OLEH : GUSTAF BIMAS KUSTANDI 06.2008.1.04305 proposal Aplikasi Data mining untuk menggambarkan pola kejadian kecelakaan kerja Dengan metode apriori (Studi kasus : PT PAL INDONESIA(PERSERO)) OLEH : GUSTAF BIMAS KUSTANDI 06.2008.1.04305 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI ADHI TAMA SURABAYA 2013

Latar belakang Kecelakaan kerja merupakan kejadian yang tidak diinginkan setiap orang dan merupakan kecelakaan yang bisa berakibat Fatal. K3LH PT PAL Indonesia adalah unsur pelaksana yang diberi tanggung jawab dalam melaksanakan penanganan masalah keselamatan para karyawan. Aplikasi ini dapat digunakan untuk mendapatkan, mengolah dan menyebarkan informasi untuk menunjang kegiatan operasional sehari-hari sekaligus menunjang kegiatan pengambilan keputusan strategis.

Misalnya mengenai jumlah kejadian kecelakaan kecelakaan berdasarkan divisi dari kejadian kecelakaan tiap tahun, sehingga informasi-informasi ini dapat mengarahkan K3LH dalam menindak lanjuti kejadian kecelakaan selanjutnya. Untuk Mengatasi masalah tersebut, diperlukan analisa terhadap pola data hasil kejadian kecelakaan kerja, sehingga dapat diketahui dimana kejadian tersebut terjadi, serta apa penyebab terjadinya kecalakaan pada divisi – divisi yang ada pada PT PAL Indonesia.

Perumusan masalah Bagaimana menerapkan teknik data mining dengan menggunaan metode apriori untuk mengetahui pola kejadian kecelakaan kerja, informasi yang di tampilkan berupa nilai support dan confidence terhadap data kejadian kecelakaan? Bagaimana membuat aplikasi untuk mengetahui faktor yang mempengaruhi terjadinya kecelakaan kerja di PT PAL Indonesia agar kejadian kecelakaan selanjutnya dapat di tindaklakjuti dengan baik

Tujuan Menghasilkan aplikasi sebagai alat bantu untuk menghasilkan informasi pola kejadian kecelakaan kerja di PT PAL Indonesia sebagai acuan untuk menindaklanjuti kejadian kecelakaan kerja selanjutnya. Untuk melakukan analisa dan desain system data mining dengan menerapkan metode apriori

Batasan masalah Aplikasi hanya menyajikan informasi tentang tingkat kejadian kercelakaan kerja dengan teknik data mining. Metode data mining yang digunakan adalah pola asosiasi yang menggunakan metode apriori. Informasi yang ditampilkan berupa nilai support dan confidence terhadap data kejadian kecelakaan yang telah tersedia, tidak membahas tentang hal – hal yang lain. Database menggunakan Microsoft Access serta perancangan dan pembuatan interface sesuai desain dan kebutuhan system menggunakan bahasa pemrograman Visual Basic 6.

Data Mining Data mining adalah suatu teknik menggali informasi berharga yang terpendam atau tersembunyi pada suatu koleksi data (database) yang sangat besar sehingga ditemukan suatu pola yang menarik yang sebelumnya tidak diketahui. Kata mining sendiri berarti usaha untuk mendapatkan sedikit barang berharga dari sejumlah besar material dasar. Karena itu data mining sebenarnya memiliki akar yang panjang dari bidang ilmu seperti kecerdasan buatan (artificial intelligent), machine learning, statistik dan database.

Tahap – tahap Data mining Pembersihan Data Presentasi pengetahuan Integrasi Data Seleksi Data Transformasi Data Proses Mining Evaluasi pola

Algoritma Apirori Algoritma Apriori diperkenalkan oleh Agrawal dan Srikant pada tahun 1994. Algoritma Apriori dalam menangani masalah asosiasi adalah dengan mengurangi jumlah set item yang dipertimbangkan.

Metodologi dasar analisis asosiasi Analisis pola Frekuensi tinggi 𝑆𝑢𝑝𝑝𝑜𝑟𝑡 𝐴 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 𝑇𝑜𝑡𝑎𝑙 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 Pembentukan Aturan asosiasi 𝐶𝑜𝑛𝑓𝑖𝑑𝑎𝑛𝑐𝑒=𝑃 𝐵 𝐴 = Σ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 𝑑𝑎𝑛 𝐵 Σ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴

Desain Umum sistem Proses pencarian pola asosiasi pada kejadian kecelakaan dimulai dari menghubungkan sistem dengan database kejadian kecelakaan yaitu dengan memilih tabel dan field yang diinginkan. Kemudian melakukan setting sistem dengan menentukan range tanggal pada database kejadian kecelakaan, menentukan nilai minimum support, dan menentukan field yang di proses. Setelah itu proses metode apriori dapat dilakukan.

Sumber Data yang di gunakan Dalam penulisan tugas akhir ini digunakan data kejadian kecelakaan, untuk mempercepat kinerja proses mining maka tidak semua field atau atribut digunakan. Cara pembersihan dengan menghapus field atau atribut yang tidak terpakai dan menghapus data-data yang tidak lengkap isiannya. Atribut yang digunakan terdiri dari atribut pada data kejadian kecelakaan. Atribut yang digunakan dalam data kejadian kcelakaan meliputi : Atribut nomor kejadian primary key Atribut divisi Atribut jenis kejadian Atribut penyebab terjadinya kecelakaan Atribut penyebab dasar Atribut kekerapan Atribut potensi kerugian Atribut sifat luka Atribut lokasi kejadian

Contoh Data Kejadian Kecelakaan Kerja Divisi Jenis Kejadian Penyebab kecelakaan Penyebab Dasar Kekerapan Potensi Kerugian Sifat Luka Lokasi Kejadian 1 Divisi Akuntansi Lalu lintas Lain-lain Jarang Ringan Luka Ringan Kantor 2 Divisi Pemasaran & Bisnis Sedang 3 Divisi Pengadaan 4 5 PKWT Kapal Niaga Gram Gagal menggunakan alat pelidung diri Kurang terampil Sering Bengkel 6 Dock

Transformasi Data Transformasi data merupakan proses pengubahan atau penggabungan data kedalam format yang sesuai agar dapat diproses dalam data mining. Seringkali data yang akan digunakan dalam proses data mining mempunyai format yang belum langsung bisa digunakan, oleh karena itu perlu dirubah formatnya. Dalam penulisan tugas akhir ini ada beberapa data yang dikategorikan atau di rubah formatnya agar mudah saat proses mining meliputi atribut Divisi, dan jenis kejadian kecelakaan

Analisa Metode Apriori Contoh proses mining untuk mengetahui hubungan Jenis kejadian kecelakaan dengan lokasi kejadian. NK Kategori Lokasi Kejadian 1 P13 Bengkel 2 Dock 3 H11 4 Kapal 5 6 7 Lain-lain 8 9 10 P14 11 Gudang 12 P12

Sistem men-scan database dan menghitung masing – masing kandidat. Itemset Count Support P13 4 33% H11 5 42% P14 2 17% P12 1 8% Dock 47% Kapal 3 25% Gudang Bengkel Lain-lain

Nilai minumum support yang digunakan misalkan 25% Nilai minumum support yang digunakan misalkan 25%. Maka kandidat yang tidak memenuhi minimum support harus dihilangkan Itemset Count Support P13 4 33% H11 5 42% Dock 47% Kapal 3 25%

Untuk menemukan frequent 2-itemset atau L2, maka join L1 dengan L1 untuk menghasilkan kandidat 2-itemsets atau C2 Itemset Count Support P13, Dock 3 25% H11, Dock 1 8% P13, Kapal 0% H11, Kapal 2 17%

Dari tabel diatas dapat diambil hasil sebagai berikut : Itemset-itemset pada C2 yang memiliki supportcount ≤ minimum support di hapus sehingga yang tersisa seperti pada table di bawah ini Dari tabel diatas dapat diambil hasil sebagai berikut : Support P13, Kurang terampil = Count (P13, Dock)/jumlah transaksi = 3/12 = 25% Confidence P13, Dock = Count (P13, Dock)/Count (P13) = 3/4 = 75% Dapat disimpulkan bahwa kejadian kecelakaan terkena Gram pada PKWT Kapal Niaga sering terjadi di Dock dibandingkan dengan lokasi lain. Itemset Count Support P13, Dock 3 25%

Diagram Konteks

Terima Kasih