3.2 Pemodelan Sistem
3.2.4 Flowchart
Flowchart adalah adalah Gambar dengan simboltertentu pada diagram yang merinci urutan prosesdan hubungan di antara mereka. Diagram blok biasanya digunakanterutama untuk tujuan komunikasi dandokumentasi.Berikut penjelasan Flowchart yang dapat dilihatpada gambar 3.6.
Gambar 3.6. Flowchart Sistem 3.3 Perancangan Antarmuka (Interface)
Perancangan Interface idalah rancangan halaman suatu sistem yang memungkinkan penguna berinteraksi degan mudah untuk menjalakan fungsi-fungsi sistem.
3.3.1. Rancangan Halaman Utama
Halaman Utama adalah tampilan yang berisikan keterangan mengenai sistem yaitu menu-menu yang tersedia, judul dari penelitian, logo instansi, dan biodata peneliti seperti nama, NIM, program studi dan tahun penelitian. Untuk melihat perancangan halaman utama, dapatdilihat pada gambar3.7.
22
Gambar 3.7. Rancangan Halaman Utama Keterangan :
1. Menu Bar
Digunakan untuk menampilkan tampilan menu pada sistem yaitu Home, Data Peserta, dan Perangkingan Peserta.
2. Label Judul
Digunakan untuk menampilkan judul dari penelitian.
3. Picturebox Logo USU
Digunakan untuk menampilkan gambar berupa logo instansi.
4. Label Biodata Penulis
Digunakan untuk menampilkan biodata penulis yaitu, nama, NIM, instansi perguruan tinggi dan tahun penelitian ini dilaksanakan.
3.3.2. Rancangan Halaman Data Peserta Ujian
Halaman Data Peserta Ujian adalah tampilan pada sistem yang digunakan untuk menampilkan fitur-fitur mengenai data peserta ujian. Pada halaman ini umumnya digunakan untuk melihat data peserta yang tersedia, memasukkan data baru peserta, memasukkan beberapa kriteria atau nilai dari setiap kriteria kelulusan peserta kedalam sistem. Kriteria peserta yang dimasukkan kedalam sistem yaitu Nama peserta, kemampuan penghafalan ‘kata’, kihon dasar memukul, kihon dasar tendangan, kihon dasar menangkis, kumite. Tampilan dari halaman Data peserta ujian dapat dilihatpada gambar3.8.
Gambar 3.8. Rancangan Data Peserta Keterangan :
1. Menu Bar
Digunakan untukmenampilkan tampilan menu pada sistem yaitu Home, Data Peserta, dan Perangkingan Peserta.
2. Tabel Data Peserta
Digunakan untuk menampilkan data nilai peserta yang pernah mengikuti ujian kenaikan sabuk kedalam sistem.
3. Groupbox Input Peserta
Digunakan untuk mengelompokkan kriteria-kriteria untuk dimasukkan kedalam sistem seperti kemampuan penghafalan ‘kata’, kihon dasar memukul, kihon dasar tendangan, kihon dasar menangkis, kumite.
4. Button Input Peserta
Digunakan untuk melakukan aksi yaitu menyimpan data peserta kedalam database sistem.
5. Button Reset
Digunakan untuk melakukan aksi yaitu membersihkan semua nilai dari jendela nilai yang dimasukkan.
6. Groupbox Jumlah Peserta
24
Digunakan untuk mengelompokkan jumlah peserta yang mengikuti ujian, peserta yang lulus, dan peserta yang tidak lulus.
3.3.3. Rancangan Halaman Perangkingan Peserta
Halaman perangkingan peserta adalah tampilan sistem yang menunjukan fitur-fitur untuk mengurutkan nama-nama peserta berdasarkan bobot yang diberikan untuk dihitung perangkingannya. Untuk tampilan halaman perangkingan peserta dapat dilihat pada gambar 3.9.
Gambar 3.9. Rancangan Halaman Perangkingan Peserta Keterangan :
1. Menu Bar
Digunakan untukmenampilkan tampilan menu pada sistem yaitu Home, Data Peserta, dan Perangkingan Peserta.
2. Tabel Data Peserta
Digunakan untuk menampilkan data nilai peserta yang lulus mengikuti ujian kenaikan sabuk.
3. Groupbox Bobot
Digunakan untuk mengelompokkan elemen-elemen untuk parameter apa saja yang digunakan dalam menjadi bobot perangkingan pada peserta.
4. Button Rangking Peserta
Digunakan untuk melakukan perangkingan terhadap nilai masukan dan nama-nama peserta yang dinyatakan layak.
5. Button Reset
Digunakan untuk membersihkan atau mengulang semua masukkan menjadi kosong atau bernilai default.
6. Textbox total peserta lulus
Digunakan untuk menampilkan jumlah peserta yang lulus.
7. Tabel Rangking Peserta
Digunakan untuk menampilkan nama peserta yang lulus mengikuti ujian kenaikan sabuk terurut berdasarkan rangking.
BAB 4
IMPLEMENTASI DAN PENGUJIAN
Pada bab Implementasi dan Pengujian akan dideskripsikan mengenai proses penerapan algoritma Naïve Bayes dan Simple Additive Weight pada sistem sesuai perancangan sistem berdasarkan pemaparan dan analisis pada bab sebelumnya dan kemudian melakukan pengujian pada sistem yang dibangun.
4.1 Implementasi Perancangan Antarmuka
Pada penerapan perancangan antarmuka digunakan Bahasa program C# dan software IDE Sharpdevelop 4.4. Adapun penerapan dari perancangan antarmuka yang telah dipaparkan dan dianalisis pada sistem adalah sebagaiberikut:
4.1.1 Halaman Utama
Haalaman utama adalah halaman pertama yang munculsaat user menjalankan sistem, dan berisi menu data mata kuliah dan menu ranking peserta seperti terlihat pada gambar 4.1.
Gambar 4.1. Halaman Utama
4.1.2 Halaman Data Peserta
Halaman data peserta adalah halamanyang berisikan informasi tentang nilai-nilai dari setiap kriteria peserta mengenai kemampuan karate nya. Informasi peserta terdiri dari 5 kemampuan yaitu kemampuan penghafalan ‘kata’, kihon dasar memukul, kihon dasar tendangan, kihon dasar menangkis, kumite. Pada halaman ini juga terdapat textbox untuk menampung masukkan nama peserta dan nilai kemampuan peserta untuk kemudian disimpan ke dalam database sistem. Pengguna dapat memasukkan nama dan nilai kemampuan peserta dan selanjutnya menekan tombol “Input Data” untuk melakukan penyimpanan data kedalam database. Untuk melihat halaman data peserta dapat dilihatpada gambar4.2.
Gambar 4.2. Halaman Data Peserta
4.1.3 Halaman Perangkingan Peserta
Hallaman perangkingan peserta adalah halaman yang menampilkan nama peserta yang lulus dengan nilai-nilai standar yang telah dicapai untuk kemudian mendapatkan rangking tertinggi agar mendapatkan keberhasilan dalam kenaikan sabuk karate. Dari kelayakan peserta pengguna atau panitia hanya memasukkan nilai standar dan kemudian menekan tombol “Rangking Peserta” agar sistem dapat menghitung nilai dan mendapatkan hasil perangkingan peserta. Untuk tampilan perangkingan peserta dapatdilihat pada gambar4.3.
28
Gambar 4.3. Halaman Perangkingan Peserta
4.2 Pengujian Sistem
Sistem yang dibangun menggunakan algoritma Naïve Bayes dan Simple Additive Weight untuk menentukan kelayakan peserta pada ujian kenaikan sabuk karate.
4.2.1 Implementasi Naïve Bayes pada Penilaian Kelulusan Peserta
Implementasi Naïve Bayes dalam sistem yang dibangun pada proses menentukan kelulusan kenaikan sabut karater dengan menghitung nilai ujian dan bobot probabilistic yang terdapat pada database.
Nilai Naïve Bayes dari setiap alternatif didapatkan dari nilai-nilai yang dihitung dengan probabilistika yaitu normalisasi nilai setiap alternatif dengan membagi nilai alternatif dengan semua nilai alternatif kemudian membandingkan nilai tersebut dengan nilai setiap klasifikasi yaitu lulus atau tidak lulus. Untuk perhitungan yang membutuhkan probabilistic nilai membutuhkan data yang besar dan bervariasi agar mendapatkan hasil yang lebih baik.
Dari perhitungan menentukan kelayakan atau kelulusan peserta telah diterapkan kedalam sistem yang dapat digunakan oleh juri dan pelatih dengan memasukan nilai setiap peserta ke dalam sistem. Berikut adalahtampilan input data yang dapatdilihat pada gambar4.4.
Gambar 4.4. Halaman Input Nilai Peserta Baru
Dari gambar 4.4 terdapat beberapa textbox untuk menampung nama dan nilai-nilai ujian. Dari textbox tersebut, juri dapat memasukkan nilai-nilai peserta ujian kenaikan sabut karate. Setelah memasukan nilai ujian, selanjutnya juri dapat menekan tombol “Hasil dan Input Data” untuk melakukan proses perhitungan Naïve Bayes dan nilai tersebut akan dimasukkan kedalam sistem. Proses yang sudah dilakukan akan menghasilkan penambahan peserta dengan keterangan lulus maupun tidak lulus pada sistem yang dapat dilihat pada gambar 4.5.
Gambar 4.5. Hasil Kelulusan Peserta Baru
30
4.2.2 Implementasi Simple Additive Weight pada Perangkingan Peserta
Implementasi Simple Additive Weight dalam sistem yang dibangun pada proses pengurutan atau perangkingan dari nilai yangterbesar sampainilai yangterkecil dari data peserta yang sudah dinyatakan lulus yang terdapat pada database.
Nilai Simple Additive Weight dari setiap alternatif didapatkan dari nilai-nilai peserta yang dinyatakan lulus pada sistem kelulusan dengan Naïve Bayes. Untuk menghitung Simple Additive Weight, Anda perlu menentukan prioritas atau kepentingan setiap kriteria. Kemudian buat matriks keputusan berdasarkan tabel penilaian profisiensi untuk setiap pilihan setiap kriteria. Kemudian menormalkan matriks keputusan dengan menghitung nilai evaluasi kinerja yang dinormalisasi untuk kriteria alternatif. Dari perhitungan menentukan rangking tertinggi peserta telah diterapkan kedalam sistem yang dapat digunakan oleh juri dan pelatih dengan memasukan nilai setiap peserta ke dalam sistem. Berikut adalahtampilan input data yang dapatdilihat pada gambar 4.6.
Gambar 4.6. Halaman Input Nilai Bobot Preferensi
Dari gambar 4.6 terdapat beberapa textbox untuk menampung nilai-nilai bobot. Dari textbox tersebut, juri dapat memasukkan nilai bobot untuk setiap kriteria peserta ujian kenaikan sabut karate. Setelah memasukan nilai bobot, selanjutnya juri dapat menekan tombol “Rangking Peserta” untuk melakukan proses perhitungan Simple Additive Weight dan nilai tersebut akan diurutkan didalam
sistem. Proses yang sudah dilakukan akan menghasilkan nama dengan urutan rangking pertama sampai terakhir pada sistem yang dapatdilihat padagambar 4.7.
Gambar 4.7. Hasil Perangkingan Peserta
4.2.3 Hasil Evaluasi Sistem
Implementasi dari algoritma Naïve Bayes dan Simple Additive Weight diuji menggunakan beberapa variasi data peserta untuk mendapatkan nilai pengaruh banyak data dengan waktu proses yang dihasilkan. Untuk itu setiap nilai peserta akan diuji dengan banyaknya data yang digunakan dalam penguji performansi algoritma Naïve Bayes yaitu sebesar 20, 50, 100, 200 data peserta dan pengujian performansi algoritma Simple Additive Weight dengan menggunakan data sebanyak 10, 25, 50, 100 data peserta yang telah lulus.
Tabel 4.1. Pengujian Algoritma Naïve Bayes
Pengujian Naïve Bayes
Banyak Data
20 50 100 200
Running Time 2112,0218 2158,1703 2182,0619 2214,7712
Tabel 4.2. Pengujian Algoritma Simple Additive Weight
Pengujian Simple Additive Weight
Banyak Data
10 25 50 100
Running Time 1,4991 3,6647 6,6232 12,1418
32
Dari tabel4.1. dan4.2 dapat digambarkan menjadi bentuk grafikyang dapatdilihat pada gambar4.8 yang menjelaskan running time algoritma Naïve Bayes dan 4.9 yang menjelaskan running time algoritma Simple Additive Weight.
Gambar 4.8. Running Time Algoritma Naive Bayes
Dari grafik diatas dapat dilihat waktu yang meningkat seiring dengan bertambah banyak data peserta pada database yang dihitung oleh Naïve Bayes.
Gambar 4.9. Running Time Algoritma Simple Additive Weight
Dari grafikdiatas dapat dilihatbahwa waktu yang meningkat seiring dengan banyaknya data peserta yang lulus pada database yang digunakan untuk menghitung nilai v dan dirangking dengan menggunakan algoritma Simple Additive Weight.
20 50 100 200
Running time 2112.0218 2158.1703 2182.0619 2214.7712 2112.0218
Running time 1.4991 3.6647 6.6232 12.1418
1.4991
Running Time Algoritma Simple Additive Weight
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Perhitungan pada Naïve Bayes dalam menentukan kelulusan peserta ujian kenaikan sabuk karate dipengaruhi oleh nilai peserta yang telah tersimpan terlebih dahulu pada database. Nilai Naïve Bayes ditentukan melalui probabilistik dengan normalisasi nilai dari setiap alternatif. Kelulusan peserta menjadi lebih ketat dan baik apabila data yang tersedia semakin banyak dan bervariasi akan tetapi kecepatan waktu proses meningkat dengan data 20 peserta memiliki waktu 2112,0218 ms, data 50 peserta memiliki waktu 2158,1703 ms, data 100 peserta memiliki waktu 2182,0619 ms, dan data 200 peserta memiliki waktu 2214,7712 ms.
Selain itu perhitungan Simple Additive Weight juga dapat berhasil melakukan perangkingan pada peserta yang lulus. Namun waktu proses Simple Additive Weight mengalami peningkatan seiring bertambah banyaknya data peserta yang lulus yaitu dengan data 10 peserta memiliki waktu 1,4991 ms, data 25 peserta memiliki waktu 3,6647 ms, data 50 peserta memiliki waktu 6,6232 ms, dan data 100 peserta memiliki waktu 12,1418 ms
5.2 Saran
Saran-saran yang diberikan untuk penelitian berikutnya adalah :
1. Diperlukan riset terlebih dahulu untuk menentukan bobot yang baik untuk digunakan dalam perangkingan menggunakan Simple Additive Weight.
2. Penelitian selanjutnya dapat mengembangkan sistem dengan platform android agar mempermudah juri dalam menilai kemampuan peserta ujian kenaikan sabuk dengan mangkus dan fleksibel.
3. Melibatkan lebih banyak data agar kinerja sistem dapat menghasilkan kinerja yang lebih baik dan akurat.
DAFTAR PUSTAKA
Afeni, Babajide O. dkk. 2017. Hypertension Prediction System Using Naive Bayes Classifier. Department of Computer Science, Joseph Ayo Babalola University, Ikeji - Arakeji, Nigeria.
Anastasia Lubis, Sintha. 2014. Analisis perbandingan metode Simple Additive Weighting (SAW) dan metode Weighted Product (WP) untuk menentukan bonus karyawan (Studi Kasus : PT. Graha Travel & Tour Medan). Skripsi.
Universitas Sumatera Utara
Aulia Adha, Tengku. Sistem Penilaian Kelayakan Proposal Bantuan Dana dengan menggunakan Metode Naïve Bayes Classifier dan TOPSIS. Skripsi.
Universitas Sumatera Utara.
Bagus Syaifullah Azis, I. 2018. Pengembangan Buku Panduan Teknik Dasar (Kihon, Kata, Kumite) Untuk Perguruan Karate Gokasi. Skripsi. Universitas Negeri Yogyakarta.
Gustriansyah, R., Sensuse, D. I. & Ramadhan, A. 2015. Decision Support System for Inventory Management in Pharmacy Using Fuzzy Analytic Hierarchy Process and Sequential Pattern Analysis Approach. In Proceeding of the 3rd International Conference on New Media Studies (CONMEDIA 2015) (hlm.
1823). Tangerang.
Holzinger, A. 2011. Biomedical Decision Making: Reasoning and Decision Support. Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan, 1st ed. Yogyakarta : Andi.
Holzinger, A. 2011. Biomedical Decision Making: Reasoning and Decision Support.
Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan, 1st ed. Yogyakarta:
Andi.
Medhekar, Dhanashree S., dkk. 2013. Heart Disease Prediction System using Naive Bayes. ER PUBLICATIONS, VOL 2 ISSUE 3.
Preety, Sunny Dahiya. 2015. Sentiment Analysis Using SVM And Naïve Bayes Algorithm. Department of Computer science, International Institute of Technology and Business, Jhundpur, Sonipat, Haryana, 131023, India
Pristian R., M. 2016. Implementasi Metode Simple Additive Weighting dan Weighted Product Model dalam Pemilihan Lembaga Bimbingan Belajar di Kota Medan. Skripsi. Universitas Sumatera Utara.
Rifai, Ahmad. 2015. Implementasi Metode Naive Bayes dalam Menentukan Posisi Ideal Pemain dalam Sepak Bola Berbasis Android (Studi Kasus : Talenta Soccer Rantauprapat). Skripsi. Universitas Sumatera Utara.
Tariq, A. and Rafi, K. 2012. Intelligent Decision Support System – A Framework.
Information and Knowledge Management. Inf. Knowl. Manag., 2(6).
Tri Utami, Puspita. 2015. Implementasi perbandingan algoritma Analytic Hierarchy Process (AHP) dengan algoritma Simple Additive Weighting (SAW) dalam Pemilihan Website Hosting. Skripsi. Universitas Sumatera Utara.
Turban, E., Sharda, R.E., & Delan, D. 2005. Decision Support and Business Intelligent Systems, 7th ed. Prentice Hall.
A-1
public partial class MainForm : Form {
Nilaihasil fpindah = new Nilaihasil();
this.Hide();
Perangkingan fpindah = new Perangkingan();
this.Hide();
public partial class Nilaihasil : Form {
Stopwatch watch = new Stopwatch();
SQLiteConnection sql = new SQLiteConnection("Data Source=pesertakarate.db;Version=3;");
public Nilaihasil() {
InitializeComponent();
}
void HomeToolStripMenuItemClick(object sender, EventArgs e)
{
MainForm fpindah = new MainForm();
this.Hide();
Perangkingan fpindah = new Perangkingan();
this.Hide();
DataTable dt = new DataTable();
SQLiteDataAdapter da = new SQLiteDataAdapter("SELECT *
dataGridView1.Columns[1].DefaultCellStyle.Alignment = DataGridViewContentAlignment.MiddleCenter;
dataGridView1.Columns[2].HeaderText = "Kihon\nMemukul";
dataGridView1.Columns[2].DefaultCellStyle.Alignment = DataGridViewContentAlignment.MiddleCenter;
dataGridView1.Columns[3].HeaderText = "Kihon\nTendangan";
dataGridView1.Columns[3].DefaultCellStyle.Alignment = DataGridViewContentAlignment.MiddleCenter;
dataGridView1.Columns[4].HeaderText = "Kihon\nMenangkis";
dataGridView1.Columns[4].DefaultCellStyle.Alignment = DataGridViewContentAlignment.MiddleCenter;
dataGridView1.Columns[5].HeaderText = "Kumite";
dataGridView1.Columns[5].DefaultCellStyle.Alignment = DataGridViewContentAlignment.MiddleCenter;
dataGridView1.Columns[6].HeaderText = "Keterangan";
dataGridView1.Columns[6].DefaultCellStyle.Alignment = DataGridViewContentAlignment.MiddleCenter;
dataGridView1.DefaultCellStyle.Font = new Font("Microsoft Sans Serif", 8); from peserta where keterangan = 'Lulus'", sql);
SQLiteDataReader sqlReader = del.ExecuteReader();
try {
A-3 from peserta where keterangan = 'Tidak Lulus'", sql);
SQLiteDataReader sqlReader2 = del2.ExecuteReader();
void NilaihasilLoad(object sender, EventArgs e) { peserta where nama ='"+dataGridView1[0, row].Value.ToString()+"'", sql);
void Button2Click(object sender, EventArgs e)
public string bayes(int kata, int kpukul, int ktendang, int ktangkis, int kumite)
{
string hasilbayes;
double pl = 0, ptl = 0, katal = 0, katatl = 0, kpukull = 0, kpukultl = 0, ktendangl = 0, ktendangtl = 0, ktangkisl = 0, ktangkistl = 0, kumitel = 0, kumitetl = 0, bandingl, bandingtl;
for (int i = 0; i < dataGridView1.Rows.Count; i++)
&& Convert.ToInt32(dataGridView1[1, i].Value.ToString()) == kata) katal = katal + 1;
&& Convert.ToInt32(dataGridView1[2, i].Value.ToString()) == kpukul) kpukull = kpukull + 1;
&& Convert.ToInt32(dataGridView1[3, i].Value.ToString()) == ktendang) ktendangl = ktendangl + 1;
&& Convert.ToInt32(dataGridView1[4, i].Value.ToString()) == ktangkis) ktangkisl = ktangkisl + 1;
else if ((dataGridView1[6, i].Value.ToString()) ==
"Tidak Lulus" && Convert.ToInt32(dataGridView1[4, i].Value.ToString()) == ktangkis)
A-5
ktangkistl = ktangkistl + 1;
if ((dataGridView1[6, i].Value.ToString()) == "Lulus"
&& Convert.ToInt32(dataGridView1[5, i].Value.ToString()) == kumite) kumitel = kumitel + 1;
void Button1Click(object sender, EventArgs e) {
if (textBox4.Text == "") {
MessageBox.Show(this, "Nama Peserta Tidak Boleh Kosong", "Error", MessageBoxButtons.OK, MessageBoxIcon.Warning, MessageBoxDefaultButton.Button1);
}
else if (Convert.ToInt32(textBox5.Text) > 10 ||
Convert.ToInt32(textBox6.Text) > 10 || Convert.ToInt32(textBox7.Text)
> 10 || Convert.ToInt32(textBox8.Text) > 10 ||
Convert.ToInt32(textBox9.Text) > 10) {
MessageBox.Show(this, "Nilai Tidak Boleh Lebih Besar Dari 10", "Error", MessageBoxButtons.OK,
MessageBoxIcon.Warning, MessageBoxDefaultButton.Button1);
label11.Text = "Keterangan :\n" + keterangan;
sql.Open();
SQLiteCommand cmd = new SQLiteCommand("insert into peserta values('" + textBox4.Text + "','" + textBox5.Text + "','" + textBox6.Text + "','" + textBox7.Text + "','" + textBox8.Text + "','"
+ textBox9.Text + "','" + keterangan + "')", sql);
cmd.ExecuteNonQuery();
public partial class Perangkingan : Form {
Stopwatch watch = new Stopwatch();
SQLiteConnection sql = new SQLiteConnection("Data Source=pesertakarate.db;Version=3;");
Nilaihasil fpindah = new Nilaihasil();
this.Hide();
MainForm fpindah = new MainForm();
this.Hide();
fpindah.Show();
}
void refresh()
A-7
{
sql.Open();
DataTable dt = new DataTable();
SQLiteDataAdapter da = new SQLiteDataAdapter("SELECT
dataGridView1.Columns[1].DefaultCellStyle.Alignment = DataGridViewContentAlignment.MiddleCenter;
dataGridView1.Columns[2].HeaderText = "Kihon\nMemukul";
dataGridView1.Columns[2].DefaultCellStyle.Alignment = DataGridViewContentAlignment.MiddleCenter;
dataGridView1.Columns[3].HeaderText = "Kihon\nTendangan";
dataGridView1.Columns[3].DefaultCellStyle.Alignment = DataGridViewContentAlignment.MiddleCenter;
dataGridView1.Columns[4].HeaderText = "Kihon\nMenangkis";
dataGridView1.Columns[4].DefaultCellStyle.Alignment = DataGridViewContentAlignment.MiddleCenter;
dataGridView1.Columns[5].HeaderText = "Kumite";
dataGridView1.Columns[5].DefaultCellStyle.Alignment = DataGridViewContentAlignment.MiddleCenter;
dataGridView1.DefaultCellStyle.Font = new Font("Microsoft Sans Serif", 8);
SQLiteCommand del = new SQLiteCommand("select COUNT(*) from peserta where keterangan = 'Lulus'", sql);
SQLiteDataReader sqlReader = del.ExecuteReader();
void PerangkinganLoad(object sender, EventArgs e) {
refresh();
}
void Button1Click(object sender, EventArgs e) {
}
A-9
void Button2Click(object sender, EventArgs e) {
CURRICULUM VITAE
Nama Lengkap : Sayyid Sabiq SM Rambe Tempat/Tanggal Lahir : Medan, 02 September 2000 Jenis Kelamin : Laki-Laki
Agama : Islam
Alamat Sekarang : Jalan Serayu Dusun IV Medan Krio
No.HP : 089644948334
Email : sayyidsabiq692@gmail.com
PENDIDIKAN
Perguruan Tinggi Universitas Sumatera Utara
2017-2021 Fakultas Ilmu Komputer Dan Teknologi
Informasi Program Studi S1 Ilmu Komputer Sekolah Mengah Atas SMAN 15 Medan
2014-2017
Sekolah Menengah Pertama SMPIT Al-Fityan School Medan 2011-2014
Sekolah Dasar SDIT Al-Fityan School Medan 2005-2011
PENGALAMAN ORGANISASI
2020-2021 Anggota Departemen Kemahasiswaan Ikatan
Mahasiswa S-1 Ilmu Komputer (IMILKOM) Universitas Sumatera Utara
B-2
DAFTAR PRESTASI
1. SELEKDA Usia Dini FORKI
Medan, 20 Oktober 2012 Juara III Kumite +50kg Usia Dini 2. KEJURDA Kadet Junior 2013 FORKI SUMUT
Medan, 19-20 Agustus 2013 Juara II Kumite +70kg Kadet Putra 3. KEJURDA FORKI SUMUT
Medan, 3-5 Maret 2014 Juara II Kumite +70kg Kadet Putra 4.PGN Open Karste CHAMPIONSHIP
Medan, 6-8 April 2015 Juara ll Kumite +70kg Kadet Putra 5. Piala PANGDAM I Bukit Barisan
Medan, 12-14 Oktober 2015 Juara IlI Kumite +70kg Kadet Putra 6. KEJURDA INKANAS SUMUT IX
Medan, 6 Maret 2016 Juara I Kumite +76kg Junior Putra 7. DASRIL MUCHTAR KARATE
Bandung. 11-13 Maret 2016 Juara I Kumite +70kg Kadet Putra 8. 17TH MILO Open KARATE CHAMPIONSHIF
Kuala Lumpur, 28-29 Mei 2016 Juara I Kumite +76kg Junior Putra 9. Tebing Tinggi Open CHAMPIONSHIP III
Tebing Tinggi, 21-23 juli 2016 Juara l Kumite +76kg Junior Putra 10. PGN INKANAS KARATE Open II
Medan, 12-14 Agustus 2016 Juara II Kumite +76kg Junior Putra 11. Piala Panglima TIN IV
Jakarta, 19-21 Agustus 2016 Juara ll Kumite +76kg Junior Putra 12. Open Turnamen Karate Kab. Deli Serdang
Lubuk Pakam, 20 Desember 2016 Juara I Kumite +76kg Junior Putra 13. Open Tour Tournament Karate Kab. Deli Serdang
Lubuk Pakam, 20 Desember 2016 Juara BOB Junior Putra 14. KEJURNAS INKANAS Piala KAPOLRI VII
Semarang, 9-11 Maret 2017 Juara l Kumite +76kg Junior Putra 15. KEJURNAS Piala MENDAGRI XIX
Bandung, 24-26 Maret 2017 Juara III Kumite +76kg Junior Putra
16. Kejuaraan Karate Pelajar Se SUMUT
Medan, 12-15 Agustus 2017 Juara I Kumite +76kg Junior Putra 17. Piala Panglima TNI V
Jakarta, 22-24 September 2017 Juara I Kumite +76kg Junior Putra 18. KEJURDA Karate Senior FORKI SUMUT
Medan, 6-8 Oktober 2017 Juara III Kumite -84kg Senior Putra 19. Tebing Tinggi Open IV
Tebing Tinggi, 30 November - 3 Desember 2017 Juara I Kumite +76kg Junior Putra
20. INDONESIA KARATE SHOTO
Bandung, 15-17 Desember 2017 Juara III Kumite +76kg Junior Putra 21. PORWIL SU Wilayah III
Balige, 27-29 April 2018 → Juara I Kumite -84kg Senior Putra 22. 19th MILO INTERNATIONAL KARATE CHAMPIONSHIP
Kuala Lumpur, 30 Juni - 1 Juli 2018 → Juara III Kumite -84kg Senior Putra 23. SOUTHEAST ASIAN KARATE CHAMPIONSHIP "YOGYAKARTA STATE UNIVERSITY CUP VIII"
Yogyakarta, 27-28 Oktober 2018 Juara III Kumite -84kg Senior Putra 24. Tebing Tinggi Open V
Tebing Tinggi, 2-4 November 2018 Juara III Kumite -84kg Senior Putra 25. KEJATISU Open 1
Medan, 4-6 Desember 2018 Juara II Kumite -84kg Senior Putra
26. USU INTERNATIONAL Open KARATE CHAMPIONSHIP 2019 Medan, 22-24 Februari 2019 Juara III Kumite -84kg Senior Putra 27. Kejurda FORKI SUMUT Antar Juara PORWIL SU Tahun 2019 Medan, 34 Maret 2019 Juara III Kumite -84kg Senior Putra
28. Brawijaya University Karate championship
Malang, 1-3 November 2019 Juara I Kumite -84kg Senior Putra 29. Brawijaya University Karate championship
Malang, 1-3 November 2019 Juara III Kumite -84kg Mahasiswa 29. USU Games 2019
Medan, 18 November 2019 Juara I Kumite +75kg Senior Putra
B-4
30. KEJURDA FORKI SUMUT
Medan, 7-8 Maret 2020 Juara I Kumite +84kg Senior Putra