Implementasi data mining untuk mengindentifikasi profil donatur organisasi veteran Amerika menggunakan model pohon keputusan [decision tree].

viii

ABSTRAK

Data mining didefinisikan sebagai metode penemuan informasi yang tersembunyi dalam suatu basisdata yang berukuran besar dan sulit diperoleh dengan hanya menggunakan kueri biasa. Data mining dapat direpresentasikan dengan berbagai model dimana salah satunya adalah model klasifikasi.

Dalam tugas akhir ini diimplementasikan salah satu teknik dalam model klasifikasi yaitu pohon keputusan (decision tree) dengan algorima ID3. Implementasi ini akan digunakan untuk mengidentifikasi profil donatur organisasi veteran Amerika yang memberikan respon terhadap layanan pengiriman surat langsung dengan kartu kosong (NK) pada tahun 1997. Data-data diperoleh dari dataset yang disediakan oleh situs http:// kdd.ics.uci.edu/ databases/ kddcup98/ kddcup98.html.

Uji aturan dengan menetapkan 310 records sebagai data pada training set dan mengubah-ubah jumlah sampel data pada test set menghasilkan nilai rerata persentase keberhasilan sebesar 66.1815 %. Uji aturan dengan mengubah-ubah jumlah sampel data training set dan menetapkan jumlah sampel test set sebanyak 50 records menghasilkan nilai rerata persentase keberhasilan sebesar 64.75 %.

ix

ABSTRACT

Data mining was defined as a method of discovery the hidden information in a large database which is difficult to get by usual query. Data mining can be represented by various models. One of them is classification.

This paper implemented decision tree technique using ID3 algorithm as one technique of classification model. This implementation will be used to identify donor’s profile of American Veteran Organization who give response to direct mail service with an empty card (NK) in 1997. The dataset was obtained from the following site: http://kdd.ics.uci.edu/databases/kddcup98/kddcup98.html.

The average success rate of experiments with 310 records as training set and various amount of test set is 66.1815 %. The average success rate of experiments with various amount of training set and 50 records as test set is 64.75 %.

IMPLEMENTASI DATA MINING UNTUK MENGIDENTIFIKASI PROFIL DONATUR ORGANISASI VETERAN AMERIKA MENGGUNAKAN MODEL POHON KEPUTUSAN (DECISION TREE)

Skripsi

Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Sains

Program Studi Ilmu Komputer

Oleh :

Stefany Yunita Baralangi NIM : 013124067

PROGRAM STUDI ILMU KOMPUTER JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA YOGYAKARTA

2008

THE IMPLEMENTATION OF DATA MINING TO IDENTIFY DONOR’S PROFILE OF AMERICAN VETERAN ORGANIZATION USING

DECISION TREE MODEL

A Thesis

Presented as Partial Fulfillment of the Requirements To Obtain the Sarjana Sains Degree

in Computer Science Study Program

By:

Stefany Yunita Baralangi Student Number : 013124067

COMPUTER SCIENCE STUDY PROGRAM DEPARTMENT OF MATHEMATICS FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY YOGYAKARTA

2008

HALAMAN PERSEMBAHAN

Lord, seeking You as a precious jewel… Lord, to give up, I’d be a fool…

Dedicated To:

•

My All in All, ..JESUS CHRIST..

•

Beloved, Bpk Paulus R Baralangi & Mama Elty Topayung

•

Little brother, Donny

HALAMAN MOTTO

•

Diberkatilah orang yang mengandalkan

TUHAN,

yang

menaruh harapannya pada

TUHAN

(Yeremia 17:7)

•

Dengan diri kami sendiri kami tidak sanggup untuk

memperhitungkan sesuatu seolah-olah pekerjaan kami

sendiri; tidak, kesanggupan kami adalah pekerjaan

A

llah

(2 Korintus 3:5)

Masa depan,…. Bukan sekedar impian

Perubahan,….

Bukan sekedar pembicaraan Kemenangan,…. Bukan sekedar penantian

Semua adalah kenyataan yang berproses di kehidupan Dari DIA, oleh DIA, untuk DIA,…

di dalam Kita

(Pdt. Bigman Sirait)

vii

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.

Yogyakarta, 30 Agustus 2008 Penulis

viii

ABSTRAK

Data mining didefinisikan sebagai metode penemuan informasi yang tersembunyi dalam suatu basisdata yang berukuran besar dan sulit diperoleh dengan hanya menggunakan kueri biasa. Data mining dapat direpresentasikan dengan berbagai model dimana salah satunya adalah model klasifikasi.

Dalam tugas akhir ini diimplementasikan salah satu teknik dalam model klasifikasi yaitu pohon keputusan (decision tree) dengan algorima ID3. Implementasi ini akan digunakan untuk mengidentifikasi profil donatur organisasi veteran Amerika yang memberikan respon terhadap layanan pengiriman surat langsung dengan kartu kosong (NK) pada tahun 1997. Data-data diperoleh dari dataset yang disediakan oleh situs http:// kdd.ics.uci.edu/ databases/ kddcup98/ kddcup98.html.

Uji aturan dengan menetapkan 310 records sebagai data pada training set dan mengubah-ubah jumlah sampel data pada test set menghasilkan nilai rerata persentase keberhasilan sebesar 66.1815 %. Uji aturan dengan mengubah-ubah jumlah sampel data training set dan menetapkan jumlah sampel test set sebanyak 50 records menghasilkan nilai rerata persentase keberhasilan sebesar 64.75 %.

ix

ABSTRACT

Data mining was defined as a method of discovery the hidden information in a large database which is difficult to get by usual query. Data mining can be represented by various models. One of them is classification.

This paper implemented decision tree technique using ID3 algorithm as one technique of classification model. This implementation will be used to identify donor’s profile of American Veteran Organization who give response to direct mail service with an empty card (NK) in 1997. The dataset was obtained from the following site: http://kdd.ics.uci.edu/databases/kddcup98/kddcup98.html.

The average success rate of experiments with 310 records as training set and various amount of test set is 66.1815 %. The average success rate of experiments with various amount of training set and 50 records as test set is 64.75 %.

x

KATA PENGANTAR

Puji dan sembah syukur penulis haturkan kepada Tuhan Yesus atas cinta dan anugerahNya sehingga penulisan skripsi ini dapat terselesaikan dengan baik.

Skripsi ini ditulis untuk melengkapi salah satu syarat memperoleh gelar Sarjana Sains pada Program Studi Ilmu Komputer, Fakultas Sains dan Teknologi Universitas Sanata Dharma.

Dalam proses penulisan skripsi ini penulis tidak terlepas dari dukungan doa, bimbingan dan bantuan dari berbagai pihak. Dengan rasa sukacita, pada kesempatan ini penulis menyampaikan terima kasih kepada :

1. Ibu Paulina Heruningsih Prima Rosa, S.Si., M.Sc selaku dosen pembimbing skripsi dan KaProdi Ilmu Komputer, telah membimbing penulis dengan penuh kasih, memberikan saran dan diskusi bagi penyempurnaan penulisan skripsi ini. Terimakasih Ibu, sudah “mengajarkan” saya apa arti penelitian yang sesungguhnya.

2. Bapak Ir. Ign. Aris Dwiatmoko, M.Sc, yang telah meluangkan waktu untuk membimbing, berdiskusi dan meminjamkan buku-buku statistik yang sangat membantu.

3. Bapak Yanuarius Joko Nugroho, S.Si selaku dosen penguji, yang telah memberikan saran yang sangat membantu untuk penyempurnaan skripsi ini. 4. Bapak Iwan Binanto, S.Si selaku dosen penguji, yang telah memberikan

xi

5. Romo Ir. Greg. Heliarko S.J., S.S., B.S.T., M.A., M.Sc, selaku Dekan Fakultas Sains dan Teknologi.

6. Bapak St. Eko Hari Permadi, S.Kom., M.Kom selaku dosen pembimbing akademik, yang sudah menemani IKOMers 01 mengikuti proses perkuliahan.

7. Dosen-dosen jurusan Matematika Prodi Ilmu Komputer FST USD yang telah membagikan ilmu pengetahuan Anda.

8. Ibu Ridowati Gunawan, S.Kom., M.T, yang telah memberikan bimbingan dan pengajaran mengenai dasar-dasar data mining.

9. Staf sekretariat Fakultas Sains dan Teknologi, Universitas Sanata Dharma (khususnya Bpk Z.Tukija dan Ibu Linda) dan laboran Lab.TA (Mas Susilo). 10. Bapak&Mama, yang tidak pernah lelah “berkata” melalui tindakannya:

“Dalam persekutuan dengan TUHAN jerih payahmu tidak sia-sia”. Terimakasih Fany tak akan pernah cukup mewakili yang sudah Bapak&Mama berikan, saya terberkati karenanya. Selalu hanya bisa bilang “Puji Tuhan, Kurre sumanga’ pole poraya“.

11. Adikku, Donny, tanpa banyak kata saya tau ji ko selalu sayang & dukung ka’. Terima kasih untuk rasa berbagi, pinjaman kamar & mp 4 mu nah. 12. Kel. Besar Baralangi dan Topayung. Terima kasih untuk dukungan doa dan

semangat yang tiada henti.

13. Rina, Grace, Gini, Via, Fanya+adik2 rohaninya, Nona dan Mindy. I’m speechless for everything..Terimakasih sudah jarang bertanya ”Kenapa.?”

xii

14. Kel. besar SMADA’01 Mks khususnya saudara2ku di Persekutuan KrisMan’01+Made, Pépeng, dkk.

15. Sahabat2 di IKOM’01: Janner, Melia, Sakti, Agnes, Niken, Prio, Fajar, Berto, Agnes Desi, Mujib, Fefe, Oix, Handry, Ferdi, Ijal, Simon, Tommy, Sam, Deta dan yang belum dapat dituliskan namanya satu-persatu.

16. Kel. Drs Muh Djazim, K’Ante & K’Emma (di kost Bu Koen) & saudara2 di kost Pelita: K’ Iwa, Sinta, Rika, K’Yeni, Cé Yenni, Tari & Ufa.

17. The Four Musketeers: Rian, Herbert, Jimmy & Joslea.

18. K’Marlin & Mbak Galuh (IKOM’99), Mbak Bertha (IKOM’00), Pritty (IKOM 02), IKOM 03 & IKOM 04 (komunitas Lab.TA) untuk diskusinya. 19. Dan di atas segalanya & selamanya, Terimakasih TUHAN YESUS untuk

semuanya (“kiriman” laptop, utusan orang2 terhebat yang telah & belum sempat saya tuliskan namanya di atas & hal2 mengagumkan yang telah diijinkan terjadi untuk memproses saya..)

Besar harapan penulis agar skripsi ini dapat menjadi inspirasi dan bermanfaat bagi pengembangan ilmu pengetahuan pembaca. Penulis mengucapkan terima kasih jika ada kritik dan saran yang bermanfaat bagi penulis karena adanya ketidaksempurnaan dalam skripsi ini.

Yogyakarta, 30 Agustus 2008

xiii

DAFTAR ISI

HALAMAN JUDUL... i

HALAMAN PERSETUJUAN PEMBIMBING ... iii

HALAMAN PENGESAHAN... iv

HALAMAN PERSEMBAHAN ... v

HALAMAN MOTTO ... vi

PERNYATAAN KEASLIAN KARYA ... vii

ABSTRAK ... viii

ABSTRACT ... ix

KATA PENGANTAR ... x

DAFTAR ISI... xiii

DAFTAR TABEL... xv

DAFTAR GAMBAR ... xviii

BAB I PENDAHULUAN ... 1

A. Latar Belakang Masalah ... 1

B. Rumusan Masalah... 4

C. Batasan Masalah ... 4

D. Metodologi... 5

E. Tujuan... 6

F. Manfaat... 6

xiv

BAB II LANDASAN TEORI ... 8

A. Pengertian Data Mining... 8

B. Proses Data Mining... 8

C. Model Klasifikasi ... 11

D. Pohon Keputusan... 12

E. Contoh Penerapan Algoritma Pohon Keputusan ... 26

BAB III ANALISA DAN PERANCANGAN SISTEM... 44

A. Identifikasi dan Analisa Sistem ... 44

B. Perancangan Sistem... 45

1. Input ... 45

2. Proses ... 59

3. Output ... 63

4. Antarmuka Pengguna... 65

BAB IV IMPLEMENTASI SISTEM ... 78

A. Spesifikasi Software dan Hardware... 78

B. Jalannya Program ... 78

C. Analisa Hasil Program... 110

D. Kelebihan dan Kelemahan Program ... 116

BAB V KESIMPULAN DAN SARAN... 118

A. Kesimpulan... 118

B. Saran ... 119

xv

DAFTAR TABEL

Tabel 2.1 Bentuk Umum Tabel Kontingensi 2x2 ... 17

Tabel 2.2 Data Cuaca ... 26

Tabel 2.3 Nilai Gain Untuk Menentukan Simpul Awal Setiap Atribut ... 34

Tabel 2.4 Nilai Gain Untuk Menentukan Simpul Selanjutnya... 36

Tabel 2.5 Aturan If..Then Yang Belum Disederhanakan ... 37

Tabel 2.6 Tabel Kontingensi Outlook... 38

Tabel 2.7 Nilai Frekuensi Harapan Outlook... 38

Tabel 2.8 Tabel Kontingensi Humidity... 39

Tabel 2.9 Nilai Frekuensi Harapan Humidity... 40

Tabel 2.10 Tabel Kontingensi Wind... 41

Tabel 2.11 Nilai Frekuensi Harapan Wind... 42

Tabel 2.12 Aturan Yang Paling Sederhana ... 43

Tabel 2.13 Hasil Prediksi Pada Data Training ... 43

Tabel 3.1 Deskripsi Atribut (Variable) Tabel Training ... 45

Tabel 3.2 Nilai Kejadian Atribut ODATEDW Year (dua digit pertama) ... 48

Tabel 3.3 Nilai Kejadian Atribut ODATEDW Month (dua digit terakhir)... 48

Tabel 3.4 Nilai Kejadian Atribut MAILCODE... 48

Tabel 3.5 Nilai Kejadian Atribut PVASTATE ... 48

Tabel 3.6 Nilai Kejadian Atribut NOEXCH ... 49

xvi

Tabel 3.8 Nilai Kejadian Atribut RECP3... 49

Tabel 3.9 Nilai Kejadian Atribut RECPGVG ... 49

Tabel 3.10 Nilai Kejadian Atribut RECSWEEP ... 49

Tabel 3.11 Nilai Kejadian Atribut TCODE ... 50

Tabel 3.12 Nilai Kejadian Atribut MDMAUD ... 52

Tabel 3.13 Nilai Kejadian 1st Byte : Recency of Giving... 52

Tabel 3.14 Nilai Kejadian 2nd Byte : Frequency of Giving ... 53

Tabel 3.15 Nilai Kejadian 3rd Byte : Amount of Giving... 53

Tabel 3.16 Nilai Kejadian Atribut DOMAINX ... 53

Tabel 3.17 Nilai Kejadian Atribut Cluster ... 53

Tabel 3.18 Nilai Kejadian Atribut AGE... 53

Tabel 3.19 Nilai Kejadian Atribut AGEFLAG ... 54

Tabel 3.20 Nilai Kejadian Atribut HOMEOWNR... 54

Tabel 3.21 Nilai Kejadian Atribut NUMCHLD... 54

Tabel 3.22 Nilai Kejadian Atribut INCOME ... 54

Tabel 3.23 Nilai Kejadian Atribut GENDER... 54

Tabel 3.24 Nilai Kejadian Atribut WEALTH ... 55

Tabel 3.25 OTHER TYPES OF MAIL ORDER OFFERS... 55

Tabel 3.26 Nilai Kejadian Atribut OTHER TYPES OF MAIL ORDER OFFERS... 55

Tabel 3.27 Nilai Kejadian Atribut DATASRCE... 56

Tabel 3.28 Nilai Kejadian Atribut MALEMILI... 56

xvii

Tabel 3.30 Nilai Kejadian Atribut GOV ... 56

Tabel 3.31 Nilai Kejadian Atribut SOLP3 ... 56

Tabel 3.32 Nilai Kejadian Atribut SOLIH ... 57

Tabel 3.33 Nilai Kejadian Atribut MAJOR ... 57

Tabel 3.34 Nilai Kejadian Atribut LIFESRC... 57

Tabel 3.35 Nilai Kejadian Atribut PEPSTRFL ... 57

Tabel 3.36 Nilai Kejadian Atribut HPHONE_D... 57

Tabel 3.37 Nilai Kejadian Atribut RFA_2 ... 58

Tabel 3.38 Nilai Kejadian 1st Byte Recency of Giving ... 58

Tabel 3.39 Nilai Kejadian 2nd Byte Frequency of Giving... 58

Tabel 3.40 Nilai Kejadian 3rd Byte: Amount of Giving... 59

Tabel 3.41 Nilai Kejadian Atribut TARGET_B (Atribut Keputusan) ... 59

Tabel 4.1 Struktur Tabel Tipe Data Record TrecKej ... 87

Tabel 4.2 Sampel Data Homogen ... 93

Tabel 4.3 Struktur String Grid Pada Form Unprunned Rule... 97

Tabel 4.4 Contoh Sampel Data Pada Form Uji Sampel Data Pengguna... 106

Tabel 4.5 Hasil Percobaan 1... 111

Tabel 4.6 Detail Jumlah Aturan Percobaan 1... 111

Tabel 4.7 Hasil Percobaan 2... 112

Tabel 4.8 Detail Jumlah Aturan Percobaan 2... 112

Tabel 4.9 Hasil Percobaan 3... 114

xviii

DAFTAR GAMBAR

Gambar 2.1 Diagram Tahapan Proses Data Mining... 9

Gambar 2.2 Data Mining dan Teknologi Basis Data Lainnya ... 10

Gambar 2.3 Nilai Positif dan Negatif Kejadian Outlook... 27

Gambar 2.4 Nilai Positif dan Negatif Kejadian Temperature... 29

Gambar 2.5 Nilai Positif dan Negatif Kejadian Humidity... 31

Gambar 2.6 Nilai Positif dan Negatif Kejadian Wind... 32

Gambar 2.7 Pohon Awal ... 34

Gambar 2.8 Percabangan Pohon ... 36

Gambar 3.1 Desain Form Menampilkan Data ... 65

Gambar 3.2 Desain Form Detail Data... 67

Gambar 3.3 Desain Form Unprunned Tree... 68

Gambar 3.4 Desain Form Detail Gain... 70

Gambar 3.5 Desain Form Unprunned Rule... 71

Gambar 3.6 Desain Form Keterangan Anteseden... 73

Gambar 3.7 Desain Form Uji Aturan... 74

Gambar 3.8 Desain Form Uji Sampel Data Pengguna... 75

Gambar 4.1 Form Awal... 78

Gambar 4.2 Form Tampil Data Training Set... 79

Gambar 4.3 Form Tampil Data Test Set... 80

Gambar 4.4 Form Detail Data Training Set... 81

xix

Gambar 4.6 Form Detail Data Test Set... 83 Gambar 4.7 Kotak Pesan 2 ... 84 Gambar 4.8 Form Unprunned Tree... 84 Gambar 4.9 Form Pesan Saat Proses Mining Sedang Berlangsung ... 90 Gambar 4.10 Kotak Pesan 3 ... 90 Gambar 4.11 Tampilan Form Unprunned Tree Setelah Program

Memperoleh Pohon Keputusan ... 95 Gambar 4.12 Kotak Pesan 4 ... 95 Gambar 4.13 Form Detail Gain... 96 Gambar 4.14 Form Unprunned Rule... 97 Gambar 4.15 Form Unprunned Rule dengan Konsekuen ‘YES’... 98 Gambar 4.16 Form Unprunned Rule dengan Konsekuen ‘NO’... 99 Gambar 4.17 Form Keterangan Anteseden... 99 Gambar 4.18 Form Uji Aturan ... 100 Gambar 4.19 Form Uji Aturan Saat Pengguna Menekan Tombol

Buka Tabel Tes ...101 Gambar 4.20 Kotak Pesan 5 ... 102 Gambar 4.21 Kotak Pesan 6 ... 102 Gambar 4.22 Kotak Pesan 7 ... 102 Gambar 4.23 Kotak Pesan 8 ... 103 Gambar 4.24 Kotak Pesan 9 ... 103 Gambar 4.25 Form Pesan Saat Proses Mining Sedang Berlangsung ... 104 Gambar 4.26 Form Uji Aturan Setelah Memperoleh Hasil Uji Aturan ... 104

xx

Gambar 4.27 Form Uji Sampel Data Pengguna... 105 Gambar 4.28 Kotak Pesan 10 ... 106 Gambar 4.29 Form Uji Sampel Data Pengguna Setelah Pengguna

Memasukkan Sampel Aturan ... 107 Gambar 4.30 Form Uji Sampel Data Pengguna Dengan Nilai

Konsekuen TARGET_B Tidak Dapat Diprediksi... 108 Gambar 4.31 Kotak Pesan 11 ... 108 Gambar 4.32 Form Tentang Program ... 109 Gambar 4.33 Form Pembuat Program ... 110 Gambar 4.34 Grafik Persentase Keberhasilan Percobaan 2 ... 113 Gambar 4.35 Grafik Persentase Keberhasilan Percobaan 3 ... 115

BAB I PENDAHULUAN

A. Latar Belakang Masalah

Data-data yang berguna bagi suatu organisasi biasanya direkam dalam basis data, seperti profil anggota, pencatatan administrasi keuangan, program kerja, dan lain-lain. Semakin besar ruang lingkup kerja suatu organisasi maka semakin besar pula ukuran basis data yang diperlukan untuk merekam data-datanya. Ukuran basis data dapat bertambah hingga mencapai terabytes.

Melalui basis data yang ada, suatu organisasi dapat menemukan pola strategis dari informasi yang terekam untuk melakukan evaluasi peningkatkan kinerja organisasi. Cara tradisional penemuan pola yang dapat digunakan adalah membangun basis data yang disebut OLAP (Online Analytical Processing). OLAP adalah istilah yang menggambarkan suatu teknologi yang memproses data di dalam data warehouse dalam struktur multi dimensional agar dapat menyediakan akses yang cepat untuk kueri analisis yang kompleks (Ridowati Gunawan, 2005). Dengan ukuran basis data yang bertambah besar sesuai dengan kebutuhan penyimpanan data organisasi maka sulit jika hanya menggunakan laporan hasil kueri dan OLAP.

Salah satu organisasi yang mempunyai basis data dalam ukuran besar adalah organisasi veteran Amerika. Organisasi ini

merupakan organisasi nirlaba yang menyediakan layanan pengobatan bagi para pejuang veteran Amerika Serikat yang menderita lumpuh. Organisasi veteran Amerika ini memperoleh dana dari para donatur yang terekam dalam basis data dengan mengirimkan surat langsung kepada donatur. Surat langsung yang dikirimkan bermacam-macam, seperti kartu kosong (NK), kartu ucapan (GK), kalender (CC), dan lain-lain. Pengiriman surat langsung akan menjadi sia-sia belaka jika donatur yang dikirimi surat tidak memberi tanggapan. Jika hal ini terjadi maka organisasi akan menghabiskan biaya yang besar untuk pengiriman surat tersebut. Oleh karena itu dari data-data donatur yang terekam dapat dilakukan identifikasi profil donatur yang memberikan tanggapan terhadap salah satu bentuk pengiriman surat langsung.

Pada tugas akhir ini penulis akan melakukan identifikasi profil donatur yang memberikan tanggapan pada salah satu bentuk pengiriman surat langsung yaitu pengiriman surat langsung dengan kartu kosong (NK). Data-data mengenai profil para anggota donatur diperoleh dari situs http:/ kdd.ics.uci.edu/ databases/ kddcup98/ kddcup98.html dan disediakan oleh American Association for Artificial Intelligence (AAAI) dan Epsilon Data Mining Laboratory. Data-data tersebut (dalam format .TXT) berisi informasi mengenai anggota donatur dengan kapasitas yang sangat besar, yaitu terdiri dari 95412 observasi (records) dan 481 atribut (fields). Informasi

yang ingin didapatkan dari data-data tersebut adalah identifikasi profil anggota donatur yang seperti apakah yang akan memberikan respon terhadap bentuk pengiriman surat langsung dengan kartu kosong (NK). Untuk melakukan identifikasi profil anggota tersebut, tentu sulit jika hanya menggunakan kueri.

Seiring perkembangan teknologi maka muncullah teknologi baru yang lebih dari sekedar kueri, yaitu data mining. Data mining digambarkan sebagai proses penentuan pola penting dari sebuah basis data yang besar. Data mining timbul karena meningkatnya kebutuhan informasi manusia sehingga terjadi data explosion dari data yang sudah direkam selama bertahun-tahun tanpa mempertimbangkan kegunaan informasinya bagi organisasi (Yudho Giri Sucahyo, 2003). Dengan teknologi data mining, kasus identifikasi profil donatur yang memberikan respon terhadap pengiriman surat langsung dapat diselesaikan.

Dalam masalah ini penulis menggunakan model klasifikasi dengan algoritma pohon keputusan (decision tree). Hal ini sesuai dengan masalah yang akan diselesaikan yaitu bagaimanakah profil donatur yang memberikan respon terhadap bentuk pengiriman surat langsung dengan kartu kosong (NK). Selain itu pohon keputusan adalah algoritma model klasifikasi yang mudah dipelajari dibandingkan algoritma model klasifikasi yang lain.

B. Rumusan Masalah

Bagaimana mengimplementasikan data mining pada dataset organisasi veteran Amerika untuk mengidentifikasi profil donatur yang memberikan respon terhadap bentuk pengiriman surat langsung dengan kartu kosong (NK) pada tahun 1997 menggunakan model pohon keputusan (decision tree) ?

C. Batasan Masalah

1. Dalam skripsi ini dilakukan identifikasi profil donatur pada salah satu bentuk layanan pengiriman surat langsung yang dilakukan organisasi berupa pengiriman surat langsung dengan kartu kosong pada tahun 1997, yaitu 97NK.

2. Algoritma pohon keputusan yang digunakan adalah algoritma ID3.

3. Data-data diperoleh dari dataset yang disediakan oleh situs http://kdd.ics.uci.edu/databases/kddcup98/kddcup98.html. 4. Implementasi program menggunakan Borland Delphi 7.0 dan

jenis tabel menggunakan Paradox 7. 5. Input

Dataset anggota donatur pada organisasi veteran Amerika sebanyak 350 records dan 67 atribut. Proses pengelompokan data dilakukan secara intuitif. Atribut keputusan dari sistem yang dibangun adalah TARGET_B. TARGET_B adalah

variabel target yang menjadi indikator apakah seorang anggota memberikan respon terhadap layanan 97NK. Berikut ini perincian jumlah sampel masing-masing kelas kejadian TARGET_B :

6. Proses

a. Membangun pemahaman akan domain aplikasi, yaitu pengetahuan awal dan tujuan akhir yang akan dicapai oleh pengguna.

b. Membuat himpunan target dataset, yang terdiri dari pemilihan data, fokus pada subset data.

c. Memilih task data mining.

d. Memilih dan menggunakan algoritma data mining. e. Interpretasi, evaluasi dan visualisasi pola.

7. Output

Outputnya adalah identifikasi profil anggota yang memberikan respon terhadap bentuk layanan pengiriman surat langsung dengan kartu kosong pada tahun 1997, yaitu 97NK.

D. Metodologi

1. Mengidentifikasi masalah dan tujuan yang ingin dicapai dari dataset yang ada.

2. Melakukan seleksi terhadap field dan record data yang berguna dalam pengambilan keputusan dari dataset. Membuang data

yang tidak konsisten dan noise seperti data-data yang out of date, data yang salah ketik, maupun data yang kosong.

3. Menerapkan teknik data mining dengan mengaplikasikan algoritma yang tepat. Model klasifikasi yang akan digunakan adalah model pohon keputusan dengan algoritma ID3 Quinlan. 4. Pengujian model agar dapat direpresentasikan kepada

pengguna. 5. Kesimpulan.

E. Tujuan

Dapat melakukan identifikasi profil donatur pada organisasi veteran Amerika yang memberikan respon terhadap bentuk pengiriman surat langsung dengan kartu kosong (NK) pada tahun 1997.

F. Manfaat

Hasil identifikasi profil dapat bermanfaat bagi organisasi veteran Amerika untuk memprediksikan donatur yang akan memberikan respon terhadap layanan pengiriman surat langsung dengan kartu kosong (NK) sehingga organisasi dapat mengurangi biaya pengiriman.

G. Sistematika Penulisan Bab I. Pendahuluan

Dalam bab ini dibahas tentang latar belakang masalah, rumusan masalah, batasan masalah, metodologi, tujuan, manfaat, dan sistematika penulisan.

Bab II. Landasan Teori

Dalam bab ini akan dijelaskan mengenai pengetahuan yang menjadi dasar teori dalam mengimplementasikan data mining pada dataset untuk mengidentifikasi profil anggota donatur yang memberikan respon terhadap bentuk pengiriman surat langsung dengan kartu kosong (NK). Dasar teori mencakup data mining, model klasifikasi, dan algoritma ID3.

Bab III. Analisa dan Perancangan Sistem

Dalam bab ini akan diidentifikasikan masalah yang akan diselesaikan dan tahap-tahap penyelesaian masalah tersebut dengan menggunakan algoritma ID3.

Bab IV. Implementasi Sistem

Bab ini memuat implementasi sistem menggunakan algoritma ID3 dan hasil implementasi algoritma tersebut.

Bab V. Kesimpulan dan Saran

Dalam bab ini terdapat kesimpulan dan saran dari keseluruhan penulisan tugas akhir.

BAB II

LANDASAN TEORI

A. Pengertian Data Mining

Data mining dapat didefinisikan sebagai suatu metode pencarian informasi yang tersembunyi dan merupakan bagian yang penting dalam suatu basis data berukuran besar yang sulit diperoleh dengan hanya menggunakan kueri basis data biasa atau analisis statistik biasa (Djunaidy dan Soelaiman, 2001). Data mining

berhubungan dekat dengan sub area Knowledge Discovery in Databases (KDD). Karakteristik yang membedakan data mining

adalah volume data yang sangat besar.

B. Proses Data Mining

Proses-proses yang terjadi dalam data mining adalah : a. Seleksi dan penarikan contoh

Seleksi / segmentasi data sesuai dengan kriteria tertentu sehingga

subset dari data dapat ditentukan. b. Pengolahan

Merupakan tahap pembersihan data dengan membuang data yang dianggap tidak perlu sehingga dapat memperlambat proses kueri. Pembersihan juga dapat dilakukan dengan rekonfigurasi data agar format data tetap konsisten.

c. Transformasi

Data diubah menjadi data yang berguna dan terarah.

d. Data mining

Tahap ini dilakukan penyaringan pola data. e. Evaluasi

Pola yang diperoleh sistem diinterpretasi ke dalam bentuk pengetahuan yang mendukung pengguna untuk mengambil keputusan, misalnya prediksi dan klasifikasi.

Proses-proses di atas diilustrasikan pada gambar 2.1 di bawah ini:

Gambar 2.1 Diagram Tahapan Proses Data Mining

Diantara bermacam-macam teknologi basis data yang ada, data mining sering disejajarkan dengan data warehouse (gudang data). Data warehouse digunakan untuk melakukan OLAP (On-Line Analytical Processing), sedangkan data mining digunakan untuk melakukan information discovery yang ditujukan bagi data analyst

dan business analyst. OLAP adalah istilah yang menggambarkan suatu teknologi yang memproses data di dalam struktur multi-dimensional agar dapat menyediakan akses yang cepat untuk kueri analisis yang kompleks.

Gambar 2.2 Data Mining dan Teknologi Basis Data Lainnya

C. Model Klasifikasi

Data mining memiliki bermacam-macam model yang dapat digunakan dalam melakukan analisa terhadap suatu basis data. Model yang akan digunakan dalam identifikasi profil anggota yang merespon salah satu bentuk layanan pengiriman surat langsung adalah model klasifikasi.

Klasifikasi merupakan proses pemodelan berdasarkan himpunan kelas data dan nilai-nilai (label kelas) dalam suatu atribut klasifikasi dan menggunakannya didalam mengklasifikasikan data baru.

Proses klasifikasi melalui dua tahap (Jiawei Han dan Micheline Kamber, 2001), yaitu :

1. Membangun model.

Tahap ini menguraikan suatu himpunan kelas yang ditentukan sebelumnya. Setiap tuple/sampel dimisalkan masuk ke dalam suatu kelas yang didefinisikan sebelumnya, seperti yang ditetapkan melalui atribut label kelas. Model disajikan sebagai kaidah klasifikasi, pohon keputusan, atau rumus matematika.

2. Menggunakan model untuk klasifikasi.

Model yang ada digunakan untuk klasifikasi atau untuk mengambil keputusan. Model diimplementasikan dalam

seberapa besar keakuratan model yang ada dalam klasifikasi. Tingkat akurasi adalah persentase dari contoh

training set yang diklasifikasikan secara benar oleh model.

D. Pohon Keputusan

Pohon keputusan adalah representasi graph dari kumpulan aturan klasifikasi. Pohon keputusan merupakan model data tertentu yang digunakan untuk membantu memecahkan masalah dengan mengklasifikasikan masalah ke dalam banyak kategori untuk dapat memprediksikan hasilnya. Pengklasifikasian masalah pada pohon keputusan dapat dilakukan secara rekursif.

Suatu pohon keputusan adalah suatu graph atau pohon yang memiliki sifat-sifat sebagai berikut :

a. Pohon tersebut memiliki simpul (node) awal yang disebut root.

b. Memiliki beberapa simpul akhir yang tidak memiliki simpul lanjutan (successor) yang disebut

leaf.

c. Memiliki atribut yang digunakan sebagai internal node, yang mempunyai satu simpul pendahulu (predecessor) dan beberapa simpul lanjutan.

Dalam tugas akhir ini, penulis melakukan analisa dengan menggunakan salah satu algoritma pohon keputusan, yaitu ID3. Algoritma ID3 dipublikasikan oleh J.R Quinlan dalam makalahnya yang berjudul “Induction of Decision Tree”.

Algoritma ID3 merupakan salah satu algoritma yang digunakan untuk membangun sebuah pohon keputusan dari sekumpulan contoh yang ada dimana hasilnya digunakan untuk mengklasifikasikan contoh yang akan datang. Algoritma ID3 memiliki kelas yang didapat dari kumpulan kejadian tertentu dengan proses sebagai berikut :

1. Mengubah bentuk data menjadi model pohon

Langkah-langkah untuk mengubah bentuk data (tabel) menjadi pohon adalah sebagai berikut :

a. Menentukan simpul terpilih

Untuk menentukan simpul terpilih dilakukan penghitungan nilai gain dari setiap kriteria. Nilai gain diperoleh setelah melakukan penghitungan nilai entropi. Simpul yang dipilih adalah kriteria dengan nilai gain yang paling besar.

Entropi (S) merupakan jumlah informasi dalam sebuah atribut dan menggambarkan ukuran homogenitas dari sekumpulan sampel. Suatu himpunan S yang memuat kejadian-kejadian positif dan negatif memiliki entropi dari

himpunan S relatif terhadap klasifikasi biner yang didefinisikan sebagai berikut :

entropi (S) = - P+ log2 P+ - P- log2 P- ... 2.1 dimana :

S = ruang sampel data yang digunakan untuk training. P+ = rasio dari kejadian positif dalam S terhadap jumlah

sampel dalam S.

P- = rasio dari kejadian negatif dalam S terhadap jumlah

sampel dalam S.

Entropi bernilai 0 bila himpunan S homogen sempurna. Entropi bernilai 1 bila himpunan S tak homogen sempurna. Jika himpunan memuat jumlah sampel positif dan negatif tak sama, entropi akan terletak diantara 0 dan 1.

Nilai rata-rata entropi suatu atribut dirumuskan sebagai berikut:

E =

∑

= ⎟⎟⎠ ⎞ ⎜⎜ ⎝ ⎛ _× ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ inst i i t i e n n 1 ... 2.2 dimana :

inst = jumlah kejadian

ni = jumlah data kejadian ke-i

nt = jumlah total data keseluruhan

ei = nilai entropi kejadian ke-i

Setelah menghitung nilai rata-rata entropi, dilakukan perhitungan nilai gain. Gain (S A) adalah informasi yang

diperoleh melalui percabangan simpul pada atribut A. Gain dirumuskan sebagai berikut :

Gain (S A) = Entropi (S) – Nilai rata-rata Entropi (S)…2.3 dimana :

S = ruang sampel data yang digunakan untuk training. A = atribut dalam sampel data training

b. Menyusun pohon

Menyusun pohon dimulai pada simpul terpilih setelah dicari nilai gain. Nilai gain atribut yang terbesar yang dijadikan simpul terpilih. Semakin besar nilai gain, semakin banyak informasi yang dapat diperoleh tentang atribut output. Untuk menentukan simpul daun selanjutnya, dilakukan langkah-langkah berikut ini :

1) Pilih simpul daun yang memiliki sampel data yang tidak homogen.

2) Cari nilai gain pada setiap atribut kecuali atribut yang telah menjadi simpul di atasnya.

3) Tentukan simpul selanjutnya dengan memilih atribut yang memiliki nilai gain paling besar.

2. Mengubah simpul pohon menjadi aturan

Pada langkah ini simpul atau pohon yang telah selesai dibangun diubah menjadi aturan if...then. Simpul-simpul yang ada

merupakan anteseden pada aturan, sedangkan cabang-cabang pada simpul adalah nilai anteseden.

3. Menyederhanakan aturan (prunning)

Tujuan dilakukan prunning adalah untuk mengidentifikasi dan membuang beberapa anteseden (cabang) yang tidak dapat meningkatkan akurasi klasifikasi.

Langkah-langkah penyederhanaan aturan sebagai berikut :

a. Menyederhanakan aturan dengan membuang anteseden yang tidak perlu. Jika aturan memiliki hanya satu anteseden maka tidak perlu disederhanakan. Sebaliknya aturan dengan lebih dari satu anteseden perlu disederhanakan. Langkah-langkah penyederhanaan aturan adalah sebagai berikut:

a.1. Melakukan uji independensi setiap anteseden secara individual dengan konsekuen. Langkah-langkahnya sebagai berikut :

1. Membangun tabel kontingensi untuk setiap aturan yang memiliki dua atau lebih anteseden. Tabel kontingensi merupakan tabel yang merepresentasikan aturan-aturan dengan nilai frekuensi yang teramati. Tabel kontingensi memiliki

r baris dan c kolom. Total baris dan total kolom dalam tabel kontingensi disebut frekuensi marjinal.

Untuk lebih jelasnya, lihat bentuk umum tabel kontingensi 2x2 (Everitt, 1977: bab1) berikut ini:

Tabel 2.1 Bentuk Umum Tabel Kontingensi 2x2

C1 C2 Jumlah Marjinal

R1 x11 x12 n1r = x11 + x12 R2 x21 x22 n2r = x21 + x22 Jumlah Marjinal nc1 = x11 + x21 nc2 = x12 + x22 N = x11 + x12 + x21 + x22

dimana :

n1r, n2r = jumlah marjinal baris

nc1, nc2 = jumlah marjinal kolom

x11, x12, x21 ,x22 = representasi frekuensi dari

setiap pasangan anteseden-konsekuen.

N = jumlah keseluruhan frekuensi marjinal.

2. Melakukan uji independensi terhadap anteseden dan mengeliminasi aturan yang tidak perlu. Untuk menentukan tingkat independensi suatu anteseden, data-data dari anteseden tertentu diuji dengan menggunakan uji independensi yaitu uji Chi-Square (χ2).

Berikut ini aturan Cochran (1954) yang menjadi pedoman penggunaan uji Chi-Square :

• Tidak satupun nilai frekuensi harapan yang kurang dari 1 (Rasmussen, 1992).

• Nilai frekuensi harapan yang kurang dari 5 tidak lebih dari 20% (Rasmussen, 1992)

Rumus umum untuk mendapatkan frekuensi harapan bagi sembarang sel xij, 1 i r, 1 j c

adalah :

N n n

E_ij = i× j ... 2.4

dimana :

Eij = Nilai frekuensi harapan baris ke-i kolom ke-j

i

n = Total frekuensi baris ke-i

j

n = Total frekuensi kolom ke-j

N = Jumlah total frekuensi keseluruhan.

Diasumsikan akan dilakukan pengamatan terhadap sampel data yang diambil secara random dari sebuah populasi. Pengamatan dikelompokkan berdasarkan dua variabel kualitatif.

Hipotesis nol (H0) yaitu pernyataan atau

dugaan mengenai satu atau lebih populasi yang dirumuskan dengan harapan akan ditolak. Penolakan H0 mengakibatkan penerimaan suatu

hipotesis alternatif, yang dilambangkan dengan H1. Untuk menguji hipotesis nol (H0) bahwa dua

variabel independen dalam sebuah populasi digunakan uji independensi Chi-Square. Jika dua variabel independen maka tidak ada korelasi antara dua variabel tersebut.

Di bawah ini adalah penjelasan mengenai uji Chi-Square :

• Uji Chi-Square

Berikut ini langkah-langkah dalam melakukan uji Chi-Square :

1) Menentukan hipotesis nol (H0) dengan

asumsi bahwa dua variabel independen dan hipotesis alternatif (H1) dengan

2) Uji independensi Chi-Square antara dua variabel yang teramati dengan frekuensi harapan di bawah H0 didasarkan pada

besaran :

2

χ =

∑∑

(

)

= =

− r

i c

j ij

ij ij

E E n 1 1

2

... 2.5

dimana :

2

χ = nilai bagi peubah acak yang sebaran penarikan contohnya sangat menghampiri sebaran Chi-Square

2

χ

r = baris c = kolom

nij = nilai frekuensi teramati baris ke-i

kolom ke-j

Eij = nilai frekuensi harapan baris ke-i

kolom ke-j

3) Menghitung derajat bebas (df) dengan rumus sebagai berikut :

df = (r - 1)(c - 1)... 2.6 dimana :

r = baris c = kolom

4) Menentukan tingkat kepercayaan

α

5) Menggunakan tabel Chi-Square dengan dan df untuk menentukan apakah anteseden secara individual independen dengan konsekuennya. Untuk tingkat kepercayaan sebesar α, nilai kritiknya

dapat diperoleh dari tabel Chi-Square.

2

χ

2 α

χ

6) Kesimpulan untuk nilai yang dihitung dari penjumlahan semua sel adalah :

2 α

χ

• Bila χ2 ≤ χ_α2

Terima hipotesis nol yaitu anteseden independen secara individual dengan konsekuen.

• Bila χ2 > χ_α2

Tolak hipotesis nol dan terima hipotesis alternatif yaitu anteseden yang dependen secara individual dengan konsekuen.

7) Jika dalam proses uji independensi setiap anteseden secara individual di atas (proses a.1) ditemukan adanya anteseden yang independen secara individual dengan konsekuen maka anteseden tersebut tidak dapat dieliminasi secara langsung. Selanjutnya dilakukan uji independensi anteseden secara bersama-sama dengan konsekuennya (Everitt, 1977).

Jika ditemukan adanya anteseden yang dependen secara individual dengan konsekuen maka uji independensi anteseden secara bersama-sama dengan konsekuen (proses a.2) tidak dilakukan. a.2. Melakukan uji independensi anteseden secara

bersama-sama dengan konsekuennya. Langkah-langkahnya sebagai berikut :

1) Menentukan hipotesis nol (H0) sebagai

berikut :

H0 : Pijk = Pi.. P.j. P..k ; dengan asumsi

bahwa dua variabel secara bersama-sama independen dengan konsekuen.

2) Membuat tabel kontingensi multidimensional berdasarkan semua kejadian dari anteseden dan konsekuen.

3) Membuat tabel frekuensi harapan dengan rumus sebagai berikut :

2

..

.

.

..

N

n

n

n

E

_ijk

=

i j k _{... 2.7}

dimana : ijk

E = nilai frekuensi harapan baris ke-i, kolom ke-j, layer ke-k

i

n = jumlah marjinal baris ke-i

j

n. = jumlah marjinal kolom ke-j

k

n.. = jumlah marjinal layer ke-k

N = jumlah total frekuensi keseluruhan. 4) Melakukan uji Chi-Square dengan rumus

sebagai berikut :

(

)

∑∑∑

= = = − = r i c j l k ijk ijk ijk E E n 1 1 1

2 2

χ ... 2.8 dimana :

r = jumlah baris

c = jumlah kolom

5) Menghitung derajat kebebasan dengan rumus sebagai berikut:

d.f = rcl – r – c – l + 2 ... 2.9 6) Menggunakan tabel Chi-Square dengan

dan d.f untuk menentukan apakah anteseden secara bersama-sama independen dengan konsekuennya. Untuk tingkat kepercayaan sebesar α, nilai kritiknya dapat diperoleh dari tabel Chi-Square.

2

χ

2 α

χ

7) Kesimpulan untuk nilai yang dihitung dari penjumlahan semua sel adalah :

2 α

χ

• Bila χ2 ≤ χ_α2

Terima hipotesis nol yaitu anteseden independen secara bersama-sama dengan konsekuen.

• Bila χ2 > χ_α2

Tolak hipotesis nol dan terima hipotesis alternatif yaitu anteseden yang dependen secara bersama-sama dengan konsekuen. Suatu kriteria tidak dapat dieliminasi.

8) Jika dalam proses uji independensi anteseden secara bersama-sama di atas ditemukan : • Anteseden independen secara

bersama-sama dengan konsekuen, maka anteseden yang independen secara individual dengan konsekuen (pada proses a.1) dapat dieliminasi.

• Anteseden dependen secara bersama-sama dengan konsekuen, maka semua anteseden tersebut tidak dapat dieliminasi.

b. Menyederhanakan aturan dengan mengeliminasi aturan yang tidak perlu.

Penyederhanaan aturan selanjutnya yaitu dengan mengeliminasi aturan yang tidak perlu. Default rule

merupakan salah satu cara untuk menyederhanakan aturan.

Default rule dibuat dengan mencari konsekuen yang paling banyak dari aturan. Aturan yang memiliki konsekuen tersebut dijadikan default rule.

E. Contoh Penerapan Algoritma Pohon Keputusan

Berikut ini adalah contoh permasalahan yang akan diselesaikan dengan algoritma pohon keputusan untuk memutuskan mana cuaca yang baik atau tidak baik dalam bermain golf. Target dari klasifikasi ini adalah ”Akankah kita bermain golf?”. Keputusannya dapat berupa YES atau NO. Data cuaca yang digunakan memiliki 14 records dan 6 fields. Atribut data terdiri dari atribut day, outlook, temperature, humidity, wind, dan play_golf. Berikut ini adalah data yang diberikan :

Tabel 2.2 Data Cuaca

Day Outlook Temperature Humidity Wind Play_Golf

D1 Sunny Hot High Weak No

D2 Sunny Hot High Strong No

D3 Overcast Hot High Weak Yes

D4 Rain Mild High Weak Yes

D5 Rain Cool Normal Weak Yes

D6 Rain Cool Normal Strong No

D7 Overcast Cool Normal Strong Yes

D8 Sunny Mild High Weak No

D9 Sunny Cool Normal Weak Yes

D10 Rain Mild Normal Weak Yes

D11 Sunny Mild Normal Strong Yes

D12 Overcast Mild High Strong Yes

D13 Overcast Hot Normal Weak Yes

D14 Rain Mild High Strong No

Sumber : Ian H Witten and Eibe Frank

Data Mining Practical Machine Learning Tools and Techniques with Java Implementation (Page 9 Table 1.2)

Langkah 1 : Mengubah data menjadi model pohon

1. Menentukan simpul terpilih

Untuk menentukan simpul awal dihitung nilai gain untuk setiap atribut dengan menggunakan rumus 2.3. Sebelumnya dilakukan perhitungan nilai entropi setiap kejadian dengan menggunakan rumus 2.1, sedangkan nilai rata-rata entropi setiap atribut dihitung dengan menggunakan rumus 2.2. a. Atribut outlook

Atribut outlook dengan kejadian-kejadiannya beserta jumlah nilai positif dan negatifnya digambarkan sebagai berikut :

Gambar 2.3 Nilai Positif dan Negatif Kejadian Outlook.

Dari nilai positif dan negatif setiap kejadian dapat dihitung nilai entropi masing-masing kejadian sebagai berikut :

Outlook = sunny (q1) q1 = - P+ log2 P+ - P- log2 P-

q1 = 5 2

− log₂

5 2

- 5 3

log₂ 5 3

Outlook = overcast (q2) q2 = - P+ log2 P+ - P- log2 P-

q2 = -4 4 log₂ 4 4 - 4 0 log₂ 4 0 q2= 0

Outlook = rain (q3)

q3= - P+ log2 P+ - P- log2 P-

q3 = - 5 3 log₂ 5 3 - 5 2 log₂ 5 2 q3= 0.97

Nilai rata-rata entropi atribut outlook adalah :

E=

∑

= ⎟⎟⎠ ⎞ ⎜⎜ ⎝ ⎛ × ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ inst i i t i e n n 1 E= ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ _× 1 14 5

q + ⎟

⎠ ⎞ ⎜ ⎝ ⎛ _× 2 14 4

q + ⎟

⎠ ⎞ ⎜ ⎝ ⎛ _× 3 14 5 q

E= ⎟

⎠ ⎞ ⎜ ⎝ ⎛ _× 97 . 0 14 5 + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ _× 0 14 4 + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ _× 97 . 0 14 5 E= 0.69

Nilai gain atribut outlook dihitung berdasarkan rumus 2.3 adalah : Gain (S,Outlook) = Soutlook (P+ , P-) – E(outlook)

SoutlookP+ = 9 ; SoutlookP- = 5

S (9,5) = -14 9 log2 14 9 - 14 5 log2 14 5

S (9,5) = 0.94

b. Atribut temperature

Atribut temperature dengan kejadian-kejadiannya beserta jumlah nilai positif dan negatifnya digambarkan sebagai berikut :

Gambar 2.4 Nilai Positif dan Negatif Kejadian Temperature

Dari nilai positif dan negatif setiap kejadian dapat dihitung nilai entropi masing-masing kejadian sebagai berikut :

Temperature = hot (q1) q1 = - P+ log2 P+ - P- log2 P-

q1= - 4 2

log2

4 2

- 4 2

log2

4 2

q1= 1

Temperature = cool (q2) q2= - P+ log2 P+ - P- log2 P-

q2= - 4 3

log2

4 3

- 4 1

log2

4 1

Temperature = mild (q3) q3= - P+ log2 P+ - P- log2 P-

q3= - 6 4 log₂ 6 4 - 6 2 log₂ 6 2 q3= 0.917

Nilai rata-rata entropi atribut temperature adalah :

E=

∑

= ⎟⎟⎠ ⎞ ⎜⎜ ⎝ ⎛ × ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ inst i i t i e n n 1

E= ⎟

⎠ ⎞ ⎜ ⎝ ⎛ _× + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ _× + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ _× 3 14 6 2 14 4 1 14 4 q q q

E= ⎟

⎠ ⎞ ⎜ ⎝ ⎛ _× + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ _× + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ _× 918 . 0 14 6 811 . 0 14 4 1 14 4 E= 0.91

Nilai gain atribut temperature dihitung berdasarkan rumus 2.3adalah : Gain (S,Temperature) = Stemperature (P+ , P-) – E(temperature)

Stemperature P+ = 9 ; StemperatureP- = 5

S (9,5) = -14 9 log2 14 9 - 14 5 log2 14 5

S (9,5) = 0.94

c. Atribut Humidity

Atribut humidity dengan kejadian-kejadiannya beserta jumlah nilai positif dan negatifnya digambarkan sebagai berikut :

Gambar 2.5 Nilai Positif dan Negatif Kejadian Humidity

Dari nilai positif dan negatif setiap kejadian dapat dihitung nilai entropi masing-masing kejadian sebagai berikut :

Humidity = high (q1) q1 = - P+ log2 P+ - P- log2 P-

q1 = - 7 3

log2

7 3

- 7 4

log2

7 4

q1 = 0.985

Humidity = normal (q2) q2= - P+ log2 P+ - P- log2 P-

q2 = -7 6

log2

7 6

- 7 1

log2

7 1

Nilai rata-rata entropi atribut humidity adalah : E=

∑

= ⎟⎟⎠ ⎞ ⎜⎜ ⎝ ⎛ × ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ inst i i t i e n n 1

E= ⎟

⎠ ⎞ ⎜ ⎝ ⎛ _× + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ _× 2 14 7 1 14 7 q q

E= ⎟

⎠ ⎞ ⎜ ⎝ ⎛ _× + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ _× 0.591 14 7 0.985 14 7 E= 0.79

Nilai gain atribut humidity dihitung berdasarkan rumus 2.3adalah : Gain (S,Humidity) = Shumidity (P+ , P-) – E(humidity)

ShumidityP+ = 9 ; ShumidityP- = 5

S (9,5) = -14 9 log2 14 9 - 14 5 log2 14 5

S (9,5) = 0.94

Gain (S, Humidity) = 0.94 – 0.79 = 0.15

d. Atribut wind

Atribut wind dengan kejadian-kejadiannya beserta jumlah nilai positif dan negatifnya digambarkan sebagai berikut :

Wind 2 positif 3 negatif 7 positif 2 negatif Strong Weak

Wind = strong (q1)

q1 = - P+ log2 P+ - P- log2 P-

q1= - 5 2 log₂ 5 2 - 5 3 log₂ 5 3

q1 = 0.97

Wind = weak (q2)

q2 = - P+ log2 P+ - P- log2 P-

q2 = - 9 7 log₂ 9 7 - 9 2 log₂ 9 2

q2 = 0.763

Nilai rata-rata entropi atribut wind adalah :

E=

∑

= ⎟⎟⎠ ⎞ ⎜⎜ ⎝ ⎛ × ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ inst i i t i e n n 1

E= ⎟

⎠ ⎞ ⎜ ⎝ ⎛ _× + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ _× 2 14 9 1 14 5 q q

E= ⎟

⎠ ⎞ ⎜ ⎝ ⎛ _× + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ _× 0.46 14 9 1 14 5 E= 0.84

Nilai gain atribut wind dihitung berdasarkan rumus 2.3adalah : Gain (S,Wind) = Swind (P+ , P-) – E(wind)

SwindP+ = 9 ; SwindP- = 5

S (9,5) = -14 9 log2 14 9 - 14 5 log2 14 5

S (9,5) = 0.94

Dari pencarian nilai gain di atas didapatkan tabel nilai gain sebagai berikut :

Tabel 2. 3 Nilai Gain Untuk Menentukan Simpul Awal Setiap Atribut

Atribut Nilai Gain

Outlook 0.25

Temperature 0.03

Humidity 0.15

Wind 0.1

Dari tabel di atas diperoleh nilai gain yang paling besar yaitu nilai gain atribut Outlook. Sehingga outlook terpilih sebagai simpul awal.

2. Menyusun pohon

Menyusun pohon dimulai dari simpul terpilih pada langkah ke-1 sebagai berikut :

Outlook

Sunny _{Overcast Rain}

D1 (-) D2 (-) D8 (-) D9 (+) D11 (+)

D3 (+) D7 (+) D12 (+) D13 (+)

D4 (+) D5 (+) D6 (-) D10 (+)

D14 (-)

Gambar 2.7 Pohon Awal

Dari pohon di atas kita tentukan simpul daun selanjutnya. Simpul yang akan bercabang adalah simpul pada kejadian yang memiliki nilai positif dan negatif. Kejadian yang memiliki nilai positif dan negatif adalah kejadian sunny (D1 (-), D2 (-),

D8 (-),D9 (+), D11 (+) ) dan rain (D4 (+), D5 (+), D6 (-), D10 (+), D14 (-) ). Atribut outlook yang akan memiliki simpul daun selanjutnya adalah sunny dan rain. Untuk menentukan atribut simpul keputusan di bawah atribut sunny maka dilakukan penghitungan nilai gain dari atribut yang tersisa yaitu

temperature, humidity dan wind. Nilai gain yang terbesar akan menjadi simpul keputusan di bawah sunny.

Gain(Ssunny,Wind)=Entropi(Ssunny )-) , ( 5 3 weak Ssunny entropi × - ( , ) 5 2 strong Ssunny entropi

× = 0.029

Gain(Ssunny,Humidity)=Entropi(Ssunny )-) , ( 5 3 high Ssunny entropi × - ( , ) 5 2 normal Ssunny entropi

× = 0.976

Gain(Ssunny,Temperature)=Entropi(Ssunny )-) , ( 5 2 hot Ssunny entropi × - ( , ) 5 2 mild Ssunny entropi × -) , ( 5 1 cool Ssunny entropi

× = 0.576

Selanjutnya dilakukan perhitungan nilai gain untuk menentukan atribut simpul keputusan di bawah nilai Rain

Gain(Srain,Wind)=Entropi(Srain)- ( , ) 5 3 weak Srain entropi × - ) , ( 5 2 strong Srain entropi

× = 0.976

Gain(Srain,Temperature)=Entropi(Srain )-) , ( 5 3 mild Srain entropi × - ( , ) 5 2 cool Srain entropi

Tabel 2.4 Nilai GainUntuk Menentukan Simpul Selanjutnya

Atribut Nilai Gain

Gain(Ssunny,Wind) 0.029 Gain(Ssunny,Humidity) 0.976 Gain(Ssunny,Temperature) 0.576

Gain(Srain,Wind) 0.976

Gain(Srain,Temperature) 0.029

Dari tabel di atas atribut humidity terpilih sebagai simpul selanjutnya di bawah atribut sunny karena memiliki nilai gain yang paling besar, sehingga pohon menjadi sebagai berikut :

Gambar 2.8 Percabangan Pohon

Pohon di atas tidak memiliki percabangan lagi karena pada setiap kejadiannya sudah memiliki nilai yang homogen.

Langkah 2 : Mengubah simpul pohon menjadi aturan

Pada gambar 2.8 diubah menjadi aturan if..then sebagai berikut :

Tabel 2.5 Aturan If..Then Yang Belum Disederhanakan

Aturan If Then

1 Outlook = sunny ^ humidity = high Play_Golf = No

2 Outlook = sunny ^ humidity = normal Play_Golf = Yes

3 Outlook = overcast Play_Golf = Yes

4 Outlook = rain ^ wind = strong Play_Golf = No

5 Outlook = rain ^ wind = weak Play_Golf = Yes

Langkah 3 : Menyederhanakan Aturan

a. Menyederhanakan aturan dengan membuang anteseden yang tidak perlu.

Pada langkah ini anteseden yang tidak diperlukan dieliminasi. Dalam aturan sebelumnya (tabel 2.5) aturan yang memiliki lebih dari satu anteseden adalah aturan 1, 2, 4, 5 dengan anteseden

outlook, humidity dan wind. Untuk menyederhanakan aturan dilakukan uji independen untuk setiap anteseden secara individual sebagai berikut :

1) Hipotesis Nol (H0): outlook (anteseden) dan play_golf

(konsekuen) independen. Outlook

a) Membuat tabel kontingensi yang memuat nilai frekuensi pengamatan (oij)

Tabel 2.6 Tabel Kontingensi Outlook Play_Golf

Outlook

Yes No Jumlah_Marjinal

Sunny 2 3 5

No_Sunny 7 2 9

Jumlah Marjinal 9 5 14

b) Menghitung frekuensi harapan tiap sel dengan menggunakan rumus 2.3 yaitu :

Frekuensi harapan pada sel X11 =

11 e =

T C R_1T × _T1

→ e11 = 14

9 5×

= 3.21 Frekuensi harapan pada sel X12 =

12 e =

T C R_1T × _T2

→ e12 = 14

5 5×

= 1.79 Frekuensi harapan pada sel X21 =

21 e =

T C R_2T × _T1

→ e21 = 14

9 9×

= 5.79 Frekuensi harapan pada sel X22 =

22 e =

T C R_2T × _T2

→ e22 = 14

5 9×

= 3.21

Tabel nilai frekuensi harapan berdasarkan perhitungan:

Tabel 2.7 Nilai Frekuensi Harapan Outlook

Play_Golf Outlook

Yes No

Sunny 3.21 1.79

c) Dari tabel 2.7 di atas diketahui bahwa tidak ada nilai frekuensi harapan Outlook yang kurang dari 1 dan nilai frekuensi harapan yang kurang dari 5 lebih dari 20%. Berdasarkan aturan Cochran, nilai frekuensi harapan

outlook tidak memenuhi untuk menggunakan uji Chi-Square.

2) Hipotesis Nol (H0): humidity (anteseden) dan play_golf

(konsekuen) independen. Humidity

a) Membuat tabel kontingensi yang memuat nilai frekuensi pengamatan (oij)

Tabel 2.8 Tabel Kontingensi Humidity Play_Golf

Humidity

Yes No

Jumlah_Marjinal

High 3 4 7

Normal 6 1 7

Jumlah Marjinal 9 5 14

b) Menghitung frekuensi harapan tiap sel dengan menggunakan rumus 2.3 yaitu :

Frekuensi harapan pada sel X11 =

11 e =

T C R_1T × _T1

→ e11 = 14

9 7×

Frekuensi harapan pada sel X12 =

12 e =

T C R_1T × _T2

→ e12 = 14

5 7×

= 2.5 Frekuensi harapan pada sel X21 =

21 e =

T C R_2T × _T1

→ e21 = 14

9 7×

= 4.5 Frekuensi harapan pada sel X22 =

22 e =

T C R_2T × _T2

→ e22 = 14

5 7×

= 2.5

Tabel nilai frekuensi harapan berdasarkan perhitungan di atas :

Tabel 2.9 Nilai Frekuensi Harapan Humidity Play_Golf

Humidity

Yes No

High 4.5 2.5

Normal 4.5 2.5

c) Dari tabel 2.9 di atas diketahui bahwa tidak ada nilai frekuensi harapan Humidity yang kurang dari 1 dan nilai frekuensi harapan yang kurang dari 5 lebih dari 20%. Berdasarkan aturan Cochran, nilai frekuensi harapan

humidity tidak memenuhi untuk menggunakan uji Chi-Square.

3) Hipotesis H0: wind (anteseden) dan play_golf (konsekuen)

independen. Wind

a) Membuat tabel kontigensi yang memuat nilai frekuensi pengamatan (oij)

Tabel 2.10 Tabel Kontingensi Wind Play_Golf

Wind

Yes No

Jumlah_Marjinal

Strong 2 3 5

Weak 7 2 9

Jumlah Marjinal 9 5 14

b) Menghitung frekuensi harapan tiap sel dengan menggunakan rumus 2.3 yaitu :

Frekuensi harapan pada sel X11 =

11 e =

T C R_1T × _T1

→ e11 = 14

9

5× _{= 3.21}

Frekuensi harapan pada sel X12 =

12 e =

T C R_1T × _T2

→ e12 = 14

5 5×

= 1.78 Frekuensi harapan pada sel X21 =

21 e =

T C R_2T × _T1

→ e21 = 14

9 9×

Frekuensi harapan pada sel X22 =

22 e =

T C R_2T × _T2

→ e22 = 14

5 9×

= 3.21

Tabel nilai frekuensi harapan berdasarkan perhitungan :

Tabel 2.11 Nilai Frekuensi Harapan Wind Play_Golf Wind

Yes No

Strong 3.21 1.78

Weak 5.78 3.21

c) Dari tabel 2.11 di atas diketahui bahwa tidak ada nilai frekuensi harapan Wind yang kurang dari 1 dan nilai frekuensi harapan yang kurang dari 5 lebih dari 20%. Berdasarkan aturan Cochran, nilai frekuensi harapan wind

tidak memenuhi untuk menggunakan uji Chi-Square.

Kesimpulan: Nilai frekuensi harapan yang kecil dari setiap anteseden (outlook, humidity dan wind) mengakibatkan pengujian independensi anteseden secara individual menggunakan uji Chi-Square tidak dapat digunakan. Aturan yang berlaku masih sama dengan aturan pada tabel 2.5.

2. Menyederhanakan aturan dengan membuang aturan yang tidak perlu

Penyederhanaan aturan dapat dilakukan dengan menggunakan default rule. Default rule diperoleh dengan mencari konsekuen yang paling

banyak. Pada tabel 2.5 diperoleh Yes sebagai konsekuen yang paling banyak dari aturan yang terbentuk. Ketiga aturan dengan konsekuen Yes

dijadikan default rule. Aturan yang paling sederhana diperoleh sebagai berikut :

Tabel 2.12 Aturan Yang Paling Sederhana

Aturan Rule Then

1 Outlook = sunny ^ humidity = high Play_Golf = No

2 Outlook = rain ^ wind = strong Play_Golf = No

Default rule Play_Golf = Yes

Langkah 4 : Hasil Prediksi Pada Data Training

Hasil prediksi pada data training sebagai berikut :

Tabel 2.13 Hasil Prediksi Pada Data Training

Day Outlook Temperature Humidity Wind Play_Golf Prediksi

D1 Sunny Hot High Weak No No

D2 Sunny Hot High Strong No No

D3 Overcast Hot High Weak Yes Yes

D4 Rain Mild High Weak Yes Yes

D5 Rain Cool Normal Weak Yes Yes

D6 Rain Cool Normal Strong No No

D7 Overcast Cool Normal Strong Yes Yes

D8 Sunny Mild High Weak No No

D9 Sunny Cool Normal Weak Yes Yes

D10 Rain Mild Normal Weak Yes Yes

D11 Sunny Mild Normal Strong Yes Yes

D12 Overcast Mild High Strong Yes Yes

D13 Overcast Hot Normal Weak Yes Yes

D14 Rain Mild High Strong No No

Dari hasil prediksi pada data training di atas tidak didapatkan kesalahan prediksi dari 14 data sehingga besar kesalahan prediksi yaitu sebesar 0%.

BAB III

ANALISA DAN PERANCANGAN SISTEM

A. Identifikasi dan Analisa Sistem

Organisasi veteran Amerika merupakan organisasi nirlaba yang menyediakan layanan pengobatan bagi para pejuang veteran Amerika Serikat yang menderita lumpuh. Organisasi ini memperoleh dana melalui pengiriman surat yang direspon oleh donatur. Surat yang dikirimkan juga merupakan hadiah bagi donatur dalam bentuk kalender, kartu ucapan, stiker dan lain-lain. Jika organisasi memiliki 3 juta donatur dan mengeluarkan biaya 10 dollar per surat maka biaya yang akan dihabiskan adalah 30.000.000 dollar. Dalam setahun dana yang harus dikeluarkan adalah 360.000.000 dollar. Dana yang dihabiskan sebesar 360.000.000 dollar akan menjadi pengeluaran yang sia-sia jika kurang mendapat respon dari para donatur.

Masalah yang dialami oleh organisasi nirlaba ini dapat diatasi menggunakan data mining melalui model klasifikasi. Dalam tugas akhir ini digunakan model klasifikasi untuk mengetahui profil donatur yang selama ini memberikan respon terhadap salah satu bentuk pengiriman surat yaitu pengiriman surat dengan kartu kosong pada tahun 1997 yang diberi kode 97_NK. Identifikasi profil donatur yang memberikan respon ini bertujuan untuk mengurangi biaya pengeluaran yang sia-sia.

Dalam tugas akhir ini sampel data yang digunakan sebanyak 350

records dan 67 atribut. Sampel data tersebut diambil dari dataset donatur organisasi veteran Amerika yang disediakan oleh situs http://kdd.ics.uci.edu/ databases/ kddcup98/ kddcup98.html.

B. Perancangan Sistem 1. Input

Data-data yang diperoleh dibagi dalam dua tabel secara random yaitu sebagai tabel training dan tabel tes. Data yang akan digunakan dalam proses penambangan data adalah data pada tabel training yang diberi nama tabel member.db. Model klasifikasi dari proses penambangan data yang diperoleh selanjutnya diimplementasikan ke dalam tabel tes untuk diuji tingkat keakuratannya.

Atribut-atribut yang terdapat dalam tabel training sama dengan atribut-atribut yang terdapat dalam tabel tes, kecuali satu atribut tambahan dalam tabel tes yaitu atribut PREDIKSI. Atribut PREDIKSI digunakan untuk menghitung tingkat keakuratan model klasifikasi.

Berikut ini atribut yang terdapat dalam tabel training :

Tabel 3.1 Deskripsi Atribut (Variable) Tabel Training

Variable Description

CONTROLN Control number (unique record identifier) ODATE Origin Date. Date of donor's first gift to PVA YYMM

Tabel 3.1 Deskripsi Atribut (Variable) Tabel Training (Lanjutan)

Variable Description

MAILCODE Mail Code

PVASTATE

Indicates whether the donor lives in a state served by the organization's

EPVA chapter

NOEXCH Do Not Exchange Flag (For list rental) RECINHSE In House File Flag

RECP3 P3 File Flag

RECPGVG Planned Giving File Flag RECSWEEP Sweepstakes file flag

TCODE Donor title code

MDMAUD The Major Donor Matrix code DOMAINX DOMAIN/Cluster code.

CLUSTER CLUSTER

AGE Overlay Age

AGEFLAG Age Flag

HOMEOWNR Home Owner Flag

NUMCHLD NUMBER OF CHILDREN

INCOME HOUSEHOLD INCOME

GENDER Gender

WEALTH Wealth Rating

MBCRAFT Buy Craft Hobby MBGARDEN Buy Gardening

MBBOOKS Buy Books

MBCOLECT Buy Collectables MAGFAML Buy General Family Mags

MAGFEM Buy Female Mags MAGMALE Buy Sports Mags PUBGARDN Gardening Pubs

PUBCULIN Culinary Pubs

PUBHLTH Health Pubs

PUBDOITY Do It Yourself Pubs PUBNEWFN News / Finance Pubs

PUBPHOTO Photography Pubs PUBOPP Opportunity Seekers Pubs DATASRCE Source of Overlay Data

MALEMILI % Males active in the Military

VETS %Vets

GOV % Employed by Gov

SOLP3 SOLICIT LIMITATION CODE P3 SOLIH SOLICITATION LIMIT CODE IN HOUSE MAJOR Major ($$) Donor Flag

Tabel 3.1 Deskripsi Atribut (Variable) Tabel Training (Lanjutan)

Variable Description

VETERANS VETERANS (YES/NO) BIBLE BIBLE READING (YES/NO) CATLG SHOP BY CATALOG (YES/NO) HOMEE WORK FROM HOME (YES/NO) PETS HOUSEHOLD PETS (YES/NO) CDPLAY CD PLAYER OWNERS (YES/NO)

STEREO STEREO/RECORDS/TAPES/CD (YES/NO) PCOWNERS HOME PC OWNERS/USERS (YES/NO)

PHOTO PHOTOGRAPHY (YES/NO) CRAFTS CRAFTS (YES/NO)

FISHER FISHING (YES/NO) GARDENIN GARDENING (YES/NO)

BOATS POWER BOATING (YES/NO) WALKER WALK FOR HEALTH (YES/NO) KIDSTUFF BUYS CHILDREN'S PRODUCTS (YES/NO)

CARDS STATIONARY/CARDS BUYER (YES/NO)

PLATES PLATE COLLECTOR (YES/NO)

LIFESRC LIFE STYLE DATA SOURCE PEPSTRFL Indicates PEP Star RFA Status HPHONE_D Presence of a published home RFA_2R Recency code for RFA_2 RFA_2F Frequency code for RFA_2 RFA_2A Donation Amount code for RFA_2 MDMAUD_R Recency code for MDMAUD MDMAUD_F Frequecy code for MDMAUD

MDMAUD_A Donation Amount code for MDMAUD CLUSTER2 Classic Cluster Code (a nominal symbolic field) GEOCODE2 County Size Code

TARGET_B Indicator for Response to 97NK Mailing

Nilai kejadian atribut-atribut di atas berada pada rentang nilai yang besar sehingga penulis melakukan pengelompokan nilai kejadian dengan rentang nilai yang lebih kecil untuk memudahkan proses pengambilan keputusan. Pengelompokan nilai kejadian dilakukan secara intuitif.

Berikut ini hasil pengelompokan nilai kejadian dari setiap atribut :

Tabel 3.2 Nilai Kejadian Atribut ODATEDW Year (dua digit pertama)

KEJADIAN DESKRIPSI

Y1 80-85 Y2 86-90 Y3 91-95

Y4 > 95

Tabel 3.3 Nilai Kejadian Atribut ODATEDW Month (dua digit terakhir)

KEJADIAN DESKRIPSI

M1 01-03 M2 04-06 M3 07-09 M4 10-11 Misalnya : ODATEDW 8901 menjadi Y2M1

Tabel 3.4 Nilai Kejadian Atribut MAILCODE KEJADIAN DESKRIPSI

OK Address is OK

B Bad address

Tabel 3.5 Nilai Kejadian Atribut PVASTATE KEJADIAN DESKRIPSI

P PVA State

E EPVA State (Northeastern US)

Tabel 3.6 Nilai Kejadian Atribut NOEXCH KEJADIAN DESKRIPSI

0 Can be exchanged X Do not exchanged

Tabel 3.7 Nilai Kejadian Atribut RECINHSE

KEJADIAN DESKRIPSI

U Not an In House record

X Donor has given to PVA’s In House programme

Tabel 3.8 Nilai Kejadian Atribut RECP3

KEJADIAN DESKRIPSI

U Not a P3 record

X Donor has given to PVA’s P3 programme

Tabel 3.9 Nilai Kejadian Atribut RECPGVG KEJADIAN DESKRIPSI

U Not a Planned Giving record X Planned Giving record

Tabel 3.10 Nilai Kejadian Atribut RECSWEEP KEJADIAN DESKRIPSI

U Not a Sweepstakes record

Tabel 3.11 Nilai Kejadian Atribut TCODE

KEJADIAN DESKRIPSI

000 - 001 MR. 001001 MESSRS. 001002 MR. & MRS.

002 MRS. 002002 MESDAMES

003 MISS 003003 MISSES

004 DR. 004002 DR. & MRS.

004004 DOCTORS 005 MADAME 006 SERGEANT 009 RABBI 010 PROFESSOR 010002 PROFESSOR & MRS.

010010 PROFESSORS 011 ADMIRAL 011002 ADMIRAL & MRS.

012 GENERAL 012002 GENERAL & MRS.

013 COLONEL 013002 COLONEL & MRS.

014 CAPTAIN 014002 CAPTAIN & MRS.

015 COMMANDER 015002 COMMANDER & MRS.

016 DEAN 017 JUDGE

017002 JUDGE & MRS.

018 MAJOR 018002 MAJOR & MRS.

019 SENATOR 020 GOVERNOR 021002 SERGEANT & MRS.

022002 COLNEL & MRS.

024 LIEUTENANT 026 MONSIGNOR 027 REVEREND

Tabel 3.11 Nilai Kejadian Atribut TCODE (Lanjutan)

KEJADIAN DESKRIPSI

029 BISHOP 031 AMBASSADOR 031002 AMBASSADOR & MRS.

033 CANTOR

036 BROTHER

037 SIR

038 COMMODORE

040 FATHER

042 SISTER 043 PRESIDENT

044 MASTER

046 MOTHER

047 CHAPLAIN 048 CORPORAL 050 ELDER

056 MAYOR 059002 LIEUTENANT & MRS.

062 LORD 063 CARDINAL

064 FRIEND

065 FRIENDS 068 ARCHDEACON

069 CANON

070 BISHOP

072002 REVEREND & MRS.

073 PASTOR

075 ARCHBISHOP

085 SPECIALIST 087 PRIVATE 089 SEAMAN 090 AIRMAN

091 JUSTICE

092 MR. JUSTICE

100 M.

103 MLLE.

104 CHANCELLOR 106 REPRESENTATIVE

107 SECRETARY 108 LT. GOVERNOR

Tabel 3.11 Nilai Kejadian Atribut TCODE (Lanjutan)

KEJADIAN DESKRIPSI

109 LIC.

111 SA.

114 DA.

116 SR. 117 SRA. 118 SRTA. 120 YOUR MAJESTY

122 HIS HIGHNESS 123 HER HIGHNESS

124 COUNT 125 LADY

126 PRINCE

127 PRINCESS

128 CHIEF

129 BARON 130 SHEIK 131 PRINCE AND PRINCESS

132 YOUR IMPERIAL MAJEST 135 M. ET MME.

210 PROF.

Tabel 3.12 Nilai Kejadian Atribut MDMAUD

KEJADIAN DESKRIPSI

First byte: Recency of Giving See the section of Recency Second byte : Frequency of Giving See the section of Frequency

Third byte : Amount of Giving See the section of Amount 4th byte: Blank/meaningless/filler

'X' indicates that the donor is not a major donor.

An RFA (Recency / Frequency / Amount) field of MDMAUD Tabel 3.13 Nilai Kejadian 1st Byte Recency of Giving

KEJADIAN DESKRIPSI

C Current Donor

L Lapsed Donor

I Inactive Donor

Tabel 3.14 Nilai Kejadian 2nd Byte: Frequency of Giving KEJADIAN DESKRIPSI

1 One gift in the period of recency 2 Two-Four gifts in the period of recency 3 Five+ gifts in the period of recency

Tabel 3.15 Nilai Kejadian 3rd Byte: Amount of Giving KEJADIAN DESKRIPSI

L Less than $100(Low Dollar)

C $100-499(Core) M $500-999(Major) T =$1,000+(Top)

Tabel 3.16 Nilai Kejadian Atribut DOMAINX

KEJADIAN DESKRIPSI

00 DOMAINX empty

01 A-M 02 N-Z Ket: Pengelompokan berdasarkan huruf depan (digit pertama )

Tabel 3.17 Nilai Kejadian Atribut Cluster KEJADIAN DESKRIPSI

A 1-20 B 21-40 C 41-60 D 61-80 E 81-100 X Empty

Tabel 3.18 Nilai Kejadian Atribut AGE KEJADIAN DESKRIPSI

Middle-aged 21-40 Old 41-70 Older >71

Tabel 3.19 Nilai Kejadian Atribut AGEFLAG KEJADIAN DESKRIPSI

E Exact I Inferred from Date Of Birth

U Unknown

Tabel 3.20 Nilai Kejadian Atribut HOMEOWNR KEJADIAN DESKRIPSI

H Home owner

U Unknown

Tabel 3.21 Nilai Kejadian Atribut NUMCHLD KEJADIAN DESKRIPSI

0 Empty

1 0ne child

> 1 More than one child

Tabel 3.22 Nilai Kejadian Atribut INCOME KEJADIAN DESKRIPSI

Low 1-3 Medium 4-6

High 7-10 None Empty

Tabel 3.23 Nilai Kejadian Atribut GENDER KEJADIAN DESKRIPSI

M Male F Female J Joint account, unknown gender

Tabel 3.24 Nilai Kejadian Atribut WEALTH

KEJADIAN DESKRIPSI

0 1 2 3 4 5 6 7 8 9

Wealth rating uses median family income and population statistics from each area to index relative wealth within each state. The segments are denoted 0-9, with 9 being the highest income

group and zero being the lowest.

Each rating has a different meaning within each state.

Tabel 3.25 OTHER TYPES OF MAIL ORDER OFFERS

ATRIBUT DESKRIPSI KEJADIAN

MBCRAFT Buy Craft Hobby See table 3.26 MBGARDEN Buy Gardening See table 3.26 MBBOOKS Buy Books See table 3.26 MBCOLECT Buy Collectables See table 3.26 MAGFAML Buy General Family Mags See table 3.26 MAGFEM Buy Female Mags See table 3.26 MAGMALE Buy Sports Mags See table 3.26 PUBGARDN Gardening Pubs See table 3.26 PUBCULIN Culinary Pubs See table 3.26 PUBHLTH Health Pubs See table 3.26 PUBDOITY Do It Yourself Pubs See table 3.26 PUBNEWFN News / Finance Pubs See table 3.26 PUBPHOTO Photography Pubs See table 3.26 PUBOPP Opportunity Seekers Pubs See table 3.26

Tabel 3.26 Nilai Kejadian Atribut OTHER TYPES OF MAIL ORDER OFFERS

KEJADIAN DESKRIPSI

0 Not responded to other types of mail order offers 1 Once time has responded to other types of mail order offers >1 More than once time has responded to other types of mail order offers

Tabel 3.27 Nilai Kejadian Atribut DATASRCE KEJADIAN DESKRIPSI

1 Metro mail

2 Polk 3 Both

Tabel 3.28 Nilai Kejadian Atribut MALEMILI KEJADIAN DESKRIPSI

0 Empty

1 One percent

> 1 More than one percent

Tabel 3.29 Nilai Kejadian Atribut VETS KEJADIAN DESKRIPSI

0 Empty MALE Males veterans

VIET Vietnam vets WWII WWII vets

Tabel 3.30 Nilai Kejadian Atribut GOV KEJADIAN DESKRIPSI

0 Empty LOCAL Employed by LOCAL gov

STATE Employed by STATE gov FED Employed by FED gov

Tabel 3.31 Nilai Kejadian Atribut SOLP3 KEJADIAN DESKRIPSI

D Can be mailed (Default) 00 Do not solicit or mail 01 One solicitations per year 02 Two solicitations per year 03 Three solicitations per year 04 Four solicitations per year 05 Five solicitations per year 06 Six solicitations per year 12 Twelve solicitations per year

Tabel 3.32 Nilai Kejadian Atribut SOLIH KEJADIAN DESKRIPSI

D Can be mailed (Default) 00 Do not solicit or mail 01 One solicitations per year 02 Two solicitations per year 03 Three solicitations per year 04 Four solicitations per year 05 Five solicitations per year 06 Six solicitations per year 12 Twelve solicitations per year

Tabel 3.33 Nilai Kejadian Atribut MAJOR KEJADIAN DESKRIPSI

0 Not a major flag

X Major donor

Tabel 3.34 Nilai Kejadian Atribut LIFESRC

KEJADIAN DESKRIPSI

0 If LIFESRC empty 1 Matched on metro mail only 2 Matched on polk only 3 Matched on metro mail and polk

Tabel 3.35 Nilai Kejadian Atribut PEPSTRFL

KEJADIAN DESKRIPSI

B Not Considered to be a PEP Star (Empty) X Has PEP Star RFA Status

Tabel 3.36 Nilai Kejadian Atribut HPHONE_D

KEJADIAN DESKRIPSI

0 Does not presence of a published home number 1 Presence of a published home number

Tabel 3.37 Nilai Kejadian Atribut RFA_2

Atribut DESKRIPSI

RFA_2R See the section on RFA, Recency code for RFA_2 RFA_2F See the section on RFA, Frequency code for RFA_2 RFA_2A See the section on RFA, Donation Amount code for RFA_2

RFA_2 : mailing was use to construct the target fields (TARGET_B)

An RFA (Recency / Frequency / Amount) field of RFA_2 Tabel 3.38 Nilai Kejadian 1st Byte Recency of Giving

KEJADIAN DESKRIPSI

F First time donor. Anyone who has made their first donation in the last 6 months and has made just one donation.

N New donor. Anyone who has made their first donation in the last 12 months and is not a First time donor. This is everyone who made their first donation 7-12 months ago, or people who made their first donation between 0-6 months ago and have made 2 or more donations.

A Active Donor. Anyone who made their first donation more than 12 months ago and has made a donation in the last 12 months.

L Lapsing Donor. A previous donor who made their last donation between 13-24 months ago.

I Inactive donor. A previous donor who has not made a donation in the last 24 months. It is people who made a donation 25+ months ago.

S Star donor. Donors are individuals who have given to 3 consecutive card mailings.

Tabel 3.39 Nilai Kejadian 2nd Byte: Frequency of Giving KEJADIAN DESKRIPSI

1 One gift in the period of recency 2 Two gifts in the period of recency 3 Three gifts in the period of recency 4 Four or more gifts in the period of recency

Tabel 3.40 Nilai Kejadian 3rd Byte: Amount of Giving KEJADIAN DESKRIPSI

A $0.01 - $1.99 B $2.00 - $2.99 C $3.00 - $4.99 D $5.00 - $9.99 E $10.00 - $14.99 F $15.00 - $24.99 G $25.00 and above

Tabel 3.41 Nilai Kejadian Atribut TARGET_B (Atribut Keputusan) Atribut DESKRIPSI

YES Response to 97 NK Mailing NO Does not response to 97 NK Mailing

2.Proses

Proses-proses yang terjadi dalam model klasifikasi TARGET_B adalah sebagai berikut :

A. Mengubah data menjadi model pohon aturan 1) Menentukan simpul awal

Simpul awal ditentukan dengan menghitung nilai gain setiap atribut dimana atribut dengan nilai gain terbesar yang menjadi simpul awal.

Proses menghitung nilai gain adalah sebagai berikut : a) Menghitung jumlah keseluruhan sampel data.

b)Menghitung jumlah kejadian dari atribut keputusan. Dalam sampel data terdapat dua kelas

sampel data pada test set menghasilkan nilai rerata persentase keberhasilan sebesar 66.1815 % (berdasarkan percobaan 2). 4. Uji aturan pada percobaan dengan mengubah-ubah proporsi

jumlah sampel data training set dan jumlah sampel test set untuk setiap tahap percobaan sebanyak 50 records menghasilkan nilai rerata persentase keberhasilan sebesar 64.75% (berdasarkan percobaan 3).

D. Kelebihan dan Kelemahan Program Kelebihan program:

Program menyediakan fasilitas dialog bagi pengguna dengan menginputkan suatu sampel data sehingga dapat diprediksikan nilai responnya terhadap layanan NK.

Program dapat digunakan untuk melakukan klasifikasi pada data yang berbeda, dengan syarat-syarat sebagai berikut:

• Tabel data diharuskan berada pada direktori yang sama dengan direktori basis data.

• Mempunyai tabel training set dan tabel test set.

• Field atribut keputusan diletakkan paling akhir pada tabel training set. Field tambahan untuk menyimpan hasil prediksi diletakkan paling akhir pada tabel test set.

• Mengatur nama atribut keputusan pada program sesuai dengan nama atribut keputusan dari tabel yang akan digunakan.

Kelemahan Program:

Proses pengelompokan data masih dilakukan secara intuitif dan manual.

Program hanya dapat mengakses basisdata dalam format .db (Paradox).

Struktur basisdata program menggunakan array yang memiliki keterbatasan dalam menampung data.

Jumlah sampel data yang digunakan untuk data training set sedikit karena proses penginputan data dari format .TXT ke dalam basis data dengan format .DB masih dilakukan secara manual. Jumlah sampel data training set yang sedikit tidak memungkinkan untuk melakukan uji independensi (uji Chi-Square).

Program ini belum dapat menampilkan pohon keputusan dalam bentuk tree view tetapi dalam bentuk string grid.

BAB V

KESIMPULAN DAN SARAN

A. KESIMPULAN

Algoritma ID3 dapat digunakan untuk mengidentifikasi profil anggota organisasi yang memberikan respon terhadap layanan pengiriman surat kosong (NK)

Berdasarkan hasil percobaan dapat disimpulkan beberapa hal sebagai berikut:

1. Jika program diujikan pada data training set diperoleh tingkat persentase keberhasilan sebesar 0 %.

2. Uji aturan dengan menetapkan 310 records data sebagai data pada training set dan mengubah jumlah sampel data pada test set menghasilkan nilai rerata persentase keberhasilan sebesar 66.1815 %.

3. Uji aturan dengan menetapkan 310 records data sebagai data pada training set dan mengubah jumlah sampel data pada test set menghasilkan nilai rerata persentase keberhasilan sebesar 66.1815 %.

4. Uji aturan dengan hanya mengubah jumlah sampel data training set dan jumlah sampel test set sebanyak 50 records menghasilkan nilai rerata persentase keberhasilan sebesar 64.75 %.

B. SARAN

Saran yang diperlukan untuk pengembangan program lebih lanjut antara lain:

1. Program dapat menangani proses migrasi data dari format .TXT ke format .DB.

2. Pohon aturan yang terbentuk tidak ditampilkan dalam bentuk tabel tetapi dalam bentuk tree view sehingga pengguna lebih mudah untuk memahami.

3. Untuk pengembangan selanjutnya sebaiknya program dapat mengimplementasikan uji independensi Chi-Square untuk memangkas aturan. Hal ini dimaksudkan agar proses pengujian aturan dapat lebih efisien.

DAFTAR PUSTAKA

Anonymous. Introduction to Data Mining and Knowledge Discovery. U.S.A: Two Crows Corporation, 1999

http://www.twocrows.com Diakses pada tanggal 10-9-2007

Djunaidy, Arif. & Soelaiman, Rully. Perbandingan Kinerja Perangkat Lunak Data Mining Untuk Pencarian Pola Asosiasi Dengan Metode Graf Asosiasi dan Metode Dimensi Fraktal. Jurnal Ilmu Komputer dan Teknologi Informasi, Vol.1 No.2. Oktober 2001.

Everitt, B.S. The Analysis of Contingency Tables. London: Chapman and Hall, Ltd. 1977.

Groth, Robert. Data Mining: A Hands-On Approach for Business Professionals. New Jersey: Prentice Hall PTR, 1997.

Gunawan, Ridowati. Data Mining or “Knowledge Discovery in Databases”. Bahan Perkuliahan Data Mining Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta. 2005.

Han, Jiawei. & Kamber, Micheline. Data Mining: Concepts and Techniques. San Fransisco: Morgan Kaufmann Publishers, 2001.

Husni. Pemrograman Database dengan Delphi. Yogyakarta: Penerbit Graha Ilmu, 2004.

Rasmussen, Shelley. An Introduction to Statistics with Data Analysis. California: Brooks/Cole Publishing Company, 1992.

Rosa, Paulina H. Prima. Penambangan Data dengan Metode Pohon Keputusan. Makalah Seminar Rumpun MIPA Universitas Sanata Dharma Yogyakarta. 12 April 2006.

Sucahyo, Yudho Giri, Data Mining Menggali Informasi Yang Terpendam http://ilmukomputer.com/2006/08/29/mengenal-data-mining/

Diakses pada tanggal 29-8-2006

Wahana Komputer. Panduan Praktis Pemrograman Borland Delphi 7.0. Yogyakarta: Penerbit Andi, 2003.

Wiraty, Ni Made Pritty. Implementasi Data Mining Pada Data Penerimaan Mahasiswa Baru dan Data Akademik Mahasiswa Universitas Sanata Dharma Dengan Algoritma Decision Tree : Skripsi. Universitas Sanata Dharma Yogyakarta, 2006