IMPLEMENTASI METODE PROBABILISTIC DISTANCE … file(PDC) UNTUK KLASIFIKASI PINTU KAYU JATI DESKA...

perpustakaan.uns.ac.id digilib.uns.ac.id

commit to user

i

IMPLEMENTASI METODE PROBABILISTIC DISTANCE CLUSTERING

(PDC) UNTUK KLASIFIKASI PINTU KAYU JATI

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu

Jurusan Informatika

Disusun oleh :

DESKA MUHAMMAD FAISAL

NIM. M0509019

JURUSAN INFORMATIKA

FAKULTAS MATEMATIKA & ILMU PENGETAHUAN ALAM

UNIVERSITAS SEBELAS MARET

SURAKARTA

2013


commit to user

ii


commit to user

iii


commit to user

iv

IMPLEMENTASI METODE PROBABILISTIC DISTANCE CLUSTERING

(PDC) UNTUK KLASIFIKASI PINTU KAYU JATI

DESKA MUHAMMAD FAISAL Jurusan Informatika. Fakultas MIPA. Universitas Sebelas Maret.

ABSTRAK

Suatu industri kayu jati yang mengolah kayu jati menjadi beberapa produk

mebel mempunyai 120 produk jenis pintu. Perbedaan jenis pintu tergantung bahan

baku kayu jati yang digunakan dan waktu pengerjaan pintu. Banyaknya jenis pintu

membutuhkan pengklasifikasian pintu-pintu untuk mempermudah dalam

pengelolaan pintu. Kriteria yang digunakan untuk klasifikasi pintu adalah biaya

bahan baku dan waktu pengerjaan pintu. Proses klasifikasi dapat dilakukan

dengan teknik clustering menggunakan metode Probabilistic Distance Clustering

(PDC). Dalam PDC langkah awal yang dilakukan adalah menentukan pusat

cluster awal dan jumlah cluster terlebih dahulu.

Pada penelitian ini dipaparkan perbandingan hasil proses clustering antar

praprocessing clustering dalam metode PDC untuk mengklasifikasikan pintu

kayu jati. Praprocessing clustering adalah teknik pengambilan pusat cluster awal

dengan simple random atau stratified random, serta proses penyederhanaan data

clustering yaitu data dinormalisasi atau data disederhanakan ke ratusan ribuan

(tanpa normalisasi). Ada 4 (empat) praprocessing clustering yaitu pengambilan

pusat cluster awal simple random dengan data dinormalisasi (simple random–

normalisasi), simple random-tanpa normalisasi, stratified random-normalisasi,

stratified random-tanpa normalisasi. Untuk mengetahui jumlah cluster optimal

digunakan persamaan Pseudo-F. Jumlah cluster yang optimal adalah yang

mempunyai nilai Pseudo-F terbesar dan menghasilkan hasil clustering yang

efektif.

Hasil penelitian menunjukkan bahwa stratified random-tanpa normalisasi

menghasilkan rata-rata jumlah iterasi sedikit, rata-rata nilai e (toleransi error)

kecil, rata-rata waktu proses clustering cepat, dan rata-rata JDF (Joint Distance

Function) rendah sehingga lebih efektif dibandingkan preprocessing clustering

lain. Jumlah cluster yang optimal adalah 4 cluster karena mempunyai nilai

Pseudo-F tinggi dan menghasilkan rata-rata jumlah iterasi sedikit yaitu 23,75,

menghasilkan rata-rata nilai e kecil yaitu 0,08 dan membutuhkan rata-rata waktu

proses clustering cepat yaitu 0,969 detik dan tidak menghasilkan jumlah iterasi di

atas 100 iterasi.

Kata Kunci: normalisasi, probabilistic distance clustering, pseudo-f, simple

random, stratified random.


commit to user

v

IMPLEMENTATION OF PROBABILISTIC DISTANCE CLUSTERING

(PDC) METHOD FOR CLASSIFICATION TEAK WOOD DOOR

DESKA MUHAMMAD FAISAL Department of Informatic. Mathematic and Science Faculty.

Sebelas Maret University

ABSTRACT

A teak industry can produce some furniture products from teak wood up to

120 kinds of doors. Their differences depend on lots of teak wood material and the

production time. Classification of doors is needed in order to ease the

management process of doors. Criteria used for the classification process are the

materials cost and production time. The doors classification process uses

clustering technique with probabilistic distance clustering (PDC) method In the

first step of PDC, initial cluster center and the number of cluster must be

determined

This research present the result comparison of preprocessing clustering in

doors classification using PDC method. Preprocessing clustering is a technique

to take initial cluster centers with simple random or stratified random, and the

simplification of clustering data using data normalization or simplify the data into

thousand hundreds (non-normalization). There are four preprocessing clustering

: taking initial cluster centers with simple random and normalized data (simple

random - normalization), simple random - non-normalization, stratified random -

normalization, stratified random - non-normalization. The optimal cluster number

are determined using Pseudo-F equation. The number of clusters which have the

biggest value of Pseudo-F and produce effective clustering process is the optimal

number cluster.

The result of research shows that stratified random – non-normalization

produces the lowest average of iteration number, the lowest average of e value

(error tolerance), the fastest average clustering processing time and the lowest

JDF (Joint Distance Function) so it is the most effective preprocessing clustering.

The optimal number of cluster for clustering process is 4, because it has high

value of Pseudo-F equation (number 3), produces low average of iterations

number that is 23,75, produces low average of e value that is 0.008, need fast

average of clustering process time that is 0,969 seconds and does not produce the

number of iterations more than 100.

Kata Kunci: normalization, probabilistic distance clustering, pseudo-f, simple

random, stratified random.


commit to user

vi

MOTTO

“Sesungguhnya Shalatku, Ibadahku, Hidupku dan Matiku hanya untuk Allah

semata” (Q.S. Al-An’aam: 162)

“Karena sesungguhnya sesudah kesulitan itu ada kemudahan, sesungguhnya

sesudah kesulitan itu ada kemudahan, Maka apabila kamu telah selesai (dari

sesuatu urusan), kerjakanlah dengan sungguh-sungguh (urusan) yang lain”

(Q.S. Al-Insyirah : 5-7)

“Sesungguhnya Allah tidak akan mengubah nasib suatu kaum kecuali kaum itu

sendiri yang mengubah apa apa yang pada diri mereka.”

(Q.S. Ar-Ra'd : 11)

“Orang-orang menjadi begitu luar biasa ketika mereka mulai berpikir bahwa

mereka bisa melakukan sesuatu. Saat mereka percaya pada diri mereka sendiri,

mereka memiliki rahasia kesuksesan yang pertama.”

(Norman Vincent Peale)


commit to user

vii

PERSEMBAHAN

Karya ini penulis persembahkan kepada :

“Ibu dan Ayah yang telah membesarkan dan senantiasa mendukung saya hingga

menjadi seperti sekarang ini”

“Seluruh anggota keluarga yang telah banyak membantu doa agar selalu

dimudahkan dalam segala urusan”

“Teman-teman Informatika UNS khususnya angkatan 2009 untuk dukungan dan

kebersamaannya”


commit to user

viii

KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah Subhanahu Wa Ta’ala

yang senantiasa memberikan nikmat dan karunia-Nya sehingga penulis dapat

menyelesaikan skripsi dengan judul Implementasi Metode Probabilistic Distance

Clustering untuk Klasifikasi Pintu Kayu Jati, yang menjadi salah satu syarat wajib

untuk memperoleh gelar Sarjana Informatika di Universitas Sebelas Maret (UNS)

Surakarta.

Penulis menyadari akan keterbatasan yang dimiliki, begitu banyak

bimbingan, bantuan, serta motivasi yang diberikan dalam proses penyusunan

skripsi ini. Oleh karena itu, ucapan terima kasih penulis sampaikan kepada :

1. Bapak Ristu Saptono, S.Si., M.T selaku Dosen Pembimbing I yang penuh

kesabaran membimbing, mengarahkan, dan memberi motivasi kepada

penulis selama proses penyusunan skripsi ini,

2. Ibu Umi Salamah, S.Si.,M.Kom selaku Ketua Jurusan S1 Informatika dan

Dosen Pembimbing II yang penuh kesabaran membimbing, mengarahkan,

dan memberi motivasi kepada penulis selama proses penyusunan skripsi ini,

3. Bapak Didiek Sri Wiyono S.T.,M.T selaku Pembimbing Akademik yang

telah banyak memberi bimbingan dan pengarahan selama penulis

menempuh studi di Jurusan Informatika FMIPA UNS

4. Bapak dan Ibu dosen serta karyawan di Jurusan Informatika FMIPA UNS

yang telah mengajar penulis selama masa studi dan membantu dalam proses

penyusunan skripsi ini,

5. Ibu, Bapak, kakak, adik, serta teman-teman informatika 2009 yang telah

memberikan bantuan dan dukungan sehingga penyusunan skripsi ini dapat

terselesaikan.

Penulis berharap semoga skripsi ini dapat bermanfaat bagi semua pihak

yang berkepentingan.

Surakarta, Oktober 2013

Penulis


commit to user

ix

DAFTAR ISI

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

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

HALAMAN PENGESAHAN ................................................................................. iii

ABSTRAK ........................................................................................................... iv

ABSTRACT .............................................................................................................v

MOTTO .......................................................................................................... vii

PERSEMBAHAN ................................................................................................ viiii

KATA PENGANTAR .......................................................................................... viii

DAFTAR ISI .......................................................................................................... ix

DAFTAR TABEL ................................................................................................. xii

DAFTAR GAMBAR ............................................................................................ xiii

DAFTAR LAMPIRAN ........................................................................................ xxiv

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

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

1.2 Rumusan Masalah .........................................................................................4

1.3 Batasan Masalah ............................................................................................4

1.4 Tujuan Penelitian ...........................................................................................4

1.5 Manfaat Penelitian .........................................................................................5

1.6 Sistematika Penulisan ....................................................................................5

BAB II TINJAUAN PUSTAKA ...............................................................................6

2.1 Landasan Teori ..............................................................................................6

2.1.1 Clustering ............................................................................................6

2.1.2 Probabilistic Distance Clustering (PDC) .............................................6

2.1.3 Pseudo-F .............................................................................................8

2.1.4 Kayu Jati .............................................................................................9


commit to user

x

2.1.5 Normalisasi ....................................................................................... 10

2.1.6 Teknik Random Sampling .................................................................. 11

2.2 Penelitian Terkait ........................................................................................ 11

2.2.1 Comparison of Probabilistic-D and k-Means Clustering in Segment

Profiles for B2B Markets (Depanjann Dey, Satish Garla dan Goutam

Chakraborty,2011).............................................................…………... 11

2.2.2 Familiarising Probabilistic Distance Clustering System Of Evolving

Awale Player (Randle Oluwarotimi Abayomi dan Keneilwe Zuva ,

2012)..................................................................................................... 12

2.2.3 Pengelompokan Kecamatan Di Pulau Madura Berdasarkan Sektor

Pertanian Sebelum Dan Setelah Berdiri Jembatan Suramadu (Aizeh

Mauludina, Dr. Ir. Setiawan, MS, 2012)............................................... 12

2.2.4 Segmentasi Pasar Dengan Ant-Kmeans Clustering (Budi Santosa,

Patdono Suwignyo, 2010)..................................................................... 13

2.3 Rencana Penelitian ...................................................................................... 14

BAB III METODE PENELITIAN .......................................................................... 15

3.1 Tahap Persiapan .......................................................................................... 15

3.1.1 Study Literature ................................................................................. 15

3.1.2 Pengumpulan Data ............................................................................. 15

3.2 Tahap Pemodelan ........................................................................................ 15

3.2.1 Pemodelan Data ................................................................................. 15

3.2.2 Pemodelan Langkah Kerja ................................................................. 16

3.3 Tahap Implementasi .................................................................................... 19

3.3.1 Prediksi Jumlah Cluster Optimal dengan Pseudo-F............................ 19

3.3.2 Proses Clustering Metode Probabilistic Distance Clustering ............. 20

3.4 Tahap Pengujian .......................................................................................... 23

3.5 Tahap Klasifikasi Pintu................................................................................ 23

3.6 Membuat Kesimpulan Penelitian ................................................................. 24

BAB IV PEMBAHASAN ....................................................................................... 25

4.1 Data Hasil Observasi ................................................................................... 25


commit to user

xi

4.2 Konversi Biaya Bahan Baku ........................................................................ 26

4.3 Pengolahan Data Pintu Sebelum Clustering ................................................. 27

4.4 Prediksi Jumlah Cluster Optimal Berdasarkan Pseudo-F ............................. 28

4.5 Hasil Clustering Menggunakan Metode Probabilistic Distance Clustering .. 29

4.5.1 Pembahasan Hasil Clustering Berdasarkan Jumlah Iterasi ..................... 30

4.5.2 Pembahasan Hasil Clustering Berdasarkan Nilai e ................................ 32

4.5.3 Pembahasan Hasil Clustering Berdasarkan Waktu Proses Clustering .... 33

4.5.4 Pembahasan Hasil Clustering Berdasarkan JDF .................................... 35

4.6 Penentuan Jumlah Cluster Optimal .............................................................. 36

4.7 Hasil Clustering Pintu Kayu Jati .................................................................. 38

BAB V PENUTUP ................................................................................................. 42

5.1 Kesimpulan ................................................................................................. 42

5.2 Saran ........................................................................................................... 42

DAFTAR PUSTAKA ............................................................................................. 43


commit to user

xii

DAFTAR TABEL

Tabel 4.1 Sample Data Pintu Hasil Observasi .......................................................... 25

Tabel 4.2 Contoh Proses Konversi Bahan Baku ke Biaya Bahan Baku .................... 26

Tabel 4.3 Contoh Proses Konversi Panjang Lis ke Biaya Lis ................................... 26

Tabel 4.4 Urutan Nilai Pseudo-F Data Normalisasi ................................................. 28

Tabel 4.5 Urutan Nilai Pseudo-F Data Tanpa Normalisasi ...................................... 29

Tabel 4.6 Perbandingan Rata-Rata Jumlah Iterasi .................................................... 30

Tabel 4.7 Perbandingan Rata-Rata Nilai e ............................................................... 32

Tabel 4.8 Perbandingan Rata-Rata Waktu Proses Clustering ................................... 33

Tabel 4.9 Perbandingan Rata-Rata JDF .................................................................. 35

Tabel 4.10 Perbandingan Pseudo-F dengan Hasil Clustering Stratified Random –

Tanpa Normalisasi .............................................................................. 37

Tabel 4.11 Iterasi dalam Proses Clustering Metode PDC ........................................ 39

Tabel 4.12 Analisis Hasil Clustering ....................................................................... 40


commit to user

xiii

DAFTAR GAMBAR

Gambar 3.1 Pemodelan Langkah Clustering dan Analisa ........................................ 17

Gambar 3.2 Algoritma PDC .................................................................................... 22

Gambar 4.1 Grafik Perbandingan Jumlah Iterasi ..................................................... 31

Gambar 4.2 Grafik Perbandingan Nilai e ................................................................. 32

Gambar 4.3 Grafik Perbandingan Waktu Proses Clustering..................................... 34

Gambar 4.3 Grafik Perbandingan JDF .................................................................... 35


commit to user

xiv

DAFTAR LAMPIRAN

Lampiran A. Data Pintu Kayu Jati untuk Proses Clustering ..................................... 46

Lampiran B. Daftar Harga Bahan Baku Kayu Jati ................................................... 50

Lampiran C. Hasil Percobaan Metode PDC dengan 2 Cluster ................................. 52

Lampiran D. Hasil Percobaan Metode PDC dengan 3 Cluster ................................. 53

Lampiran E. Hasil Percobaan Metode PDC dengan 4 Cluster ................................. 54

Lampiran F. Hasil Percobaan Metode PDC dengan 5 Cluster .................................. 55

Lampiran G. Hasil Percobaan Metode PDC dengan 6 Cluster ................................. 56

Lampiran H. Hasil Percobaan Metode PDC dengan 7 Cluster ................................. 57

Lampiran I. Hasil Percobaan Metode PDC dengan 8 Cluster .................................. 58

Lampiran J. Hasil Percobaan Metode PDC dengan 9 Cluster .................................. 59

Lampiran K. Hasil Percobaan Metode PDC dengan 10 Cluster ............................... 60

Lampiran L. Standar Deviasi 20 kali Clustering ...................................................... 60

Lampiran M. Proses Klasifikasi Pintu Kayu Jati ...................................................... 63

IMPLEMENTASI METODE PROBABILISTIC DISTANCE … file(PDC) UNTUK KLASIFIKASI PINTU KAYU JATI DESKA...

Documents

Transcript of IMPLEMENTASI METODE PROBABILISTIC DISTANCE … file(PDC) UNTUK KLASIFIKASI PINTU KAYU JATI DESKA...