BAB IV ANALISIS DAN PERANCANGAN SISTEM
4.1. Perancangan Fuzzy Associative Memory
4.1.7. Perhitungan Error
Perhitungan erorr pada penelitian ini menggunakan metode Error Relative.Metode ini membandingkan antara kesalahan absolute terhadap nilai Ujian Nasional yang sudah diketahui. Kesalahan absolut adalah selisih nilai Ujian Nasional dengan nilai Prediksi Ujian Nasional. Error Relative ditunjukkan dalam persamaan dibawah ini :
πΎππ πππβππ π΄ππ πππ’π‘π = |πππππ πππππ β πππππππ π πππππ πππππ|
πΈππππ π ππππ‘ππ£π = πΎππ πππβππ π΄ππ πππ’π‘π πππππ πππππ 4.2. Contoh Perhitungan Manual
Berikut ini adalah contoh perhitungan manual berdasarkan data dari SMP N 1 Samigaluh. Data yang digunakan adalah data sampel sebanyak 5
data (5 arsitektur FAM) yang diambil secara urut dari 94 data mata pelajaran Bahasa Indonesia yang ada.
Tabel 4.2-1 Data Nilai TPPU dan UN tahun 2016
No Inisial
NILAI
TPPU 1 TPPU 2 TPPU 3 TPPU 4 UNAS
1 AA 84.00 86.00 84.00 78.00 88.00
2 AR 60.00 84.00 70.00 76.00 86.00
3 ABA 70.00 74.00 76.00 84.00 88.00
4 AH 62.00 78.00 86.00 84.00 90.00
5 BAP 66.00 78.00 74.00 78.00 86.00
6 DS 78.00 64.00 80.00 76.00 80.00
4.2.1. Menentukan Himpunan Fuzzy 4.2.1.1. Siswa 1
TPPU 1 = 84, TPPU 2 = 86, TPPU 3 = 84, TPPU 4 = 78, UNAS = 88 Β΅[TPPU1] = 84
Β΅[TPPU1] = [ Β΅TPPU1KURANG[84] , Β΅TPPU1CUKUP[84] , Β΅TPPU1BAIK[84] , Β΅TPPU1SANGAT BAIK[84] ]
Β΅[TPPU1] = [0 0.852273 1 0.136363636]
Β΅[TPPU2] = 86
Β΅[TPPU2] = [ Β΅TPPU2KURANG[86] , Β΅TPPU2CUKUP[86] , Β΅TPPU2BAIK[86] , Β΅TPPU2SANGAT BAIK[86] ]
Β΅[TPPU2] = [0 0.625 1 0.363636364]
Β΅[TPPU3] = 84
Β΅[TPPU3] = [ Β΅TPPU3KURANG[84] , Β΅TPPU3CUKUP[84] , Β΅TPPU3BAIK[84] , Β΅TPPU3SANGAT BAIK[84] ]
Β΅[TPPU3] = [0 0.852273 1 0.136363636]
Β΅[TPPU4] = 78
Β΅[TPPU4] = [ Β΅TPPU4KURANG[78] , Β΅TPPU4CUKUP[78] , Β΅TPPU4BAIK[78] , Β΅TPPU4SANGAT BAIK[78] ]
Β΅[TPPU4] = [0.522727273 1 0.454545455 0]
A1 = [max (Β΅[TPPU1]) max (Β΅[TPPU2]) max (Β΅[TPPU3]) max (Β΅[TPPU4])]
A1 = [1 1 1 1]
Β΅[UNAS] = 88
B1 = [ Β΅UNASKURANG[88] , Β΅UNASCUKUP[88] , Β΅UNASBAIK[88] , Β΅UNAS SANGAT BAIK[88] ] B1 = [0 0.397727273 1 0.590909091]
M1 = AT1o B1
Β΅[TPPU2] = [0 0.852273 1 0.136363636]
Β΅[TPPU3] = 70
Β΅[UNAS] = 86
Β΅[TPPU4] = [0 0.852273 1 0.136363636]
A3 = [max (Β΅[TPPU1]) max (Β΅[TPPU2]) max (Β΅[TPPU3]) max (Β΅[TPPU4])]
A3 = [1 1 1 1]
Β΅[UNAS] = 88
B3 = [ Β΅UNASKURANG[88] , Β΅UNASCUKUP[88] , Β΅UNASBAIK[88] , Β΅UNAS SANGAT BAIK[88] ] B3 = [0 0.397727273 1 0.590909091]
M3 = AT3o B3
Β΅[TPPU2] = [0.522727273 1 0.454545455 0]
Β΅[TPPU3] = 86
Β΅[TPPU4] = [0 0.852273 1 0.136363636]
A4 = [max (Β΅[TPPU1]) max (Β΅[TPPU2]) max (Β΅[TPPU3]) max (Β΅[TPPU4])]
A4 = [1 1 1 1]
Β΅[UNAS] = 90
B4 = [ Β΅UNASKURANG[90] , Β΅UNASCUKUP[90] , Β΅UNASBAIK[90] , Β΅UNAS SANGAT BAIK[90] ] B4 = [0 0.170454545 1 0.818181818]
M4 = AT4 o B4
Β΅[TPPU2] = [0.522727273 1 0.454545455 0]
Β΅[TPPU3] = 74
Β΅[TPPU4] = [0.522727273 1 0.454545455 0]
A5 = [max (Β΅[TPPU1]) max (Β΅[TPPU2]) max (Β΅[TPPU3]) max (Β΅[TPPU4])] . . Mm) maka menggunakan Superimposing FAM Rules untuk mencari matriks π΅πβ². Inputan matriks Abaru (data nilai TPPU yang ingin di cari prediksinya) akan dikomposisikan ke seluruh matriks Mm
Tabel 4.2-2 Contoh data nilai yang akan di cari Prediksi
No Inisial
NILAI
TPPU 1 TPPU 2 TPPU 3 TPPU 4 UNAS
6 DS 78.00 64.00 80.00 76.00 80.00
Matriks Abaru yang terbentuk adalah
TPPU 1 = 78, TPPU 2 = 64, TPPU 3 = 80, TPPU 4 = 76, UNAS = 80 Β΅[TPPU1] = 78
Β΅[TPPU1] = [ Β΅TPPU2KURANG[78] , Β΅TPPU2CUKUP[78] , Β΅TPPU2BAIK[78] , Β΅TPPU2SANGAT BAIK[78] ]
Β΅[TPPU1] = [0.522727273 1 0.454545455 0]
Β΅[TPPU2] = 64
Β΅[TPPU2] = [ Β΅TPPU2KURANG[64] , Β΅TPPU2CUKUP[64] , Β΅TPPU2BAIK[64] , Β΅TPPU2SANGAT BAIK[64] ]
Β΅[TPPU2] = [1 0 0 0]
Β΅[TPPU3] = 80
Β΅[TPPU3] = [ Β΅TPPU3KURANG[80] , Β΅TPPU3CUKUP[80] , Β΅TPPU3BAIK[80] , Β΅TPPU3SANGAT BAIK[80] ]
Β΅[TPPU3] = [0.295454545 1 0.681818182 0]
Β΅[TPPU4] = 76
Komposisi ini akan menghasilkan derajat keanggotaan masing β masing himpunan prediksi UNAS (π΅πβ²). Pembentukan matriks π΅πβ² min(1, 0.397727273), min(1, 0.397727273)}
= maks {0.397727273, 0.397727273, 0.397727273, 0.397727273}
= 0.397727273
b31 β² = maks {min(1, 1), min(1, 1), min(1, 1), min(1,1)}
= maks {1, 1, 1, 1}
= 1
b41 β² = maks{min(1, 0.590909091), min(1, 0.590909091), min(1, 0.590909091), min(1, 0.590909091)}
= maks {0.590909091, 0.590909091, 0.590909091, 0.590909091}
= 0.590909091 min(1, 0.625), min(1, 0.625)}
= maks {0.625, 0.625, 0.625, 0.625} min(1, 0.363636364), min(1, 0.363636364)}
= maks {0.363636364, 0.363636364, 0.363636364, 0.363636364} min(1, 0.397727273), min(1, 0.397727273)}
= maks {0.625, 0.625, 0.625, 0.625} min(1, 0.590909091), min(1, 0.590909091)}
= maks {0.590909091, 0.590909091, 0.590909091, 0.590909091}
= 0.590909091
π΅3β² = [π13β² π23β² π33β² π43β² ]
π΅3β² = [0 0.397727273 1 0.590909091]
π΅4β² = π΄ππππ’ o M4
π΄ππππ’ = [1 1 1 1]
M4 = [ min(1, 0.170454545), min(1, 0.170454545)}
= maks {0.170454545, 0.170454545, 0.170454545, 0.170454545}
= 0.170454545
b34 β² = maks {min(1, 1), min(1, 1), min(1, 1), min(1,1)}
= maks {1, 1, 1, 1}
= 1
b44 β² = maks{min(1, 0.818181818), min(1, 0.818181818), min(1, 0.818181818), min(1, 0.818181818)}
= maks {0.818181818, 0.818181818, 0.818181818, 0.818181818}
= 0.590909091
= maks {0, 0, 0, 0}
= 0
b25 β² = maks{min(1, 0.625), min(1, 0.625), min(1, 0.625), min(1, 0.625)}
= maks {0.625, 0.625, 0.625, 0.625}
= 0.625
b35β² = maks {min(1, 1), min(1, 1), min(1, 1), min(1,1)}
= maks {1, 1, 1, 1}
= 1
b45 β² = maks{min(1, 0.363636364), min(1, 0.363636364), min(1, 0.363636364), min(1, 0.363636364)}
= maks {0.363636364, 0.363636364, 0.363636364, 0.363636364}
= 0.363636364
π΅5β² = [π15β² π25β² π35β² π45β² ]
π΅5β² = [0 0.625 1 0.363636364]
Hasil Komposisi di peroleh sebagai berikut Tabel 4.2-3 Hasil Komposisi Abaru dan Mm , m = 1, 2, 3, 4, 5
π΅πΎβ² π1πβ² π2πβ² π3πβ² π4πβ² π΅1β² 0 0.397727273 1 0.590909091
π΅2β² 0 0.625 1 0.363636364
π΅3β² 0 0.397727273 1 0.590909091 π΅4β² 0 0.170454545 1 0.818181818
π΅5β² 0 0.625 1 0.363636364
Tabel di atas merupakan data π΅πΎβ² dengan menggunakan arsitektur 5 FAM, dari data inilah makan nilai Bβ yang diperoleh adalah sebagai berikut:
π1πβ² = ππππ {0; 0; 0; 0; 0; } = 0 π2πβ² = ππππ {0.397727273; 0.625; 0.397727273;
0.170454545; 0.625; } = 0.625
π3πβ² = ππππ {1; 1; 1; 1; 1; } = 1
π4πβ² = ππππ { 0.590909091; 0.363636364;
0.590909091; 0.818181818; 0.363636364;}
= 0.818181818
π΅β²= [π1πβ² π2πβ² π3πβ² π4πβ² ]
π΅β²= [0 0.625 1 0.818181818]
π΅β² merupakan hasil maks derajat keanggotaan tiap himpunan UNAS hasil prediksi. Kemudian Langkah selanjutnya yaitu defuzzyfikasi untuk memperoleh nilai tegas dari π΅β² .
4.2.2. Defuzzyfikasi
Defuzzyfikasi yang digunakan dalam penelitian ini adalah weighted average. Proses defuzzyfikasi ini akan menghasilkan nilai tegas (nilai prediksi ujian nasional).
Data Siswa 6 untuk mata pelajaran Bahasa Indonesia yang digunakan sebagai matriks input yaitu TPPU 1 = 78, TPPU 2 = 64, TPPU 3 = 80, TPPU 4 = 76, UNAS = 80 dan matriks π΅β² yang diperoleh
π΅β²= [0 0.625 1 0.818181818]
Maka nilai prediksi ujian nasional : π΅ = βππ=1π¦πΞΌB{yj}
βππ=1ΞΌB{yj}
π΅ = ππππ1 β π1π + ππππ2 β π2π + ππππ3 β π3π + ππππ4 β π4π π1π + π2π + π3π + π4π
π΅ = 78 β 0 + 64 β 0.625 + 80 β 1 + 76 β 0.818181818 0 + 0.625 + 1 + 0.818181818
π΅ = 182.181818168 2.443181818 π΅ = 74.56744186
4.2.3. Perhitungan Error
Perhitungan erorr pada penelitian ini menggunakan metode Error Relative dengan persamaan sebagai berikut
πΈππππ π ππππ‘ππ£π = πΎππ πππβππ π΄ππ πππ’π‘π πππππ πππππ πΈππππ π ππππ‘ππ£π = 5.43255814
80 πΈππππ π ππππ‘ππ£π = 0.0679
πΈππππ π ππππ‘ππ£π = 0.0679 π₯ 100% = 6.79 % 4.2.4. Perhitungan 3 Fold β Cross Validation
Pengujian keakuratan pada penelitian ini menggunakan metode cross validation dengan 3 fold. Data pada penelitian ini dibagi menjadi 3 (tiga) subset, 2 subset menjadi data training dan 1 subset menjadi data testing. Setiap mata pelajaran memiliki jumlah data yaitu 94. Data ini kemudian dibagi menjadi 3 subset dengan jumlah data subset ke 1 berjumlah 31 data, subset ke 2 berjumlah 31 data, subset ke 3 berjumlah 32 data. Sebagai contoh dilakukan uji prediksi dengan menggunakan arsitektur 5 FAM.
Tabel 4.2-4 Contoh hasil scenario pengujian Cross validation arsitektur 5 FAM mata pelajaran Bahasa Indonesia
Skenario Cross Validation
Data Training Data Testing validation ketiga 0.14. Sehingga rata -rata Error Relative untuk pengujian arsitektur 5 FAM pada mata pelajaran Bahasa Indonesia adalah
π ππ‘π β πππ‘π πΈππππ π ππππ‘ππ£π 4.3. Gambaran Umum Sistem
Pada penelitian ini menggunakan data 4 TTPU yang terdiri dari Kabupaten 1 (TPPU 1), Kabupaten 2 (TPPU 2), Provinsi 1 (TPPU 2) dan Provinsi 2 (TPPU 4). Setiap TPPU mempunyai 4 mata pelajaran yaitu, Bahasa Indonesia, Bahasa Inggris, Matematika dan IPA. Data itu kemudian di cari derajat keanggotaanya. Derajat keanggotaan ini nantinya akan membentuk matriks A. Pembentukan FAM (Fuzzy Associative Memory) dilakukan dengan korelasi antara matriks A dan Matriks B (tujuan). Hasil dari korelasi antara matriks A dan B akan disimpan dalam matriks M.
Sistem FAM akan tersusun dari m kelompok yang berbeda, maka jika ada matriks Abaru (Himpunan nilai TPPU yang akan di prediksi nilainya) akan dikomposisikan dengan suluruh matriks M. Setiap hasil komposisi akan mempunyai matriks Bkβ dari matriks inilah nantinya akan diperoleh matriks Bβ untuk proses selanjutnya yaitu defuzzyfikasi.
4.4. Analisis Kebutuhan Sistem
Kebutuhan sistem pada ββPrediksi Nilai Ujian Nasional Sekolah Menengah Pertama (SMP)β menggunakan metode fuzzy associative memoryββ akan disusun dari kebutuhan input, kebutuhan proses dan kebutuhan output.
4.4.1. Kebutuhan Input
Pada sistem ini input yang dibutuhkan berupa nilai Tes Persiapan Pemantapan Ujian (TPPU).
4.4.2. Kebutuhan Proses
Pada sistem ini memiliki 2 aktor yang terlibat, yaitu administrator dan user. Guru pengampu mata pelajaran ujian nasional di SMP N 1 Samigaluh akan bertindak sebagai administrator dan siswa kelas IX (Sembilan) akan bertindak sebagai user. Penggambaran interaksi pengguna dengan sistem dan aktor yang terlibat dalam sistem akan digambarkan lebih jelas menggunakan diagram use case.
4.4.2.1. Use Case Administator
x Administrator harus melakukan login terlebih dahulu dengan memasukkan username dan password untuk masuk kedalam system x Skenario proses yang dapat dilakukan oleh administrator adalah menambah, menghapus, mengedit dan melihat data nilai TPPU dari 4 mata pelajaran yaitu Bahasa Indonesia, Bahasa Inggris, Matematika dan IPA. Administrator juga bisa melihat prediksi nilai ujian nasional.
x Proses yang dikelola oleh administrator bersifat include atau bergantung pada proses sebelumnya yaitu login. Apabila proses login gagal maka administrator tidak dapat melakukan proses kelola data.
x Skenario logout, administrator akan keluar dari sistem apabila administrator menjalankan perintah logout.
Gambar 4.4-1 Use Case Diagram Administrator
Gambar 4.4-1 menjelaskan Use Case Diagram yang dimiliki oleh administrator, terdapat 4 case yaitu Login, Lihat Prediksi Nilai UN, Edit Password Admin dan Logout. Selain itu terdapat 5 package yaitu Kelola data nilai TPPU Bahasa Indonesia, Kelola data nilai TPPU Bahasa Inggris, Kelola data nilai TPPU Matematika, Kelola data nilai TPPU IPA dan Kelola data siswa.
4.4.2.2. Use Case Package Kelola Data Nilai TPPU Bahasa Indonesia
Gambar 4.4-2 Use Case Package Kelola Data Nilai TPPU Bahasa Indonesia Gambar 4.4-2 menjelaskan Use Case Package Kelola Data Nilai TPPU Bahasa Indonesia yang melibatkan aktor administrator, terdapat 4 case yaitu Tambah Nilai TPPU Bahasa Indonesia, Hapus Nilai TPPU Bahasa Indonesia, Edit Nilai TPPU Bahasa Indonesia, dan Lihat Nilai TPPU Bahasa Indonesia.
4.4.2.3. Use Case Package Kelola Data Nilai TPPU Bahasa Inggris
Gambar 4.4-3 Use Case Package Kelola Data Nilai TPPU Bahasa Inggris Gambar 4.4-3 menjelaskan Use Case Package Kelola Data Nilai TPPU Bahasa Inggris yang melibatkan aktor administrator, terdapat 4 case yaitu Tambah Nilai TPPU Bahasa Inggris, Hapus Nilai TPPU Bahasa Inggris, Edit Nilai TPPU Bahasa Inggris, dan Lihat Nilai TPPU Bahasa Inggris.
4.4.2.4. Use Case Package Kelola Data Nilai TPPU Matematika
Gambar 4.4-4 Use Case Package Kelola Data Nilai TPPU Matematika
Gambar 4.4-4 menjelaskan Use Case Package Kelola Data Nilai TPPU Matematika yang melibatkan aktor administrator, terdapat 4 case yaitu Tambah Nilai TPPU Matematika, Hapus Nilai TPPU Matematika, Edit Nilai TPPU Matematika, dan Lihat Nilai TPPU Matematika.
4.4.2.5. Use Case Package Kelola Data Nilai TPPU IPA
Gambar 4.4-5 Use Case Package Kelola Data Nilai TPPU IPA
Gambar 4.4-5 menjelaskan Use Case Package Kelola Data Nilai TPPU IPA yang melibatkan aktor administrator, terdapat 4 case yaitu Tambah Nilai TPPU IPA, Hapus Nilai TPPU IPA, Edit Nilai TPPU IPA, dan Lihat Nilai TPPU IPA.
4.4.2.6. Use Case Package Kelola Data Siswa
Gambar 4.4-6 Use Case Package Kelola Data Siswa
Gambar 4.4-6 menjelaskan Use Case Package Kelola Data Siswa yang melibatkan aktor administrator, terdapat 4 case yaitu Tambah Siswa, Edit Siswa, Hapus Siswa dan Lihat Siswa.
4.4.2.7. Use Case User
Skenario proses yang dapat dilakukan oleh user adalah menginputkan nilai TPPU dan lihat hasil prediksi nilai UN.
Gambar 4.4-7 Use Case Diagram User
Gambar 4.4-7 menjelaskan Use Case Diagram untuk yang melibatkan aktor user, terdapat 7 case yaitu Login, Input Nilai TPPU Bahasa Indonesia, Input Nilai TPPU Bahasa Inggris, Input Nilai TPPU Matematika, Input Nilai TPPU IPA, Lihat Prediksi Nilai UN dan Logout.
4.4.3. Kebutuhan Output
Output system berupa nilai prediksi ujian nasional berdasarkan nilai yang telah diinputkan oleh user.
4.5.Perancangan Basis Data
Pada tahap perancangan basis data terdapat tiga tahap perancangan yaitu perancangan konseptual, perancangan logikal dan perancangan konseptual.
4.5.1. Perancangan Konseptual
Pada perancangan ini terdapat 3 entitas yaitu Siswa, Admin dan Mata Pelajaran. Gambar 4.6-1 menunjukkan model data Entity Relationship Diagram (ERD):
Gambar 4.5-1 Entity Relationship Diagram (ERD) Keterangan:
a. Terdapat 2 entitas yaitu Siswa, Admin dan Mata Pelajaran b. Setiap entitas memiliki atribut masing-masing.
c. Relasi entitas Siswa dengan Mata Pelajaran adalah money to money.
Setiap Siswa memiliki banyak entitas mata pelajaran, begitu juga sebaliknya satu entitas Mata Pelajaran memiliki banyak entitas Siswa.
d. Untuk entitas Admin tidak bergantung dengan entitas lain karena tidak adanya relasi antar entitas.
4.5.2. Perancangan Logikal
Pada perancangan ini terdapat 3 entitas yaitu Siswa, Admin dan Mata Pelajaran.
Gambar 4.5-2 Perancangan Logikal 4.5.3. Perancangan Fisikal
a. Tabel Admin
Tabel 4.5-1 Perancangan Fisikal Admin
Nama Field Tipe Keterangan
Id_Admin Int(11) Primary key
nama Varchar(20) Nama admin
username Varchar(11) Username admin
password Varchar(11) Password admin
Updated_at timestamp Tanggal terakhir
data update b. Tabel Siswa
Tabel 4.5-2 Perancangan Fisikal Siswa
Nama Field Tipe Keterangan
Id_Siswa Int(10) Primary key
username Varchar(11) Username Siswa
password Varchar(11) Password Siswa
nama Varchar(20) Nama Siswa
Updated_at timestamp Tanggal terakhir
data update c. Tabel Mata_Pelajaran
Tabel 4.5-3 Perancangan Fisikal Mata_Pelajaran
Nama Field Tipe Keterangan
Id_Mapel Int(10) Primary key
Nama_Mapel Varchar(20) Nama_Mapel
Updated_at timestamp Tanggal terakhir
data update d. Tabel Mempunyai
Tabel 4.5-4 Perancangan Fisikal Mempunyai
Nama Field Tipe Keterangan
Tppu1 Int(4) Nilai TPPU ke 1
Tppu2 Int(4) Nilai TPPU ke 2
Tppu3 Int(4) Nilai TPPU ke 3
Tppu4 Int(4) Nilai TPPU ke 4
UNAS Int(4) Nilai Ujian Nasional
Updated_at timestamp Tanggal terakhir
data update 4.6.Perancangan User Interface
4.6.1. Halaman Login
Halaman ini merupakan halaman login untuk administrator dan user. Halaman ini merupakan proses awal administrator untuk masuk ke dalam sistem agar bisa melakukan kelola data siswa dan kelola nilai TPPU.
Di halaman ini administrator akan memasukkan username dan password.
Ditunjukkan oleh gambar 3.13
Gambar 4.6-1 Perancangan User Interface Login 4.6.2. Halaman kelola Data Siswa
Halaman ini merupakan halaman yang dipakai oleh administrator untuk mengelolah data siswa. Terdapat button Edit dan Hapus di setiap baris data yang ada. Button ini berfungsi untuk mengedit data dan
menghapus data. Pada bagian atas setiap tabel juga terdapat button Tambah Siswa data yang bisa digunakan untuk menambah data siswa.
Gambar 4.6-2 Perancangan User Interface Kelola Data Siswa 4.6.3. Halaman kelola Data Nilai TPPU Matematika
Halaman ini merupakan halaman yang dipakai oleh administrator untuk mengelolah data nilai matematika. Terdapat button Edit dan Hapus di setiap baris data yang ada. Button ini berfungsi untuk mengedit data dan menghapus data matematika. Pada bagian atas setiap tabel juga terdapat button Tambah data yang bisa digunakan untuk menambah data matematika.
Gambar 4.6-3 Perancangan User Interface Kelola Data Nilai TPPU Matematika
4.6.4. Halaman kelola Data Nilai TPPU Bahasa Indonesia
Halaman ini merupakan halaman yang dipakai oleh administrator untuk mengelolah data nilai Bahasa Indonesia. Terdapat button Edit dan Hapus di setiap baris data yang ada. Button ini berfungsi untuk mengedit data dan menghapus data Bahasa Indonesia. Pada bagian atas setiap tabel juga terdapat button Tambah data yang bisa digunakan untuk menambah data Bahasa Indonesia.
Gambar 4.6-4 Perancangan User Interface Kelola Data Nilai TPPU Indonesia 4.6.5. Halaman kelola Data Nilai TPPU Bahasa Inggris
Halaman ini merupakan halaman yang dipakai oleh administrator untuk mengelolah data nilai Bahasa Inggris. Terdapat button Edit dan Hapus di setiap baris data yang ada. Button ini berfungsi untuk mengedit data dan menghapus data Bahasa Inggris. Pada bagian atas setiap tabel juga terdapat button Tambah data yang bisa digunakan untuk menambah data Bahasa Inggris.
Gambar 4.6-5 Perancangan User Interface Kelola DataNilai TPPU Inggris 4.6.6. Halaman kelola Data Nilai TPPU IPA
Halaman ini merupakan halaman yang dipakai oleh administrator untuk mengelolah data nilai IPA. Terdapat button Edit dan Hapus di setiap baris data yang ada. Button ini berfungsi untuk mengedit data dan menghapus data IPA. Pada bagian atas setiap tabel juga terdapat button Tambah data yang bisa digunakan untuk menambah data IPA.
Gambar 4.6-6 Perancangan User Interface Kelola Data Nilai TPPU IPA 4.6.7. Halaman Prediksi Nilai Ujian Nasional
Halaman ini merupakan halaman yang dipakai oleh administrator dan User untuk menginputkan nilai yang akan dipakai untuk memprediksi nilai
UN. Terdapat button Tambah dan Hapus di setiap baris data yang ada.
Button ini berfungsi untuk menambah data dan menghapus field untuk menginputkan nilai. Pada bagian kanan bawah juga terdapat button PREDIKSI data yang bisa digunakan untuk melihat hasil prediksi.
Gambar 4.6-7 Perancangan User Interface Prediksi Nilai Ujian Nasional
67
BAB V IMPLEMENTASI, HASIL DAN PEMBAHASAN
5.1. Implementasi Database
Implementasi database dalam system βPrediksi Nilai Ujian Nasional Sekolah Menengah Pertama (SMP) menggunakan Metode Fuzzy Associative Memoryβ disusun dengan database bernama βskripsidataβ. Database tersebut disusun dari tabel, yaitu :
1. Siswa 2. Admin
3. Mata Pelajaran 4. Inggris
5. Matematika 6. IPA
Gambar 5.1-1 Database Skripsi
Gambar 5.1-1 menjelaskan susunan tabel yang berada di database
βdataskripsiβ. Database βdataskripsiβ mempunyai 6 tabel yaitu admin, Indonesia, inggris, ipa, matematika dan siswa.
5.1.1 Tabel Admin
Gambar 5.1-2 Tabel Admin
Gambar 5.1-2 menjelaskan tabel Admin yang berada di database. Tabel ini mempunyai 5 atribut yaitu id, nama, username, password dan updated_at.
5.1.2 Tabel Mata Pelajaran
Gambar 5.1-3 Tabel Mata Pelajaran
Gambar 5.1-3 menjelaskan tabel Mata Pelajaran yang berada di database.
Tabel ini mempunyai 3 atribut yaitu id_mapel, nama_mapel dan updated_at.
5.1.3 Tabel Mempunyai
Gambar 5.1-4 Tabel Mempunyai
Gambar 5.1-4 menjelaskan tabel Mempunyai yang berada di database.
Tabel ini mempunyai 8 atribut yaitu id_siswa, id_mapel, tppu1, tppu2, tppu3, tppu4, unas, dan updated_at.
5.1.4 Tabel Siswa
Gambar 5.1-5 Tabel Siswa
Gambar 5.1-5 menjelaskan tabel Siswa yang berada di database. Tabel ini mempunyai 5 atribut yaitu id, nama, username, password dan updated_at.
5.2. Implementasi Algoritma Fuzzy Associative Memory
Algoritma Fuzzy Associative Memory dimulai dengan mengambil data inputan. Berikut ini adalah source code yang dipakai untuk mengambil data
public function get_Tujuan(request $request){
// ambil data input $tr1 = \request('tr1');
$tr2 = \request('tr2');
$tr3 = \request('tr3');
$tr4 = \request('tr4');
$matpel = \request('matpel');
$data_length = \request('data_length');
for ($i=0; $i < count($data_length); $i++) { if (!empty($tr1[$i]) && !empty($tr2[$i] &&
!empty($tr3[$i]) && !empty($tr4[$i]))) {
$data_input = [$tr1[$i], $tr2[$i], $tr3[$i], $tr4[$i]];
Source code di atas digunakan untuk mengambil data inputan, jenis mata pelajaran serta jumlah arsitektur FAM yang akan dipakai. Setelah itu masuk fungsi perulangan karena data yang diinputkan bisa kebih dari 1. Jika data yang diinputkan tidak lengkap maka akan muncul pesan error. Jika data yang diinputkan sudah lengkap maka data itu kan disimpan dalam variabel data_input.
Setelah itu memanggil function get_data_mataPelajaran yang digunakan untuk menghitung derajat keanggotaan. Berikut ini adalah source code mengambil data dari database dari setiap tabel
private function get_data_mataPelajaran($matpel,$data_length){
}
Method getMatematika(), getMatematika(), getIPA(), getInggris() adalah method yang digunakan untuk mengambil semua data dari database.
Method get_matkul((int)$data_length) digunakan untuk mengambil data sesuai inputan yang diminta.
Setelah itu sistem memanggil function get_Matrix_M_MatPel, function ini berfungsi untuk membuat matrik M, matrik B dan
$M_kolom2 [] = min($M_in[1],$data_input[1]);
$data_Keanggotaan_d = DerajatKeanggotaan:: getDerajat_new ($data,1);
Method getDerajat_new ($data,1) adalah method yang berisi perintah untuk menghitung derajat keanggotaan dengan source code dibawah ini
public static function getDerajat_new($baris_nilai,$code){
if ($code == 1) {
foreach ($baris_nilai as $baris) { // tr1
$tr1 = [ self::get_Kurang($baris['tr1']),
self::get_Cukup($baris['tr1']),
Setelah fungsi keanggotaan didapatkan, Langkah selanjutnya adalah memanggil function get_Matrix_M berikut ini adalah source code yang dipakai
// cari Matrix M
$matrix_M =
$this->get_Matrix_M($data_Keanggotaan_d['derajat'],$data_Keanggotaan_d['b' ]);
function get_Matrix_M digunakan untuk menghitung matrik M dengan source code dibawah ini
public function get_Matrix_M($data_Keanggotaan,$matrix_B){
// cari matrix M
for ($i=0; $i < count($data_Keanggotaan); $i++) { $matrix_M [] =
$this->get_M($data_Keanggotaan[$i],$matrix_B[$i]);
}
return $matrix_M;
}
5.3. Implementasi Interface 5.3.1. Halaman Login Administrator
Gambar 5.3-1 Halaman Login Administrator
Halaman ini merupakan proses awal administrator untuk masuk ke dalam system.
Administrator menginputkan username dan password.
5.3.2. Halaman Login User
Gambar 5.3-2 Halaman Login User
Halaman ini merupakan proses awal user untuk masuk ke dalam system. User menginputkan username dan password.
5.3.3. Halaman Home Administrator
Gambar 5.3-3 Halaman Home Administrator
Halaman home merupakan halaman awal setelah administrator berhasil melakukan proses login. Pada halaman ini administrator mengelola data yang kemudian digunakan untuk proses prediksi nilai ujian nasional.
5.3.4. Halaman Home User
Gambar 5.3-4 Halaman Home User
Halaman home merupakan halaman awal setelah user berhasil melakukan proses login. Pada halaman ini user dapat menginputkan data yang kemudian digunakan untuk proses prediksi nilai ujian nasional.
5.3.5. Halaman Kelola Data Siswa
Gambar 5.3-5 Halaman Kelola Data Siswa
Pada halaman Kelola data siswa, administrator dapat melihat, mengedit, menambah dan menghapus data siswa.
5.3.6. Pop up Tambah Data Siswa
Gambar 5.3-6 Pop up Tambah Data Siswa
Pop up tambah data siswa akan muncul ketika administrator melakukan klik pada icon tambah di halaman Kelola data siswa. Administrator dapat menambahkan data siswa baru.
5.3.7. Pop up Edit Data Siswa
Gambar 5.3-7 Pop up Edit Data Siswa
Pop up edit data siswa akan muncul ketika administrator melakukan klik pada icon ubah di halaman kelola data siswa. Administrator dapat mengedit data siswa yang sudah ditambahkan sebelumnya.
5.3.8. Pop up Hapus Data Siswa
Gambar 5.3-8 Pop up Hapus Data Siswa
Pop up hapus data siswa akan muncul ketika administrator melakukan klik pada icon hapus di halaman kelola data siswa. Administrator dapat menghapus data siswa yang sudah ditambahkan sebelumnya. Sebelum datanya dihapus dari database, system akan memunculkan pop up konfirmasi terlebih dahulu.
5.3.9. Halaman Kelola Data Nilai Bahasa Indonesia
Gambar 5.3-9 Halaman Kelola Data Nilai Bahasa Indonesia
Pada halaman kelola data nilai Bahasa Indonesia, administrator dapat melihat, mengedit, menambah dan menghapus data nilai Bahasa Indonesia.
5.3.10. Pop up Tambah Data Nilai Bahasa Indonesia
Gambar 5.3-10 Pop up Tambah Data Nilai Bahasa Indonesia
Pop up tambah nilai Bahasa Indonesia akan muncul ketika administrator melakukan klik pada icon tambah di halaman Kelola Bahasa Indonesia. Administrator dapat menambahkan data Bahasa Indonesia.
5.3.11. Pop up Edit Data Nilai Bahasa Indonesia
Gambar 5.3-11 Pop up Edit Data Nilai Bahasa Indonesia
Pop up edit data nilai Bahasa Indonesia akan muncul ketika administrator melakukan klik pada icon ubah di halaman data nilai Bahasa Indonesia.
Administrator dapat mengedit data nilai Bahasa Indonesia yang sudah ditambahkan sebelumnya.
5.3.13. Pop up Hapus Data Nilai Bahasa Indonesia
Gambar 5.3-12 Pop up Hapus Data Nilai Bahasa Indonesia
Pop up hapus data nilai Bahasa Indonesia akan muncul ketika administrator melakukan klik pada icon hapus di halaman kelola data nilai Bahasa Indonesia.
Administrator dapat menghapus data nilai Bahasa Indonesia yang sudah ditambahkan sebelumnya. Sebelum datanya dihapus dari database, system akan memunculkan pop up konfirmasi terlebih dahulu.
5.3.14. Halaman Kelola Data Nilai Matematika
Gambar 5.3-13 Halaman Data Nilai Matematika
Pada halaman kelola data nilai Matematika, administrator dapat melihat, mengedit, menambah dan menghapus data nilai Matematika.
5.3.15. Pop up Tambah Data Nilai Matematika
Gambar 5.3-14 Pop up Tambah Data Nilai Matematika
Pop up tambah nilai Matematika akan muncul ketika administrator melakukan klik pada icon tambah di halaman kelola Matematika. Administrator dapat menambahkan data Matematika
5.3.16. Pop up Edit Data Nilai Matematika
Gambar 5.3-15 Pop up Edit Data Nilai Matematika
Pop up edit data nilai Matematika akan muncul ketika administrator melakukan klik pada icon ubah di halaman data nilai Matematika. Administrator dapat mengedit data nilai Matematika yang sudah ditambahkan sebelumnya.
5.3.17. Pop up Hapus Data Nilai Matematika
Gambar 5.3-16 Pop up Hapus Data Nilai Matematika
Pop up hapus data nilai Matematika akan muncul ketika administrator melakukan klik pada icon hapus di halaman kelola data nilai Matematika. Administrator dapat menghapus data nilai Matematika yang sudah ditambahkan sebelumnya. Sebelum datanya dihapus dari database, system akan memunculkan pop up konfirmasi terlebih dahulu.
5.3.18. Halaman Kelola Data Nilai IPA
Gambar 5.3-17 Halaman Kelola Data Nilai IPA
Pada halaman kelola data nilai IPA, administrator dapat melihat, mengedit, menambah dan menghapus data nilai IPA.
5.3.19. Pop up Tambah Data Nilai IPA
Gambar 5.3-18 Pop up Tambah Data Nilai IPA
Pop up tambah nilai IPA akan muncul ketika administrator melakukan klik pada icon tambah di halaman kelola IPA. Administrator dapat menambahkan data IPA 5.3.20. Pop up Edit Data Nilai IPA
Gambar 5.3-19 Pop up Edit Data Nilai IPA
Pop up edit data nilai IPA akan muncul ketika administrator melakukan klik pada icon ubah di halaman data nilai IPA. Administrator dapat mengedit data nilai IPA yang sudah ditambahkan sebelumnya.
5.3.21. Pop up Hapus Data Nilai IPA
Gambar 5.3-20 Pop up Hapus Data Nilai IPA
Gambar 5.3-20 Pop up Hapus Data Nilai IPA