UJIAN AKHIR SEMESTER

PENAMBANGAN DATA

( Dosen Pengampu : Melany Mustika Dewi, M.Kom )

Disusun Oleh :

Ambar Rahmawati (22.02.0878)

Ambar Setyawati (22.02.0889)
Aisyah Nur latifah (22.02.0893)
Putri Septiana Aryani (22.02.0922)

PROGRAM STUDI D3 MANAJEMEN INFORMATIKA

FAKULTAS ILMU KOMPUTER
UNIVERSITAS AMIKOM YOGYAKARTA
TAHUN 2023/2024
1. Peramalan (Exponential Smoothing beserta evaluasi hasil peramalan
menggunakan MAD, MSE dan MAPE )
● Data
Bulan Stok_Produk A Pramalan_Produk A
1 1500 -
2 1600 1550
3 1400 1575
4 1120 1099
5 900 882
6 1150 1250
7 1000 1134
8 1100 1160
9 1150 1180
10 1250 1300

MAD

Bulan Stok_Produk A Pramalan_ProdukA Deviasi Absolut

1 1500 -
2 1600 1550 =|1600-1550|= 50
3 1400 1575 = |1400 - 1575| = 175
4 1120 1099 = |1120 - 1099| = 21
5 900 882 = |900 - 882| =18
6 1150 1250 = |1150 - 1250| = 100
7 1000 1134 = |1000 - 1134| = 134
8 1100 1160 = |1100 - 1160| = 60
9 1150 1180 = |1150 - 1180| = 30
10 1250 1300 = |1250 - 1300| = 50

Jumlah 638
= 638 = 70,88%
9

MSE
Bulan Stok Produk A Pramalan_Produk A (Devisiasi)²
1 1500 -
2 1600 1550 = (1600-1550)²=(50)² = 2.500
3 1400 1575 =(1400-1575)²=(-175)²= 30.625
4 1120 1099 =(1120-1099)²=(21)²= 441
5 900 882 =(900-882)²=(18)²= 324
6 1150 1250 =(1150-1250)²=(-100)²= 10.000
7 1000 1134 =(1000-1134)²=(-134)²= 17.956
8 1100 1160 =(1100-1160)²=(-60)²= 3.600
9 1150 1180 =(1150-1180)²=(-30)²= 900
10 1250 1300 =(1250-1300)²= (-50)²= 2.500

Jumlah 68.846

= 68.846 = 7.649,5
9

MAPE
Bulan Stok_Produk A Pramalan_Produk A 100 * (Deviasi Absolut / Aktual)
1 1500 n/a
2 1600 1550 =100* (|50|/1600) = 3,12%
3 1400 1575 =100* (|-175|/1400) = 12,5 %
 4 1120 1099 =100* (|21|/1120) = 1,87 %
5 900 882 =100* (|18|/900) = 2,00 %
6 1150 1250 =100* (|100|/1150) = 8,69%
7 1000 1134 =100* (|-134|/1000) = 13,4%
8 1100 1160 =100* (|60|/1600) = 3,75%
9 1150 1180 =100* (|-30/1180|) = 2,54%
10 1250 1300 =100* (|-50/1300|) = 3,84%

Jumlah 51,71 %

= 51,71 % = 5, 74 %
9

2. Asosiasi : Algoritma Apriori

Data Transaksi:

Transaksi Nama Barang

1 Sepatu, Kaos Kaki, Tas

2 Sepatu, Kaos Kaki, Buku

3 Sepatu, Kaos Kaki, Tas, Buku

4 Sepatu, Buku

5 Kaos Kaki, Tas

6 Sepatu, Kaos Kaki

7 Kaos Kaki, Buku

 8 Tas, Buku

9 Sepatu, Tas, Buku

10 Sepatu, Kaos Kaki, Tas, Buku

Langkah-langkah Manual dengan Algoritma Apriori:

1. Langkah 1 - Itemset Frekuensi 1 (1-itemset):
- Hitung frekuensi setiap item (produk).
- Tentukan nilai minimum support (contoh: 30%).

Item Frekuensi

Sepatu 7

Kaos kaki 6

Tas 6

Buku 7

2. Langkah 2 - Itemset Frekuensi 2 (2-itemset):

- Gabungkan item set Frekuensi 1 untuk membentuk kandidat 2-itemset.
- Hitung frekuensi kandidat dan tentukan nilai minimum support.

Itemset Frekuensi

Sepatu, Kaos Kaki 5

Sepatu, Tas 3

Sepatu, Buku 5

Kaos Kaki, Tas 4

Kaos Kaki, Buku 4

Tas, Buku 4
Itemset Frekuensi 2 yang memenuhi minimum support adalah {Sepatu, Kaos Kaki},
{Sepatu, Buku}, {Kaos Kaki, Buku}.
3. Langkah 3 - Itemset Frekuensi 3 (3-itemset):
- Gabungkan item set Frekuensi 2 untuk membentuk kandidat 3-itemset.
- Hitung frekuensi kandidat dan tentukan nilai minimum support.

Itemset Frekuensi

Sepatu, Kaos Kaki, Tas 1

Sepatu, Tas, Buku 1

Sepatu, Kaos Kaki, Buku 3

Itemset Frekuensi 3 yang memenuhi minimum support adalah {Sepatu, Kaos Kaki,
Buku}.

4. Langkah 4 - Aturan Asosiasi:

- Hitung confidence untuk setiap aturan yang dihasilkan.
- Support = Aturan Asosiasi/Jumlah data
- Confidence = Aturan Asosiasi/Frekuensi Item Awal

Aturan Asosiasi Support Confidence

{Sepatu} => {Kaos Kaki} 5/10 5/7

{Kaos Kaki} => {Sepatu} 5/10 5/6

{Sepatu} => {Buku} 5/10 5/7

{Buku} => {Sepatu} 5/10 5/7

{Kaos Kaki} => {Buku} 4/10 4/6

{Buku} => {Kaos Kaki} 4/10 4/7

Aturan asosiasi yang memenuhi minimum confidence adalah {Sepatu} => {Kaos Kaki},
 {Kaos Kaki} => {Sepatu}, {Sepatu} => {Buku}, {Buku} => {Sepatu}, {Kaos Kaki} =>
{Buku}, {Buku} => {Kaos Kaki}.

Interpretasi Hasil:
● Jika seseorang membeli Sepatu, kemungkinan besar mereka juga akan membeli Kaos
Kaki, dan sebaliknya.
● Jika seseorang membeli Sepatu, kemungkinan besar mereka juga akan membeli
Buku, dan sebaliknya.
● Jika seseorang membeli Kaos Kaki, kemungkinan besar mereka juga akan membeli
Buku, dan sebaliknya.
Dengan menggunakan aturan asosiasi ini, toko dapat melakukan strategi penempatan
produk, promosi paket, atau rekomendasi produk untuk meningkatkan penjualan dan
kepuasan pelanggan.

3. Klastering : Algoritma K-Means

Data Presensi Kehadiran:
Mari kita anggap bahwa kita memiliki data presensi kehadiran karyawan pada suatu
perusahaan selama beberapa hari. Kehadiran diukur dengan jumlah jam yang dihabiskan di
kantor.

Karyawan Hari 1 Hari 2 Hari 3 Jumlah

(jam) (jam) (jam)

A 8 7 6 21

B 6 5 8 19

C 7 8 7 22

D 9 7 6 22

E 6 6 5 17

F 7 5 8 20

G 8 8 7 23

H 6 7 6 19
 I 5 6 5 16

J 7 8 9 24

K 8 6 7 21

L 6 5 6 17

M 7 8 7 22

N 8 7 6 21

Dapat diambil kesimpulan :

Klaser 1 = 16 (5, 6, 5)
Klaster 2 = 20 (7, 5 8)
Klaster 3 = 24 (7, 8, 9)

● Iterasi 1

Karya Jarak ke Klaster 1 Jarak ke Klaster 2 Jarak ke Klaster 3

wan (5, 6, 5) (7, 5, 8) (7,8,9)

A √(8-5)²+ (7-6)²+(6-5)² √(8-7)² +(7-5)²+(6-8)² √(8-7)²+(7-8)²+(6-9)²

√ 9 + 1 + 1 √ 1 + 4 + 4 √ 1 + 1 +9
√ 11 = 3,316 √ 9 =3 √ 11 = 3,316

B √(6-5)² + (5 - 6)² + (8 - 5)² √(6-7)² + (5 - 5)² + (8 - 8)² √(6-7)² + (5 - 8)² + (8 - 9)²

√ 1 + 1 + 3 √ 1 + 0 + 0 √ 1 + 3 + 1
√5 =2,23 √1 =1 √5 = 2,23

C √(7-5)² + (8 - 6)² + (7 - 5)² √(7-7)² + (8 - 5)² + (7 - 8)² √(7-7)² + (8 - 8)² + (7 - 9)²

√ 2 + 2 + 2 √ 0 + 3 + 1 √ 0 + 0 + 2
√6 = 2,44 √4 = 2 √2 = 1,4

D √(9-5)² + (7-6)² + (6-5)² √(9-7)² + (7-5)² + (6-8)² √(9-7)² + (7-8)² + (6-9)²

√ 4 + 1 + 1 √ 2 + 2 + 2 √ 2 + 1 + 3
√6 = 2,44 √6 = 2,44 √6 = 2,44

E √(6-5)² + (6-6)² + (5-5)² √(6-7)² + (6-5)² + (5-8)² √(6-7)² + (6-8)² + (5-9)²

√ 1 + 0 + 0 √ 1 + 1 + 3 √ 1 + 2 + 4
√1 = 1 √5 = 2,23 √7 = 2,64

F √(7-5)² + (5-6)² + (8-5)² √(7-7)² + (5-5)² + (8-8)² √(7-7)² + (5-8)² + (8-9)²

√ 2 + 1 + 3 √ 0 + 0 + 0 √ 0 + 3 + 1
 √6 = 2,44 √0 = 0 √4 = 2

G √(8-5)² + (8-6)² + (7-5)² √(8-7)² + (8-5)² + (7-8)² √(8-7)² + (8-8)² + (7-9)²

√ 3 + 2 + 2 √ 1 + 3 + 1 √ 1 + 0 + 2
√7 = 2,64 √5 = 2,23 √3 = 1,73

H √(6-5)² + (7 - 6)² + (6 - 5)² √(6-7)² + (5 - 5)² + (6 - 6)² √(6-7)² + (5 - 8)² + (6 - 9)²

√ 1 + 1 + 1 √ 1 + 0 + 0 √ 1 + 3 + 3
√3 = 1,73 √1 = 1 √7 = 2,64

I √(6-5)² + (5 - 6)² + (6 - 5)² √(6-7)² + (5 - 5)² + (6 - 8)² √(6-7)² + (5 - 8)² + (6 - 9)²

√ 1 + 1 + 1 √ 1 + 0 + 4 √ 1 + 9 + 9
√3 = 1,73 √5 = 2,23 √19= 4,35

J √(7-5)² + (8 - 6)² + (9 - 5)² √(7-7)² + (8 - 5)² + (9 - 8)² √(7-7)² + (8 - 8)² + (9 - 9)²

√ 4 + 4 + 16 √ 0 + 9 + 1 √ 0 + 0 + 0
√24 = 4,89 √10 = 3, 16 √0 = 0

K √(8-5)² + (6 - 6)² + (7 - 5)² √(6-7)² + (5 - 5)² + (6 - 8)² √(6-7)² + (5 - 8)² + (6 - 9)²

√ 9 + 0 + 4 √ 1 + 0 + 4 √ 1 + 9 +9
√13 = 3,6 √5 = 2,23 √19 = 4,35

L √(6-5)² + (5 - 6)² + (6 - 5)² √(6-7)² + (5 - 5)² + (6 - 8)² √6-7)² + (5 - 8)² + (6 - 9)²

√ 1 + 1 + 1 √ 1 + 0 + 4 √ 1 + 9 + 9
√3 = 1,7 √5 = 2,23 √19 = 4,35

M √(7-5)² + (8 - 6)² + (7 - 5)² √(7-7)² + (8 - 5)² + (7 - 8)² √(7-7)² + (8 - 8)² + (7 - 9)²

√ 4 + 4 + 4 √ 0 + 9 + 1 √ 0 + 0 + 4
√12 = 3,46 √10 = 3, 16 √4 = 2

N √(8-5)² + (7-6)² + (6-5)² √(8-7)² + (7-5)² + (6-8)² √(8-7)² + (7-8)² + (6-9)²

√ 9 + 1 + 1 √ 1 + 4 + 4 √ 1 + 1 + 9
√11 = 3,316 √9 = 3 √11 = 3, 316

Hasil Iterasi 1

Karya Hari 1 Hari 2 Hari 3 Jarak ke Jarak ke Jarak ke Klaster

wan (jam) (jam) (jam) Klaster 1 Klaster 2 Klaster 3

A 8 7 6 3,316 3 3,316 2

B 6 5 8 2,23 1 2,23 2

C 7 8 7 2,44 2 1,4 3

D 9 7 6 2,44 2,44 2,44 1

 E 6 6 5 1 2,23 2,64 1

F 7 5 8 2,44 0 2 2

G 8 8 7 2,64 2,23 1,73 3

H 6 7 6 1,73 1 2,64 2

I 5 6 5 1,73 2,23 4,35 1

J 7 8 9 4,89 3,16 0 3

K 8 6 7 3,6 2,23 4,35 2

L 6 5 6 1,7 2,23 4,35 1

M 7 8 7 3,46 3,16 2 3

N 8 7 6 3,316 3 3,316 2

● Iterasi 2
Menentukan Centroid / grup
Klaster 1 : Klaster 2 : Klaster 3 :
D [ 2,44 2,44 2,44 ] A [ 3, 316 3 3,316 ] C [ 2,44 2 1,4 ]
E [ 1 2,23 2,64 ] B [ 2,23 1 2, 23 ] G [2,64 2,23 1,73]
I [ 1,73 2,23 4,35 ] F [ 2,44 0 2 ] J [4,89 3,16 0]
L [ 1,7 2,23 4,35 ] + H [ 1,73 1 2,64 ] M [3,46 3,16 2] +
6,87 9,23 13,78 :4 K [ 3,6 2,23 4,35 ] 13,43 10,55 5,13 :4
1,71 2,30 3,44 N [ 3,316 3 3,316 ] + 3,35 2,63 1,28
16,632 10,23 17,852 :6
2,772 1,705 2,97

● Iterasi 2

Karya Jarak ke Klaster 1 Jarak ke Klaster 2 Jarak ke Klaster 3

wan (1,71 ; 2,30 ; 3,44 ) (2,77, 1,70, 2,97) (3,35 ; 2,63 ; 1,28 )

A √(8-1,71)²+ (7-2,30)² + √(8-2,77)² + (7-1,70)²+ √(8-3,35)²+(7-2,63)²+

(6-3,44)² (6-2,97)² (6-128)²
√ 39,56 + 22,09 + 6,55 √ 27,35 + 28,09 + 9,18 √ 21,62 + 19,09 + 22,28
 √ 68,2 = 8,26 √ 64,62 = 8,04 √ 62,99 = 7,93

B √(8-1,71)²+ (7-2,30)² + (6-2,77)² + (5 -1,70)² + (8 - √(6-3,35)² + (5 - 2,63)² +

(6-3,44)² 2,97)² (8 - 1,28)²
√ 39,56 + 22,09 + 6,55 √ 10,43 + 10,89 + 25,30 √ 7,02 + 5,61 + 45,15
√68,2 =8,26 √ 46,64= 6.83 √57,78 = 7.60

C √(7-1,71)² + (8 - 2,30)² + √(7-2,77)² + (8 - 1,70)² + (7 √(7-3,35)² + (8 - 2,63)² +

(7 - 3,44)² - 2,97)² (7 - 1,28)²
√ 12,11 + 32,49 + 12,67 √ 17,89 + 39,69 + 16,24 √13,32 + 28,83 + 32,71
√57,27 = 7,56 √73,82= 8,59 √74,86 = 8,65

D √(9-1,71)² + (7-2,30)² + √(9-2,77)² + (7-1,70)² + √(9-3,35)² + (7-2,63)² +

(6-3,44)² (6-2,97)² (6-1,28)²
√53,14 + 22.09 + 6,55 √ 38,81 + 28,09 + 9,18 √ 31,92 + 19,09 + 22.27
√81,78= 9,04 √66.08 = 8,13 √73,28= 8,56

E √(6-1,71)² + (6-2,30)² + √(6-2,77)² + (6-1,70)² + √(6-3,35)² + (6-2,63)² +

(5-3,44)² (5-2,97)² (5-1,28)²
√18,40 + 13,69 + 2,43 √ 10,43 + 18,49 + 4,12 √ 7.02 + 11,35 + 13,83
√34,52 = 5,87 √33,04 = 5,75 √32,38 = 5,70

F √(7-1,71)² + (5-2,30)² + √(7-2,77)² + (5-1,70)² + √(7-3,35)² + (5-2,63)² +

(8-3,44)² (8-2,97)² (8-1,28)²
√ 27,98 + 7,29 + 20,79 √ 17,89 + 10,89 + 25,30 √ 13,32 + 5,01 + 45,14
√56,06= 7,48 √ 54,08= 7,35 √63,48 = 7,96

G √(8-1,71)² + (8-2,30)² + √(8-2,77)² + (8-1,70)² + √(8-3,35)² + (8-2,63)² +

(7-3,44)² (7-2,97)² (7-1,28)²
√ 39,56 + 32,49 + 13,67 √ 27,35 +39,69 + 16,24 √ 21,62 + 28,83 + 32,72
√84,72 = 9,20 √83,26 = 9,12 √83,17 = 9,12

H √(6-1,71)² + (7 - 2,30)² + √(6-2,77)² + (5 -1,70)² + (6 √(6-3,35)² + (5 - 2,63)² +

(6 - 3,44)² - 2,97)² (6 - 1,28)²
√ 18,40 + 22,09 + 6,55 √ 10,43 + 10,89 + 9,18 √ 7.02 + 5,61 + 22,28
√47,04 = 6,86 √30,5 = 5,52 √34,91 = 5,90

I √(6-1,71)² + (5 - 2,30)² + √(6-2,77)² + (5 - 1,70)² + (6 √(6-3,35)² + (5 - 2,63)² +

(6 - 3,44)² - 2,97)² (6 - 1,28)²
√ 18,40 + 7,29 + 6,55 √ 10,43 + 10,89 + 9,18 √7,02 +5,61 + 22,28
√ 32,24 = 5,67 √30,5 = 5,52 √34,91= 5,91

J √(7-1,71)² + (8 - 2,30)² + √(7-2,77)² + (8 - 1,70)² + (9 √(7-3,35)² + (8 - 2,63)² +

(9 - 3,44)² - 2,97)² (9 - 1,28)²
√ 27,98 +32,49 +30,91 √ 17,89 + 39,69 + 36,36 √13,32 + 28,83 + 59,60
√91,38 = 9,56 √93,94= 9,69 √101,75 = 10.09
 K √(8-1,71)² + (6 - 2,30)² + √(6-2,77)² + (5 - 1,70)² + (6 √(6-3,35)² + (5 - 2,63)² +
(7 - 3,44)² - 2,97)² (6 - 1,28)²
√39,56 + 13,69 + 12,67 √ 10,43 + 10,89 + 9,18 √7,02 + 5,61 + 22,27
√65,92 = 8,11 √30,52 = 5,52 √34,95 = 5,91

L √(6-1,71)² + (5 - 2,30)² + √(6-2,77)² + (5 - 1,70)² + (6 √6-3,35)² + (5 - 2,63)² + (6

(6 - 3,44)² - 2,97)² - 1,28)²
√ 18,40 + 7,2 + √ 10,43 + 10,89 + √ 7,02 + 5,61 +
6,55 9,18 22,27
√32,15 = 5,67 √30,5 = 5,52 √35,9 = 5,99

M √(7-1,71)² + (8 - 2,30)² + √(7-2,77)² + (8 -1,70)² + (7 √(7-3,35)² + (8 -2,63)² + (7

(7 - 3,44)² - 2,97)² - 1,28)²
√ 27,98 + 32,49 + √ 17,89 + 39,9 + √ 13,32 + 28,83 +
12,67 16,24 32,71
√73,14 = 8,55 √74,03 = 8,60 √74,86 = 8,65

N √(8-1,71)² + (7-2,30)² + √(8-2,77)² + (7-1,70)² + √(8-3,35)² + (7-2,63)² +

(6-3,44)² (6-2,97)² (6-1,28)²
√ 39,56 + 22,09 + √ 27,35 + 28,09 + √ 21,62 + 19,09 +
6,55 9,18 22,27
√68,2 = 8,25 √64,62 = 8,03 √62,98 = 7,93

Hasil Iterasi 2

Karya Hari 1 Hari 2 Hari 3 Jarak ke Jarak ke Jarak ke Klaster

wan (jam) (jam) (jam) Klaster 1 Klaster 2 Klaster 3

A 8 7 6 8,26 8,04 7,93 3

B 6 5 8 8,26 6,83 7,60 2

C 7 8 7 7,56 8,59 8,65 1

D 9 7 6 9,04 8,13 8,56 2

E 6 6 5 5,87 5,75 5,70 3

F 7 5 8 7,48 7,35 7,96 2

G 8 8 7 9,20 9,12 9,12 2

H 6 7 6 6,86 5,52 5,90 2

I 5 6 5 5,67 5,52 5,91 2

 J 7 8 9 9,56 9,69 10,09 1

K 8 6 7 8,11 5,52 5,91 2

L 6 5 6 5,67 5,52 5,99 2

M 7 8 7 8,55 8,60 8,65 1

N 8 7 6 8,25 8,03 7,93 2

Interpretasi Hasil :
Dasi hasil perbandingan iterasi di atas kita mendapatkan nilai yang sama, maka perhitungan
berhenti dengan hasil bahwa Karyawan C, J, H masuk dalam Klaster 1, Karyawan B, D, F, G,
H, I, K, L, N masuk dalam Klaster 2 serta Karyawan A, E masuk dalam Klaster 3.