Download - cluster datmin
-
8/7/2019 cluster datmin
1/29
ABSTRAKS
Analisis cluster merupakan salah satu teknik data mining yang bertujuan untukmengidentifikasi sekelompok obyek yang mempunyai kemiripan karakteristik tertentu
yang dapat dipisahkan dengan kelompok obyek lainnya, sehingga obyek yang beradadalam kelompok yang sama relatif lebih homogen daripada obyek yang berada pada
kelompok yang berbeda. Tujuan dari pengelompokan sekumpulan data obyek ke
dalam beberapa kelompok yang mempunyai karakteristik tertentu dan dapatdibedakan satu sama lainnya adalah untuk analisis dan interpretasi lebih lanjut
sesuai dengan tujuan penelitian yang dilakukan. Tujuan dari penelitian ini adalahingin berusaha memuaskan pengunjung perpustakaan FTI UII. Penelitian ini
menggunakan Teknik Hierarki untuk mengetahui pengelompokan-pengelompokan
yang terjadi. Dalam Teknik Hierarki digunakan dua metode yaitu AgglomerativeMethods yang disajikan dalam bentuk dendogram dan menghasilkan tiga cluster dan
dua oulier. Sedangkan profilisasi mahasiswa menghasilkan persentase
pengelompokkan dari jenis kelamin mahasiswa, jurusan mahasiswa, intensitasmahasiswa mengunjungi perpustakaan dalam seminggu, lamanya mahasiswa berada
di perpustakaan, dan lamanya mahasiswa menjadi anggota perpustakaan. Daripengelompokan tersebut, diketahui jenis kelamin mahasiswa yang paling banyak
mengunjungi perpustakaan adalah laki-laki dengan presentase 54%; jurusanmahasiswa yang paling banyak berkunjung adalah Teknik Industri terbukti dengan
persentase yang diperoleh lebih besar dari yang lainnya, yaitu : 78%; intensitas
mahasiswa paling banyak adalah sebanyak
-
8/7/2019 cluster datmin
2/29
BAB I
PENDAHULUAN
1.1 Latar Belakang
Analisis cluster merupakan salah satu teknik data mining yang bertujuan untuk
mengidentifikasi sekelompok obyek yang mempunyai kemiripan karakteristik
tertentu yang dapat dipisahkan dengan kelompok obyek lainnya, sehingga obyek
yang berada dalam kelompok yang sama relatif lebih homogen daripada obyek
yang berada pada kelompok yang berbeda. Jumlah kelompok yang dapat
diidentifikasi tergantung pada banyak dan variasi data obyek. Tujuan dari
pengelompokan sekumpulan data obyek ke dalam beberapa kelompok yang
mempunyai karakteristik tertentu dan dapat dibedakan satu sama lainnya adalah
untuk analisis dan interpretasi lebih lanjut sesuai dengan tujuan penelitian yang
dilakukan. Model yang diambil diasumsikan bahwa data yang dapat digunakan
adalah data yang berupa data interval, frekuensi dan biner. Set data obyek harus
mempunyai peubah dengan tipe yang sejenis tidak campur antara tipe yang satu
dengan lainnya. Dalam hal ini, perpustakaan FTI UII akan melakukan
pengelompokan kepada para anggota perpustakaan berdasarkan tingkat kepuasan
pelanggan terhadap pelayanan yang diberikan. Perpustakaan FTI UII ini
menyebarkan 2 kuisioner kepada pengunjungnya, dimana kuisioner 1 berisi
pertanyaan seputar pofilisasi pengunjung yaitu: Jenis Kelamin, Jurusan,
Intensitas kunjungan, Lama kunjungan dan Lama keanggotaan, sedangkan
kuisioner 2 berisi pertanyaan mengenai tingkat kepuasan pengunjung
berdasarkan variabel yaitu: Kecepatan pelayanan, Kelengkapan jenis buku,
Pelayanan yang diberikan, Kenyamanan tempat dan Tata letak tempat . Pada
dasarnya penelitian ini digunakan untuk mengetahui apa sajakah yang
diinginkan pengunjung selama berkunjung ke Perpustakaan FTI UII sehingga
nantinya pengunjung terkelompok dalam beberapa cluster yang memiliki
persamaan karakteristik.
-
8/7/2019 cluster datmin
3/29
1.2 Rumusan Masalah
1.Berapakah jumlah cluster yang terbentuk dengan menggunakan
metode hirarki?
2. Bagaimana hasil profilisasi customer?
1.3 Tujuan Penelitian
Adapun tujuan dari penelitian ini yaitu:
1. Untuk mengetahui jumlah cluster yang terbentuk dengan menggunakan
Metode Hierarki
2. Untuk mengetahui profilisasi customer yang terbentuk
1.4 Manfaat Penelitian
Manfaat yang diperoleh dari penelitian ini adalah sebagai berikut :
1. Sebagai sumbangan pemikiran bagi Perpustakaan FTI UII dalam
mensukseskan pendidikan.
2. Memperluas dan memperdalam pengetahuan dan wawasan pemikiran
mengenai metode analisis cluster.
-
8/7/2019 cluster datmin
4/29
BAB II
LANDASAN TEORI
2.1 Analysis Cluster
Analisis cluster merupakan salah satu teknik data mining yang bertujuan untuk
mengidentifikasi sekelompok obyek yang mempunyai kemiripan karakteristik tertentu
yang dapat dipisahkan dengan kelompok obyek lainnya, sehingga obyek yang berada
dalam kelompok yang sama relatif lebih homogen daripada obyek yang berada pada
kelompok yang berbeda. Jumlah kelompok yang dapat diidentifikasi tergantung pada
banyak dan variasi data obyek. Tujuan dari pengelompokan sekumpulan data obyek
ke dalam beberapa kelompok yang mempunyai karakteristik tertentu dan dapat
dibedakan satu sama lainnya adalah untuk analisis dan interpretasi lebih lanjut sesuai
dengan tujuan penelitian yang dilakukan. Solusi cluster secara keseluruhan bergantung
pada variabel-variaabel yang digunakan sebagai dasar untuk menilai kesamaan.
Penambahan atau pengurangan variabel-variabel yang relevan dapat mempengaruhi
substansi hasil analisisi cluster.
2.2 Tujuan Analisis Cluster
Analisis cluster dapat diterapkan pada bidang apa saja. Namun pemakaian
teknik ini lebih familiar pada bidang pemasaran karena memang salah satu kegiatan
yang dilakukan dalam pemasaran adalah pengelompokan, yang disebut segmentasi
pasar. Tujuan analisis cluster di dalam pemasaran adalah sebagai berikut :
1. Membuat segmen pasar (segmenting the market)
Pelanggan atau pembeli sering diklasterkan berdasarkan manfaat atau keuntungan
yang diperoleh dari pembelian barang. Setiap cluster akan terdiri daripelanggan/pembeli yang relatif homogen, dinyatakan dalam manfaat yang dicari.
2. Memahami perilaku pembeli
Analisis cluster digunakan untuk mengenali/mengidentifikasi kelompok pembeli
yang homogen/relatif homogen. Kemudian perilaku dalam untuk setiap kelompok
perlu dikaji secara terpisah. Responden (pembeli) dikelompokkan didasarkan pada
self-reported importance yang terkait pada setiap faktor pilihan yang digunakan
untuk memilih toko atau mall di mana para pembeli membeli barang yang
dibutuhkan.
-
8/7/2019 cluster datmin
5/29
-
8/7/2019 cluster datmin
6/29
BAB III
METODOLOGI PENELITIAN
3.1 Lokasi Penelitian
Lokasi penelitian Analisis Cluster ini terletak di Perpustakaan FTI UII,
yang terletak di Jalan Raya Kaliurang km 14,5 Yogyakarta.
3.2 Objek Penelitian
Dalam penelitian ini kami membagikan kuisioner pada para pengunjungPerpustakaan FTI UII Yogyakarta.
3.3 Metode Pengumpulan Data
3.3.1 Primer
Metode pengumpulan data primer yang kami lakukan yaitu dengan
membagikan kuisioner kepada para pengunjung perpustakaan FTI UII, data
yang kami ambil dari Perpustakaan FTI UII yaitu sebanyak 50 data.
3.3.2 Sekunder
Pada penelitian ini kami tidak menggunakan data sekunder karena data
yang kami peroleh didapat dari pembagian kuisioner pada para pelanggan.
Sehingga, tidak dibutuhkan data history dari pihak Perpustakaan maupun dari
sumber lainnya.
-
8/7/2019 cluster datmin
7/29
-
8/7/2019 cluster datmin
8/29
3.4 flow chart
MulaiMulai
Pengamatan AwalPengamatan Awal
PengumpulanData
PengumpulanData
IdentifikasiMasalah
Identifikasi
Masalah
Pengolahan DataPengolahan Data
PembahasanPembahasan
Analisis DataAnalisis Data
Kesimpulan danSaran
Kesimpulan dan
Saran
SelesaiSelesai
Gambar 3.1 Flow chart
-
8/7/2019 cluster datmin
9/29
-
8/7/2019 cluster datmin
10/29
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Pengumpulan Data
Tabel 4.1 Data Hasil Kuisioner Pertama
-
8/7/2019 cluster datmin
11/29
nama Jenis kelamin jurusan intensitas Lama waktu Lama berlangganan
Yudha 1 1 1 1 3
Wijaya 1 2 3 2 4
Nindar 1 1 5 2 4
Arun 1 1 2 2 2
Cahyo 1 1 2 2 3
Wewen 2 1 2 1 3
Pepy 1 1 2 2 1
Pre Agus 1 1 2 2 3
Mhd. Khai 1 1 1 1 3
Herdy 1 1 2 2 3
Nafis 1 1 1 3 3
Tri Apri 1 1 1 1 3
Noviana 2 1 1 2 3
Ika 2 1 1 1 3
Aziz 1 1 1 2 3
Prasidya 1 2 1 3 3
Reza 1 2 3 1 3
Septia 2 1 1 2 2
Rizki 2 1 1 1 2
Meilina 2 1 1 3 2
Ayu dwi 2 1 1 1 3
Intan 2 1 2 2 2
Acintya 2 1 1 1 2
Lili 2 1 2 2 3
Dian 2 1 2 1 2
nama Jenis kelamin jurusan intensitas Lama waktu Lama berlanggananRoberta 1 1 5 5 5
Mei 2 3 3 1 3
Nurul 2 3 2 1 3
Syukron 1 1 2 2 2
Trisno 1 1 2 2 2
Teguh 1 1 3 1 3
Indra 1 1 1 3 1
Heri 1 4 1 1 4
Yudha 2 1 1 2 3Andre 1 1 2 1 3
Feri 1 1 2 2 3
Yopika 1 1 1 2 3
Fai 2 1 2 2 4
Diana 2 1 1 1 3
nila 2 1 2 4 4
Yudha 1 1 2 4 5
Lopn 1 1 5 4 5
Novi 2 2 1 2 5Vina 2 1 1 1 3
Ani 2 1 1 2 3
Deni 2 1 1 1 3
Ala 2 2 4 3 4
Tika 2 2 2 1 3
-
8/7/2019 cluster datmin
12/29
Tabel4.2 Data Hasil Kuisioner 2
nama Kecepatan
pelayanan
Kelengkapan
jenis buku
pelayanan Kenyamanan
tempat
Tata letak
tempat
Yudha 2 3 3 3 2
Wijaya 3 1 3 2 3
Nindar 2 2 3 2 3
Arun 2 2 2 2 2
Cahyo 2 2 2 2 2
Wewen 2 3 3 2 3
Pepy 2 3 3 3 3
Pre Agus 2 4 3 3 3
Mhd. Khai 3 3 3 3 3
Herdy 2 3 1 2 5Nafis 1 2 3 2 3
Tri Apri 1 2 1 1 1
Noviana 3 3 3 3 2
Ika 2 3 3 2 3
Aziz 2 4 5 3 3
Prasidya 2 2 2 2 3
Reza 2 3 3 1 2
Septia 2 2 2 2 2
Rizki 2 2 2 2 2Meilina 2 2 2 1 2
Ayu dwi 2 3 3 2 3
Lili 2 3 3 3 3
Intan 2 3 2 2 2
Acintya 2 3 3 4 3
Dian 2 4 2 2 2
Imam 2 2 2 2 2
Roberta 3 3 3 2 2
nama Kecepatan Kelengkapan pelayanan Kenyamanan Tata letak
-
8/7/2019 cluster datmin
13/29
pelayanan jenis buku tempat tempat
Nurul 2 3 3 2 2
Syukron 2 4 2 2 3
Trisno 4 4 4 3 3
Teguh 2 3 2 2 3
Indra 2 3 3 2 2
Heri 3 3 4 4 3
Yudha.Y 1 2 2 3 3
Andre 3 2 3 3 3
Ferry 3 4 4 3 3
Yopika 3 2 2 2 3
Fay 2 3 3 2 3
Diana 3 4 3 4 2
nila 2 3 4 3 3Yudha 3 3 3 2 3
Lopn 3 2 3 3 3
Novi 3 4 3 3 3
Vina 2 3 2 2 2
Ani 2 2 2 2 4
Deni 2 2 2 2 2
Ala 2 3 2 2 5
Tika 2 2 3 2 2
Dedy 2 4 3 1 5
4.2 Pengolahan Data
4.2.1 Metode Hirarki
Tabel 2.3 Agglomeration Schedule
-
8/7/2019 cluster datmin
14/29
Agglomeration Schedule
Stage
Cluster Combined Stage Cluster First Appears
Cluster 1 Cluster 2 Coefficients Cluster 1 Cluster 2 Next Stage
1 42 50 .000 0 0 52 21 47 .000 0 0 12
3 43 46 .000 0 0 4
4 41 43 .000 0 3 6
5 39 42 .000 0 1 20
6 14 41 .000 0 4 32
7 16 38 .000 0 0 13
8 30 37 .000 0 0 11
9 13 36 .000 0 0 19
10 27 32 .000 0 0 23
11 11 30 .000 0 8 14
12 20 21 .000 0 2 18
13 5 16 .000 0 7 36
14 6 11 .000 0 11 15
15 4 6 .000 0 14 17
16 25 49 1.000 0 0 22
17 4 45 1.000 15 0 20
18 20 44 1.000 12 0 3219 13 40 1.000 9 0 21
20 4 39 1.000 17 5 28
21 13 35 1.000 19 0 35
Stage Cluster Combined Stage Cluster First Appears
Cluster 1 Cluster 2 Coefficients Cluster 1 Cluster 2 Next Stage
24 27 31 1.000 23 0 27
25 28 29 1.000 0 0 26
26 26 28 1.000 0 25 27
27 26 27 1.000 26 24 28
28 4 26 1.000 20 27 37
29 19 25 1.000 0 22 33
30 8 24 1.000 0 0 47
31 22 23 1.000 0 0 40
32 14 20 1.000 6 18 34
33 15 19 1.000 0 29 34
34 14 15 1.000 32 33 35
35 13 14 1.000 21 34 36
36 5 13 1.000 13 35 38
37 4 12 1.000 28 0 38
-
8/7/2019 cluster datmin
15/29
C A S E 0 5 10 15 20 25
Label Num +---------+---------+---------+---------+---------+
Mhd.Khai 42 -+Yudha. 50 -+---+
Tri Apri 39 -+ |
Ayu Dwi 30 -+ |
Ika 37 -+ |
Diana 11 -+ |
Vina 6 -+---+
Dewi 4 -+ |
Wewen 45 -----+
Acintya 27 -+---+
Rizki. A 32 -+ |
Septia.W 33 -----+
Meilina 31 -----+
Intan. T 28 -----+Lili 29 -----+
Dian. I 26 -----+
Fay 12 -----+
Yudha. Y 16 -+ |
Noviana 38 -+---+
Ani 5 -+ |
Yopika 13 -+---+
Aziz 36 -+ |
Nafis 40 -----+
Prasidya 35 -----+
Pre Agus 43 -+ |
Cahyo 46 -+ |
Heray 41 -+---+
Ferry. A 14 -+ +-----+
Syukron 21 -+ | |
Arun 47 -+---+ |
Trisno 20 -+ | |
Pepy 44 -----+ |
Imam. M 25 -----+ |
Wijaya 49 -----+ |
Reza. N 34 -----+ |
Teguh 19 -----+ |
Andra 15 -----+ +-----+
Tika 2 -----+ | |
Nurul. M 22 -----+-----+ |
NN 23 -----+ | |
Indra. M 18 -----------+ +-----+
Novi 7 -----------------+ |
Ala 3 -----------------+ +---+
Nindar 48 -----------------------+ |
Yudha 9 -----------+-----------+ +-----------+
Nila. M 10 -----------+ | |
Lopn 8 -----+---------------------+ +---------+
Roberta 24 -----+ | |
Heri 17 ---------------------------------------+ |
Dedy 1 -------------------------------------------------+
Gambar 4.2 Dendogram
-
8/7/2019 cluster datmin
16/29
Tabel 4.4 Hasil Pengclusteran
Cluster 1 Cluster 2 Cluster 3
Mhd.Khai Nindar Heri
Yudha. Yudha DedyTri Apri Nila. M
Ayu Dwi Lopn
Ika Roberta
Diana
Vina
Dewi
Wewen
Acintya
Rizki. ASeptia.W
Meilina
Intan. T
Lili
Dian. I
Fay
Yudha. Y
Noviana
AniYopika
Aziz
Nafis
Prasidya
Pre Agus
Cahyo
Heray
-
8/7/2019 cluster datmin
17/29
Cluster 1 Cluster 2 Cluster 3
Ferry. A
Syukron
Arun
TrisnoPepy
Imam. M
Wijaya
Reza. N
Teguh
Andra
Tika
Nurul. M
NN
Indra. MNovi
Ala
Profilisasi Customer
Jenis Kelamin
-
8/7/2019 cluster datmin
18/29
4.5 Tabel Jenis Kelamin
Cluster
1.00 2.00 3.00 Total
Jenis Kelamin laki-laki Count 21 4 2 27
% of Total 20.0% 22.0% 12.0% 54.0%
perempuan Count 22 1 0 23
% of Total 36.0% 2.0% 0% 46.0%
Total Count 28 13 9 50
% of Total 56.0% 24.0% 12.0% 100.0%
Jurusan
-
8/7/2019 cluster datmin
19/29
4.6 Tabel Jurusan
Cluster
1.00 2.00 3.00 Total
Jurusan teknik industri Count 34 4 1 39
% of Total 68.0% 8.0% 2.0% 78.0%
teknik
informatika
Count 7 0 0 7
% of Total 14.0% 0% 0% 14.0%
teknik kimia Count 2 0 0 2
% of Total 4.0% 0% .0% 4.0%
teknik elektro Count 0 0 1 1
% of Total .0% .0% 2.0% 2.0%
teknik mesin Count 0 1 0 1
% of Total .0% 2.0% .0% 2.0%
Total Count 43 5 2 50
% of Total 86.0% 10.0% 4.0% 100.0%
Seberapa Sering
4.6 Tabel Seberapa Sering
-
8/7/2019 cluster datmin
20/29
-
8/7/2019 cluster datmin
21/29
Cluster
1.00 2.00 3.00 Total
Waktu yang
dihabiskan
3 jam Count 0 1 0 1
% of Total .0% 2.0% .0% 2.0%
Total Count 43 5 2 50
% of Total 86.0% 10.0% 4.0% 100.0%
Berapa lama menjadi anggota
4.8 Tabel lama menjadi anggota
-
8/7/2019 cluster datmin
22/29
Cluster
1.00 2.00 3.00 Total
Berapa lama menjadi
anggota
4 tahun Count 1 3 0 4
% of Total 2.0% 6.0% .0% 8.0%
Total Count 43 5 2 50
% of Total 86.0% 10.0% 4.0% 100.0%
BAB IV
PEMBAHASAN
-
8/7/2019 cluster datmin
23/29
4.1 Clustering
Berdasarkan pengolahan data yang telah dilakukan, customer dikelompokkan
menjadi 3 cluster.
1. Customer yang masuk cluster 1 ada 43 orang, antara lainnya adalah
Mhd.Khai,Yudha,Tri Apri, Ayu Dwi, Ika, Diana, Vina, Dewi, Wewen,
Acintya, Rizki. A, Septia.W, Meilina, Intan. T, Lili, Dian, Fay, Yudha.
Y, Noviana, Ani, Yopika, Aziz, Nafis, Prasidya, Pre Agus, Cahyo,
Heray, Ferry A, Syukron, Arun, Trisno, Pepy, Imam. M, Wijaya, Reza.
N, Teguh, Andra, Tika, Nurul. M, NN, Indra. M, Novi, Ala,
2. Customer yang masuk cluster 2 ada 5 orang, antara lainnya adalah
Nindar, Yudha, Nila. M, Lopn, Roberta,
3. Customer yang masuk cluster 3 ada 2 orang Heri, Dedy
4.2 Profilisasi Customer
4.2.1 Jenis Kelamin
Dari pengolahan data di atas, diketahui mahasiswa berjenis kelamin
pria pada cluster 1 sebanyak 21 orang dengan persentase sebesar 42%,
cluster 2 sebanyak 3 orang dengan persentase sebesar 6%, cluster 3
sebanyak 2 orang dengan persentase sebesar 4%. Sedangkan mahasiswa
berjenis kelamin wanita pada cluster 1 sebanyak 22 orang dengan
persentase sebesar 44%, cluster 2 sebanyak 1 orang dengan persentase
sebesar 2%..
4.2.2 Jurusan
Untuk mahasiswa jurusan teknik industri pada cluster 1sebanyak 34 orang dengan presentase 68%, cluster 2 sebanyak 4 orang
-
8/7/2019 cluster datmin
24/29
dengan presentase sebanyak 8%, cluster 3 sebanyak 1 orang dengan
presentase 2%. Jurusan informatika pada cluster 1 sebanyak 7 orang
dengan presentase 14%. Jurusan teknik elektro pada cluster 3 terdapat 1
orang dengan prosentase 2%. Jurusan teknik mesin pada cluster 2
terdapat 1 orang dengan prosentase 2 %. Jurusan teknik kimia pada
cluster 1 terdapat 2 orang dengan prosentase 4%.
4.2.3 Seberapa Sering ke Perpustakaan dalam seminggu
Banyaknya mahasiswa yang mengunjungi perpustakaan
sebanyak 13 kali seminggu, pada cluster
2 sebanyak 2 orang dengan prosentase 4%, pada cluster 3 sebanyak 1
orang dengan prosentase 2%.
4.2.4 Lama waktu di Perpustakaan
Mahasiswa yang berkunjung ke perpustakaan selama
-
8/7/2019 cluster datmin
25/29
sebanyak 1 orang dengan prosentase 2%, pada cluster 3 sebanyak 1
orang dengan prosentase 2%. Untuk mahasiswa yang berkunjung ke
perpustakaan selama 30 menit 1 jam, pada cluster 1 sebanyak 20 orang
dengan prosentase 40%, pada cluster 3 sebanyak 1 orang dengan
prosentase 2%. Mahasiswa yang berkunjung selama 1-2 jam, pada
cluster 1 sebanyak 5 orang dengan prosentase 10%. Untuk mahasiswa
yang berkunjung ke perpustakaan selama 2-3 jam pada cluster 2
sebanyak 3 orang dengan prosentase 6%. Untuk mahasiswa yang
berkunjung ke perpustakaan selama >3 jam, pada cluster 2 sebanyak 1
orang dengan prosentase 2%.
4.2.5 Lama menjadi anggota
Mahasiswa yang telah menjadi anggota selama
-
8/7/2019 cluster datmin
26/29
5.1 Kesimpulan
1. Berdasarkan pengolahan data yang telah dilakukan, customer
dikelompokkan menjadi 3 cluster.
a. Customer yang masuk cluster 1 ada 27 orang, antara lainnya adalah
Mhd.Khai,Yudha,Tri Apri, Ayu Dwi, Ika, Diana, Vina, Dewi,
Wewen, Acintya, Rizki. A, Septia.W, Meilina, Intan. T, Lili, Dian,
Fay, Yudha. Y, Noviana, Ani, Yopika, Aziz, Nafis, Prasidya, Pre
Agus, Cahyo, Heray
b. Customer yang masuk cluster 2 ada 14 orang, antara lainnya adalah
Ferry. A, Syukron, Arun, Trisno, Pepy, Imam. M, Wijaya, Reza. N,
Teguh, Andra, Tika, Nurul. M, NN, Indra. M
c. Customer yang masuk cluster 3 ada 9 orang, antara lainnya adalah
Novi, Ala, Nindar, Yudha, Nila. M, Lopn, Roberta, Heri, Dedy
2. Dari data hasil kuisioner 1 dapat dinyatakan bahwa semua data valid.
Setelah dilakukan pengolahan data, dapat diketahui:
a. Dari pengolahan data di atas, diketahui mahasiswa berjenis kelamin
pria pada cluster 1 sebanyak 21 orang dengan persentase sebesar 42%,
cluster 2 sebanyak 3 orang dengan persentase sebesar 6%, cluster 3
sebanyak 2 orang dengan persentase sebesar 4%. Sedangkan
mahasiswa berjenis kelamin wanita pada cluster 1 sebanyak 22 orang
dengan persentase sebesar 44%, cluster 2 sebanyak 1 orang denganpersentase sebesar 2%..
b. Untuk mahasiswa jurusan teknik industri pada cluster 1 sebanyak 34
orang dengan presentase 68%, cluster 2 sebanyak 4 orang dengan
presentase sebanyak 8%, cluster 3 sebanyak 1 orang dengan presentase
2%. Jurusan informatika pada cluster 1 sebanyak 7 orang dengan
-
8/7/2019 cluster datmin
27/29
presentase 14%. Jurusan teknik elektro pada cluster 3 terdapat 1 orang
dengan prosentase 2%. Jurusan teknik mesin pada cluster 2 terdapat 1
orang dengan prosentase 2 %. Jurusan teknik kimia pada cluster 1
terdapat 2 orang dengan prosentase 4%.
c. Banyaknya mahasiswa yang mengunjungi perpustakaan sebanyak 13 kali seminggu, pada cluster 3 sebanyak 1 orang dengan
prosentase 2%.
d. Banyaknya mahasiswa yang mengunjungi perpustakaan sebanyak 13 kali seminggu, pada cluster 2
sebanyak 2 orang dengan prosentase 4%, pada cluster 3 sebanyak 1
orang dengan prosentase 2%.
e. Mahasiswa yang telah menjadi anggota selama
-
8/7/2019 cluster datmin
28/29
menjadi anggota selama 1 tahun pada cluster 1 sebanyak 9 orang
dengan prosentase 18%, pada cluster 2 sebanyak 1 orang dengan
prosentase 2%. Untuk mahasiswa yang telah menjadi anggota selama 2
tahun pada cluster 1 sebanyak 28 orang dengan prosentase 56%. Untuk
mahasiswa yang telah menjadi anggota selama 3 tahun pada cluster 1
sebanyak 3 orang dengan prosentase 6%, pada cluster 2 sebanyak 1
orang dengan prosentase 2%, pada cluster 3 sebanyak 2 orang dengan
4%. Untuk mahasiswa yang telah menjadi anggota selama 4 tahun pada
cluster 1 sebanyak 1 orang dengan 2%, pada cluster 2 sebanyak 3 orang
dengan 6%,
5.2 Saran
1. Sebaiknya Fasilitas perpustakaan lebih ditingkatkan lagi
agar lebih menarik dan menambah kenyamanan mahasiswa untuk
mengunjungi perpustakaan
2. Mengubah tata letak buku-buku di perpustakaan agar
lebih mudah dalam pencarian.
3. Meningkatkan kinerja petugas perpustakaan untuk
melayani mahasiswa.
4. Menambah koleksi-koleksi buku.
LAPORAN PRAKTIKUM
LABORATORIUM DATA MINING
-
8/7/2019 cluster datmin
29/29
ANALYSIS CLUSTERING
(STUDY KASUS DI PERPUSTAKAAN FTI UII)
Disusun Oleh Kelompok C.7
Yanuar Dody Gusniar (08 522 035)
Anizha Destin Wulandari (08 522 042)
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2010