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) : wakhidsafaat1995@gmail.com

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

wakhidsafaat@gmail.com

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.