ANALISA AKURASI SISTEM PAKAR PENGHITUNG WARIS BERDASARKAN KHI DENGAN METODE DECISION TREE
Rule 7 : IF tidak ada anak THEN bagian istri = ¼
2.3 Data preparation
Pada tahap data prepration menyiapkan data yang telah didapatkan yang mencakup semua kegiatan proses yang akan digunakan untuk membangun dataset untuk set up data mining. Dataset ini bersifat independen yang berungsi sebagai alat pemodelan data. Dataset terbentuk dari atribut – atribut yang dijelaskan pada tabel 1 dengan menambahkan beberpa attribute sehingga menghasilkan dataset seperti pada tabel 2, dimana ditambahkan atribut pendukung atribut total dan ket. Dimana atribut total didapatkan dari hasil penjumlahan dari bagian tiap ahli waris. Dan atribut ket didapatkan dari perbandingan antara atribut irts dan total yang akan menghasilkan hasil Banalnce dan No. Selain ditambahkan, beberapa atribut juga dilakukan beberapa pengurangan atribut, yaitu tribute tirkah, hutang,wasiat, tajhiz,dan irts.
Dari hasil upload program tersebut,didapatkan 104 data proses pembagian waris. Dari data – data tersebut dilakuan clearing untuk menghilangkan data perhitungan yang sama dan menghasilkan 100 data yang siap diproses
Tabel 2. Data sampel hasil penyaringan
Sumber : Pengolahan data penelitian,2018
1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 2 - 1 1 1 - - - - 500,000,000 Balance 1 1 - - 1 1 2 - - - - - 1,000,000 Balance - 3 - - - 1 6 10 7 10 7 5 210,000,000 Balance - 2 - 1 1 1 - - - - 687,500,000 No - 2 - 1 1 1 2 2 5 2 5 1 98,750,000 No Keterangan tabel 2:
1 : Anak Lk : Jumlah anak laki - laki 2 : Anak Pr : Jumlah anak Perempuan
3 : Suami : Apakah ada atau tidak ada suami 4 : Istri : Jumlah istri
5 : Bapak : Apakah ada atau tidak ada bapak 6 : Ibu : Apakah ada atau tidak ada ibu
7 : Sdr Lk Seibu : Jumlah saudara laki – laki seibu 8 : Sdr Pr Seibu : Jumlah saudara perempuan seibu 9 : Sdr Lk Seayah : Jumlah saudara laki – laki seayah 10 : Sdr Pr Seayah : Jumlah saudara perempuan seayah
11 : Total : Jumlah harta yang diterima oleh anak sampai saudara 12 : Ket : Perbandingan irts dan total
2.4 Modeling
Pada tahap modeing, dilakukan pemilihan teknik data mining, algoritma pengujian, dan menentukan uji validitas. Dalam teknik pemodelan, digunakan pemodelan decision tree, algoritma C.45, dengan melakukan pengujian cross-validation yang ada di tools rapid miner seperti yang digambarkan pada gambar 3. Dimana hasil yang didapatkan dari pengujian dengan rapid minder dalam bentuk gambar pohon grafik, dan rule hasil pengujian serta hasil akurasi data.
sumber: pengolahan data rapid miner, 2018
Gambar 3. Proses pemodelan data
Proses pemodelan data menjadi salah satu tahap untuk membuat sebuah model untuk menerapkan akurasi data seperti yang dijelaskan lebih lanjut pada gambar 4. Dimana akan didapatkan hasil akurasi penggunaan data yang digunakan untuk menentukan atribut yang membuat perhitungan tersebut menjadi error.
sumber: pengolahan data rapid miner, 2018
Gambar 4. Pemodelan data menggunakan cross validation
Metode validasi dalam modeling dilakukan dengan cross validation. Dimana, data keluaran akan menghasilkan sebuah algoritma, pohon keputusan, dan tingkat akurasi data. Hasil dari model tersebut akan di gambarkan pada gambar 5 dan algoritma berikut ini.
Sumber: Pengolahan data rapid miner, 2018
Gambar 5. Pohon keputusan error penghitungan
AnakLk = - | Suami = -
| | AnakPr = - : Balance {Balance=7, No=0} | | AnakPr = 1 : Balance {Balance=4, No=0} | | AnakPr = 2
| | | Bapak = - : Balance {Balance=1, No=0} | | | Bapak = 1 : No {Balance=0, No=2}
| | AnakPr = 3 : Balance {Balance=2, No=0} | | AnakPr = 4 : No {Balance=0, No=2} | | AnakPr = 5 : Balance {Balance=1, No=0} | Suami = 1
| | SdrPrSeayah = - : No {Balance=0, No=4} | | SdrPrSeayah = 3 : Balance {Balance=1, No=0} AnakLk = 1 : Balance {Balance=44, No=0}
AnakLk = 10 : Balance {Balance=2, No=0} AnakLk = 2 : Balance {Balance=15, No=0} AnakLk = 3 : Balance {Balance=12, No=0} AnakLk = 5 : Balance {Balance=2, No=0}
AnakLk = 6 : Balance {Balance=1, No=0}
Rule dari pohon keputusan dan aalgoritma terlihat penyebab error penghitunganpada gambar 5. Algoritmal
error tersebut akan diklasifikasikan berdasarkan perbandingan total dan irts yaitu balance, dan no. Pada akhirnya, dapat dianalisa untuk memperbaiki algoritma penghitungan waris agar menfapakan tingkat akurasi yang lebih tinggi lagi.
2.5 Evaluation
Evaluasi dilakukan dengan melakukan pengukuran akurasi dengan cross validation pada rapid miner. Perhitungan keakuratan dilakukan tanpa apply pruning dan apply prepunning. Berdasarkan tingkat akurasi data yang dijelaskan pada tabel 3, menghasilkan keakurasian perhitungan senilai 95,00% (accuracy: 95.00% +/- 5.00% (mikro: 95.00%)).
Tabel 3. Hasil akurasi penghitungan
Sumber: Pengolahan data rapid miner, 2018
true Balance true No class precision
pred. Balance 90 3 96.77%
pred. No 2 5 71.43%
class recall 97.83% 62.50%
2.6 Deployment
Hasil analisa dan klasifikasi yang dilakukan menggunakan aplikasi RapidMiner akan diimplementasikan kedalam bahasa pemrograman untuk meningatkan hasil akurasi penghitungannya. Pembangunan program akan dilakukan dengan bahasa pemrograman PHP.
Sumber : www.ewaris.web.id, 2018
Gambar 6. Tampilan input data harta
Pada gambar 6 dilakukan proses penginputan data harta dari mayit, yang akan digunakan sebagai landasan dasar penghitungan harta yang akan dibagian kepada ahli waris.proses akan berjalan jika irts yang didapatkan dari tirkan – hutang – wasiat – tajhiz lebih dari nol dan wasiat kurang dari 1/3 dari tirkah.
Sumber : www.ewaris.web.id, 2018
Gambar 7. Tampilan input data ahli waris
Pada gambar 7 dilakukan proses penginputan data ahli waris. Dari irts pada data harta akan dibagian tiap bagiannya kepada tiap ahli waris menurut ketentuan yang sudah dijabarkan.
Sumber : www.ewaris.web.id, 2018
Gambar 8. Tampilan hasil hitung waris
Pada gambar 8 menjelaskan tentang hasil dari proses penghitungan harta waris secara detail. Dimana tiap ahli waris akan dijelaskan tentang besar bagiannya dan dari hasil tiap bagiannya akan dihitung kembali. Hasil dari hitung kembali akan dibandingkan dengan data irts.
Sumber : Pengolahan data penelitian, 2018
Gambar 9. Tampilan deploymen
Pada gambar 9 menjelaskan tentang hasil dari penerapan algoritma yang didapatkan pada proses modeling
yang diuji coba dengan mencocokkan hasil penghitungan pada keterangan. Apakah algoritma yang dihasilkan sudah sesuai dengan keterangan atau belum. Dengan memberikan nilai pada hasil true atau false yang berasal dari perbandingan Ket dan dev. Dimana ket berasal dari hasil penjumlahan harta tiapahli waris yang dibandingkan dengan irts, sedangkan dev berasal dari algoritma yang dihasilkan dari proses modeling.
3. KESIMPULAN
Peneitian ini telah menghasilkan sebuah penerapan metode decision tree dengan algoritma C4.5 dan uji cross validation untuk menentukan tingkat akurasi dari penghitungan waris dan menentukan atribut yang menyebaban
error dalam perhitungan. Dimana didapatkan tingkat akurasi sebesar 95%. Dan terjadi beberapa error dalam perhitungan dimana terjadi pada atribut anak laki – laki dan suami. Maka direkomendasikan dalam penyusunan algoritma penghitungan waris, agar ditingkatkan landasan penghitungan waris agar dapat meningkatkan nilai akurasi penghitungan.
PUSTAKA
Amir syarifuddin. (2004). Hukum Kewarisan Islam, 6(2), 148.
Anonim. (1999). Kompilasi Hukum Islam. Jakarta: Kementrian Agama.
Budiman, I. (2012). DATA CLUSTERING MENGGUNAKAN METODOLOGI CRISP-DM UNTUK PENGENALAN POLA PROPORSI PELAKSANAAN TRIDHARMA, 1–56.
Fadillah, A. P. (2015). Penerapan Metode CRISP-DM untuk Prediksi Kelulusan Studi Mahasiswa Menempuh Mata Kuliah ( Studi Kasus Universitas XYZ ), 1, 260–270.
Hariman, I., & Zaelani, A. I. (2014). PERANGKAT LUNAK BANTU PEMBAGIAN HARTA WARISAN BERDASARKAN ILMU FARAIDH SESUAI FIQIH ISLAM BERBASIS WEB 1Irman. Jurnal LPKIA,
1(1), 22–27.
Harryanto, F. F., & Hansu, S. (2017). Penerapan Algoritma C4 . 5 untuk Memprediksi Penerimaan Calon Pegawai Baru di PT WISE, 3(2), 95–103.
Kamagi, D. H., & Hansun, S. (2014). Implementasi Data Mining dengan Algoritma C4 . 5 untuk Memprediksi Tingkat Kelulusan Mahasiswa. ULTIMATICS, Vol. VI, No. 1 | Juni 2014, VI(1), 15–20.
ROZIQIN, C. (2011). PELAKSANAAN PEMBAGIAN HARTA WARIS MENURUT HUKUM ISLAM DALAM PERSEPSI MASYARAKAT DESA PASIRSARI.
Setiawan, R., Destiani, D., & Slamet, C. (2012). Perancangan Sistem Pakar untuk Pembagian Waris Menurut
Hukum Islam (Fara’id). Jurnal Algoritma, 9, 1–8.
Shafique, U., & Qaiser, H. (2014). A Comparative Study of Data Mining Process Models ( KDD , CRISP-DM and SEMMA ). International Journal of Innovation and Scientific Research, 12(1), 217–222. Retrieved from http://www.ijisr.issr-journals.org/