Tampilkan postingan dengan label #semacam penugasan. Tampilkan semua postingan
Tampilkan postingan dengan label #semacam penugasan. Tampilkan semua postingan

Senin, 27 Mei 2013

Selection Sorting


Pengurutan data dalam struktur data sangat penting untuk data yang bertipe data numerik ataupun karakter. Pengurutan dapat dilakukan secara ascending (urut naik) dan descending (urut turun). Pengurutan (sorting) adalah proses menyusun kembali data yang sebelumnya telah disusun dengan suatu pola tertentu, sehingga tersusun secara teratur menurut aturan tertentu.

Contoh :
Data acak    : 5 6 8 1 3 25 10
Ascending   : 1 3 5 6 8 10 25
Descending :  25 10 8 6 5 3 1

Metode Pengurutan

  • Berdasarkan perbandingan (comparison-based sorting)
  1. Bubble sort, 
  2. Exchange sort
  • Berdasarkan prioritas (priority queue sorting method)
  1. Selection sort,
  2.  Heap sort 
  • Berdasarkan penyisipan dan penjagaan terurut (insert and keep sorted method)
  1. Insertion sort, 
  2. Tree sort
  • Berdasarkan pembagian dan penguasaan (devide and conquer method)
  1. Quick sort
  2. Merge sort
  • Pengurutan berkurang menurun (diminishing increment sort method)
  1. Shell sort

Berikut contoh program pengurutan menggunakan Selection Sort Ascending dalam program Pascal

Program Selection_sort_Ascending;
uses wincrt;

const    
maks = 100;

type
Larik = array[1..maks] of integer;

var
n,i,j : integer;
L: larik;
min    : integer;
temp     : integer;

{=======================INPUT LARIK======================}
begin
write('Masukkan jumlah data :'); readln(n);
for i:= 1 to n do
begin
    write('Masukkan data ke-',i,' : ');read(L[i]);
end;
    writeln('=========================');
    writeln('Data input nya adalah : ');
for i:=1 to n  do
    write(L[i],' ');

{============PROSES SORTING SELECTION SORT ASCENDING======================}
For i:=1 to n-1 do
begin
Min:=i;
For j:= i to n do
begin
            If L[j] <L[min] then
            Min:=j;
End;
Temp:=L[i];
    L[i]:=L[min];
    L[min]:=temp;
End;
{===============TAMPIL DATA=========================}

writeln;
writeln('Data setelah diurutkan dengan Selection Sort Ascending adalah :');
for i := 1 to n do
write(L[i],' ');
readln;           readln;
writeln('=========================');writeln('Program Selection Sort by :');
writeln(ddhanggriyana.blogspot.com');
readln;
end.

Rabu, 27 Februari 2013

ANALISIS KEMUNGKINAN PENERIMAAN CALON MAHASISWA BARU SUATU UNIVERSITAS SWASTA DI SURAKARTA MENGGUNAKAN ALGORITMA NEAREST NEIGHBOR


1.         JUDUL
ANALISIS KEMUNGKINAN PENERIMAAN CALON MAHASISWA BARU SUATU UNIVERSITAS SWASTA DI SURAKARTA MENGGUNAKAN ALGORITMA NEAREST NEIGHBOR

2.         LATAR BELAKANG MASALAH
Dalam proses penjaringan mahasiswa baru suatu universitas swasta di Surakarta., dari tahun ke tahun didapatkan data dalam ukuran besar terkait dengan data diri calon mahasiswa. Data yang berukuran besar ini sangatlah bermanfaat untuk meramalkan kemungkinan diterima atau tidaknya seorang mahasiswa sehingga memudahkan pihak manajemen dalam melakukan pengambilan tindakan-tindakan yang diperlukan untuk menjaring calon-calon mahasiswa tersebut.  Analisis yang dapat dilakukan adalah dengan menggunakan algoritma nearest neighbor yaitu membandingkan kasus calon mahasiswa baru dengan kasus-kasus yang pernah terjadi di tahun-tahun sebelumnya.

3.         PERUMUSAN MASALAH
Berdasarkan latar belakang masalah, dapat dibuat suatu rumusan masalah yaitu bagaimana meramalkan diterima atau tidaknya seorang calon mahasiswa baru di suatu perguruan tinggi/universitas swasta di Surakarta. 

4.         TUJUAN PENULISAN
Berdasarkan perumusan masalah di atas, maka tujuan dari penelitian ini adalah dapat meramalkan kemungkinan seorang diterima atau tidaknya calon mahasiswa baru di suatu universitas swasta di Surakarta.
                                       5.         TUJUAN PENULISAN
Diharapkan dengan melakukan penelitian ini dapat diambil beberapa manfaat yaitu
  1. Dapat meramalkan kemungkinan seorang diterima atau tidaknya calon mahasiswa baru di suatu universitas swasta di Surakarta dengan menggunakan data selama tiga tahun sebagai pertimbangan dalam mengambil tindakan-tindakan oleh manajemen,
  2. Menambah khasanah ilmu pengetahuan dalam penerapan konsep algoritma nearest neighbor.
6. TINJAUAN PUSTAKA 
                       Untuk menyelesaikan perumusan masalah, perlu untuk menguraikan terlebih dahulu beberapa
               hal yang mendasari penelitian ini. Adapun beberapa hal tersebut memuat definisi data mining dan             
               algoritma nearest neighbor.
1.1.   Data Mining
Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Teknik data mining yang digunakan untuk mencari pola dari data diantaranya adalah teknik pengelompokan, klasifikasi, regresi, dan  analisis. Secara ringkas, teknik data mining difungsikan untuk mendapatkan deskripsi dari data dan mendapatkan model dari data yang berguna untuk  prediksi. Teknik, metode, atau algoritma dalam data mining sangat bervariasi. Algoritma-algoritma data mining kebanyakan berasal atau merupakan bentuk pengembangan dari algoritma-algoritma dari bidang ilmu machine learning, statistika, inteligensia buatan dan jaringan saraf tiruan. Salah satu algoritma data mining adalah nearest neighbor.
1.2.   Algoritma Nearest Neighbor
Nearest Neighbor adalah pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari sejumlah fitur yang ada[8]. Adapun rumus untuk melakukan penghitungan kedekatan antara dua kasus adalah sebagai berikut[2]:

dengan
T     : kasus baru
S     : kasus yang ada dalam penyimpanan
n     : jumlah atribut dalam masing-masing kasus
i      : atribut individu antara 1 s/d n
f      : fungsi similarity atribut I antara kasus T dan kasus S
w    : bobot yang diberikan pada atribut ke i


7.         KERANGKA PEMIKIRAN
         Penelitian ini akan dilakukan dengan menggunakan data proses penjaringan mahasiswa baru dari tahun 2007-2010 dari suatu universitas swasta di Surakarta untuk memanfaatkan kumpulan data tesebut memerlukan metode data mining agar menghasilkan pengetahuan atau informasi yang berharga. Dalam penerapannya digunakan algoritma nearest neighbor. Hasil dari penelitian ini adalah sebagai referensi bagi para calon mahasiswa baru, peneliti dalam penerapan ilmu data mining, sekaligus berguna bagi pelaku manajemen suatu perguruan tinggi/ universitas swasta untuk memperkirakan jumlah calon mahasiswa baru yang diterima, dan penerapan ilmu kematematikaan.

8.         METODE PENELITIAN

      Untuk memudahkan pemahaman, sebagai langkah awal peneliti membuat tabel kasus kemungkinan diterima dan tidaknya seorang calon mahasiswa baru di suatu perguruan tinggi/ universitas swasta di Surakarta. Kemudian dari berbagai atribut yang ditemukan dari data, secara matematis dilakukan evaluasi dari atribut-atribut tersebut dengan menggunakan Analytical Hierarchy Process (AHP) memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternatif yang dipilih oleh para pengambil keputusan (Saaty, 1990). Sehingga didapat atribut yang mempengaruhi dan atribut tujuan. Setelah dilakukan pemilihan atribut yang mempengaruhi maka perlu dilakukan pembobotan terhadap atribut yang telah dipilih. Pada bukunya Saaty, L [3] menggunakan metode matriks perbandingan dalam menentukan bobot kriteria dalam membuat keputusan yang terbaik. Langkah akhir yaitu menghitung kedekatan antara kasus baru dengan kasus sebelumnya, adapun rumus menghitung kedekatan antara dua kasus Watson, I [2]. Kasus yang terdekat dengan kasus baru ditunjukkan dari nilai kedekatan tertinggi.

9. JADWAL PENELITIAN
Jadwal kegiatan penelitian adalah sebagai berikut :

DAFTAR PUSTAKA
  1. Kusrini, Hartati, S. 2007. Implementation of 4.5 Algorithm to evaluate the Cancellation Possibility of New Student Applicants. Procedings of The International Conference on Electrical Engineering and Informatics.
  2. Watson, I. 1997. Apllying case-based reasining : techniques for enterprise systems. Morgan Kaufmann Publishers, Inc., United States of Americ.
  3. Saaty, L. 2006. Analytical Planning : The Organization of Systems. Morgan Kaufmann Publishers, Inc., United States of Americ.