data mining untuk membantu rekomendasi...
TRANSCRIPT
ARTIKEL
DATA MINING UNTUK MEMBANTU REKOMENDASI
PEMILIHAN KAMERA
Oleh:
WAKHID SAFAAT
14.1.03.03.0011
Dibimbing oleh :
1. Erna Daniati, M.Kom.
2. Rina Firliana, M.Kom.
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
2018
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Wakhid Safaat | 14.1.03.03.0011 Fakultas Teknik – Sistem Informasi
simki.unpkediri.ac.id || 1||
SURAT PERNYATAAN
ARTIKEL SKRIPSI TAHUN 2018
Yang bertanda tangan di bawah ini:
Nama Lengkap : Wakhid Safaat
NPM : 14.1.03.03.0011
Telepun/HP : 085746774378
Alamat Surel (Email) : [email protected]
Judul Artikel : Data Mining Untuk Membantu Rekomendasi Pemilihan
Kamera
Fakultas – Program Studi : Teknik – Sistem Informasi
Nama Perguruan Tinggi : Universitas Nusantara PGRI Kediri
Alamat Perguruan Tinggi : Jl. K. H. Achmad Dahlan No.76
Dengan ini menyatakan bahwa :
a. artikel yang saya tulis merupakan karya saya pribadi (bersama tim penulis) dan
bebas plagiarisme;
b. artikel telah diteliti dan disetujui untuk diterbitkan oleh Dosen Pembimbing I dan II.
Demikian surat pernyataan ini saya buat dengan sesungguhnya. Apabila di kemudian hari
ditemukan ketidaksesuaian data dengan pernyataan ini dan atau ada tuntutan dari pihak lain,
saya bersedia bertanggungjawab dan diproses sesuai dengan ketentuan yang berlaku.
Mengetahui Kediri, 20 Juli 2018
Pembimbing I
Erna Daniati, M.Kom.
NIDN. 0723058501
Pembimbing II
Rina Firliana, M.Kom.
NIDN.0731087703
Penulis,
Wakhid Safaat
14.1.03.03.0011
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Wakhid Safaat | 14.1.03.03.0011 Fakultas Teknik – Sistem Informasi
simki.unpkediri.ac.id || 2||
DATA MINING UNTUK MEMBANTU REKOMENDASI
PEMILIHAN KAMERA
Wakhid Safaat
14.1.03.03.0011
Teknik – Sistem Informasi
Erna Daniati, M.Kom dan Rina Firliana, M.Kom.
UNIVERSITAS NUSANTARA PGRI KEDIRI
ABSTRAK
Dengan banyaknya pilihan jenis dan tipe kamera yang ditawarkan tersebut tak jarang banyak
konsumen yang merasa bingung dalam memilih jenis dan tipe kamera apa yang sesuai kebutuhanya,
masalah seperti ini banyak dialami oleh para fotografer pemula yang sebelumnya belum pernah
menjadi seorang fotografer. Kebanyakan fotografer pemula pasti akan tertarik ke jenis kamera terbaru
dan tercanggih tanpa diketahui fungsi kegunaanya terlebih dahulu yang sebenarnya belum terlalu
mereka butuhkan untuk sekelas fotografer pemula, sehingga biayapun akan membengkak karena
harganya yang mahal dan kecanggihan kamera tersebut akan sia-sia karena belum diperuntukan untuk
fotografer pemula. Penelitian ini menggunakan algoritma k-means untuk mengelompokan kamera
berdasarkan spesifikasi dengan bahasa pemrograman PHP. Algoritma k-means dapat digunakan untuk
mengelompokkan data kamera untuk membantu memberikan rekomendasi pemilihan kamera. Dari
hasil clustering yang didapatkan pada jumlah 3 cluster yaitu cluster3 kategori pemula, cluster2
kategori penghobi, dan cluster1 kategori profesional. Kategori pemula ditujukan untuk fotografer
pemula dalam dunia fotografi dengan spesifikasi sederhana. Kategori penghobi yang ditujukan untuk
fotografer yang mulai serius dalam dunia fotografi dan menginginkan spesifikasi yang lebih baik.
Kategori profesional ditujukan fotografer profesional yang membutuhkan spesifikasi lebih baik dan
lengkap dibandingkan dengan kategori pemula maupun penghobi.
KATA KUNCI : kamera, data mining, k-means, clustering
I. LATAR BELAKANG
Dengan semakin meningkatnya
perkembangan teknologi fotografi ini,
ternyata masih banyak para pengguna
kamera yang belum mengetahui teknologi
kamera seperti apa yang sesuai dengan
keinginan dan kebutuhan. Dengan
banyaknya pilihan jenis dan tipe kamera
yang ditawarkan tersebut tak jarang
banyak konsumen yang merasa bingung
dalam memilih jenis dan tipe kamera apa
yang sesuai kebutuhanya, masalah seperti
ini banyak dialami oleh para fotografer
pemula yang sebelumnya belum pernah
menjadi seorang fotografer. Kebanyakan
fotografer pemula pasti akan tertarik ke
jenis kamera terbaru dan tercanggih tanpa
diketahui fungsi kegunaanya terlebih
dahulu yang sebenarnya belum terlalu
mereka butuhkan untuk sekelas fotografer
pemula, sehingga biayapun akan
membengkak karena harganya yang mahal
dan kecanggihan kamera tersebut akan sia-
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Wakhid Safaat | 14.1.03.03.0011 Fakultas Teknik – Sistem Informasi
simki.unpkediri.ac.id || 3||
sia karena belum diperuntukan untuk
fotografer pemula.
II. METODE
Metode analisis data dalam
penelitian ini menggunakan metode
clustering dengan algoritma k-means untuk
proses data mining.
2.1. Clustering
Konsep dasar dari clustering adalah
mengelompokkan sejumlah objek ke dalam
cluster dimana cluster yang baik adalah
cluster yang memiliki tingkat kesamaan
yang tinggi antar objek di dalam suatu
cluster dan tingkat ketidaksamaan yang
tinggi dengan objek cluster yang lainnya.
(Abdillah, Putra, & Renaldi, 2016).
2.2. K-Means
Metode ini dapat mempartisi data ke
dalam kelompok sehingga data
berkarakteristik sama dimasukkan ke
dalam satu kelompok yang sama dan data
yang berkarakteristik berbeda
dikelompokkan ke dalam kelompok yang
lain. (Prasetyo, 2012)
Rumus Euclidean distance adalah
sebagai berikut:
( ) √( ) ( )
( )
………….. (2.1)
Keterangan:
D (i,j) = Jarak data ke i ke pusat cluster j
Xki = Data ke i pada atribut data ke k
Xkj = Titik pusat ke j pada atribut ke k
III. HASIL DAN KESIMPULAN
3.1. Analisa Data
Pada penelitian ini penulis telah
menentukan masalah yang akan diteliti.
Dimana masalah ini telah dirumuskan
menjadi bagaimanakah penelitian ini dapat
digunakan untuk membantu rekomendasi
pemilihan kamera dengan memanfaatkan
salah satu metode data mining yaitu
clustering menggunakan K-means
Clustering sebagai algoritma untuk
mengklaster data kamera.
3.2. Proses Data mining
Tahap pertama dari algoritma k-means yaitu
menentukan pusat cluster awal. Menentukan
centroid awal dilakukan secara acak dari data atau
objek yang tersedia sebanyak jumlah cluster k.
Nilai centroid awal pada penelitian ini dilakukan
pemilihan secara acak. Centroid awal pada jumlah
3 cluster.
3.3. Clustering menggunakan Tool
RapidMiner Studio
Gambar 3. 1 Desain Proses
Gambar 3. 2 Scatter Chart
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Wakhid Safaat | 14.1.03.03.0011 Fakultas Teknik – Sistem Informasi
simki.unpkediri.ac.id || 4||
3.4. Desain Perancangan Sistem
1. Analisis Kebutuhan
Pihak yang terlibat dalam sistem ini
adalah :
a. User, adalah orang atau sekelompok
orang yang ingin mencari rekomendasi
dalam memilih kamera DSLR yang
akan dibeli. User dapat mengakses
data spesifikasi kamera DSLR, data
detail kamera DSLR ataupun mencari
rekomendasi kamera DSLR yang
sesuai dengan kebutuhan.
2. Use Case Diagram
Gambar 3. 3 Use Case Diagram
Rekomendasi Kamera
Pada Use Case Diagram
rekomendasi kamera terdapat satu actor
yaitu user. user melakukan proses
pemilihan kriteria dan spesifikasi, login
user dan melihat hasil rekomendasi.
3.5. Desain Database
Gambar 3. 4 Desain Relasi Database
Pada aplikasi clustering data
kamera menggunakan 4 tabel meliputi
centroid, kamera, login, cluster. Pada tabel
centroid terdapat id_centroid sebagai
primary key dan berelasi dengan tabel
cluster sebagai foreign key. Kemudian
pada tabel kamera model sebagai primary
key berelasi dengan cluster sebagai foreign
key.
Gambar 3.5 Data Cluster
Hasil dari proses cluster dan
rekomendasi kamera. Apakah kamera
tersebut masuk kategori pemula, penghobi,
atau profesional.
Gambar 3.6 Grafik Hasil Cluster
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Wakhid Safaat | 14.1.03.03.0011 Fakultas Teknik – Sistem Informasi
simki.unpkediri.ac.id || 5||
Halaman untuk menampilkan
grafik jarak hasil perhitungan cluster.
Gambar 3.7Hasil Rekomendasi
Hasil akhir proses rekomedasi
kamera
IV. PENUTUP
6.1. KESIMPULAN
Algoritma k-means dapat digunakan untuk
mengelompokkan data kamera untuk membantu
memberikan rekomendasi pemilihan kamera.
Dari hasil clustering yang didapatkan pada
jumlah 3 cluster yaitu cluster3 kategori pemula
(newcomers) pada kelas entry level yang ditujukan
untuk fotografer pemula yang masih baru dalam
dunia fotografi dengan spesifikasi sederhana tidak
sebaik dan selengkap kategori advanced maupun
profesional.
Kemudian cluster2 kategori
penghobi (advanced) yang ditujukan untuk
fotografer atau penghobi yang mulai serius
dalam dunia fotografi dan menginginkan
spesifikasi yang lebih daripada kategori
pemula namun belum sebaik kategori
profesional.
Dan cluster1 kategori profesional
ditujukan bagi pengguna yang serius dalam
dunia fotografi atau juga fotografer
profesional yang membutuhkan spesifikasi
lebih baik dan lengkap dibandingkan
dengan kategori pemula maupun
advanced.
V. DAFTAR PUSTAKA
Abdillah, G., Putra, F. A., & Renaldi, F.
(2016). Penerapan Data Mining
Pemakaian Air Pelanggan untuk
Menentukan Klasifikasi Potensi
Pemakaian Air Pelanggan Baru di
PDAM Tirta Raharja
Menggunakan Algoritma K-Means.
SENTIKA 2016, 498-506.
Prasetyo, E. (2012). Data Mining - Konsep
dan Aplikasi Menggunakan Matlab.
Yogyakarta: ANDI.