Prediksi

Menurut kamus besar bahasa Indonesia, prediksi adalah hasil dari kegiatan memprediksi atau meramal atau memperkirakan. Pengertian prediksi secara istilah akan sangat tergantung pada konteks atau permasalahannya. Berbeda dengan pengertian prediksi secara bahasa yang berarti ramalan atau perkiraaan yang sudah menjadi pengertian yang baku.

Di dalam Data Mining, prediksi hamper sama dengan klasifikasi dan estimasi, kecuali bahwa prediksi nilai dari hasil akan ada di masa mendatang (Kusrini dan Emha Taufiq Luthfi, 2009).

Prediksi digunakan untuk memperkirakan nilai masa mendatang, misalnya memprediksi stok barang satu tahun ke depan. Fungsi ini mencakup metode Neural Network, Decision Tree, dan Nearest Neighbor. Prediksi menggunakan beberapa variable atatu field-field basis data untuk memprediksi nilai-nilai variabel masa mendatang yang diperlukan, yang belum diketahui saat ini

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 (Kusrini dan Emha Taufiq Luthfi, 2009).

Misalkan diinginkan untuk mencari solusi terhadap seorang pasien baru dengan menggunakan solusi dari pasien terdahulu. Untuk mencari kasus pasien mana yang akan digunakan maka dihitung kedekatan kasus pasien baru dengan semua kasus pasien lama. Kasus pasien lama dengan kedekatan terbesarlah yang akan diambil solusinya untuk digunakan pada kasus pasien baru (Kusrini dan Emha Taufiq Luthfi, 2009)

Adapun rumus untuk melakukan penghitungan kedekatan antara 2 kasus adalah sebagai berikut :

dengan keterangan sebagai berikut :
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
w : bobot yang diberikan pada atribut ke i

Contoh Kasus Perhitungan Algoritma Nearest Neighbor

Data penentuan resiko pinjaman dana di Bank Perkreditan Rakyat terdiri dari 8 atribut, dimana 7 atribut prediktor dan 1 atribut label, seperti yang ditunjukkan pada tabel berikut :

Analisa Proses Algoritma Nearest Neighbor

Dari pengelompokkan atribut diatas, maka langkah selanjutnya adalah melakukan analisa proses dalam data mining dengan menggunakan Algoritma Nearest Neighbor.

Untuk mengukur jarak masing-masing atribut, perlu diberikan bobot. Bobot yang diberikan, nilainya antara 0 dan 1, dimana 0 menandakan atribut tidak berpengaruh dan 1 menandakan atribut sangat berpengaruh.

Pemberian bobot pada masing-masing atribut dapat dilihat pada tabel berikut :

1. Untuk Kedekatan nilai atribut Jumlah Pinjaman ditunjukkan di tabel berikut :

1. A1 : <= 20.000.000
2. A2 : > 20.000.000 s/d <= 50.000.000
3. A3 : > 50.000.000 s/d <= 75.000.000
4. A4 : > 75.000.000

Setelah dilakukan klasifikasi Jumlah Pinjaman, berikutnya melakukan pencarian nilai kedekatan atribut Jumlah Pinjaman yaitu dilihat pada tabel berikut :

2. Kedekatan nilai atribut Tujuan Pinjam ditunjukkan di tabel berikut :

1. B1 : Investasi
2. B2 : Konsumtif
3. B3 : Modal Kerja

Setelah dilakukan klasifikasi Tujuan Pinjam, berikutnya melakukan pencarian nilai kedekatan atribut Tujuan Pinjam yaitu dilihat pada tabel berikut :

3. Kedekatan nilai atribut Jangka Waktu ditunjukkan di tabel berikut :

1. C1 : 12 Bulan
2. C2 : 24 Bulan
3. C3 : 36 Bulan
4. C4 : 48 Bulan
5. C3 : 36 Bulan
6. C5 : 60 Bulan
7. C6 : 72 Bulan

Setelah dilakukan klasifikasi Jangka Waktu, berikutnya melakukan pencarian nilai kedekatan atribut Jangka Waktu yaitu dilihat pada tabel berikut :

4. Kedekatan nilai atribut Kondisi Debitur ditunjukkan di tabel berikut :

1. D1 : Cukup Baik
2. D2 : Baik
3. D3 : Sangat Baik

Setelah dilakukan klasifikasi Kondisi Debitur, berikutnya melakukan pencarian nilai kedekatan atribut Kondisi Debitur yaitu dilihat pada tabel berikut :

5. Kedekatan nilai atribut Pekerjaan Debitur ditunjukkan di tabel berikut :

1. E1 : Tidak Bekerja
2. E2 : Pegawai Swasta
3. E3 : Mahasiswa
4. E4 : Pegawai Negeri
5. E5 : Wiraswasta
6. E6 : Ibu Rumah Tangga

Setelah dilakukan klasifikasi Pekerjaan Debitur, berikutnya melakukan pencarian nilai kedekatan atribut Pekerjaan Debitur yaitu dilihat pada tabel berikut :

6. Kedekatan nilai atribut Penghasilan Debitur Per Bulan ditunjukkan di tabel berikut :

1. F1 : < 2.500.000
2. F2 : 2.500.000 s/d 6.500.000
3. F3 : > 6.500.000

Setelah dilakukan klasifikasi Penghasilan Debitur Per Bulan, berikutnya melakukan pencarian nilai kedekatan atribut Penghasilan Debitur Per Bulan yaitu dilihat pada tabel berikut :

7. Kedekatan nilai atribut Jaminan ditunjukkan di tabel berikut :

1. G1 : BPKB Kendaraan Roda Dua
2. G2 : BPKB Kendaraan Roda Empat
3. G3 : Sertifikat Tanah
4. G4 : Sertifikat Rumah
5. G5 : SK PNS
6. G6 : Tanpa Agunan

Setelah dilakukan klasifikasi Jaminan, berikutnya melakukan pencarian nilai kedekatan atribut Jaminan yaitu dilihat pada tabel berikut :

Setelah menentukan kedekatan nilai atribut dari masing-masing atribut prediktor, maka proses selanjutnya adalah melakukan proses perhitungan berdasarkan data training yang akan digunakan.

Pada uji coba ini, digunakan 3 record sample data training dari 65 record data training.

Sample data training yang akan digunakan dapat dilihat pada tabel berikut :

Contoh Kasus

Misalkan ada kasus baru pada data testing dengan nilai atribut seperti pada Tabel 11. Kasus baru tersebut akan dihitung kedekatannya dengan kasus lama yang terdapat pada data training table 10

Perhitungan kedekatan kasus baru pada data testing pada Tabel 11 dengan 3 kasus lama pada data training pada Tabel 10, yaitu:

Melihat dari ke tiga kasus tersebut, maka yang mempunyai nilai tertinggi adalah kasus ketiga, melihat dari kasus yang tertinggi bahwa kasus itulah yang merupakan kasus yang terdekat dengan kasus baru.

Berarti yang mendekati dengan kasus baru adalah kasus ke tiga. Maka klasifikasi resiko pinjaman dana pada kasus baru adalah Rendah.

Begitulah langkah-langkah perhitungan algoritma nearest neighbor, untuk mencoba program-nya, dapat mengclick demo program dibawah

Demo langsung program :

Klik Disini