IMPLEMENTASI ALGORITMA EVOLVING FUZZY NEURAL

NETWORK (EFuNN) UNTUK MEMPREDIKSI

BIAYA PERKULIAHAN

SKRIPSI
ANDRE HASUDUNGAN LUBIS
091402129

PROGRAM STUDI TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014

Universitas Sumatera Utara

IMPLEMENTASI ALGORITMA EVOLVING FUZZY NEURAL

NETWORK (EFuNN) UNTUK MEMPREDIKSI
BIAYA PERKULIAHAN
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Teknologi Informasi

ANDRE HASUDUNGAN LUBIS

091402129

PROGRAM STUDI TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014

Universitas Sumatera Utara

PERSETUJUAN

Judul

Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Departemen
Fakultas

: IMPLEMENTASI ALGORITMA EVOLVING

FUZZY NEURAL NETWORK (EFUNN) UNTUK
MEMPREDIKSI BIAYA PERKULIAHAN
: SKRIPSI
: ANDRE HASUDUNGAN LUBIS
: 091402129
: SARJANA (S1) TEKNOLOGI INFORMASI
: TEKNOLOGI INFORMASI
: ILMU
KOMPUTER
DAN
TEKNOLOGI
INFORMASI

Diluluskan di
Medan, Oktober 2014
Komisi Pembimbing

Pembimbing 2

Baihaqi Siregar, S.Si.,M.T

NIP. 19790108 201212 1 002

Pembimbing 1

Romi Fadillah Rahmat, B. Comp.Sc., M.Sc

NIP. 19860303 200212 1 002

Diketahui/Disetujui oleh
Program Studi Teknologi Informasi
Ketua,

M. Anggia Muchtar, ST.,MM.IT

NIP. 19800110 200801 1 010

Universitas Sumatera Utara

PERNYATAAN

IMPLEMENTASI ALGORITMA EVOLVING FUZZY NEURAL

NETWORK (EFUNN) UNTUK MEMPREDIKSI
BIAYA PERKULIAHAN
SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Oktober 2014

ANDRE HASUDUNGAN L
091402129

Universitas Sumatera Utara

UCAPAN TERIMA KASIH

Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha
Pengasih dan Maha Penyayang, dengan segala rahmat dan karuniaNya penulisan
tugas akhir ini berhasil diselesaikan dalam waktu yang telah ditetapkan. Selama
penyelesaian tugas akhir ini, banyak bantuan dan kerja sama serta doa dan
dukungan dari berbagai pihak, oleh karena itu penulis sampaikan ucapan terima
kasih sedalam-dalamnya dan penghargaan kepada :
1. Kedua orang tua dan sanak saudara penulis yang telah memberikan
dukungan dan motivasi baik materil dan spiritual, Ayahanda Prof. Ir. H.
Zulkarnain Lubis, MS, PhD dan Ibunda Dra Hj. Yenni Riorita Siregar S.Psi
yang selalu sabar dalam mendidik dan membesarkan penulis. Untuk abang
penulis Andi Reza S. Lubis dan adik penulis Irene F. Lubis yang selalu
memberikan semangat kepada penulis.
2. Bapak Romi Fadillah Rahmat, B. Comp.Sc., M.Sc dan Bapak Baihaqi
Siregar, S.Si.,M.T selaku pembimbing yang telah banyak meluangkan
waktu dan pikirannya, memotivasi dan memberikan kritik dan saran
kepada penulis.
3. Bapak Drs. Sawaluddin, M.IT dan Bapak Dedy Arisandi, ST.,M.Kom yang
telah bersedia menjadi dosen pembanding yang telah memberikan kritik
dan saran kepada penulis.
4. Ketua dan Sekretaris Program Studi Teknologi Informasi, Bapak M.
Anggia Muchtar, ST.,MM.IT dan Bapak M. Fadly Syahputra,
B.Sc.,M.Sc.IT.
5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi
Informasi Universitas Sumatera Utara, semua dosen serta pegawai di
Fakultas Ilmu Komputer dan Teknologi Informasi.
Seluruh sahabat terbaik penulis yang selalu memberikan dukungan, Cut
Khairunnisa, SE., Ahmad Najam, Denny Pratama, Mahathir Febrian, Darma
Warista, Fachriza Fahmi, Dezi Radixa, Dedek Anshori, Alex Winner, Samuel,
Rama, Dedi, Egha, Agus, Reza, Alvin, Christop, Rudi, Alman, Andi, Ammar,
Julia, Ridzuan, Ardiansyah, Syarah, Hasmi, Yunisya, Supon, Reinhard, Fadly
Komting B, Syarif, Bang Cheney, Bang Sugi, Bang Andre, Bang Razid serta
seluruh angkatan 09, serta teman-teman seluruh angkatan mahasiswa TI USU
lainnya yang tidak dapat penulis sebutkan satu persatu.
Semoga segala kebaikan dan bantuannya dibalas oleh Allah SWT dan
semoga tugas akhir ini dapat bermanfaat bagi semua pihak yang
memerlukannya.

Universitas Sumatera Utara

ABSTRAK

Lembaga pendidikan sebagai organisasi non profit sangat memerlukan informasi

biaya. Tanpa informasi biaya, pihak manajemen tidak memiliki ukuran apakah
masukan yang dikorbankan memiliki nilai ekonomis yang lebih rendah daripada
nilai keluarannya. Dalam menentukan biaya perkuliahan yang diperoleh dari
perhitungan biaya satuan (unit cost), terdapat parameter yang menentukan yaitu
Biaya Langsung dan Biaya Tidak Langsung. Nilai unit cost merupakan nilai
satuan biaya yang dikeluarkan untuk memberikan pelayanan kepada seorang
mahasiswa per tahun dalam suatu jenjang pendidikan. Sulitnya menentukan
besaran yang diperlukan mengakibatkan pemangku kebijakan membutuhkan
waktu yang lama dalam menentukan biaya perkuliahan tersebut. Permasalahan
ini dapat diselesaikan dengan menerapkan data mining dalam proses penentuan
prediksi biaya perkuliahan dengan algoritma Evolving Fuzzy Neural Network
(EFuNN) yaitu pengkombinasian antara teori fuzzy dengan neural network
dengan mengusulkan model hibrida yang menggabungkan gagasan fuzzy logic
controller, struktur neural network dan kemampuan belajar menjadi logika fuzzy
neural berbasis jaringan terpadu kontrol dan sistem pengambilan keputusan.
Kata kunci: unit cost, data mining, biaya perkuliahan, Algoritma EFuNN.

Universitas Sumatera Utara

IMPLEMENTATION OF EVOLVING FUZZY NEURAL NETWORK (EFuNN)

ALGORITHM FOR THE PREDICTION OF COST LECTURES

ABSTRACT

Educational institutions as a non-profit organization is in need for information costs.

Without cost information, the management does not have the measure of the input
that sacrificed having a lower economic value or higher than the value of its output.
For Determining lecture costs that obtained from the calculation of the unit cost, there
are parameters that determine for the cost such as Direct Costs and Indirect Costs.
Value of the unit cost is the costs that incurred to provide services to a student each
years in a given education level. The difficulty of determining the amount, is makes
the stakeholder take a long time to determining the costs. This problem can be solved
by applying data mining in the process of determining lecture costs prediction with
Evolving Fuzzy Neural Network (EFuNN) algorithm. This algorithm combining the
fuzzy theory with neural network to propose a hybrid model that combines the idea of
fuzzy logic controller, a neural network structure and learning abilities into a neural
network-based fuzzy logic control and integrated decision-making system.

Keywords:

unit

cost,

data

mining,

cost

lectures,

EFuNN

Algorithm

Universitas Sumatera Utara

DAFTAR ISI

Hal
.
PERSETUJUAN ........................................................................................................ ii
PERNYATAAN ...................................................................................................... IIiii
UCAPAN TERIMA KASIH .................................................................................... iv
ABSTRAK .................................................................................................................. v
ABSTRACT ............................................................................................................... vi
DAFTAR ISI ............................................................................................................. vii
DAFTAR TABEL ...................................................................................................... vi
DAFTAR GAMBAR ................................................................................................ vii
BAB 1 PENDAHULUAN ........................................................................................... 1
1.1.

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

1.2.

Rumusan Masalah ................................................................................. 2

1.3.

Batasan Masalah .................................................................................... 3

1.4.

Tujuan Penelitian ................................................................................... 3

1.5.

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

1.6.

Metodologi Penelitian ........................................................................... 3

1.7.

Sistematika Penulisan ............................................................................ 4

BAB 2 LANDASAN TEORI ...................................................................................... 6

2.1.

Data Mining .......................................................................................... 6

2.1.1 Operasi Data Mining ................................................................... 7
2.1.2 Tahapan dalam Data Mining ....................................................... 7
2.1.3 Teknik Data Mining .................................................................... 8

2.2.

Fasilkom-TI USU .................................................................................. 9

2.3.

Biaya Perkuliahan ................................................................................. 9

2.4.

Peramalan (Forecasting) ..................................................................... 11

2.5.

Logika Fuzzy ....................................................................................... 12

2.5.1 Himpunan fuzzy ..................................................................... 1ee12

Universitas Sumatera Utara

2.5.2 Fungsi keanggotaan fuzzy .......................................................... 13

2.6.

Evolving Connectionist System (ECOS) ............................................. 15

2.7.

EFuNN (Evolving Fuzzy Neural Network) ......................................... 16

2.7.1 Arsitektur EFuNN (Evolving Fuzzy Neural Network)............... 17
2.7.2 Algoritma EFuNN (Evolving Fuzzy Neural Network) .............. 19

2.8.

PHP (Hypertext Processor) ................................................................. 21

2.9.

UML .................................................................................................... 21

2.10.

MySQL .............................................................................................. 22

2.11.

Penelitian Terdahulu .......................................................................... 22

BAB 3 ANALISIS DAN PERANCANGAN ........................................................... 24

3.1.

Data yang Dibutuhkan ....................................................................... 24

3.2.

Analisis Sistem.................................................................................... 25
3.2.1 Analisis Masalah ....................................................................... 25
3.2.2 Analisis Kebutuhan ................................................................... 25
3.1.2.1 Kebutuhan Fungsional ............................................... 25
3.1.2.2 Kebutuhan Nonfungsional ......................................... 26
3.2.3 Flowchart .................................................................................. 26

3.3.

Use Case Diagram ............................................................................... 31

3.3.1 Use Case Spesification .............................................................. 32

3.4.

3.6.

Perancangan Aplikasi dan Antarmuka Pemakai ................................. 34

3.4.1

Perancangan Halaman Home .................................................. 35

3.4.2

Perancangan Halaman Category ............................................. 35

3.4.3

Perancangan Halaman Data .................................................... 36

3.4.4

Perancangan Halaman Prediksi............................................... 37

3.4.5

Perancangan Halaman Prediksi Lanjutan ............................... 38

Perancangan Database ........................................................................ 39

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM ...................................... 44

4.1.

Spesifikasi Perangkat Keras dan Perangkat Lunak ............................. 44

4.2.

Antarmuka Pengguna (User Interface) ............................................... 45

4.2.1

Tampilan Halaman Home ....................................................... 45

4.2.2

Tampilan Halaman Category .................................................. 46

Universitas Sumatera Utara

4.3.

4.2.3

Tampilan Halaman Data ......................................................... 46

4.2.4

Tampilan Halaman Prediksi .................................................... 48

Pengujian Sistem ................................................................................. 52

4.3.1

4.4.

Rencana Pengujian Sistem ...................................................... 52

Pengujian Sistem Secara Menyeluruh ................................................ 54

BAB 5 KESIMPULAN DAN SARAN ..................................................................... 62

5.1.

Kesimpulan ........................................................................................ 62

5.2.

Saran .................................................................................................. 62

DAFTAR PUSTAKA ................................................................................................ 63

Universitas Sumatera Utara

DAFTAR TABEL

Hal.
Tabel 2.1 Tabel Penelitian Terdahulu

23

Tabel 3.1 Tabel Use Case Spesifikasi untuk Use Case Category

32

Tabel 3.2 Tabel Use Case Spesifikasi untuk Use Case Data

33

Tabel 3.3 Tabel Use Case Spesifikasi untuk Use Case Prediksi

34

Tabel 3.4 Tabel catbl

39

Tabel 3.5 Tabel catbtl

40

Tabel 3.6 Tabel bl

40

Tabel 3.7 Tabel btl

41

Tabel 3.8 Tabel ramalbl

41

Tabel 3.9 Tabel ramalbtl

42

Tabel 3.10 Tabel tahunan

43

Tabel 4.1 Tabel Rencana Pengujian

52

Tabel 4.2 Tabel Hasil Pengujian

53

Tabel 4.3 Tabel Parameter dan Hasil Peramalan

60

Tabel 4.4 Tabel Hasil Prediksi

61

Universitas Sumatera Utara

DAFTAR GAMBAR

Hal.
Gambar 2.1 Tahap-Tahap Penambangan Data

Gambar 2.2 Contoh Grafik Himpunan Fuzzy Pada variabel umur

12

(Amiruddin, 2011)
Gambar 2.3 Grafik Fungsi Keanggotaan pada Representasi Linear naik

13

(Amiruddin, 2011)
Gambar 2.4 Grafik Fungsi Keanggotaan pada Representasi Linear turun

14

(Amiruddin, 2011)
Gambar 2.5Grafik Fungsi Keanggotaan pada Representasi Kurva Segitiga

14

(Amiruddin, 2011)
Gambar 2.6 Grafik Fungsi Keanggotaan pada Representasi Kurva Trapesium

15

(Amiruddin, 2011)
Gambar 2.7 Komponen ECOS

16

Gambar 2.8 Arsitektur standar EFFuN (Evolving Fuzzy Neural Network)

17

Gambar 2.9 Arsitektur standar EFFuN dengan short-term memory

17

Gambar 3.1 Flowchart data training

27

Gambar 3.2 Flowchart data testing

29

Gambar 3.3 Use Case Diagram Penentuan Prediksi Biaya Perkuliahan

31

Gambar 3.4 Rancangan Halaman Home

35

Gambar 3.5 Rancangan Halaman Category

36

Gambar 3.6 Rancangan Halaman Data

37

Gambar 3.7 Rancangan Halaman Prediksi

38

Gambar 3.7 Rancangan Halaman Prediksi Lanjutan

39

Gambar 4.1 Halaman Home

45

Gambar 4.2 Halaman Category

46

Gambar 4.3 Halaman Data

47

Gambar 4.4 Halaman Prediksi

48

Gambar 4.5 Halaman Prediksi Lanjutan

49

Gambar 4.6 Tampilan Data training Biaya Langsung

50

Universitas Sumatera Utara

xi

Gambar 4.7 Tampilan Data training Biaya Tak Langsung

51

Gambar 4.8 Tampilan Grafik Prediksi

51

Gambar 4.9 Data Sampel Biaya Langsung

55

Gambar 4.10 Data Sampel Biaya Tak Langsung

56

Gambar 4.11Data Sampel Biaya Tak Langsung lanjutan 1

57

Gambar 4.12 Data Sampel Biaya Tak Langsung lanjutan 2

58

Gambar 4.13 Data Sampel Biaya Tak Langsung lanjutan 3

59

Gambar 4.14 Grafik Hasil Pengujian Nilai MAPE

60

Gambar 4.15 Grafik Hasil Pengujian

61

Universitas Sumatera Utara