ABSTRAKSI: Data mining adalah proses pencarian pola dari kumpulan data. Dalam data mining ada 3 task utama yaitu klasifikasi, asosiasi dan klasterisasi. Klasifikasi merupakan task data mining untuk menemukan pola dari kumpulan data. Tujuan dari pecarian pola tersebut adalah untuk menjawab nilai dari suatu data yang belum diketahui nilainya. Tahapan klasifikasi pada data mining dimulai dengan pembersihan data (preprocessing), pembentukan model dan evaluasi (testing) model.
Tahap preprocessing merupakan salah satu tahap yang sangat penting dalam klasifikasi data mining, karena tahap ini merupakan tahap penyediaan data yang digunakan untuk pembentukan pola nantinya. Salah satu bentuk tahap preprocessing dalam data mining adalah pemilihan variabel atau yang sering juga disebut dengan variable selection, variable subset selection, feature selection, feature reduction, atau attribute selection.
Tujuan dari pemilihan variabel adalah untuk mendapatkan data yang optimal, sehingga hasil akhir model yang didapat lebih optimal, selain itu juga untuk mendapatkan model yang lebih ringkas dan mempercepat proses learning. Dalam tugas akhir ini diimplementasikan pemilihan variabel menggunakan Rough Set. Rough Set digunakan untuk mendapatkan perkiraan rule yang singkat dari suatu data, dalam hal ini pengurangan variabel atau kolom.
Kata Kunci : Data mining, Rough Set, Klasifikasi, Preprocessing,Variable selection, Feature selectionABSTRACT: Data mining is a process of finding a data group pattern. There are 3 tasks in data mining, which are classification, association, and clusterization. Classification is a task of finding the data group pattern. The aim of finding the data group pattern is to get the data value which has not known. The classification task of data mining is started with data pre-processing, model-building, and model-testing.
The pre-processing task is a very important step in classification task of data mining. It is because this is the phase where the data to used in the patternbuilding step is prepared. A kind of pre-processing step in data mining is the variable selection or which are commonly called as variable subset selection, feature selection, feature reduction, or attribute selection.
The aim of variable selection is to find the optimal data, so that the final model is more optimal, and also to find the model which is more briefed and to accelerate the learning process. In this thesis, the variable selection implemented by the rough set. Rough set is used to find the brief rule approximation of a data, in this case the variable or column subtraction.
Keyword: Data mining, Rough Set, Classification, Pre-processing,Variable selection, Feature selection