[Seminar] ANALISIS KORELASI VARIABEL KONDISI LINGKUNGAN KANDANG TERHADAP KUALITAS PRODUKSI AYAM PEDAGING DI PT. MUSTIKA SUKSES NIAGATAMA
1. SLIDE DAPAT DI DOWNLOAD DI
http://bit.ly/seminar-bayupaoh
2. ANALISIS KORELASI VARIABEL KONDISI LINGKUNGAN KANDANG
TERHADAP KUALITAS PRODUKSI AYAM PEDAGING
DI PT. MUSTIKA SUKSES NIAGATAMA
Bayu Firmawan Paoh
10113076
Program Studi Teknik Informatika
Universitas Komputer Indonesia
Pembimbing :
Adam Mukharil Bachtiar, S.Kom., M.T.
Reviewer :
Dian Dharmayanti, S.T., M.Kom.
3. PT. MUSTIKA SUKSES NIAGATAMA
Desa Cimerang, Kecamatan Purbaya, Sukabumi (KM 33 Sukabumi - Sagaranten)
4. LATAR BELAKANG MASALAH
Perusahaan Melakukan Upaya Meningkatkan Kualitas Ayam
Belum Optimal Sebab Hasil Yang Didapat Di Lapangan
Sering Berbeda Dengan Hasil Yang Diharapkan
6. DATA MINING
“Data mining merupakan suatu proses untuk menggali
informasi penting dari sebuah data berupa pola dan
memprediksi trend di masa mendatang berdasarkan pola
tersebut“
F. Lee dan J. Santana, Data Mining : Meramalkan Bisnis Perusahaan, Jakarta: PT. Elex Media Komputindo, 2010
7. Kenapa Harus Analisis Korelasi?
“Karena Analisis Korelasi Digunakan Untuk
Mengukur Kedekatan Hubungan Antara Dua
Variabel Atau Lebih“
J. Gilbert A. Churchill, Basic Marketing Research, Fourth Edition, San Diego, California: Harcout, 2001
8. RUMUSAN MASALAH
Bagaimana Cara Menganalisis Korelasi Variabel Kondisi
Lingkungan Kandang Terhadap Kualitas Produksi Ayam
Pedaging Di PT. Mustika Sukses Niagatama
10. TUJUAN PENELITIAN
Membantu Pemilik Kandang Dengan Memberikan
Informasi Keterkaitan Variabel Kondisi Lingkungan
Kandang Terhadap Kualitas Produksi Ayam Pedaging Di
PT. Mustika Sukses Niagatama
12. PENDEFINISIAN TUJUAN
“Without big data analytics, companies are blind and deaf,
wandering out onto the Web like deer on a freeway”
― Goeffrey Moore
16. PERANGKAT KERAS TERSEDIA
No Jenis Perangkat Keras Spesifikasi
1 Prosessor Intel Celeron Processor 2957U (1.40 GHz,
2M Cache)
2 RAM 2 GB DDR3
3 Harddisk 320 GB
4 Monitor 1366 x 768 pixel
5 Modem Modem USB
6 Perangkat IoT Arduino UNO, Modul DHT11, Modul TGS
2602, timbangan digital custom
17. PERANGKAT LUNAK TERSEDIA
No Jenis Perangkat Keras Spesifikasi
1 Sistem Operasi Komputer Windows 10 64 bit
2 Browser Google Chrome
3 Sistem Operasi Android Android Lolipop
23. PENENTUAN TUJUAN DATA MINING
1. Pemilik kandang ingin mengetahui pengaruh kelembapan
terhadap amonia.
2. Pemilik kandang ingin mengetahui pengaruh suhu,
kelembapan dan amonia terhadap kematian.
3. Pemilik kandang ingin mengetahui pengaruh suhu,
kelembapan dan amonia terhadap IP dan harga jual ayam.
24. PENYUSUNAN RENCANA PENGERJAAN (1)
No Kegiatan Waktu Pengerjaan (Hari)
1 Pendefinisian Tujuan 4
2 Pengumpulan Data 3
3 Persiapan Data 6
4 Pemodelan 6
5 Evaluasi Hasil 6
6 Analisis dan Perancangan Sistem 15
7 Implementasi 25
Total 65
31. PENJELASAN DATA (3)
No Atribut Asal Sumber Masukan
1 Cimerang-farm421db.grafik.idkandang.perhitungan.suhu Perangkat IoT
2 Cimerang-farm421db.grafik.idkandang.perhitungan.Kelembapan Perangkat IoT
3 Cimerang-farm421db.grafik.idkandang.perhitungan.Amonia Perangkat IoT
4 Cimerang-farm421db.grafik.idkandang.feedandmortality.tanggal. ayamMati Website
5 Cimerang-farm421db.grafik.idkandang.perhitungan.IP Perhitungan rumus
6 Cimerang-farm421db.grafik.idkandang.perhitungan.HargaJual Perhitungan rumus
34. PENJELASAN DATA (5)
No Atribut Tipe Data Keterangan
1 Tanggal Date Unique
2 Suhu Double
4 Kelembapan Double
5 Amonia Double
6 Kematian Int
7 IP Double
9 HargaJual Double
35. PENJELASAN DATA (6)
No Atribut Asal Atribut Tujuan
1 Cimerang-farm421db.grafik.idkandang.perhitungan.tanggal Tanggal
2 Cimerang-farm421db.grafik.idkandang.perhitungan.suhu Suhu
4 Cimerang-farm421db.grafik.idkandang.perhitungan.Kelembapan Kelembapan
5 Cimerang-farm421db.grafik.idkandang.perhitungan.Amonia Amonia
6 Cimerang-farm421db.grafik.idkandang.feedandmortality.tanggal. ayamMati Kematian
7 Cimerang-farm421db.grafik.idkandang.perhitungan.IP IP
9 Cimerang-farm421db.grafik.idkandang.perhitungan.HargaJual HargaJual
37. PENJELASAN DATA (7)
No Atribut Asal Atribut Tujuan
1 Tanggal Tanggal pengambilan data.
2 Suhu Rata-rata suhu kandang di setiap grid kandang di tanggal tersebut.
3 Kelembapan Rata-rata kelembapan kandang di tanggal tersebut.
4 Amonia Rata-rata amonia kandang di setiap grid kandang di tanggal tersebut.
5 Kematian Rata-rata ayam di tanggal tersebut.
6 IP Nilai indeks performa yang didapat pada tanggal tersebut.
7 HargaJual Prediksi harga jual ayam yang didapat pada tanggal tersebut.
38. VERIFIKASI KUALITAS DATA (1)
1. Data yang bersifat outlier.
2. Data yang berasal dari Firebase Database harus
dikonversi terlebih tipe datanya sebelum dimasukkan
ke dalam MySql.
3. Jika dalam pengambilan data terdapat child ada yang
tidak ditemukan maka secara otomatis child tersebut
diisi dengan nilai default 0.
39. VERIFIKASI KUALITAS DATA (2)
4. Untuk data lingkungan yang diambil menggunakan
perangkat IoT ada yang tidak valid.
No Atribut Minimum Maximum
1 Suhu 18 28
2 Kelembapan 60 80
3 Amonia 0 20
40. PERSIAPAN DATA
“You can have data without information, but you cannot have
information without data”
― Daniel Keys Moran
45. FILTERING
No Atribut Nilai Minimum Nilai Maksimum
1 Suhu 18 28
2 Kelembapan 60 80
3 Amonia 0 20
Data Akan Dihapus Bila Nilai Tidak Di Dalam Batas Nilai Minimum
Dan Nilai Maksimum
51. PEMODELAN
“Any fool can make something complicated. It takes a genius
to make it simple”
― Woody Guthrie
52. Penentuan Metode
No Pertanyaan Jenis Metode
1 Pengaruh kelembapan terhadap amonia Bivariat Korelasi Produk Momen
Pearson
2 Pengaruh suhu, kelembapan dan
amonia terhadap kematian
Multivariat Korelasi Regresi Berganda
3 Pengaruh suhu, kelembapan dan
amonia terhadap IP dan harga jual ayam
Multivariat Korelasi Kanonik
Kurniawan, R., & Yuniarto, B. Analisis Regresi Dasar dan Penerapannya dengan R. Jakarta: KENCANA PRENADA MEDIA
Rencher, A. C. (2002). Methods of Multivariate Analysis. New York: John Wiley & Sons, Inc
53. Mengapa Korelasi Produk Momen
Pearson?
Kurniawan, R., & Yuniarto, B. Analisis Regresi Dasar dan Penerapannya dengan R. Jakarta: KENCANA PRENADA MEDIA
54. Mengapa Regresi Berganda dan Kanonik Korelasi?
Rencher, A. C. (2002). Methods of Multivariate Analysis. New York: John Wiley & Sons, Inc
Kurniawan, R., & Yuniarto, B. Analisis Regresi Dasar dan Penerapannya dengan R. Jakarta: KENCANA PRENADA MEDIA
55. Kebutuhan Informasi 1
“Berapa Besar Pengaruh Kelembapan
Terhadap Amonia?”
Korelasi Bivariat – Korelasi Produk Momen Pearson
56. LANGKAH-LANGKAH KORELASI
PRODUK MOMEN PEARSON
1. Menentukan kumpulan variabel dependen
dan variabel independen
2. Membentuk tabel statistik
3. Menghitung perhitungan koefisien korelasi
4. Menentuan kriteria hubungan
Kurniawan, R., & Yuniarto, B. Analisis Regresi Dasar dan Penerapannya dengan R. Jakarta: KENCANA PRENADA MEDIA
57. Step 1 : Menentukan kumpulan variabel
dependen dan variabel independen
Independen Dependen
Kelembapan Amonia
61. Step 4 : Menentukan kriteria hubungan
Koefisien Korelasi ( r ) Kriteria Korelasi
0 Tidak Ada Korelasi
-0,2 ≤ r < 0 atau 0 < r ≤ 0,2 Korelasi Sangat Lemah
-0,4 ≤ r < -0,2 atau 0,2 ≤ r < 0,4 Korelasi Lemah
-0,6 < r < -0,4 atau 0,4 < r < 0,6 Korelasi Sedang
-0,8 < r ≤ -0,6 atau 0,6 ≤ r < 0,8 Korelasi Kuat
-1 < r ≤ -0,8 atau 0,8 ≤ r < 1 Korelasi Sangat Kuat
-1 atau +1 Korelasi Sempurna
Kurniawan, R., & Yuniarto, B. Analisis Regresi Dasar dan Penerapannya dengan R. Jakarta: KENCANA PRENADA MEDIA
62. Step 4 : Menentukan kriteria hubungan
“Kelembapan memiliki pengaruh sangat lemah terhadap
amonia dan bernilai positif. Sehingga kenaikan kelembapan
akan mengakibatkan kenaikan amonia sekitar 7.3% ”
63. Kebutuhan Informasi 2
“Berapa Besar Pengaruh Suhu, Kelembapan,
dan Amonia Terhadap Kematian?”
Korelasi Multivariat – Korelasi Regresi Berganda
64. LANGKAH-LANGKAH KORELASI
REGRESI BERGANDA
1. Menentukan kumpulan variabel dependen
dan variabel independen
2. Membentuk tabel statistik
3. Mencari nilai vektor b
4. Proses penentuan kriteria hubungan
Rencher, A. C. (2002). Methods of Multivariate Analysis. New York: John Wiley & Sons, Inc
65. Step 1 : Menentukan kumpulan variabel
dependen dan variabel independen
Independen Dependen
Suhu Kematian
Kelembapan
Amonia
67. Step 3 : Mencari nilai vektor b
𝑛 K 𝑋" K 𝑋$ K 𝑋J
K 𝑋" K 𝑋"
$ K 𝑋$ 𝑋" K 𝑋$ 𝑋"
K 𝑋$ K 𝑋$ 𝑋" K 𝑋$
$ K 𝑋$ 𝑋"
K 𝑋J K 𝑋$ 𝑋" K 𝑋$ 𝑋" K 𝑋J
$
𝑏N
𝑏"
𝑏$
𝑏J
=
K 𝑌
K 𝑋" 𝑌
K 𝑋$ 𝑌
K 𝑋J 𝑌
68. Step 3 : Mencari nilai vektor b
18 414 1190 216
414 9596 27377 4970
1190 27377 78876 14290
216 4970 14290 2684
𝑏N
𝑏"
𝑏$
𝑏J
=
221
5042
14620
2645
Menggunakan eliminasi gauss maka didapatkan hasil….
70. Step 4 : Menentukan kriteria hubungan
“Suhu memiliki korelasi memiliki tingkat korelasi sedang
dengan kematian (0.4293) dan bernilai positif, sehingga bila
terjadi penurunan suhu maka tingkat kematian ayam akan
terjadi kenaikan sekitar 42%”
Kriteria Hubungan 1 :
71. Step 4 : Menentukan kriteria hubungan
“Kelembapan memiliki korelasi memiliki tingkat korelasi
sangat lemah dengan kematian (0.0690) dan bernilai positif,
sehingga bila terjadi kenaikan kelembapan maka tingkat
kematian ayam akan terjadi kenaikan sekitar 6%”
Kriteria Hubungan 2 :
72. Step 4 : Menentukan kriteria hubungan
“Amonia memiliki korelasi memiliki tingkat korelasi sangat
lemah dengan kematian (0.0714) dan bernilai positif,
sehingga bila terjadi kenaikan amonia maka tingkat kematian
ayam akan terjadi kenaikan sekitar 7%”
Kriteria Hubungan 3 :
73. Kebutuhan Informasi 3
“Berapa Besar Pengaruh Suhu, Kelembapan
dan Amonia Terhadap IP dan Harga Jual?”
Korelasi Bivariat – Korelasi Kanonik
74. LANGKAH-LANGKAH KORELASI
KANONIK
1. Menentukan kumpulan variabel dependen
dan variabel independen
2. Pemilihan dan penaksiran fungsi kanonik
3. Melakukan interpretasi hasil
4. Proses penentuan kriteria hubungan
Rencher, A. C. (2002). Methods of Multivariate Analysis. New York: John Wiley & Sons, Inc
75. Step 1 : Menentukan kumpulan variabel
dependen dan variabel independen
Independen Dependen
Suhu IP
Kelembapan HargaJual
Amonia
Kematian
76. Step 2 : Pemilihan dan penaksiran fungsi
kanonik
1. Menghitung nilai matriks korelasi R
2. Menentukan nilai λ , nilai ai, dan nilai
bi
77. Step 2.1 : Menghitung nilai matriks
korelasi R
R=
𝑅-- 𝑅-/
𝑅/- 𝑅//
𝑅-- ∶ Matriks korelasi untuk kelompok variabel 𝑥.
𝑅// ∶ Matriks korelasi untuk kelompok variabel 𝑦.
𝑅-/ ∶ Matriks korelasi antara kelompok variabel 𝑥 dan variabel 𝑦.
𝑅/- ∶ Matriks korelasi antara kelompok variabel 𝑦 dan variabel 𝑥.
82. Step 2.1 : Menghitung nilai matriks
korelasi R
Matriks 𝑅--
𝑹 𝒙𝒙 suhu kelembapan amonia
Suhu 1,000 ... ...
Kelembapan ... ... ...
Amonia ... ... ...
83. Step 2.1 : Menghitung nilai matriks
korelasi R
Matriks 𝑅--
𝑹 𝒙𝒙 suhu kelembapan amonia
Suhu 1,000 0,057 0.024
Kelembapan 0,057 1,000 0,7303
Amonia 0,024 0,7303 1,000
84. Step 2.1 : Menghitung nilai matriks
korelasi R
Matriks 𝑅//
𝑹 𝒚𝒚 ip hargajual
Ip 1,000 0,977
hargajual 0,977 1,000
85. Step 2.1 : Menghitung nilai matriks
korelasi R
Matriks 𝑅-/
𝑹 𝒙𝒚 ip hargajual
Suhu 0.2370 0.1835
kelembapan 0.2799 0.3092
Amonia 0.3953 0.3757
86. Step 2.1 : Menghitung nilai matriks
korelasi R
Matriks 𝑅/-
𝑹 𝒚𝒙 suhu kelembapan amonia
Ip 0.2370 0.2799 0.3053
hargajual 0.1835 0.3093 0.3767
87. Step 2.2 : Menentukan nilai λ, nilai ai,
dan nilai bi
𝜆 = nilai eigen dari 𝑅//
1"
𝑅/- 𝑅--
1"
𝑅-/
bi= vector eigen dari 𝑅//
1"
𝑅/- 𝑅--
1"
𝑅-/
ai = 𝑅--
1"
𝑅-/bi
94. Step 3 : Melakukan interpretasi hasil
𝐶𝑜𝑟𝑟 𝑌, 𝑉𝑖 =
1 −0.833
−0.833 1
0.9282
−0.688
=
0.874
−0.744
95. Step 4 : Menentukan kriteria hubungan
“suhu memiliki pengaruh yang sangat lemah ( 0.1517 )
terhadap IP dan Harga Jual . Jika suhu terjadi kenaikan
maka IP akan terjadi kenaikan sebesar 15% dan Harga Jual
akan terjadi penurunan sebesar 15%”
Kriteria Hubungan 1 :
96. Step 4 : Menentukan kriteria hubungan
“kelembapan memiliki pengaruh yang sangat lemah ( 0.1447
) terhadap IP dan Harga Jual . Jika kelembapan terjadi
kenaikan maka IP akan terjadi kenaikan sebesar 14% dan
Harga Jual akan terjadi penurunan sebesar 14%”
Kriteria Hubungan 2 :
97. Step 4 : Menentukan kriteria hubungan
“amonia memiliki pengaruh yang sangat lemah ( 0.2266 )
terhadap IP dan Harga Jual . Jika suhu terjadi kenaikan
maka IP akan terjadi kenaikan sebesar 22% dan Harga
Jual akan terjadi penurunan sebesar 22%”
Kriteria Hubungan 3 :
111. RENCANA USABILITY TESTING
Jerry Cao. https://www.uxpin.com. [Online]
1. Mendefinisikan hipotesis dan tujuan
pengujian
2. Membuat rencana tugas
3. Membuat rencana pengujian
4. Melakukan pengujian
5. Evaluasi pengujian
112. Mendefinisikan Hipotesis Pengujian
(Usability Testing)
Jerry Cao. https://www.uxpin.com. [Online]
No Hipotesis Pengujian
1 Pengguna tidak mengetahui perbedaan data yang ditampilkan pada halaman
pengambilan data dan halaman pembersihan data.
2 Pengguna memahami maksud dari knowledge yang ditampilkan.
113. Mendefinisikan Tujuan Pengujian
(Usability Testing)
Jerry Cao. https://www.uxpin.com. [Online]
No Tujuan Pengujian
1 Pengguna mengetahui cara penggunaan sistem yang dibangun.
2 Pengguna mengetahui strategi yang dilakukan setelah
mendapatkan knowledge.
118. DAFTAR PERTANYAAN
(USABILITY TESTING)
No Pertanyaan Waktu
1 Apa yang harus kamu lakukan jika ingin
masuk ke halaman analisis korelasi?
Setelah user berhasil login ke dalam sistem.
2 Apakah Anda dapat membedakan data yang
ada di halaman pengambilan data dan
pembersihan data?
Ketika membuka halaman pembersihan data
3 Apa strategi yang Anda lakukan setelah Anda
mengetahui pengaruh suhu, kelembapan dan
amonia terhadap suhu?
Ketika membuka halaman analisis korelasi
4 Apa kekurangan dari sistem yang dibangun? Setelah menggunakan perangkat lunak
120. HASIL PENGUJIAN PENGUKURAN AKURASI
Pernyataan Manual Sistem
Pengaruh Kelembaban Terhadap Amonia 0.0730 0.0730344352
Pengaruh Suhu Terhadap Kematian 0.4293 0.5586541784
Pengaruh Kelembaban Terhadap Kematian 0.0690 0.0690433173
Pengaruh Amonia Terhadap Kematian 0.0714 0.0714470088
Pengaruh Suhu Terhadap IP dan Harga Jual 0.1517 0.1517182435
Pengaruh Kelembaban Terhadap IP dan Harga Jual 0.1447 0.1447126762
Pengaruh Amonia Terhadap IP dan Harga Jual 0.2260 0.2266662426
124. KESIMPULAN DAN SARAN
“Software innovation, like almost every other kind of innovation,
requires the ability to collaborate and share ideas with other people, and
to sit down and talk with customers and get their feedback and
understand their needs”
― Bill Gates
128. TERIMA KASIH
“Thank you for the good times, the days you filled with pleasure.
Thank you for fond memories, and for feelings I’ll always treasure”
― Karl Fuchs