ABSTRAKSI: Pada saat ini, banyak perusahaan yang memiliki data dalam jumlah yang besar. Data dalam jumlah besar tersebut ternyata dapat dimanfaatkan untuk meningkatkan kinerja perusahaan. Untuk itu diperlukan proses Data Mining.
Salah satu metode dalam Data Mining adalah klasifikasi. Klasifikasi bertujuan untuk memperoleh pola tertentu, dalam bentuk tree, aturan klasifikasi atau model matematis. Untuk memperoleh pola tersebut diperlukan algoritma tertentu. Salah satunya adalah dengan Ant Colony Optimization. ACO telah digunakan dalam Data Mining dan diberi nama AntMiner. Namun seiring perjalanan waktu, dilakukan perubahan terhadap algoritma tersebut hingga saat ini, dan dikenal dengan AntMiner3.
Pada tugas akhir ini dianalisa pengaruh perubahan yang dilakukan pada AntMiner3 terhadap tingkat akurasi dan simplisitas aturan yang dihasilkan, serta parameter sistem yang mempengaruhinya. Untuk mengetahui hal tersebut dibangun perangkat lunak sebagai media pengujian algoritma AntMiner3, dan membandingkannya dengan hasil yang diperoleh dengan tools Data Mining See5 yang menggunakan algoritma yang sangat sering dipakai dalam Data Mining yaitu C5.0 pada dataset Breast Cancer, Tic-tac-toe, dan House Votes. Hasilnya tingkat akurasi AntMiner3 lebih baik daripada C5.0, sementara simplisitas aturan yang dihasilkan tidak jauh berbeda.
Tingkat akurasi dapat ditingkatkan dengan menggunakan pheromone serta dengan memperbesar nilai parameter noofants dan norules converg. Selain itu, dengan memberikan nilai parameter pheromone evaporation, maxuncoveredcase dan mincasesperrule yang kecil juga dapat meningkatkan akurasi pheromone. Sementara simplisitas aturan dapat ditingkatkan dengan menerapkan teknik pruning, dan memberikan nilai maxuncoveredcases dan mincasesperrule yang besar.Kata Kunci : Data Mining, Ant Colony Optimization, AntMiner, AntMiner3ABSTRACT: Nowadays, many companies already have a big amount of data, since the datas is important to the companies, not only for current importances, but for the future needs of the companies. In fact, the datas can be used to improve the company performance. It can be done with Data Mining.
Data Mining have a several methods, one of them is classification. Classification main goal is to find a special pattern, that can be formed in tree, classification rule, or mathematics formula, within the datas. In order to find this, all we have to do is applying a certain algorithm. One of that is Ant Colony Optimization. ACO have been applied in Data Mining task, called AntMiner. But as the time goes by, some scientist have it modified and invented a new AntMiner3.
This Final Task analyzed the changes effect in AntMiner3 with the accuracy and the simplicity of rules that was found, and how system parameter effect to it’s result. For that purpose, the AntMiner3 software was build, and compared it to another Data Mining tools See5 which uses a well known C5.0 algorithm in classifying the Breast Cancer, Tic-tac-toe and House Votes datasets. The result shows that AntMiner3 have a better accuracy than C5.0, and it also have a little differences in simplicity.
The accuration rate can be improved by the use of pheromone and assigning the noofants with a greater number. Besides, by assigning pheromone evaporation, maxuncoveredcase and mincasesperrule with smaller number will increase the accuracy. While the simplicity can be improved with the use of pruning technique, and assigning maxuncoveredcase and mincasesperrule with a greater number.Keyword: Data Mining, Ant Colony Optimization, AntMiner, Ant_Miner3.