PENERAPAN
DATA MINING
UNTUK PENILAIAN KINERJA
PNS PADA BKPP KABUPATEN GAYO LUES
MENGGUNAKAN METODE
CLUSTERING
SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sarjana
ERVAN FAUZI PRANASTA
10110681
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
iii
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Allah SWT atas rahmat dan
karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul Penerapan Data
Mining untuk Penilaian kinerja PNS pada BKPP Kabupaten Gayo Lues
Menggunakan Metode Clustering.
Penyusunan skripsi ini tidak akan terwujud tanpa mendapat dukungan, dan
masukan dari berbagai pihak. Untuk itu, penulis ingin menyampaikan terimakasih
yang sebesar-besarnya kepada :
1. Kedua orang tua dan keluarga besar penulis yang sudah memberikan doâa,
dukungan, kasih sayang dan motivasi, sehingga penulis dapat menyelesaikan
tugas akhir ini.
2. Ibu Dian Dharmayanti, S.T., M.Kom. selaku dosen pembimbing, yang telah
banyak memberikan arahan, saran dan bimbingan kepada penulis.
3. Ibu Nelly Indriani W, S.Si., M.T. Selaku dosen wali penulis yang telah banyak
memberikan ilmu, bantuan dan motivasi kepada penulis.
4. Bapak dan Ibu dosen Program Studi Teknik Informatika yang telah ikhlas
memberikan ilmu dan bantuan kepada penulis selama kuliah.
5. Retno Widyastuti, Dadan Setiadi, Windia Septianti, Khaerur rizki, Firman
Hidayat, Dinda Wilanda dan teman-teman seperjuangan penulis di Jurusan
Teknik Informatika yang telah banyak memberikan dukungan selama proses
pengerjaan laporan Tugas Akhir ini.
Akhir kata, semoga skripsi ini dapat bermanfaat bagi pembaca.
Bandung, Februari 2015
iv
DAFTAR ISI
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... iv
DAFTAR GAMBAR ... vii
DAFTAR TABEL ... viii
DAFTAR SIMBOL ... x
DAFTAR LAMPIRAN ... xiii
BAB I PENDAHULUAN ... 1
I.1 Latar Belakang Masalah ... 1
I.2 Identifikasi Masalah ... 3
I.3 Maksud dan Tujuan ... 3
I.4 Batasan Masalah ... 3
I.5 Metodologi Penelitian ... 4
I.5.1 Metode Pengumpulan Data ... 4
I.5.2 Metode Pembangunan Perangkat Lunak ... 5
I.6 Sistematika Penulisan ... 7
BAB II TINJAUAN PUSTAKA ... 9
II.1 Profil Instansi ... 9
II.1.1 Sejarah Instansi ... 9
II.1.2 Visi dan Misi ... 10
II.1.3 Struktur Organisasi ... 11
II.2 Landasan Teori ... 12
II.2.1 Basis Data ... 12
II.2.2 Database Management System (DBMS) ... 13
II.2.3 Data Mining ... 13
II.2.4 Metode Klastering (Clustering) ... 15
II.2.5 K-means ... 15
v
II.3.1 Diagram Konteks ... 19
II.3.2 Data Flow Diagram (DFD) ... 19
II.3.3 Entity Relation Diagram (ERD) ... 20
II.4 Alat-alat Pembangunan Perangkat Lunak ... 21
II.4.1 C# ... 21
II.4.2 Mysql ... 23
BAB III ANALISIS DAN PERANCANGAN ... 25
III.1 Analisis Sistem ... 25
III.1.1 Analisis Masalah ... 25
III.1.2 Analisis Sistem yang sedang Berjalan ... 26
III.1.2.1 Proses Perolehan nilai DP3 ... 26
III.1.2.2 Proses Pengelompokan PNS ... 29
III.1.2.3 Aturan Bisnis ... 30
III.1.3 Analisis Dokumen ... 30
III.1.4 Analisis Preprocessing Data ... 36
III.1.5 Analisis Penerapan Algoritma ... 37
III.1.6 Analisis Kebutuhan Non Fungsional ... 47
III.1.6.1 Analisis Kebutuhan Perangkat Keras ... 47
III.1.6.2 Analisis Kebutuhan Perangkat Lunak ... 48
III.1.6.3 Analisis Kebutuhan Pengguna ... 49
III.1.7 Analisis Basis Data ... 49
III.1.8 Analisis Kebutuhan Fungsional ... 50
III.1.8.1 Diagram Konteks ... 50
III.1.8.2 Data Flow Diagram (DFD) ... 51
III.1.9 Spesifikasi Proses ... 55
III.1.10 Kamus Data DFD ... 60
III.2 Perancangan Sistem ... 62
III.2.1 Perancangan Basis Data ... 62
III.2.1.1 Skema Relasi ... 62
III.2.1.2 Struktur Tabel... 63
vi
III.2.3 Perancangan Antar Muka ... 66
III.2.4 Perancangan Pesan ... 69
III.2.5 Jaringan Semantik ... 70
III.2.6 Perancangan Prosedural ... 71
III.2.6.1 Prosedur Import Data ... 71
III.2.6.2 Prosedur Pengelompokan ... 72
BAB IV IMPLEMENTASI DAN PENGUJIAN ... 74
IV.1 Implementasi Sistem ... 74
IV.1.1 Implementasi Perangkat Keras ... 74
IV.1.2 Implementasi Perangkat Lunak ... 74
IV.1.3 Implementasi Form ... 75
IV.1.4 Implementasi Basis Data ... 76
IV.2 Pengujian Sistem ... 78
IV.2.1 Rencana Pengujian ... 78
IV.2.2 Pengujian Black Box ... 79
IV.2.3 Pengujian K-Means Secara Manual Menggunakan Data Sampel ... 85
IV.2.1 Pengujian Beta ... 87
IV.3.1 Kesimpulan Pengujian ... 88
BAB V KESIMPULAN DAN SARAN ... 89
84
DAFTAR PUSTAKA
[1] A. Rahadinata, "Pengelompokam bimbingan belajar menggunaka metode clustering di SMA Negeri 1 Cilaku Kabupaten Cianjur," Perpustakaan
UNIKOM, 2013.
[2] S. Susanto and D. Suryadi, Pengantar Data Mining. Yogyakarta: Penerbit Andi, 2010.
[3] Fathansyah, BASIS DATA - Edisi Revisi, 2nd ed. Bandung, Indonesia: Informatika Bandung, 2012.
[4] Prasetyo, Eko, DATA MINING - Konsep dan Aplikasi Menggunakan
MATLAB, Nikodemus, Ed. Yogyakarta, Indonesia: Penerbit ANDI, 2012.
[5] M. S. Bancin, "Implementasi Metode K- Means Clustering Dan Metode Analytical Hierarchy Process (AHP) Dalam Penilaian Kedisiplinan Siswa (Studi Kasus : SMP Negeri 21 Medan),"
http://repository.usu.ac.id/handle/123456789/41614, Sep. 2014.
[6] P. Yudi Agusta, "K-Means â Penerapan, Permasalahan," Jurnal Sistem dan Informatika Vol. 3, pp. 47-60, Feb. 2007.
[7] wikibooks.org, "Data Mining Algorithms In R/Clustering/K-Means," http://en.wikibooks.org/wiki/Data_Mining_Algorithms_In_R/Clustering/K-Means.
[8] Ian H.Witten, Eibe Frank, and M. A. H. Unknown, "Pracrtical Machine Learning Tools and Techniques," in Data Mining, 2011, pp. 273-304.
1
BAB I
PENDAHULUAN
I.1 Latar Belakang Masalah
Badan Kepegawaian Pendidikan dan Pelatihan (BKPP) kabupaten Gayo
lues merupakan salah satu dinas yang bertugas untuk proses penataan sumber
daya manusia (SDM) pegawai negri sipil (PNS) di kabupaten Gayo lues. Tugas
pokok dari dinas ini adalah mengawasi, mengarahkan, merencanakan,
melaksanakan dan mengendalikan pegawai negri sipil dalam penempatan kerja
(mutasi), pendidikan, pelatihan serta pembinaan pegawai di lingkungan
Pemerintahan Kabupaten Gayo lues. Penataan sumber daya manusia merupakan
sebuah langkah strategis dalam pembangunan suatu organisasi atau instansi guna
mendapat peningkatan kualitas kerja. Proses penataan sumber daya manusia harus
dikelola secara efektif, maka dibutuhkan pengetahuan lebih tentang kualifikasi
seseorang dan kemampuan untuk mengelolanya.
Berdasarkan hasil wawancara dengan kepala bidang (kabid) Informasi dan
Data Kepegawaian di dinas BKPP Kabupaten Gayo lues. Pihak BKPP menyadari
betapa pentingnya pengembangan sumber daya manusia di Kabupaten Gayo lues,
maka perhatian BKPP Kabupaten Gayo lues lebih ditujukan untuk peningkatan
kualitas kerja dengan mengadakan Program pembinaan, pelatihan, pengembangan
kompetensi, beasiswa untuk melanjutkan jenjang pendidikan dan pemberian
penghargaan bagi PNS yang berprestasi. Setiap PNS memiliki kemampuan dan
kualifikasi yang berbeda satu sama lain, maka perlu dikelompokan terlibih dahulu
menurut kualitas yang mereka miliki supaya lebih tepat dalam pembinaan,
pelatihan dan pengembangan kualitas kerja PNS tersebut. Maka dari itu pihak
BKPP berencana melakukan pengelompokan PNS berdasarkan data penilaian
pelaksanaan pekerjaan PNS yang dilakukan secara khusus oleh atasan
masing-masing instansi. Akan tetapi ada permasalahan yang dihadapi, pihak BKPP
dan kualifikasi yang tepat berdasarkan data tersebut. Permasalahan ini terjadi
karena Banyaknya nilai yang digunakan sebagai pembanding dan data tersebut
tidak memungkinkan untuk diolah menggunakan Microsoft Office Excel yang
saat ini digunakan Dinas BKPP Kabupaten Gayo Lues, karena pada Microsoft
Office Excel untuk menampilkan data hasil perhitungan harus dibuat sebanyak
jumlah baris atau kolom yang akan dihitung sedangkan data yang akan diolah
berjumlah ribuan Akibatnya Proses pengelompokan yang dilakukan selama ini
menjadi lebih lama dan membutuhkan ketelitian dalam pengolahan data agar hasil
pengolahan data tidak rusak.
Data mining merupakan metode untuk mencari informasi baru yang
berguna dari sekumpulan data yang berjumlah besar dan dapat membantu dalam
mengambil keputusan. Dalam data mining terdapat beberapa metode yaitu
estimation, prediction, classification, clustering dan association. Dalam penelitian
ini akan diterapkan metode clustering dengan algoritma k-means. Clustering
merupakan teknik mengelompokan data dengan melakukan pemisahan data ke
dalam sejumlah kelompok menurut karakteristik tertentu yang diinginkan dimana
label dari setiap data belum diketahui dan dengan pengelompokan tersebut
diharapkan dapat mengetahui kelompok data untuk kemudian diberi label sesuai
permasalahan yang dihadapi.
Berdasarkan masalah diatas, BKPP Kabupaten Gayo lues berencana untuk
membagi kelompok PNS berdasarkan kemampuan dan klasifikasi yang dimiliki
PNS tersebut untuk selanjutnya dapat diberi pembinaan, pelatihan, pengembangan
kompetensi dan pemberian penghargaan. Pembagian kelompok tersebut meliputi
komponen pengelompokan antara lain nilai kesetiaan, prestasi, tanggung jawab,
ketaatan, kejujuran, kerjasama, prakarsa dan kepemimpinan. Pembagian
kelompok ini akan dibantu sebuak aplikasi hasil dari implementasi data mining
menggunakan metode clustering yang dapat mengelompokan pegawai negri sipil
3
I.2 Identifikasi Masalah
Berdasarkan latar belakang masalah maka diidentifikasi sebuah masalah
yaitu bagaimana cara membangun sebuah sistem mengunakan data mining untuk
membagi kelompok PNS berdasarkan kemampuan dan kualifikasi yang
dimilikinya untuk diberi pembinaan, pelatihan, pengembangan kompetensi dan
pemberian penghargaan pada PNS tersebut.
I.3 Maksud dan Tujuan
Berdasarkan permasalahan yang diteliti, maka maksud dari penelitian ini
adalah Membangun aplikasi data mining yang dapat mengelompokan kualitas
PNS dengan mengimplementasikan metode clustering.
Sedangkan tujuan yang akan dicapai dalam penelitian adalah :
1. Memudahkan BKPP dalam mengelompokkan PNS yang memiliki
kemampuan sama berdasarkan hasil penilaian DP3.
2. Membantu pihak BKPP dalam menentukan PNS yang akan menjalani
pembinaan, pelatihan, pengembangan kompetensi dan pemberian
penghargaan.
I.4 Batasan Masalah
Berdasarkan latar belakang masalah yang telah diuraikan sebelumnya,
maka dibuat batasan masalah agar penyajian lebih terarah dan mencapai sasaran
yang ditentukan.
Adapun batasan masalah yang dibuat adalah sebagai berikut:
1. Data yang digunakan adalah Daftar penilaian pelaksanaan pekerjaan (DP3)
pada BKPP Kabupaten Gayo Lues tahun 2012
2. Proses yang akan dilakukan sebatas pengelompokan PNS berdasarkan data
penilaian pelaksanaan pekerjaan yang dilakukan oleh kepala bagian dari
3. Informasi yang dihasilkan adalah kelompok PNS yang memiliki
kemampuan dan kualifikasi untuk diberi pembinaan, pelatihan,
pengembangan kompetensi dan pemberian penghargaan pada PNS tersebut
4. Metode yang digunakan adalah metode aliran terstruktur dengan
menggunakan tools Data Flows Diagram (DFD) dan Entity Relationship
Diagram (ERD)
5. Database yang digunakan yaitu MySQL
6. Aplikasi dibangun menggunakan C#.
7. Metode Clustering yang diimplementasikan menggunakan Algoritma
K-means.
I.5 Metodologi Penelitian
Metodologi penelitian yang akan digunakan dalam pembuatan skripsi ini
menggunakan metodologi deskriptif, yaitu metode penelitian yang bertujuan
untuk mendapatkan gambaran yang jelas tentang hal-hal yang dibutuhkan dan
berusaha menggambarkan serta menginterpretasi objek yang sesuai dengan fakta
secara sistematis dan akurat.
I.5.1 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai
berikut:
a. Studi Literatur
Pengumpulan data dengan cara mempelajari Jurnal, browsing internet, buku
referensi, dan bacaan-bacaan lainnya yang berhubungan erat dengan judul
penelitian.
b. Wawancara
Teknik pengumpulan data dengan cara tanya jawab secara langsung Dengan
Bapak Ajang saeful millah selaku pihak yang bertanggung jawab di dinas
5
I.5.2 Metode Pembangunan Perangkat Lunak
Metode yang digunakan dalam Pembangunan sistem pengelompokan
pegawai negri sipil ini adalah menggunakan model waterfall. Berikut ini beberapa
[image:11.595.126.500.215.442.2]tahapan model waterfall yang digambarkan pada diagram [1]:
Gambar I.1 Model Waterfall
a) System Engineering
Tahapan System Engineering Merupakan bagian terbesar dalam
pengerjaan suatu proyek, dimulai dengan menetapkan berbagai kebutuhan
dari semua elemen yang diperlukan sistem dan mengalokasikannya ke
dalam pembentukan perangkat lunak.
b) Analysis
Tahapan Analysis merupakan Kegiatan menganalisis kebutuhan-kebutuhan
apa saja yang dibutuhkan untuk pembangunan suatu aplikasi.
c) Design
Tahapan Design merupakan perancangan sistem, yang dilakukan adalah
mulai merancang desain database, tampilan antarmuka, dan proses dari
sistem yang akan dibangun sesuai dengan kebutuhan user yang telah
d) Coding
Tahapan Coding merupakan kegiatan membangun coding berdasarkan
hasil analisis dan perancangan agar sistem yang diperoleh sesuai dengan
kebutuhan pengguna.
e) Testing
Tahapan Testing merupakan tahap pengujian sistem, yang dilakukan
adalah melakukan pengujian sistem yang telah diimplementasikan
sehingga aplikasi yang telah dibangun sesuai dengan harapan user. Testing
fokus pada logika internal dan fungsi eksternal dari software, serta
mengetes untuk mengcover error dan memastikan inputan yang telah
dibuat dan hasilnya sesuai dengan tujuan.
f) Maintenance
Tahapan Maintenance merupakan fase siklus hidup yang paling lama.
Sistem yang telah dibangun di-install dan dipakai, kemudian dilakukan
pemeliharaan mencakup koreksi dari berbagai error yang tidak ditemukan
pada tahap-tahap terdahulu, perbaikan atasimplementasi unit sistem dan
pengembangan pelayanan sistem, sementara persyaratan-persyaratan baru
7
I.6 Sistematika Penulisan
Sistematika penulisan laporan akhir dari penelitian ini disusun untuk
memberikan gambaran umum tentang penelitian yang dijalankan. Sistematika
penulisan tugas akhir ini adalah sebagai berikut :
BAB I PENDAHULUAN
Bab ini membahas penjelasan mengenai latar belakang masalah, identifikasi
masalah, maksud dan tujuan, batasan masalah, metodologi penelitian serta
sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Bab ini membahas mengenai Profil perusahaan dan landasan teori yang digunakan
dalam membangun aplikasi data mining, materi-materi umum yang membahas
data mining dan berkaitan dengan teori-teori pendukung lainnya.
BAB III ANALISIS DAN PERANCANGAN
Bab ini membahas tentang Penganalisaan dan perancangan sistem yang dibangun
menggunakan algoritma K-means, Fungsionalitas sistem serta desain antar muka
sistem.
BAB IV IMPLEMENTASI DAN PENGUJIAN
Bab ini Menjelaskan mengenai implementasi aplikasi yang telah dibuat serta
melakukan pengujian terhadap aplikasi yang diimplementasikan tersebut.
BAB V KESIMPULAN DAN SARAN
Bab ini Menjelaskan tentang kesimpulan yang diperoleh dari hasil implementasi
dan pengujian aplikasi data mining yang telah dibuat, serta saran-saran untuk
9
BAB II
TINJAUAN PUSTAKA
II.1 Profil Instansi
Badan Kepegawaian Pendidikan dan Pelatihan (BKPP) kabupaten Gayo
lues merupakan salah satu dinas yang bertugas untuk proses penataan sumber
daya manusia (SDM) pegawai negri sipil di kabupaten Gayo lues. Tugas pokok
dari dinas ini adalah mengawasi, mengarahkan, merencanakan, melaksanakan dan
mengendalikan pegawai negri sipil (PNS) dalam penempatan kerja (mutasi),
pendidikan, pelatihan serta pembinaan pegawai di lingkungan Pemerintahan
Kabupaten Gayo lues.
II.1.1Sejarah Instansi
Kabupaten Gayo Lues adalah salah satu kabupaten di provinsi Aceh,
Indonesia dan merupakan hasil pemekaran dari Kabupaten Aceh Tenggara dengan
Dasar Hukum UU No.4 Tahun 2002 pada tanggal 10 April 2002. Sejak berdiri
sekretariat daerah kabupaten mulai dibentuk yang mana didalam struktur
organisasi terdapat asisten pemerintahan, asisten administrasi, asisten umum,
asisten ekonomi dan asisten pembangunan.
Pada 1 maret 2008 terbentuklah Badan Kepegawaian Pendidikan dan
Pelatihan (BKPP) kabupaten Gayo lues. Untuk proses penataan Sumber Daya
Manusia Pegawai Negeri Sipil di lingkungan Kabupaten Gayo lues diperlukan
adanya perangkat daerah yang memiliki tugas dan fungsi di bidang kepegawaian,
maka melalui Peraturan Pemerintah No.41 Tahun 2007 tentang Pelaksanaan
Tugas dan Fungsi Dinas, Organisasi maupun Lembaga Daerah Kabupaten Gayo
lues dibentuklah BKPP Kabupaten Gayo lues dengan Kepala Bagian
Selama terbentuk hingga sekarang, BKPP kabupaten gayo lues telah
memiliki 3 kepala Bagian antara lain Drs. Mahmud Bakri sejak berdirinya BKPP
hingga bulan februari 2010 setelah itu jabatan kepala bagian kepegawaian
diduduki oleh Maliki,.SE hingga tahun 2012 dan terakhir diduduki oleh H.
Syabri,. S.pd hingga saat ini.
II.1.2Visi dan Misi
Visi
Terwujudnya Masyarakat Gayo Lues yang Sejahtera, Rukun, Damai, Bertaqwa.
dan Bermartabat.
Misi
1. Menjalankan Syariat Islam Secara Kaffah
2. Mewujudkan Penyelenggaraan Pemerintahan yang Bersih dan Berwibawa
Bebas KKN dan Menegakkan Supermasi Hukum
3. Meningkatkan Pemberdayaan Ekonomi Masyarakat
4. Meningkatkan Kualitas SDM
5. Menggali dan Melestrarikan SDA dan Memanfaatkan Secara Tepat Guna
6. Menggali dan Melestrarikan Adat Istiadat dan Seni Budaya
11
II.1.3Struktur Organisasi
Struktur organisasi dalam suatu institusi merupakan hal yang sangat
penting, dengan adanya struktur organisasi ini memberikan pembagian tugas
sesuai dengan bidangnya masing-masing. Adapun struktur organisasi di BKPP
[image:17.595.135.486.232.704.2]Kabupaten Gayo lues adalah sebagai berikut :
II.2 Landasan Teori
Landasan teori membahas mengenai materi atau teori apa saja yang
digunakan sebagai acuan dalam membuat tugas akhir ini. Landasan teori yang
diuraikan merupakan hasil dari studi literatur yaitu pengumpulan data dengan cara
mempelajari jurnal, browsing internet, referensi buku dan bacaan-bacaan lainnya
yang berhubungan erat dengan penelitian yang dilakukan.
II.2.1Basis Data
Database atau Basis data merupakan kumpulan data yang disimpan secara
sistematis didalam komputer dan dapat diolah atau dimanipulasi menggunakan
perangkat lunak (program aplikasi) untuk menghasilkan informasi. Pendefinisian
basis data meliputi spesifikasi berupa tipe data, struktur, dan juga batasan-batasan
data yang akan disimpan. Basis data merupakan aspek yang sangat penting dalam
sistem informasi dimana basis data merupakan gudang penyimpanan data yang
akan diolah lebih lanjut. Basis data menjadi penting karena dapat menghidari
duplikasi data, hubungan antar data yang tidak jelas, organisasi data, dan juga
update yang rumit [3].
Basis data (Database) sendiri dapat didefinisikan dalam sejumlah sudut pandang
seperti [3]:
1. Himpunan kelompok data (arsip) yang saling berhubungan yang diorganisasi
sedemikian rupa agar kelak dapat dimanfaatkan kembali dengan cepat dan
mudah.
2. Kumpulan data yang saling berhubungan yang disimpan secara bersama
sedemikian rupa dan tanpa pengulangan (redun-dansasisi) yang tidak perlu,
untuk memenuhi berbagai kebutuhan.
3. Kumpulan file, table, arsip yang saling berhubungan yang disimpan dalam
13
II.2.2Database Management System (DBMS)
Aplikasi yang digunakan untuk membangun sebuah sistem basis data yang
memungkinkan Pengguna untuk mendefinisikan, membuat, memelihara dan
mengontrol akses ke database merupakan pengertian dari Database Management
System (DBMS). DBMS membantu dalam pemeliharaan dan pengolahan
kumpulan data dalam jumlah besar, sehingga dengan bantuan DBMS tidak akan
menimbulkan kekacauan dan dapat digunakan oleh pengguna sesuai dengan
kebutuhan. Bahasa basis data biasanya terdiri atas perintah-perintah yang
diformulasikan dalam bentuk query sehingga perintah tersebut akan diproses oleh
DBMS [3].
II.2.3Data Mining
Data mining merupakan istilah yang sering dikatakan sebagai suatu cara
untuk menguraikan serta mencari penemuan berupa pengetahuan didalam suatu
database. Data miningadalah proses pemilihan atau âmenambangâ pengetahuan
[image:19.595.191.456.461.731.2]dari sekumpulan data dalam jumlah yang banyak [5].
Terdapat beberapa Tahapan dalam data mining, antara lain[5] :
1. Basis Data
Saat ini, hampir semua data bisnis disimpan dalam basis data relasional.
Yaitu model basis data relasional yang dibangun dari serangkaian tabel,
setiap tabel disimpan sebagai sebuah file. Sebuah tabel relasional terdiri dari
baris dan kolom. Bentuk data yang tersimpan dalam basis data relasional
inilah yang dapat diolah oleh sistem data mining.
2. Seleksi Data
Biasanya data dari proses transaksi disimpan pada lokasi yang
berbeda-beda. Maka dari itulah dibutuhkan kemampuan dari sistem untuk dapat
mengumpulkan data dengan cepat. Biasanya data tersebut sangat banyak
dan memerlukan waktu dalam menganalisisnya. Maka dari itu dibutuhkan
seleksi data untuk memperkecil ruang lingkup dengan memanfaatkan data
yang penting saja.
3. Praproses Data
Data data yang sudah terkumpul selanjutnya akan mengalami proses
pembersihan. Pembersihan ini dilakukan untuk membuang record yang
keliru, merasionalisasi struktur data dan mengendalikan data yang hilang.
4. Transformasi Data
Transformasi data melakukan peringkasan data dan mengasumsikan data
tersimpan didalam tempat penyimpanan tunggal. Hasil dari data pusat yang
telah teringkas menggunakan ekstraksi data diringkas kembali dengan
Transformasi data supaya data yang dihasilkan lebih padat dan disimpat di
tempat penyimpanan tunggal. Fungsi agregate yang sering digunakan adalah
average, minimum, maximum, dan count.
5. Data mining
Setelah melakukan semua proses diatas, maka algoritma data mining sudah
siap untuk dijalankan.
6. Evaluasi Data
Inilah hasil akhir yang akan disajikan berupa data yang mudah dipahami,
15
II.2.4Metode Klastering (Clustering)
Clustering adalah teknik menemukan sekelompok data dari pemecahan
atau pemisahan sekumpulan data menurut karakteristik tertentu yang telah
ditentukan, dalam pengelompokan tersubut nilai label nya belum diketahui
shingga diharapkan setelah melakukan pengelompokan data dapat diketahui label
dari data tersebut. Metode clustering juga sering disebut tahapan awal sebelum
melakukan metode lain seperti klasifikasi[1].
Cluster analysis adalah mengelompokan data objek pada informasi yang
mirip atau memiliki kesamaan antara satu dengan yang lainnya, tujuannya agar
dapat menemukan kelompok yang berkualitas seperti kelompok yang merupakan
objek-objek yang mirip atau memiliki hugungan satu sama lain dan sebaliknya
yaitu kelompok yang tidak berhubungan dengan objek dalam kelompok yang
lain[2].
Clustering cocok digunakan untuk menjelajahi data. Jika ada banyak kasus
tapi tidak ada pengelompokan yang jelas, algoritma clustering dapat digunakan
untuk mencari pengelompokan dari data tersebut. Clustering juga dapat berguna
sebagai data-preprocessing yaitu langkah untuk mengidentifikasi
kelompok-kelompok yang berhubunngan dalam membangun model [1].
II.2.5K-means
Algoritma K-Means clustering merupakan teknik cluster berbasis jarak
yang berusaha mempartisi data kedalam beberapa cluster. Metode ini mempartisi
data kedalam cluster menurut karakteristik yang dimiliki setiap data, setiap data
yang memiliki karakteristik sama dikelompokkan kedalam satu cluster yang sama
begitu juga dengan data yang mempunya karakteristik berbeda dikelompokkan
kedalam cluster lain [1].
Pada algoritma ini, yang menjadi pusat cluster dinamakan centroid,
centroid merupakan nilai acak dari seluruh kumpulan data yang dipilih pada tahap
awal, kemudian K-Means menyeleksi masing-masing komponen dari seluruh data
sebelumnya berdasarkan jarak terdekat antara komponen data dan pusat
masing-masing centroid dengan syarat tidak ada lagi data yang berpindah kelompok.
Pengelompokan data menggunakan K-means [7]:
1. Menentukan jumlah cluster
2. Menentukan nilai centroid yang ada di masing-masing cluster. Untuk
menentukan nilai centroid pada awal iterasi dilakukan secara acak.
3. Hitung jarang setiap data yang ada pada masing-masing centroid
menggunakan rumus euclidian hingga ditemukan jarak yang paling dekat
dari setiap data dengan centroid, berikut rumusnya
ï¨ ï©
ï¨
ï© ï¨
ï©
ï¨
ï©
ï¨
ï©
22 2
2
1
...
,
1 1 2 2ï¥
ï½ï
ï½
ï
ï«
ï«
ï
ï«
ï
ï½
n i i i n ny
x
y
x
y
x
y
x
y
x
d
...( II.1 )
Keterangan :
d
=
distancex
= nilaix
= (x
1,x
2,...,x
n)y
= nilaiy
= (y
1,y
2,...,y
n)n
=
maksimal datai
= banyak data4. Pengelompokan objek untuk menentukan anggota cluster adalah dengan
memperhitungkan jarak minimum objek.
5. Kembali ke langkah 2, apabila masih ada data yang berpindah kelompok,
sampai tidak ada lagi data yang berpindah kelompok
17
Adapun flowchart dari algoritma K-Means dapat dilihat pada gambar III.2 berikut
[image:23.595.195.423.162.683.2]ini :
II.3 Alat-alat Pemodelan Sistem
Alat-alat pemodelan sistem membahas mengenai alat atau tools apa saja
yang digunakan dalam membuat tugas akhir ini.
II.3.1Diagram Konteks
diagram konteks merupakan diagram yang menggambarkan kondisi sistem
yang ada baik input maupun output serta menyertakan terminator yang terlibat
dalam penggunaan sistem. Diagram ini akan memberi gambaran tentang
keseluruhan sistem. Sistem dibatasi oleh boundary (dapat digambarkan dengan
garis putus). Dalam diagram konteks hanya ada satu proses. Tidak boleh ada store
dalam diagram konteks [5].
Diagram konteks berisi gambaran umum (secara garis besar) sistem yang
akan dibuat. Secara kalimat, dapat dikatakan bahwa diagram konteks ini berisi âsiapa saja yang memberi data (dan data apa saja) ke sistem, serta kepada siapa saja informasi (dan informasi apa saja) yang harus dihasilkan sistem.â Maka dapat disimpulkan bahwa diagram konteks adalah diagram yang terdiri dari suatu proses
dan menggambarkan ruang lingkup suatu sistem. Diagram konteks merupakan
level tertinggi dari DFD yang menggambarkan seluruh input ke sistem atau output
dari sistem.
II.3.2Data Flow Diagram (DFD)
Data Flow Diagram (DFD) adalah alat pembuatan model yang
memungkinkan profesional sistem untuk menggambarkan sistem sebagai suatu
jaringan proses fungsional yang dihubungkan satu sama lain dengan alur data,
baik secara manual maupun komputerisasi. DFD ini sering disebut juga dengan
nama Bubble chart, Bubble diagram, model proses, diagram alur kerja, atau model
fungsi. DFD ini adalah salah satu alat pembuatan model yang sering digunakan,
khususnya bila fungsi-fungsi sistem merupakan bagian yang lebih penting dan
kompleks dari pada data yang dimanipulasi oleh sistem. Dengan kata lain, DFD
adalah alat pembuatan model yang memberikan penekanan hanya pada fungsi
19
DFD merupakan alat perancangan sistem yang berorientasi pada alur data
dengan konsep dekomposisi dapat digunakan untuk penggambaran analisa
maupun rancangan sistem yang mudah dikomunikasikan oleh profesional sistem
kepada pemakai maupun pembuat program.
Simbolâsimbol yang digunakan dalam Data Flow Diagram adalah sebagai berikut
[image:25.595.114.510.274.475.2]ini [9]:
Tabel II.1 Daftar Simbol DFD
II.3.3Entity Relation Diagram (ERD)
Entity Relationship Diagram merupakan model data berupa notasi grafis
dalam pemodelan data konseptual yang menggambarkan hubungan antara
penyimpan satu dengan penyimpan yang lain. Model data sendiri merupakan
sekumpulan cara, peralatan untuk mendeskripsikan data-data yang memiliki
hubungan satu sama lain, semantiknya, serta batasan konsistensi. Model data
terdiri dari model hubungan entitas dan model relasional. Diagram hubungan
entitas ditemukan oleh Peter Chen dalam buku Entity Relational Model-Toward a
Unified of Data. Pada saat itu diagram hubungan entitas dibuat sebagai bagian
dari perangkat lunak yang juga merupakan modifikasi khusus, karena tidak ada
Simbolâsimbol yang digunakan dalam entity relationship diagram adalah sebagai
[image:26.595.118.511.178.392.2]berikut ini [9]:
Tabel II.2 Daftar Simbol ERD
II.4 Alat-alat Pembangunan Perangkat Lunak
Alat-alat Pembangunan Perangkat Lunak membahas mengenai alat atau
tools apa saja yang digunakan dalam membuat Aplikasi data mining dalam
penelitian ini.
II.4.1C#
Bahasa pemrograman C# dikembangkan oleh Microsoft sebagai bahasa
yang simple, modern, general purpose, dan berorientasi objek. Pengembangan
bahasa C# sangat dipengaruhi oleh bahasa pemrograman terdahulu, terutama C++.
Delphi, dan Java. C++ dikenal memiliki kecepatan yang tinggi dan memiliki
akses memori hapir hingga ke low level. Namun bagi para programmer, C++
merupakan Bahasa yang relatif rumit dibandingkan bahasa pemrograman lainnya.
Kehadiran C# memberi suntikan optimisme bagi para programmer untuk dapat
mengembangkan aplikasi yang berdasa guna dengan baik cepat dan lebih mudah.
Bahasa C# masih harus dikembangkan dengan kemampuan untuk melakukan
berbagai task. Namun dalam hal performansi hingga saat ini C++ masih diakui
21
C# dikembangkan sejalan dengan pengembangan teknologi .Net.
Teknologi .NET telah berevolusi dari .NET 1.0 hingga .NET 4.0. Sendiri
merupakan sebuah framework yang memiliki base class library, dan bisa
diimplementasikan ke dalam beberpaa bahasa pemrograman yang dikembangkan
Microsoft termasuk diantaranya adalah bahasa C#. Microsoft mengembangkan
IDE yang secara khusus mendukung pengembangan aplikasi dengan teknologi
.NET, versi terakhirnya yaitu Visual Studio 2010, mendukung teknologi .Net 4.
Diantara karakteristik dari .NET adanya sebuah Common Langguage Runtime
(CLR). CLR sendiri merupakan sebuah komponen virtual machine yang akan
diakses program pada saat runtime kode yang ditulis dalam bahasa C# ataupun
VB.NET misalnya dicompile oleh .NET Compile r menjadi code dalam format
Common Intermediate Langguage (CIL).
CIL merupakan sebuah format bahasa standar pada level intermediate
yang digunakan dalam bidang teknologi .NET apa pun bahasa pemrograman yang
digunakan oleh kode. Kemudian pada saat runtime, CLR mengeksekusi CIL
dengan melakukan proses loading dan linkin serta menghasilkan bahasa mesin
untuk mengeksekusi program. Proses ini memunculkan istilah multilangguage
pada pengembangan aplikasi .Net programmer memiliki pilihan untuk
menentukan pilihan untuk menggunakan bahasa pemrograman, yang familiar bagi
mereka dan apapun bahasa pemgraman apapun mereka tetap memilih akan tetap
memiliki keungulan-keungulan dan dan teknoli lainnya.
Standar European Computer Maufacturer Association (ECMA)
mendatarkan beberapa tujuan desain dari bahasa pemrograman C#, sebagai
berikut [5]:
I. Bahasa pemrograman C# dibuat sebagai bahasa pemrograman yang bersifat
bahasa pemrograman general â purpose (untuk tujuan jamak), berorientasi
objek, modern, dan sederhana.
II. Bahasa pemrograman C# ditujukan untuk digunakan dalam
mengembangkan komponen perangkat lunak yang mampu mengambil
III. Portabilitas programmer sangatlah penting, khususnya bagi programmer
yang telah lama menggunakan bahasa pemrogaman C dan C++.
IV. Dukungan untuk internasionalisasi (multi- language) juga sangat penting.
V. C# ditujukan agar cocok digunakan untuk menulis program aplikasi baik
dalam sistem klien-server (hosted system) maupun sistem 38 embedded
(embedded system), mulai dari perangkat lunak yang sangat besar yang
menggunakan sistem operasi yang canggih hingga kepada perangkat lunak
yang sangat kecil yang memiliki fungsi-fungsi terdedikasi.
II.4.2Mysql
MySQL adalah sebuah implementasi dari sistem manajemen basisdata
relasional (RDBMS) yang didistribusikan secara gratis. Setiap pengguna dapat
secara bebas menggunakan MySQL, namun dengan batasan perangkat lunak
tersebut tidak boleh dijadikan produk turunan yang bersifat komersial. MySQL
sebenarnya merupakan turunan salah satu konsep utama dalam basisdata yang
telah ada sebelumnya; SQL (Structured Query Language). SQL adalah sebuah
konsep pengoperasian basisdata, terutama untuk pemilihan atau seleksi dan
pemasukan data, yang memungkinkan pengoperasian data dikerjakan dengan
mudah secara otomatis [3].
69
BAB IV
IMPLEMENTASI DAN PENGUJIAN
IV.1 Implementasi Sistem
Bab ini Menjelaskan mengenai implementasi dan pengujian aplikasi yang
telah dibangun. Tahapan ini dilakukan setelah tahap analisis dan perancangan
selesai dilakukan, adapun tujuan dari tahapan ini adalah mempersiapkan aplikasi
agar dapat digunakan pengguna.
IV.1.1 Implementasi Perangkat Keras
Spesifikasi perangkat keras (hardware) yang digunakan untuk membangun
aplikasi adalah sebagai berikut:
1. Processor : Intel Core 2 duo @ 2,10 GHz
2. Harddisk : 250 Gb
3. Memory : 2 GB
4. Monitor
5. Keyboard
6. Optical Mouse
7. Printer
IV.1.2 Implementasi Perangkat Lunak
Perangkat lunak (software) yang digunakan untuk membangun aplikasi adalah
sebagai berikut:
1. Windows 8.1 Pro
2. Mysql 5
3. Xampp v3.1
4. Visual Studio 2010
IV.1.3 Implementasi Form
Implementasi form dilakukan untuk mengetahui setiap tampilan halaman yang
dibangun dan pengkodeannya dalam bentuk file program. Implementasi form
[image:30.595.116.522.221.733.2]dapat dilihat pada Tabel berikut:
Tabel IV.1 Implementasi Form
NO Nama Form Deskripsi Nama File
1 Halaman Utama Form ini digunakan untuk
menampilkan halaman utama
aplikasi
Form_Utama.cs
2 Import Data Form ini digunakan untuk proses
mengimport data pegawai .csv
kedalam aplikasi
Form_Import.cs
3 Preprocessing Form ini digunakan untuk
memilih atribut yang akan
digunakan untuk proses
clustering
Preprocessing.cs
4 Clustering Form ini digunakan untuk
menghitung proses clustering
dan menyimpannya kedalam
database
Clustering.cs
5 Hasil Form ini digunakan untuk
melihat hasil data hasil
clustering
Hasil.cs
6 Laporan Form ini digunakan untuk proses
pencetakan laporan dari hasil
clustering
Laporan.cs
7 Progress Form ini digunakan untuk
menampilkan progress setiap
proses yang sedang berjalan
71
IV.1.4 Implementasi Basis Data
Implementasi basis data dilakukan untuk mengetahui susunan tabel berdasarkan
perancangan basis data yang telah dibuat sebelumnya. Berikut ini informasi ddl
dalam pempuatan tabel.
1) Pembuatan tabel data_pegawai
Berikut ini merupakan informasi ddl dalam pembuatan tabel data_pegawai
[image:31.595.137.498.288.664.2]pada database.
Tabel IV.2 Pembuatan tabel data_pegawai
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
CREATE TABLE `data_pegawai` (
`nipbar` varchar(25) NOT NULL DEFAULT '0', `nip` varchar(25) DEFAULT '0',
`nama` varchar(50) DEFAULT '0', `j_kelamin` varchar(5) DEFAULT '0', `tmp_lahir` varchar(50) DEFAULT NULL, `tgl_lahir` date DEFAULT NULL,
`pend_terakhir` varchar(10) DEFAULT NULL, `jurusan` varchar(25) DEFAULT NULL,
`lokasi` varchar(35) DEFAULT NULL, `thn_lulus` year(4) DEFAULT NULL, `gol_cpns` varchar(5) DEFAULT NULL, `tmt_cpns` date DEFAULT NULL,
`gol_terakhir` varchar(5) DEFAULT NULL, `tmt_gol_terakhir` date DEFAULT NULL, `no_kapreg` varchar(25) DEFAULT NULL, `instansi` varchar(30) DEFAULT NULL, `nama_jabatan` varchar(40) DEFAULT NULL, `tmt_jabatan` date DEFAULT NULL,
`mk_tahun` int(4) DEFAULT NULL, `mk_bulan` int(2) DEFAULT NULL, `kesetiaan` int(3) DEFAULT NULL, `prestasi` int(3) DEFAULT NULL, `tanggung_jwb` int(3) DEFAULT NULL, `ketaatan` int(3) DEFAULT NULL, `kejujuran` int(3) DEFAULT NULL, `kerjasama` int(3) DEFAULT NULL, `prakarsa` int(3) DEFAULT NULL, `kepemimpinan` int(3) DEFAULT NULL, PRIMARY KEY (`nipbar`),
UNIQUE KEY `nip` (`nipbar`)
2) Pembuatan tabel preprocessing_1
Berikut ini merupakan informasi ddl dalam pembuatan tabel preprocessing_1
[image:32.595.130.501.208.368.2]pada database.
Tabel IV.3 Pembuatan tabel preprocessing_1
1 2 3 4 5 6 7 8 9 10 11 12
CREATE TABLE `preprocessing_1` ( `nip` int(25) NOT NULL,
`kesetiaan` int(3) NOT NULL DEFAULT '0', `prestasi` int(3) NOT NULL DEFAULT '0', `tgng_jawab` int(3) NOT NULL DEFAULT '0', `ketaatan` int(3) NOT NULL DEFAULT '0', `kejujuran` int(3) NOT NULL DEFAULT '0', `kerjasama` int(3) NOT NULL DEFAULT '0', `prakarsa` int(3) NOT NULL DEFAULT '0', `kepemimpinan` int(3) DEFAULT '0', PRIMARY KEY (`nip`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1
3) Pembuatan tabel preprocessing_2
Berikut ini merupakan informasi ddl dalam pembuatan tabel preprocessing_2
pada database.
Tabel IV.4 Pembuatan tabel preprocessing_2
1 2 3 4 5 6 7 8 9 10 11
CREATE TABLE `preprocessing_2` ( `nip` int(25) NOT NULL,
`kesetiaan` int(3) NOT NULL DEFAULT '0', `prestasi` int(3) NOT NULL DEFAULT '0', `tgng_jawab` int(3) NOT NULL DEFAULT '0', `ketaatan` int(3) NOT NULL DEFAULT '0', `kejujuran` int(3) NOT NULL DEFAULT '0', `kerjasama` int(3) NOT NULL DEFAULT '0', `prakarsa` int(3) NOT NULL DEFAULT '0', PRIMARY KEY (`nip`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1
4) Pembuatan tabel hasil_cluster
Berikut ini merupakan informasi ddl dalam pembuatan tabel data_pegawai
[image:32.595.133.502.456.601.2]73
Tabel IV.5 Pembuatan tabel hasil_cluster
1 2 3 4 5
CREATE TABLE `hasil_cluster` ( `nip` int(25) NOT NULL,
`cluster` varchar(5) DEFAULT NULL, PRIMARY KEY (`nip`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1
IV.2 Pengujian Sistem
Pengujian sistem merupakan tahapan dalam melakukan serangkaian tes
untuk mengetahui kekurangan-kekurangan pada aplikasi yang telah dibangun.
Pengujian ini bermaksud untuk mengetahui apakah aplikasi yang telah dibangun
telah memenuhi kriteria dan tujuan dari perancangan perangkat lunak yang telah
dianalisis sebelumnya.
IV.2.1 Rencana Pengujian
Rencana pengujian yang akan dilakukan guna mengetahui kualitas sistem yang
telah dibangun adalah dengan menggunakan metode white box dan metode black
box serta pengujian beta dengan mewawancarai user yang akan menggunakan
perangkat lunak ini.
Tabel IV.6 Rencana Pengujian
No Item yang diuji Detail Pengujian Jenis Uji
1 Import Pengujian Import Data Black box
2 Preprocessing Pengujian proses preprocessing Black box
3 Clustering Pengujian Proses clustering Black box
4 Hasil Pengujian menampilkan hasil
clustering Black box
[image:33.595.116.505.500.678.2]IV.2.2 Pengujian Black Box
Pengujian black box dilakukan guna mengetahui apakah data yang di masukkan
sudah benar atau tidak dan apakah hasil keluaran sudah sesuai harapan atau tidak.
Teknik pengujian black box menggunakan sample testing.
A. Proses Import Data
Proses import data PNS akan diuji menggunakan sample testing dan untuk
skenario pengujian yang dilakukan pada bagian ini dapat dilihat pada tabel
[image:34.595.126.538.308.578.2]berikut :
Tabel IV.7 Pengujian Pemilihan Atribut
Kasus dan Hasil uji (Data Normal)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Alamat direktori file data pns dalam format .csv
Menampilkan data yang di import kedalam tabel kemudian tampil pesan sukses
Dapat menampilkan hasil import dalam bentuk tabel dan menampilkan pesan sukses
[â ] Diterima [ ] Ditolak
Kasus dan Hasil uji (Data Salah)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Alamat direktori file selain format .csv
Tidak dapat
menampilkan data Kemudian tampil pesan kesalahan
Tidak dapat
menampilkan data hasil import dan menampilkan pesan kesalahan
[â ] Diterima
[ ] Ditolak
Tabel IV.8 Pengujian Menyimpan Ke Database
Kasus dan Hasil uji (Data Normal)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data pegawai hasil
import yang
ditampilkan pada tabel
Data pada tabel di simpan kedalam database kemudian tampil pesan sukses
Dapat Menyimpan data tabel kedalam
database dan
menampilkan pesan sukses
[image:34.595.130.537.602.750.2]75
Kasus dan Hasil uji (Data Salah)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data PNS .csv yang diimport pada tabel tidak sesuai dengan struktur data database
Tidak dapat
menyimpan data
pada tabel
kemudian tampil pesan kesalahan
Tidak dapat
menyimpan data tabel kedalam
database dan
menampilkan pesan kesalahan
[â ] Diterima
[ ] Ditolak
B. Proses Preprocessing
Proses Preprocessing data PNS yang sudah di import akan diuji
menggunakan sample testing dan untuk skenario pengujian yang dilakukan
[image:35.595.126.540.115.255.2]pada bagian ini dapat dilihat pada tabel berikut :
Tabel IV.9 Pengujian Pemilihan Atribut
Kasus dan Hasil uji (Data Normal)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Tekan tombol Proses untuk memilih data atribut untuk pegawai biasa dan pejabat eselon yang telah di tentukan dalam aplikasi
Melakukan
pemilihan atribut
yang akan
digunakan untuk pegawai biasa dan pejabat eselon kemudian
menampilkannya dalam bentuk tabel
Dapat melakukan pemilihan atribut untuk pegawai biasa dan pejabat esolon dan
menampilkannya dalam tabel
[â ] Diterima [ ] Ditolak
Kasus dan Hasil uji (Data salah)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data pegawai yang akan dilakukan pemilihan atribut masih kosong
Muncul pesan kesalahan dan tidak dapan melakukan pemilihan atribut
Menampilkan pesan kesalahan dan tidak dapat melakukan pemilihan atribut
[â ] Diterima
[image:35.595.127.536.381.678.2]Tabel IV.10 Pengujian Menyimpan Ke Database
Kasus dan Hasil uji (Data Normal)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data Pegawai yang sudah melakukan Proses Pemilihan Atribut
Menyimpan data hasil pemilihan Atribut kedalam database
Dapat Menyimpan data hasil pemilihan atribut kedalam database
[â ] Diterima [ ] Ditolak
Kasus dan Hasil uji (Data salah)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data proses
pemilihan atribut tidak sesuai dengan struktur data tabel pada database
Muncul pesan kesalahan dan tidak dapat menyimpan data kedalam database
Dapat menampilkan pesan kesalahan dan data tidak disimpan kedalam database
[â ] Diterima
[ ] Ditolak
C. Proses clustering
Proses clustering data PNS yang telah berhasil di preprocessing akan diuji
menggunakan sample testing dan untuk skenario pengujian yang dilakukan
[image:36.595.128.539.484.755.2]pada bagian ini dapat dilihat pada tabel berikut :
Tabel IV.11 Pengujian Pemilihan Pegawai
Kasus dan Hasil uji (Data Normal)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Pilih jenis pegawai yang akan di cluster dengan cara memilihnya
melalui combobox
Menampilkan data pegawai pada tabel berdasarkan jenis pegawai yang telah dipilih
Dapat menampilkan tabel data pegawai berdasarkan jenis pegawai yang telah dipilih
[â ] Diterima [ ] Ditolak
Kasus dan Hasil uji (Data Salah)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Tidak memilih Jenis Pegawai pada combobox
Memiliki nilai default untuk jenis pegawai yaitu pegawai biasa, dan menampilkannya pada tabel
Dapat menampilkan data default pegawai yaitu pegawai biasa pada tabel
[â ] Diterima
[image:36.595.128.536.485.756.2]77
Tabel IV.12 Pengujian Proses Cluster
Kasus dan Hasil uji (Data Normal)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data Jumlah
Cluster yang akan dibentuk
Memproses data jumlah cluster dan melakukan
perhitungan untuk mendapatkan
anggota cluster tersebut
Dapat melakukan proses perhitungan cluster untuk mendapatkan
anggota cluster
[â ] Diterima [ ] Ditolak
Kasus dan Hasil uji (Data Salah)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data jumlah cluster kosong atau kurang dari 2
Muncul pesan kesalahan tidak dapat melakukan proses clustering
Tidak dapat
melakukan proses clustering kemudian tampil pesan kesalahan
[â ] Diterima
[image:37.595.127.538.134.696.2][ ] Ditolak
Tabel IV.13 Pengujian Menyimpan Ke Database
Kasus dan Hasil uji (Data Normal)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data hasil proses clustering yang di tampilkan di tabel
Menyimpan data hasil clustering kedalam database dan menampilkan pesan sukses
Dapat menyimpan tabel data hasil clustering kedalam
database dan
menampilkan pesan sukses
[â ] Diterima [ ] Ditolak
Kasus dan Hasil uji (Data Salah)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data hasil proses clustering masih kosong
Tidak dapat
menyimpan data kedalam database kemudian Muncul pesan kesalahan
Menampilkan pesan kesalahan dan data
tidak dapat
disimpan kedalam database
[â ] Diterima
D. Proses Menampilkan Hasil
Proses menampilkan hasil clustering data PNS akan diuji menggunakan
sample testing dan untuk skenario pengujian yang dilakukan pada bagian ini
[image:38.595.127.537.220.441.2]dapat dilihat pada tabel berikut :
Tabel IV.14 Pengujian Tampil Data
Kasus dan Hasil uji (Data Normal)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data hasil
clustering yang sudah tersimpan di database
Menampilkan data hasil clustering berdasarkan
kategori pegawai
data hasil clustering berdasarkan
kategori pegawai
[â ] Diterima [ ] Ditolak
Kasus dan Hasil uji (Data Salah)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data hasil
clustering di dalam database masih kosong
Muncul pesan kesalahan data hasil clustering masih kosong
Menampilkan pesan kesalahan data hasil clustering kosong
[â ] Diterima [ ] Ditolak
Tabel IV.15 Proses Penentuan Grafik
Kasus dan Hasil uji (Data Normal)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Memilih jenis pegawai pada combobox yang sudah tersedia
Menampilkan grafik dan data hasil clustering
berdasarkan jenis pegawai yang telah dipilih
[image:38.595.130.537.494.748.2]Dapat menampilkan grafik dan data hasil clustering
berdasarkan jenis pegawai
[â ] Diterima [ ] Ditolak
Kasus dan Hasil uji (Data Salah)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data hasil
clustering di dalam database masih kosong
Muncul pesan kesalahan data hasil clustering masih kosong
Menampilkan pesan kesalahan data hasil clustering kosong
79
E. Proses Membuat Laporan
Proses membuat laporan hasil clustering data PNS akan diuji menggunakan
sample testing dan untuk skenario pengujian yang dilakukan pada bagian ini
dapat dilihat pada tabel berikut :
Tabel IV.16 Pilih Data Laporan
Kasus dan Hasil uji (Data Normal)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Pilih jenis pegawai yang sudah tersedia pada combobox
menampilkan data hasil clustering dari database menjadi bentuk report berdasarkan jenis pegawai
Dapat menampilkan data hasil clustering dari database menjadi bentuk report berdasarkan jenis pegawai
[â ] Diterima [ ] Ditolak
Kasus dan Hasil uji (Data Salah)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Tidak memilih jenis pegawai pada combobox
Menampilkan report data hasil clustering default yang sudah ditentukan yaitu pegawai biasa
Dapat menampilkan
report hasil
clustering default
yang sudah
ditentukan yaitu pegawai biasa
[â ] Diterima
[image:39.595.127.538.230.662.2][ ] Ditolak
Tabel IV.17 Proses Cetak Laporan
Kasus dan Hasil uji (Data Normal)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
Data yang sudah tampil pada report
Melakukan proses printing dokumen yang tampil pada report
Dapat Melakukan proses printing
dokumen yang
tampil pada report
[â ] Diterima [ ] Ditolak
Kasus dan Hasil uji (Data Salah)
Data Masukkan Yang Diharapkan Pengamatan Kesimpulan
data pada report masih kosong
Menampilkan data kosong
Dapat menampilkan data kosong
IV.2.3 Pengujian K-Means Secara Manual Menggunakan Data Sampel
Pengujian manual ini bertujuan untuk membuktikan aplikasi yang dibangun telah
sesuai dengan hasil analisis sebelumnya yang telah dipaparkan pada BAB III,
Pengujian dilakukan untuk melihat akurasi pengelompokan dengan
membandingkan hasil pengujian Manual dan hasil perhitungan yang dilakukan
oleh program yang telah dibangun. Data yang akan digunakan merupakan data
sampel yang berjumlah 99 data dan telah melalui tahap preprocessing sehingga
data sudah dibagi menjadi 2 bagian, 38 data menjadi bagian dari pegawai biasa
dan 61 data menjadi bagian dari pejabat eselon. Pengujian dilakukan dengan cara
menghitung manual setiap proses K-Means Menggunakan Microsoft Excel,
pengujian yang dilakukan pada pegawai biasa yang berjumlah 38 data dan pejabat
eselon yang berjumlah 61 data kemudian akan dibentuk kedalam 5 Kelompok
(cluster).
A. Pengujian Manual Pegawai Biasa
Berikut ini hasil perhitungan clustering untuk pegawai biasa, dimana proses yang
dilakukan sebagai berikut:
1. Kelompok yang akan dibentuk berjumlah 5 kelompok
[image:40.595.131.482.517.662.2]2. Penentuan Centroid Secara acak disamakan dengan program, yaitu :
Tabel IV.18 Nilai Centroid Random Pegawai Biasa
C lust er C ent ro id1 C ent ro id2 C ent ro id3 C ent ro id4 C ent ro id5 C ent ro id6 C ent ro id7
c1 70 87 72 78 77 71 89 c2 83 78 70 83 89 72 74 c3 77 71 87 75 86 71 75 c4 82 73 84 87 79 88 79 c5 70 86 80 86 71 76 89
Hasil Perhitungan K-Means Clustering terhadap data menghasilkan 3 Iterasi
81
Tabel IV.19 Hasil Perhitungan K-Means Clustering Pegawai Biasa
Perhitungan Manual Perhitungan Aplikasi
Cluster Jumlah Cluster Jumlah
C1 8 C1 8 C2 7 C2 7 C3 7 C3 7 C4 12 C4 12 C5 4 C5 4
Jumlah 38 Jumlah 38
Jadi, dapat disimpulkan bahwa hasil Perhitungan K-Means clustering dari
aplikasi yang dibangun telah sesuai dengan hasil perhitungan K-Menas
Clustering secara Manual karena data yang dihasilkan sama.
B. Perhitungan Manual Pejabat Eselon
Berikut ini hasil perhitungan clustering untuk pejabat Eselon, dimana proses yang
dilakukan sebagai berikut:
1. Kelompok yang akan dibentuk berjumlah 5 kelompok
[image:41.595.124.483.421.590.2]2. Penentuan Centroid Secara acak disamakan dengan program, yaitu :
Tabel IV.20 Nilai Centroid Random Pejabat Eselon
C lust er C ent ro id1 C ent ro id2 C ent ro id3 C ent ro id4 C ent ro id5 C ent ro id6 C ent ro id7
c1 70 87 72 78 77 71 89 c2 83 78 70 83 89 72 74 c3 77 71 87 75 86 71 75 c4 82 73 84 87 79 88 79 c5 70 86 80 86 71 76 89
Hasil Perhitungan K-Means Clustering terhadap data menghasilkan 13 Iterasi
dengan hasil akhir sebagai Berikut :
Tabel IV.21 Hasil Perhitungan K-Means Clustering Pejabat Eselon
Perhitungan Manual Perhitungan Aplikasi
Cluster Jumlah Cluster Jumlah
C4 22 C4 22 C5 9 C5 9
Jumlah 61 Jumlah 61
Jadi, dapat disimpulkan bahwa hasil Perhitungan K-Means clustering dari aplikasi
yang dibangun telah sesuai dengan hasil perhitungan K-Menas Clustering secara
Manual karena data yang dihasilkan sama.
IV.2.1 Pengujian Beta
Pengujian beta ini dilakukan dengan cara wawancara langsung dengan kepala
BKPP Kabupaten Gayo Lues (pengguna) perangkat lunak yang telah dibangun.
Berikut adalah hasil wawancara yang dilakukan dengan pengguna :
1. Pertanyaan : Apakah aplikasi membantu dalam Proses pengelompokan PNS ?
Jawaban : Ya, Aplikasi ini cukup membantu karena kami dapat langsung mendapatkan hasil sebenarnya.
2. Pertanyaan : Bagaimana pendapat anda dengan adanya aplikasi ini dalam proses pengelompokan PNS ?
Jawaban : Cukup membantu, dibandingkan dengan cara menghitung manual yang membutuhkan ketelitian dan waktu yang lama dalam proses menseleksi pegawai kemudian mengelompokannya seperti yang kami lakukan sebelumnya
3. Pertanyaan : Apakah aplikasi pengelompokan PNS ini mudah digunakan ?
Jawaban : Ya, cukup mudah untuk digunakan. Karena kami hanya cukup memilih tombol dan data kemudian proses pengelompokan pun selesai.
4. Pertanyaan : Bagaimana menurut anda dengan hasil pengelompokan yang disajikan di aplikasi, apakah sudah memadai ?
Jawaban : Ya, Hasil pengelompokan disajikan sudah cukup lengkap dan pemilihan pegawainya juga ditampilkan dengan sederhana sehingga mudah dipahami.
5. Pertanyaan : Bagaimana menurut anda tentang keseluruhan aplikasi Pengelompokan PNS ini ?
83
IV.3.1 Kesimpulan Pengujian
Berdasarkan hasil pengujian Whitebox, Blackbox dab beta yang telah dilakukan,
dapat diambil kesimpulan sebagai berikut :
1. Perangkat lunak yang dibangun dapat menghasilkan hasil pengelompokan
yang sesuai dengan metode dan algoritma yang dipakai.
2. Berdasarkan hasil pengujian Blackbox, setiap fungsional didalam aplikasi
telah sesuai dengan yang diharapkan
3. Algoritma K-Means yang diterapkan didalam aplikasi telah sesuai dengan
85
BAB V
KESIMPULAN DAN SARAN
V.1 Kesimpulan
Dari hasil pengujian dan wawancara yang telah dilakukan terhadap kepala
BKPP Kabupaten Gayo Lues selaku pengguna diperoleh kesimpulan bahwa
aplikasi yang dibangun dapat digunakan sebagai alat bantu untuk
Mengelompokkan PNS yang memiliki kemampuan sama berdasarkan hasil
Penilaian DP3 dan dapat membantu pihak BKPP dalam menentukan PNS yang
akan menjalani pembinaan, pelatihan, pengembangan kompetensi dan pemberian
penghargaan.
V.2 Saran
Beberapa saran untuk pengembangan selanjutnya, diantaranya:
1. Data yang sekarang digunakan masih sebatas data Kabupaten daerah
diharapkan kedepannya dapat mengolah data Provinsi bahkan tingkat nasional.
2. Proses pengelompokkan yang dilakukan saat ini hanya sebatas penilaian
kinerja PNS berdasarkan hasil Penilaian DP3 diharapkan untuk penelitian
selanjutnya dapat mengelompokkan PNS yang sesuai untuk menempati posisi
DATA PRIBADI
Nama Lengkap : Ervan Fauzi Pranasta
Jenis Kelamin : Laki-laki
Tempat, Tanggal
lahir : Blangkejeren , 28-08-1992
Kewarganegaraan : Indonesia
Status Hubungan : Belum Menikah
Tinggi , Berat : 174 cm , 65 kg
Agama : Islam
Alamat Lengkap : Jln. Dago Timur No.25 RT5 RW6
Handphone : 085371830780
E - mail : ervandfauzie@gmail.com
RIWAYAT PENDIDIKAN
1998 â 2004 : SD Negeri 1 Ciluluk.
2004 â 2007 : SMP Negeri 1 Blangkejeren.
2007 â 2010 : SMA Negeri 1 Blangkejeren.
2010 â 2014 : Universitas Komputer Indonesia, Fakultas Teknik dan Ilmu