkait

  20

  3.4 Flowchart Metodologi Penelitian

  21

  3.5 Perancangan Proses Klastering

  23 BAB IV HASIL DAN PEMBAHASAN

   24

  4.1 Komunitas Rapidminer

   24

  16

  15

  1

   4

  1.2 Perumusan Masalah

  2

  1.3 Ruang Lingkup Penulisan

  2

  1.4 Batasan Masalah

  3

  1.5 Tujuan Penelitian

  3 BAB II TINJAUAN PUSTAKA

  2.1 Penambangan Data (Data Mining)

  2.6 Algoritma K-Medoids

  4

  2.2 Klastering

  7

  2.3 Dokumen Klastering

  8

  2.4 Support Vektor Clustering (SVC)

  12

  1

  14

  2.5 Algoritma Support Vektor Clustering

  4.2 Sampel Data Yang Bersumber Dari Berbagai Bidang Pendidikan AMIK Tunas Bangsa Pematangsiantar

  25

  4.3 Proses Support Vector Clustering

  25

  4.4 Hasil Proses Support Vector Clustering

  31

  4.5 Proses K-Medoids

  38 BAB V PENUTUP

   53

  5.1. Kesimpulan

   53

  5.2. Saran

   53 DAFTAR PUSTAKA LAMPIRAN