HALAMAN JUDUL

SISTEM INFORMASI UNTUK PEMILIHAN PRODUK KULINER

MENGGUNAKAN METODE CLUSTERING K-MEANS DAN WEIGHTED

PRODUCT

Tesis

untuk memenuhi sebagian persyaratan

mencapai derajat Sarjana S-2

Program Studi Magister Sistem Informasi

Anindya Khrisna Wardhani

30000416410010

SEKOLAH PASCASARJANA

UNIVERSITAS DIPONEGORO

SEMARANG

2018

ii

iii

iv

v

KATA PENGANTAR

AlhamdulillahiRabbil’ Alamin saya ucapkan sebagai tanda syukur yang

dalam kepada Allah SWT atas segala karunia dan rahmat yang diberikan-Nya,

Shalawat bersampul salam terucap buat seorang revolusioner Islam, bangsawan

budi, junjungan alam Rasulullah Muhammad SAW sehingga penulis dapat

menyelesaikan penulisan tesis ini dengan judul “Sistem Informasi untuk

Pemilihan Produk Kuliner Menggunakan Metode Clustering K-Means dan

Weighted Product”.

Tesis ini guna melengkapi salah satu persyaratan untuk memperoleh

Magister Komputer (M.Kom) pada Program Studi Magister Sistem Informasi

Universitas Diponegoro Semarang. Banyak pihak yang telah membantu penulis

dalam menyusun penelitian tesis ini, baik berupa materi maupun moril atau

motivasi. Untuk itu pada kesempatan ini penulis mengucapkan terima kasih yang

sebesar-besarnya kepada:

1. Bapak Prof. Dr. Ir. Purwanto, DEA. selaku Dekan Sekolah Pascasarjana

Universitas Diponegoro.

2. Bapak Dr. Suryono, S.Si., M.Si. selaku Ketua Program Studi Sekolah

Pascasarjana Magister Sistem Informasi Universitas Diponegoro Semarang.

3. Bapak Dr. Catur Edi Widodo, M.T. selaku Pembimbing I yang penuh

kesabaran memberikan pengarahan dan motivasi, terima kasih atas waktu,

ilmu, saran dan semangat yang selalu Bapak berikan selama bimbingan.

4. Bapak Jatmiko Endro Suseno, M.Si., Ph.D sebagai Pembimbing II, terima

kasih atas waktu, ilmu, saran dan semangat yang Bapak berikan selama

bimbingan.

Penulis menyadari sepenuhnya bahwa dalam penyusunan tesis ini masih

terdapat banyak kekurangan, untuk itu penulis mengharap kritik dan saran dari

berbagai pihak untuk sempurnanya sebuah karya tulis.

Semarang, 25 Juni 2018

Anindya Khrisna Wardhani

vi

DAFTAR ISI

Halaman

HALAMAN JUDUL ................................................................................................ i

HALAMAN PERSETUJUAN ................................................................................ ii

PERNYATAAN PERSETUJUAN ......................................................................... ii

PERNYATAAN ..................................................................................................... iv

KATA PENGANTAR ............................................................................................ v

DAFTAR ISI .......................................................................................................... vi

DAFTAR GAMBAR ............................................................................................ vii

DAFTAR TABEL .................................................................................................. ix

DAFTAR LAMPIRAN ........................................................................................... x

ABSTRAK ............................................................................................................. xi

ABSTRACT .......................................................................................................... xii

BAB I PENDAHULUAN ....................................................................................... 1

1.1 Latar Belakang ............................................................................................... 1

1.2 Tujuan Penelitian ........................................................................................... 2

1.3 Manfaat Penelitian ......................................................................................... 3

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI ........................................ 4

2.1 Tinjauan Pustaka ............................................................................................ 4

2.2 Dasar Teori .................................................................................................... 5

2.2.1 Clustering ............................................................................................... 5

2.2.2 K-Means ................................................................................................. 6

2.2.3 Sistem Pendukung Keputusan ................................................................ 8

2.2.4 Multi Attribute Decision Making ............................................................ 9

2.2.5 Weighted Product ................................................................................. 10

BAB III METODE PENELITIAN........................................................................ 12

3.1 Bahan dan Alat Penelitian ........................................................................... 12

3.2 Kerangka Sistem Informasi ......................................................................... 12

3.3 Use Case Diagram ....................................................................................... 15

3.4 Activity Diagram .......................................................................................... 19

3.5 Perancangan Antarmuka Sistem .................................................................. 24

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ...................................... 35

4.1 User Interface .............................................................................................. 35

4.2 Perhitungan Sistem ...................................................................................... 46

4.3 Pengujian Sistem ......................................................................................... 63

4.3.1 Pengujian Black Box ............................................................................. 63

4.3.2 Pengujian Akurasi ................................................................................ 68

4.3.3 Pengujian Beta ...................................................................................... 77

BAB V KESIMPULAN DAN SARAN ................................................................ 79

5.1 Kesimpulan .................................................................................................. 79

5.2 Saran ............................................................................................................ 79

Daftar Pustaka ....................................................................................................... 81

LAMPIRAN .......................................................................................................... 84

vii

DAFTAR GAMBAR

Halaman

Gambar 3. 1 Kerangka Sistem Informasi .............................................................. 13

Gambar 3. 2 Use Case Diagram ........................................................................... 16

Gambar 3. 3 Activity Diagram Proses Input Data Rumah Makan ........................ 20

Gambar 3. 4 Activity Diagram Proses Input Data Menu Makanan....................... 20

Gambar 3. 5 Activity Diagram Input Cluster Kategori Makanan Menggunakan K-

means ............................................................................................... 21

Gambar 3. 6 Activity Diagram Proses Input Data Kriteria ................................... 21

Gambar 3. 7 Activity Diagram Proses Laporan Sistem Pendukung Keputusan ... 22

Gambar 3. 8 Activity Diagram Proses Laporan Clustering .................................. 23

Gambar 3. 9 Sequence Diagram ........................................................................... 23

Gambar 3. 10 Class Diagram................................................................................ 24

Gambar 3. 11 Desain Menu Utama ....................................................................... 25

Gambar 3. 12 Desain Menu Makanan Khas ......................................................... 25

Gambar 3. 13 Desain Option ................................................................................. 26

Gambar 3. 14 Desain Menu Bingung Makan Apa ................................................ 26

Gambar 3. 15 Desain Menu Hasil Rekomendasi .................................................. 27

Gambar 3. 16 Desain Menu Hidangan Pembuka .................................................. 27

Gambar 3. 17 Desain Menu Sup ........................................................................... 28

Gambar 3. 18 Desain Menu Hidangan Pokok ....................................................... 28

Gambar 3. 19 Desain Menu Hidangan Penutup .................................................... 29

Gambar 3. 20 Desain Menu Snack ........................................................................ 29

Gambar 3. 21 Desain Menu Minuman .................................................................. 30

Gambar 3. 22 Desain Menu History Pencarian ..................................................... 30

Gambar 3. 23 Desain Login .................................................................................. 31

Gambar 3. 24 Desain Menu Utama ....................................................................... 31

Gambar 3. 25 Desain Input Data Login ................................................................ 32

Gambar 3. 26 Desain Input Data Kuliner.............................................................. 32

Gambar 3. 27 Desain Input Rumah Makan ........................................................... 33

Gambar 3. 28 Desain Input Data Menu ................................................................ 33

Gambar 3. 29 Desain Laporan Pengelompokan .................................................... 34

Gambar 4. 1 Tampilan Menu Utama..................................................................... 35

Gambar 4. 2 Tampilan Option pada Menu Utama ................................................ 36

Gambar 4. 3 Tampilan Menu Bingung Makan Apa .............................................. 36

Gambar 4. 4 Tampilan Menu Hasil Rekomendasi ................................................ 37

Gambar 4. 5 Tampilan Menu Hidangan Pembuka ................................................ 37

Gambar 4. 6 Tampilan Menu Sup ......................................................................... 38

Gambar 4. 7 Tampilan Menu Hidangan Pokok .................................................... 38

Gambar 4. 8 Tampilan Menu Hidangan Penutup.................................................. 39

Gambar 4. 9 Tampilan Menu Snack ...................................................................... 39

Gambar 4. 10 Tampilan Menu Minuman .............................................................. 40

Gambar 4. 11 Tampilan Menu History Rekomendasi .......................................... 40

Gambar 4. 12 Tampilan Login Administrator ....................................................... 41

viii

Gambar 4. 13 Tampilan Menu Utama Administrator ........................................... 41

Gambar 4. 14 Tampilan Menu Data Admin.......................................................... 42

Gambar 4. 15 Tampilan Menu Data Kuliner ........................................................ 42

Gambar 4. 16 Tampilan Menu Data Restoran ...................................................... 43

Gambar 4. 17 Tampilan Menu Data Menu Makanan ........................................... 43

Gambar 4. 18 Laporan Pengelompokan ................................................................ 44

Gambar 4. 19 Laporan Detail Rumah Makan Sesuai Cluster ............................... 44

Gambar 4. 20 Laporan Data History Pencarian .................................................... 45

Gambar 4. 21 Detail Laporan History Pencarian Rekomendasi ........................... 45

ix

DAFTAR TABEL

Tabel 3. 1 Fasilitas ................................................................................................ 14

Tabel 3. 2 Skenario Use Case Input Data Alternatif ............................................. 17

Tabel 3. 3 Skenario Use Case Input Data Menu Makanan ................................... 17

Tabel 3. 4 Skenario Use Case Input Data Cluster Kategori Makanan

Menggunakan K-means ........................................................................ 17

Tabel 3. 5 Skenario Use Case Input Perbandingan Kebutuhan Menggunakan

Weighted Product ................................................................................. 18

Tabel 3. 6 Skenario Use Case Laporan Sistem Pendukung Keputusan Weighted

Product ................................................................................................. 18

Tabel 3. 7 Skenario Use Case Laporan Cluster K-means ..................................... 19

Tabel 4. 1 Data Jumlah Menu Rumah Makan....................................................... 46

Tabel 4. 2 Titik Pusat Cluster ............................................................................... 50

Tabel 4. 3 Jarak ke Pusat Cluster .......................................................................... 51

Tabel 4. 4 Anggota Cluster ................................................................................... 56

Tabel 4. 5 Pusat Cluster Baru ............................................................................... 57

Tabel 4. 6 Hasil Cluster ........................................................................................ 57

Tabel 4. 7 Kategori Menu ..................................................................................... 60

Tabel 4. 8 Range Harga Pisang Plenet .................................................................. 61

Tabel 4. 9 Jumlah Menu Berdasarkan Harga ........................................................ 61

Tabel 4. 10 Range Jarak ........................................................................................ 62

Tabel 4. 11 Sample Data ....................................................................................... 62

Tabel 4. 12 Hasil Perhitungan Bobot .................................................................... 63

Tabel 4. 13 Hasil Pengujian Sistem ...................................................................... 64

Tabel 4. 14 Data Pakar Pengelompokkan Rumah Makan .................................... 69

Tabel 4. 15 Data Hasil Clustering K-means.......................................................... 72

Tabel 4. 16 Pengujian Weighted Product .............................................................. 75

Tabel 4. 17 Skala Kuisioner .................................................................................. 77

x

DAFTAR LAMPIRAN

Halaman

Lampiran 1 Tabel Data Rumah Makan ................................................................. 85

Lampiran 2 Tabel Data Menu Makanan ............................................................... 93

Lampiran 3 Kuisioner ......................................................................................... 108

Lampiran 4 Hasil Kuisioner Pengujian Beta ....................................................... 110

Lampiran 5 Data Pakar........................................................................................ 117

xi

Sistem Informasi untuk Pemilihan Produk Kuliner Menggunakan Metode

Clustering K-Means dan Weighted Product

ABSTRAK

Makanan khas merupakan makanan yang memiliki ciri khas yang tidak ditemukan

di wilayah lain. Banyaknya rumah makan yang menjual makanan khas, memicu

perlunya strategi dalam pemasaran. Penelitian ini bertujuan membangun sistem

informasi untuk meningkatkan strategi pemasaran dengan memberikan

rekomendasi produk kuliner berdasarkan kriteria yang diinginkan oleh konsumen.

Digunakan teknik clustering k-means untuk memberikan rekomendasi

berdasarkan pengelompokan rumah makan berdasarkan kategori makanan

menggunakan data jumlah menu yang terdapat pada rumah makan tersebut.

Berdasarkan data jumlah menu, data di cluster menjadi 6 kelompok. Kategori

makanan yang diinginkan oleh konsumen dibagi menjadi enam kategori yaitu

hidangan pembuka, sup, hidangan penutup, makanan ringan dan minuman.

Setelah data dikelompokkan, data hasil pengelompokan digunakan sebagai proses

filter rumah makan yang akan diolah pada proses perankingan menggunakan

metode weighted product. Selain kategori menu, kriteria yang digunakan adalah

jumlah menu, harga, jarak dan fasilitas. Data tersebut kemudian dihitung dan

menghasilkan perankingan rekomendasi rumah makan sesuai dengan kriteria yang

diinginkan oleh konsumen. Studi kasus dilakukan pada 105 rumah makan yang

menjual makanan khas di Kota Semarang. Sistem informasi untuk memilih

produk kuliner menggunakan weighted product dapat memberikan rekomendasi

dengan baik. Pada pengujian akurasi dengan pakar, diperoleh skor 87,61% pada

pengelompokan rumah makan berdasarkan kategori menu menggunakan metode

clustering k-means dan skor 100% untuk perankingan rekomendasi rumah makan

menggunakan metode weighted product. Sedangkan pada pengujian beta,

diperoleh kesimpulan bahwa sistem yang dibangun berfungsi sesuai dengan yang

diinginkan konsumen dengan skor 78,84%. Dengan adanya sistem yang sesuai

dengan keinginan konsumen, diharapkan penjual dapat menjadikan sistem sebagai

salah satu strategi dalam pemasaran.

Kata kunci : sistem pendukung keputusan, data mining, k-means, weighted

product, kuliner

xii

Information System for Culinary Product Selection Using Clustering K-

Means and Weighted Product Method

ABSTRACT

Typical food is a food that has characteristics that are not found in other regions.

The number of restaurants that sell typical food, trigger the need for strategy in

marketing. This study aims to build information systems to improve marketing

strategies by providing culinary product recommendations based on the criteria

desired by consumers. K-means clustering technique is used to provide

recommendations based on restaurant groupings based on food category using the

number of menu data found in the restaurant. Based on the number of data menus,

the data in the cluster into 6 groups. The categories of food desired by consumers

are divided into six categories: appetizers, soups, desserts, snacks and drinks.

After the data are grouped, the result data of grouping is used as the process of

restaurant filter to be processed in the ranking process using weighted product

method. In addition to menu categories, the criteria used are the number of menus,

prices, distances and facilities. The data is then calculated and resulted in the

ranking of restaurant recommendations in accordance with the criteria desired by

consumers. The case study was conducted on 105 restaurants that sell typical food

in Semarang City. Information systems for choosing culinary products using

weighted products can provide a good recommendation. In the test of accuracy

with the expert, obtained a score of 77.14% in the clustering restaurant based on

the menu category using k-means clustering method and a score of 100% for

ranking restaurant recommendations using weighted product method. While in the

beta test, obtained the conclusion that the system built functioned in accordance

with the desired consumer with a score of 78.84%. With the system in accordance

with the wishes of consumers, it is expected the seller can make the system as one

of the strategies in marketing.

Keywords : decision support system, data mining, k-means, weighted product,

culinary