TA : Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Fuzzy C-Means Clustering.

(1)

C-MEANS CLUSTERING

Oleh:

Nama : CATUR SUGENG PRIBADI

Nim : 05.41010.0082

Program : S1(Strata Satu)

Jurusan : Sistem Informasi

SEKOLAH TINGGI

MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER SURABAYA

2012

STIKOM

(2)

SISTEM PENDUKUNG KEPUTUSAN PENGADAAN BUKU

PERPUSTAKAAN STIKOM SURABAYA MENGGUNAKAN FUZZY C-MEANS CLUSTERING

TUGAS AKHIR

Diajukan sebagai syarat untuk menyelesaikan

Program Sarjana Komputer

Oleh:

Nama : CATUR SUGENG PRIBADI

Nim : 05.41010.0082

Program : S1 (Strata Satu)

Jurusan : Sistem Informasi

SEKOLAH TINGGI

MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER SURABAYA

2012

STIKOM

(3)

ix

Halaman

ABSTRAK ... vi

KATA PENGANTAR ... vii

DAFTAR ISI ... ix

DAFTAR TABEL ... xii

DAFTAR GAMBAR ... xvi

DAFTAR LAMPIRAN ... xviii

BAB I PENDAHULUAN ... 1

1.1 Latar belakang Masalah ... 1

1.2 Perumusan Masalah... 2

1.3 Pembatasan Masalah ... 3

1.4 Tujuan ... 3

1.5 Sistematika Penulisan ... 4

BAB II LANDASAN TEORI ... 6

2.1 Perpustakaan ... 6

2.2 Dewey Decimal Classification ... 8

... 2.2.1 Komponen DDC ... 9

... 2.2.2 Cara Kerja Sistem DDC ... 10

... 2.2.3 Keunggulan Dan Kelemahan DDC... 12

2.3 Sistem Pendukung Keputusan ... 14

2.4 Pengertian Logika Fuzzy ... 16

... 2.4.1 Himpunan Fuzzy ... 17

... 2.4.2 Operasi Logika (Operasi Himpunan Fuzzy) ... 19

STIKOM

(4)

x

2.5 Clustering ... 21

2.6 Fuzzy C-Means Clustering (FCM)... 23

... 2.6.1 Algoritma Fuzzy C-Means Cluster (FCM) ... 24

BAB III PERANCANGAN SISTEM ... 28

3.1 Analisa Permasalahan... 28

3.2 Metode Penelitian... 29

... 3.2.1 Studi Pustaka ... 29

... 3.2.2 Wawancara ... 29

... 3.2.3 Analisa Data ... 29

3.3 Perancangan Sistem... 30

... 3.3.1 Flowchart Metode Fuzzy C-Means Clustering... 30

... 3.3.2 System Flow Pengadaan Buku Dengan FCM ... 33

... 3.3.3 Perancangan Basis Data ... 34

... 3.3.4 Struktur Tabel ... 35

... 3.3.5 Rancangan Input Output ... 42

BAB IV IMPLEMENTASI DAN EVALUASI ... 46

4.1 Implementasi ... 46

... 4.1.1 Kebutuhan Perangkat Keras ... 46

... 4.1.2 Kebutuhan Perangkat Lunak ... 46

4.2 Perancangan Sistem... 47

... 4.2.1 System Requirement Specification ... 47

... 4.2.2 Perancangan Prototype ... 48

... 4.2.3 Graphical User Interface (GUI) ... 48

4.3 Evaluasi dan Hasil Pengujian Sistem ... 55

STIKOM

(5)

xi

4.3.3 Evaluasi Sistem ... 107

BAB V PENUTUP... 113

5.1 Kesimpulan ... 113

5.2 Saran ... 116

DAFTAR PUSTAKA ... 118

LAMPIRAN

STIKOM

(6)

!

!!"

#

STIKOM

(7)

1

PENDAHULUAN

1.1Latar Belakang Masalah

Solusi pemanfaatan teknologi komputer sebagai alat bantu dalam

mendukung kegiatan operasional suatu bidang usaha memudahkan manusia dalam

mendapatkan data atau informasi secara cepat, tepat dan akurat sehingga

efektivitas dan efisiensi kerja tercapai. STIKOM Surabaya merupakan salah

satunya sekolah tinggi yang memanfaatkan teknologi komputer untuk mendukung

kegiatan operasional sehari-harinya, contohnya adalah pemanfaatan teknologi

komputer dalam proses pengadaan koleksi buku di perpustakaan.

Pada proses pengadaan koleksi buku baru, perpustakaan STIKOM

Surabaya masih mengalami permasalahan. Permasalahan tersebut antara lain

adalah petugas perpustakaan belum dapat mengetahui buku apa yang paling

banyak dipinjam oleh Tahun Angkatan tertentu dalam periode tertentu dan untuk

pembelian buku baru selama ini hanya berdasarkan usulan dari anggota

perpustakaan yang diajukan ke kaprodi.

Tentu hal ini tidak efektif dan kurang akurat, karena pembelian buku tidak

disertai dengan data-data yang akurat sesuai dengan kebutuhan peminjam. Maka

dari itu untuk memecahkan masalah tersebut, diperlukan sebuah sistem

pendukung keputusan yang dapat dipakai oleh petugas perpustakaan untuk

memperoleh informasi buku yang lebih akurat dengan menerapkan metode Fuzzy

C-means Clustering.

STIKOM

(8)

2

Fuzzy C-means Adalah sebuah metode clustering yang mengijinkan satu data menjadi milik dua atau lebih cluster. Metode ini sering digunakan dalam pengenalan pola (pattern recoqnition). Metode Fuzzy C-means adalah salah satu metode clustering yang mengalokasikan kembali data kedalam masing-masing

cluster dengan memanfaatkan teori Fuzzy. Dalam metode Fuzzy C-means dipergunakan variabel membershipfunction iku, yang merujuk pada seberapa besar kemungkinan suatu data bisa menjadi anggota ke dalam suatu cluster (Bezdek,1981).

Dengan adanya Rancang Bangun Sistem Informasi Pelaporan Jumlah

Transaksi Peminjaman Buku di Perpustakaan STIKOM Surabaya Dengan

Menggunakan metode Fuzzy C-means dapat bermanfaat bagi petugas

perpustakaan karena memperoleh informasi pembelian buku baru yang sesuai

dengan minat mahasiswa dan jumlah buku yang dipinjam. Maka dari itu

diperlukan sebuah sistem yang dapat menentukan buku apa yang akan dibeli agar

bisa bermanfaat bagi anggota perpustakaan berdasarkan tiap angkatan dalam

periode tertentu.

1.2Perumusan Masalah

Berdasarkan latar belakang tersebut di atas maka rumusan masalah yang

akan dibahas adalah:

1. Bagaimana membuat aplikasi yang dapat melakukan pengelompokan

kategori buku berdasarkan kategori DDC dan angkatan studi mahasiswa

dari jumlah peminjaman menggunakan metode Fuzzy C-means Clustering.

STIKOM

(9)

2. Bagaimana membuat aplikasi yang dapat memberikan rekomendasi untuk

bagian pembelian tentang kategori buku baru yang harus dipasok ke dalam

perpustakaan STIKOM Surabaya berdasarkan jumlah pinjaman.

1.3Pembatasan Masalah

Batasan masalah dalam pembuatan sistem ini adalah sebagai berikut:

1. Sistem informasi yang dibuat merupakan aplikasi berbasis desktop.

2. Sistem yang dibuat tidak membahas transaksi peminjaman buku.

3. Data transaksi peminjaman buku diambil dari database perpustakaan.

4. Data transaksi peminjaman buku yang dilakukan oleh angkatan studi

mahasiswa dari angkatan 2008 sampai dengan 2011.

5. Periode transaksi berdasarkan inputan tanggal.

6. Data mahasiswa diambil dari program studi Sistem Informasi.

7. Aplikasi ini tidak menangani transaksi pembelian buku baru yang sudah

pernah dipesan sebelumnya.

8. Batasan DDC menyesuaikan dengan yang ada di perpustakaan STIKOM.

1.4Tujuan

Berdasarkan perumusan masalah yang ada maka tujuan dari tugas akhir ini

adalah:

1. Membuat aplikasi yang dapat melakukan pengelompokan DDC

berdasarkan jumlah peminjam per Tahun Angkatan mulai dari tahun

angkatan 2008 sampai dengan 2011 menggunakan metode Fuzzy C-means

Clustering.

STIKOM

(10)

4

2. Membuat aplikasi yang dapat memberikan rekomendasi kepada

manajemen Perpustakaan perihal DDC mana yang harus dipasok ke dalam

perpustakaan STIKOM Surabaya berdasarkan minat mahasiswa tahun

angkatan tertentu.

1.5Sistematika Penulisan

Sistematika penulisan pada laporan ini adalah sebagai berikut:

BAB I : PENDAHULUAN

Pada bab ini dibahas tentang latar belakang masalah dan penjelasan

permasalahan secara umum, perumusan masalah serta batasan masalah

yang dibuat, tujuan dari pembuatan tugas akhir dan sistimatika penulisan

buku.

BAB II : LANDASAN TEORI

Bab ini menjelaskan tentang teori-teori yang berkaitan dalam

penyelesaian laporan tugas akhir ini antara lain teori tentang

perpustakaan, Dewey Decimal Classification (DDC), Sistem Pendukung Keputusan, Clusterung, Fuzzy C-means Clustering (FCM).

BAB III: PERANCANGAN SISTEM

Pada bab ini dibahas tentang perancangan sistem, analisa sistem,

perancangan Document Flow dan System Flow yang digunakan dalam pembuatan aplikasi, desain input, output, danrencana evaluasi hasil.

BAB IV : IMPLEMENTASI DAN EVALUASI

Pada bab ini dibahas tentang implementasi dari aplikasi yang dibuat

secara keseluruhan. Serta melakukan pengujian terhadap aplikasi yang

STIKOM

(11)

dibuat untuk mengetahui aplikasi tersebut telah dapat menyelesaikan

permasalahan sesuai dengan yang diharapkan.

BAB V : PENUTUP

Pada bab ini berisikan kesimpulan dari sistem dan saran untuk

pengembangan sistem.

STIKOM

(12)

6

BAB II

LANDASAN TEORI

2.1 Perpustakaan

Menurut Undang-undang Perpustakaan (UU nomor 43 tahun 2007)

disebutkan bahwa perpustakaan adalah institusi pengelola koleksi karya

tulis, karya cetak, dan/ atau karya rekam secara profesional dengan sistem

yang baku guna memenuhi kebutuhan pendidikan, penelitian, pelestarian,

informasi, dan rekreasi para pemustaka. Sedangkan menurut

Sulistyo-Basuki (1991: 3) perpustakaan adalah: sebuah ruangan, bagian sebuah

gedung, ataupun gedung itu sendiri yang digunakan untuk menyimpan

buku dan terbitan lainnya yang biasanya disimpan menurut tata susunan

tertentu untuk digunakan pembaca, bukan untuk dijual.

Institusi merupakan struktur dan mekanisme aturan dan kerjasama

sosial yang mengawal perlakuan dua atau lebih individu. Institusi bisa

juga berarti lembaga yaitu badan (organisasi) yang bermaksud melakukan

suatu penyelidikan keilmuan atau melakukan suatu usaha. Pengelola

berasal dari kata to manage yang berarti mengurus, mengatur, melaksanakan, mengelola. Jadi pengelola adalah seseorang yang

mengurus, mengatur, melaksanakan, mengelola. Koleksi berarti kumpulan

benda yang digemari. Dengan demikian maka koleksi karya tulis, karya

cetak dan/ atau karya rekam adalah kumpulan informasi yang berbentuk

tulisan tangan, buku cetakan maupun yang direkam dalam berbagai media

STIKOM

(13)

termasuk media elektronik dan digital. Profesional berarti memerlukan

kepandaian khusus untuk menjalankan. Dengan demikian “mengelola

koleksi karya tulis, karya cetak dan atau karya rekam secara profesional”

berarti mengurus, mengatur, melaksanakan, mengelola kumpulan

informasi dalam berbagai bentuk atau format dimana dalam melakukan

pengelolaannya tersebut diperlukan keahlian khusus. Baku berarti sesuatu

yang dipakai dasar ukuran (nilai, harga, dsb) standar. Jadi sistem baku

merupakan sistem yang digunakan sebagai dasar dalam melakukan

pengelolaan koleksi karya tulis, karya cetak dan atau karya

rekam. Pemustaka menurut UU 43 tahun 2007 adalah pengguna

perpustakaan, yaitu perseorangan, kelompok orang, masyarakat, atau

lembaga yang memanfaatkan fasilitas layanan perpustakaan.

Dengan demikian maka makna dari kedua definisi yang dikutip

pada awal tulisan ini adalah: perpustakaan merupakan institusi atau

lembaga tempat menyimpan informasi dalam bentuk buku dan

bentuk-bentuk lain yang disimpan menurut aturan tertentu yang baku untuk

digunakan oleh orang lain (bukan hanya digunakan oleh pribadi) secara

gratis untuk bermacam-macam tujuan atau kebutuhan seperti untuk

pendidikan, penelitian, pelestarian, informasi, dan rekreasi. Mari kita

bandingkan dengan definisinya Wikipedia yang mendefinikan

perpustakaan sebagai berikut:”A library is a collection of sources, resources, and services, and the structure in which it is housed; it is organized for use and maintained by a public body, an institution, or a private individual. In the more traditional sense, a library is a collection

STIKOM

(14)

8

of books. It can mean the collection, the building or room that houses such a collection, or both.” Jadi makna beberapa definisi tersebut memiliki pengertian yang sama yakni: (1) merupakan kumpulan bahan

perpustakaan; (2) dikelola secara profesional dengan sistem tertentu

(baku); (3) dikelola oleh lembaga atau institusi dan atau individu; (4)

diselenggarakan untuk kebutuhan pemustaka.

2.2. Dewey Decimal Classification

Dewey Decimal Classification adalah merupakan salah satu sistem pengklasifikasian koleksi buku yang ditemukan oleh Melvil Dewey. Nama

lengkapnya Melville Louis Kassuth Dewey (1851-1931). Pada 1874

Dewey sebagai pustakawan di Amhers College, Massachuseetts, Tahun

1876 ia menerbitkan DDC edisi pertama dengan judul “A classification and subject index for a library”. Terbit pertama kali hanya sebanyak 42 halaman yang berisi 12 halaman pendahuluan, 12 halaman bagan dan 18

halaman indeks. Sejak edisi pertama diterbitkan, DDC terus menerus

mengikuti perkembangan ilmu pengetahuan. Banyak subyek-subyek baru

yang ditambahkan. Adakalanya notasi mengalami perluasan dan

perubahan lokasi karena perkembangan subyek tersebut. Kelestarian DDC

sampai dapat mencapai umur lebih seabad dan banyak pemakainya di

dunia, disebabkan karena DDC secara berkala ditinjau kembali dan

diterbitkan edisi barunya. Lembaga yang mengawasi dan mendukung

penerbitan DDC ialah “The Lake Placed Education Foundation” dan

“The Library of Congress” di Amerika Serikat sarana komunikasi

STIKOM

(15)

diterbitkan “Decimal Classification, adition, notes, decisions” (disingkat DC). DDC dalam pengembangannya menggunakan sistem desimal angka

arab sebagai simbol notasinya.

2.2.1 Komponen DDC

Dalam klasifikasi Persepuluhan Dewey ini terdapat 3 komponen,

yaitu Bagan, indeks Relatif, dan Tabel-tabel. Untuk lebih jelasnya dapat

diperhatikan pada uraian berikut ini.

A. Bagan (Schedules)

Klasifikasi Dewey adalah bagan klasifikasi sistem hirarki yang

menganut prinsip “desimal” untuk membagi semua bidang ilmu

pengetahuan. Ilmu pengetahuan dibagi ke dalam 9 kelas utama, yang

diberi kode/lambang angka (selanjutnya disebut notasi). Seperti telah

dijelaskan pada halaman sebelumnya. Dalam DDC ini semakin khusus

suatu subyek, semakin panjang notasinya. Karena banyak angka yang

ditambahkan pada notasi dasarnya. Pembagiannya dari umum ke khusus.

B. Indeks Relatif (Relative Index)

Untuk membantu mencari notasi suatu subyek dalam DDC

terdapat ‘Indeks Relatif’. Pada indeks relatif ini terdaftar sejumlah istilah

yang disusun berabjad. Istilah-istilah tersebut mengacu ke notasi yang

terdapat dalam bagan. Dalam indeks ini didaftar sinonim untuk suatu

istilah, hubungan-hubungan dengan subyek lainnya. Bila suatu subyek

telah ditemukan dalam indeks relatif, hendaklah ditentukan lebih lanjut

aspek dari subyek yang bersangkutan. Cara yang paling cepat untuk

menentukan notasi suatu subyek adalah melalui indeks relatif. Tetapi

STIKOM

(16)

10

menentukan notasi hanya melalui dan berdasarkan indeks relatif saja tidak

dapat dibenarkan. Setelah suatu subyek diperoleh notasinya dalam indeks

relatif, harus diadakan pengecekan dengan notasi yang terdapat dalam

bagan. Dengan demikian dapat diketahui apakah notasi tersebut

betul-betul sesuai dengan karya yang sedang diklasifikasikan.

C. Tabel-Tabel

Kecuali pembagian kelas secara desimal dengan notasi yang

terdaftar dalam bagan, DDC juga mempunyai sarana lain. Untuk

membagi/ memperluas subyek lebih lanjut, yaitu dengan menyediakan

sejumlah tabel pembantu atau auxiliary tables. Notasi pada table-tabel tersebut hanya dapat digunakan dalam rangkaian dengan notasi yang

terdapat dalam bagan. Dengan kata lain, notasi yang terdapat dalam tabel

tidak pernah berdiri sendiri, selalu dirangkaikan dengan notasi dalam

bagan.

2.2.2 Cara Kerja Sistem DDC

Dewey membagi berbagai disiplin pengetahuan yang ada ke dalam

sepuluh kelas utama (mainclass) dengan satu “Generalities”. Selanjutnya, kelas-kelas utama tersebut dibagi lagi ke dalam sepuluh divisi, dan setiap

divisi dibagi lagi ke dalam sepuluh section. Ke-sepuluh kelas utama tersebut adalah :

1. 000 Generalities.

2. 100 Philosophy, psychology. 3. 200 Religion.

4. 300 Social Science (incl. economics).

STIKOM

(17)

5. 400 Language.

6. 500 Natural Science.

7. 600 Technology (incl. medicine, management).

8. 700 Art (incl. architecture, paintings, photography).

9. 800 Literature.

10.900 History geography, biography.

Kelas utama 000 digunakan untuk karya-karya yang tidak terbatas pada

satu disiplin ilmu saja, misalnya ensiklopedia. Kelas ini juga digunakan

untuk bidang yang berhubungan dengan pengetahuan dan informasi,

misalnya ilmu komputer, ilmu perpustakaan. Angka pertama pada

nomor-nomor tersebut menunjukkan main class. Masing-masing main class

terdiri dari 10 divisi, juga menggunakan nomor 0-9. Angka yang

menunjukkan divisi adalah angka kedua. Misalnya, 600 digunakan untuk

buku-buku yang membahas tentang teknologi/ ilmu terapan secara umum,

610 untuk ilmu kedokteran, 620 untuk ilmu teknik, 630 untuk pertanian.

Masing-masing divisi dibagi lagi menjadi 10 section, juga

menggunakan nomor 0-9. Angka ketiga dalam nomor DDC menunjukkan

section. Misal, 610 digunakan untuk karya umum di bidang kedokteran,

611 untuk anatomi manusia, 612 untuk fisiologi manusia, 613 untuk

bidang promosi kesehatan. Selanjutnya, setelah tiga nomor utama tersebut,

angka desimal dapat digunakan sejauh diperlukan. Misalnya, 611.1 untuk

buku yang membahas tentang organ-organ kardiovaskular, 611.2 untuk

buku yang membahas tentang organ-organ pernafasan.

STIKOM

(18)

12

2.2.3 Keunggulan Dan Kelemahan DDC

a. keunggulan

1. DDC merupakan sistem yang praktis dan paling banyak digunakan

di dunia karena kehandalannya.

2. Indeks relatif menyatukan subjek yang sama dengan aspek

berlainan yang tersebar dalam berbagai disiplin ilmu.

3. Notasi dengan angka Arab dikenal secara universal. Pustakawan

dengan latar belakang budaya dan bahasa yang berbeda dengan

mudah dapat menyesuaikan sistem tersebut.

4. Urutan numeric kasat mata memudahkan penjajaran dan

penempatan buku-buku di rak.

5. Penggunaan notasi desimal memungkinkan perluasan pembagian

sub divisi tanpa batas.

6. Revisi berkala dengan interval teratur menjamin kemutakhiran

bagan klasifikasi DDC.

b. Kelemahan

1. Disiplin ilmu yang berakitan sering kali terpencar. Misalnya 300

ilmu-ilmu sosial terpisah dari 900 Geografi dan Sejarah. Pada

bidang lain, kelas 400 Bahasa terpisah dari 800 Sastra.

2. Penempatan beberapa subjek tertentu dipermasalahkan. Misalnya

ilmu perpustakaan pada kelas karya umum 000, psikologi sebagai

sub divisi dari filsafat 100 dan olahraga serta hiburan dan kesenian

700.

STIKOM

(19)

3. Pada kelas 800, karya literer oleh pengarang yang sama disebarkan

berdasarkan bentuk literer. Padahal para pakar menginginkannya

menjadi satu.

4. Basis sepuluh dalam DDC membatasi kemampuan perluasan

sistem notasi. Karena, dari sepuluh divisi hanya Sembilan yang

dapat diperluas untuk member tempat subjek yang bertingkat sama

dalam hirarki. Bila sebuah subjek dibagi dalam 10 subdivisi,

perluasan hanya mampu menampung 9 subdivisi yang setara.

Padahal dalam kenyataan subdivisi yang ada lebih dari 9 sehingga

beberapa subdivisi terpaksa mengalah turun lebih rendah menjadi

subdivisi-subdivisi.

5. Laju pertumbuhan ilmu pengetahuan tidak sama sehingga

membuat struktur ilmu pengetahuan tidak seimbang. Ada kelas

yang dianggap statis seperti Agama dan Filsafat, ada pula yang

tumbuh cepat seperti kelas 300 ilmu-ilmu sosial, 500 Sains dan

600 Teknologi. Pada kelas 300, 500 dan 600 ada kesan terlalu

padat.

6. Perluasan sebuah subjek dapat dilakukan dengan sistem desimal,

tetapi anehnya angka baru untuk subjek baru tidak dobel disisipkan

antara nomor koordinat (yaitu nomor antara divisi, misalnya 610

dan 620) walaupun memang tempat yang layak ada diantara nomor

koordinat. DDC melakukan penambahan subjek baru dengan

memasukkannya pada subdivisi dari subjek yang telah ada.

STIKOM

(20)

14

7. Karena kemampuan perluasan tidak terbatas berkat sistem desimal,

hasilnya ialah angka yang cukup panjang untuk beberapa subjek.

Angka yang panjang menyulitkan penempatan buku di rak.

2.3. Sistem Pendukung Keputusan

Sistem Pendukung Keputusan atau yang biasa disebut Decision Support System (DSS) adalah sebuah sistem yang ditujukan untuk mendukung para pengambil keputusan manajerial untuk masalah

semiterstruktur. Scott Morton mendefinisikan DSS sebagai “sistem

berbasis komputer interaktif, yang membantu para pengambil keputusan

untuk menggunakan data dan berbagai model untuk memecahkan

masalah-masalah tidak terstruktur” (Gory dan Scott Morton, 1971).

Seperti yang disebutkan oleh Turban (2005: 136) yaitu DSS dimaksudkan

untuk menjadi alat bantu bagi para pengambil keputusan untuk

memperluas kapabilitas mereka, namun tidak untuk menggantikan

penilaian mereka. DSS ditujukan untuk keputusan-keputusan yang

memerlukan penilaian atau pada keputusan-keputusan yang sama sekali

tidak dapat didukung oleh algoritma. Sebagai istilah umum DSS

digunakan untuk menggambarkan semua sistem terkomputerisasi yang

mendukung pengambilan keputusan pada suatu organisasi. Tujuan utama

dari DSS yaitu untuk mendukung dan meningkatkan pengambilan

keputusan (Turban, 2005: 138).

Sesuai dengan konsep DSS diatas, maka menurut Turban (2005:

20) yang membedakan DSS dengan Sistem Informasi Manajemen adalah

STIKOM

(21)

“Organisasi bisa saja memiliki suatu sistem manajemen pengetahuan

untuk memandu seluruh personelnya dalam memecahkan masalah, ia

dapat memiliki DSS tersendiri untuk pemasaran, keuangan, dan akuntansi,

sistem SCM untuk produksi, dan beberapa sistem pakar untuk membuat

diagnosis dan help desk perbaikan”. Jadi bisa dikatakan perbedaan antara Sistem Pendukung Keputusan (SPK) dengan Sistem Informasi Manajemen

(SIM) dapat dilihat pada Tabel 2.1.

Tabel 2.1 Perbedaan Antara Sistem Pendukung Keputusan dengan Sistem Informasi Manajemen (Laudon, 2005)

Sistem Pendukung Keputusan

(SPK)

Sistem Informasi Manajemen

(SIM)

Memberikan serangkaian

kemampuan baru untuk

keputusan-keputusan non rutin dan kendali

pengguna.

Menghasilkan laporan regular

terjadwal dan baku berdasarkan

data yang diambil dan dirangkum

dari sistem pemrosesan transaksi

(SPT) milik

organisasi. Sebuah laporan SIM

pada umumnya menunjukkan

ringkasan penjualan perbulan untuk

masing-masing wilayah penjualan

utama.

Menekankan perubahan,

fleksibilitas, dan respon cepat.

Memberikan kepada manajer

laporan berdasarkan aliran rutin

STIKOM

(22)

16

Sistem Pendukung Keputusan

(SPK)

Sistem Informasi Manajemen

(SIM)

Dengan adanya SPK tidak perlu

susah payah menghubungkan

pengguna dengan alur informasi

terstruktur, menghasilkan

model-model, asumsi dan pertanyaan

khusus yang semakin diperluas serta

menampilkan grafik.

data dan membantu kendali umum

perusahaan.

SPK menyelesaikan semi terstruktur

dan menganalisis masalah tak

terstruktur.

Menyelesaikan masalah-masalah

terstruktur.

2.4. Pengertian Logika Fuzzy

Menurut Kusuma Dewi [2006] Logika Fuzzy adalah peningkatan

dari logika Boolean yang berkaitan dengan konsep kebenaran sebagian. Logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam

istilah binary (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy

menggantikan kebenaran boolean dengan tingkat kebenaran.

Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1,

tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik,

konsep tidak pasti seperti "sedikit", "sedang", dan "banyak". Pada akhir

STIKOM

(23)

tahun 1965, Dr. Lotfi A. Zadeh memperkenalkan teori himpunan fuzzy

yang dapat digunakan untuk mempresentasikan masalah ketidakpastian.

2.4.1. Himpunan Fuzzy

Pada himpunan tegas (crisp set), nilai keanggotaan suatu item x dalam suatu himpunan A (ditulis A[x]) memiliki 2 kemungkinan :

1. Satu (1), artinya x adalah anggota A

2. Nol (0), artinya x bukan anggota A

Contoh 1 :

Jika diketahui :

S={1,2,3,4,5,6} adalah semesta pembicaraan

A={1,2,3}

B={3,4,5}

maka :

Nilai kaanggotaan 2 pada A, A[2] = 1, karena 2A

Nilai kaanggotaan 4 pada A, A[4] = 0, karena 4 A

Contoh 2:

Misal variable umur dibagi menjadi 3 katagori :

MUDA, umur <35 tahun

PARUHBAYA, 35 ≤ umur ≤ 55 tahun

TUA, umur > 55 tahun

STIKOM

(24)

18

Gambar 2.1 Keanggotaan Himpunan Klasik (Crisp) Umur Muda, Paruhbaya dan Tua

a. Apabila seseorang berusia 34 tahun, maka ia dikatakan

MUDA

b. Apabila seseorang berusia 35 tahun, maka ia dikatakan

TIDAK MUDA

c. Apabila seseorang berusia 35 tahun, maka ia dikatakan

PARUHBAYA

d. Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia

dikatakan TIDAK PARUHBAYA

e. Apabila seseorang berusia 55 tahun, maka ia dikatakan

TIDAK TUA

f. Apabila seseorang berusia 55 tahun lebih ½ hari, maka ia

dikatakan TUA

Dari sini bisa dikatakan bahwa pemakaian himpunan crisp untuk menyatakan umur sangat tidak adil, adanya perubahan kecil saja pada

suatu nilai mengakibatkan perbedaan katagori yang cukup signifikan.

Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. Sesorang

dapat masuk dalam 2 himpunan yang berbeda. MUDA dan

PARUHBAYA, PARUHBAYA dan TUA, dsb. Seberapa besar

eksistensinya dapat dilihat pada nilai/ derajat keanggotaannya.

STIKOM

(25)

Gambar berikut menunjukkan himpunan fuzzy untuk variabel umur :

Gambar 2.2 Himpunan Fuzzy Untuk Variabel Umur

2.4.2. Operasi Logika (Operasi Himpunan Fuzzy)

Operasi logika adalah operasi yang mengkombinasikan dan

memodifikasi 2 atau lebih himpunan fuzzy. Nilai keanggotaan baru hasil

operasi dua himpunan disebut firing strength atau  predikat. Terdapat 3

operasi dasar pada himpunan fuzzy yang diciptakan oleh Zadeh :

1.AND (Intersection)

2.OR (Union)

3.NOT (Complement) 1. AND (Intersection)

Fuzzy intersection (): irisan dari 2 himpunan fuzzy adalah

minimum dari tiap pasang elemen pada kedua himpunan.

Contoh :

A  B = {MIN(1.0, 0.2), MIN(0.20, 0.45), MIN(0.75, 0.50)}

= {0.2, 0.20, 0.50}

STIKOM

(26)

20

Misal nilai keanggotaan umur 27 pada himpunan muda adalah

MUDA[27] = 0,6 dan nilai keanggotaan 2 juta pada himpunan

penghasilan TINGGI adalah GAJITINGGI[2juta] = 0,8.

Maka -predikat untuk usia MUDA dan berpenghasilan TINGGI adalah

nilai keanggotaan minimun :

MUDAGAJITINGGI

= min( MUDA[27],  GAJITINGGI[2juta])

= min (0,6 ; 0,8)

= 0,6

2. OR (Union)

Fuzzy union (): union dari 2 himpunan adalah maksimum dari tiap pasang elemen pada kedua himpunan.

Contoh :

A = {1.0, 0.20, 0.75}

B = {0.2, 0.45, 0.50}

A  B = {MAX(1.0, 0.2), MAX(0.20, 0.45), MAX(0.75, 0.50)}

= {1.0, 0.45, 0.75}

MUDA[27] = 0,6 dan nilai keanggotaan 2 juta pada himpunan

penghasilan TINGGI adalah GAJITINGGI[2juta] = 0,8.

Maka -predikat untuk usia MUDA atau berpenghasilan TINGGI adalah

nilai keanggotaan maksimum :

MUDA  GAJITINGGI

STIKOM

(27)

= max(MUDA[27], GAJITINGGI[2juta])

= max (0,6 ; 0,8)

= 0,8

3. NOT (Complement)

Komplemen dari variabel fuzzy dengan derajat keanggotaan=x

adalah (1-x).

Komplemen ( _c): komplemen dari himpunan fuzzy terdiri dari semua

komplemen elemen. Contoh :

Ac = {1 – 1.0, 1 – 0.2, 1 – 0.75}

= {0.0, 0.8, 0.25}

MUDA[27]= 0,6.

Maka  -predikat untuk usia TIDAK MUDA adalah :

MUDA’[27] = 1 - MUDA[27]

= 1 - 0,6

= 0,4

2.5. Clustering

Metode data mining dapat diklasifikasikan berdasarkan fungsi atau aplikasi dimana mereka digunakan. Teknik data mining yang digunakan dalam menyelesaikan tugas akhir ini adalah menggunakan teknik cluster

analisis. Clustering adalah sekumpulan data yang memiliki kesamaan terhadap data lain yang ada dalam satu cluster dan tidak memiliki

STIKOM

(28)

22

kesamaan dengan objek di cluster yang berbeda (Han, 2007:383).

Clustering atau yang biasa disebut data segmentation di dalam sebuah aplikasi karena clustering membagi data yang sangat besar ke dalam kelompok-kelompok berdasarkan kepada kesamaan yang ada.

Clustering juga dapat digunakan untuk outlier detection, dimana jarak terluar lebih menarik dari kasus-kasus yang biasanya. Sebagai

cabang dari statistika, analisis cluster telah lebih luas dipelajari dalam beberapa tahun, mengutakaman pada distance-based cluster analysis

(Han, 2007:384). Perangkat analisis cluster berdasarkan pada means, k-medoids, dan beberapa metode lainnya yang juga dibangun ke dalam banyak paket software analisis statistik, seperti S-Plus, SPSS, dan SAS.

Metode clustering pada dasarnya melakukan segmentasi atau pengelompokkan suatu populasi data yang heterogen menjadi beberapa

sub group atau cluster. Metode ini dikategorikan ke dalam teknik undirect knowledge atau unsuppervised learning karena tidak membutuhkan proses pelatihan untuk klasifikasi awal data dalam masing-masing group atau

cluster. Ada beberapa kategori pendekatan clustering (Gunadarma, 2008), diantaranya :

a. Algoritma Partisi : mempartisi objek-objek ke dalam k cluster

dan realokasi objek-objek secara iteratif untuk memperbaiki

clustering.

b. Algoritma Hirarkis : Agglomerative dimana setiap objek merupakan cluster, gabungan dari cluster-cluster membentuk

cluster yang besar dan Divisive dimana semua objek berada

STIKOM

(29)

dalam suatu cluster, pembagian cluster tersebut membentuk

cluster-cluster yang kecil.

c. Metode berbasis densitas : berbasis koneksitas dan fungsi

densitas dan noise disaring, kemudian temukan cluster-cluster

dalam bentuk sembarang.

d. Metode berbasis grid : kuantitas ruang objek ke dalam struktur

grid.

e. Berbasis Model : menggunakan model untuk menemukan

keadaan data yang baik.

2.6. Fuzzy C-Means Cluster (FCM)

Fuzzy Clustering adalah salah satu teknik untuk menentukan

cluster optimal dalam suatu ruang vektor yang didasarkan pada bentuk normal Euclidian untuk jarak antar vektor. Fuzzy Clustering sangat berguna bagi pemodelan fuzzy terutama dalam mengidentifikasi

aturan-aturan fuzzy.

Ada beberapa algoritma clustering data, salah satu diantaranya adalah Fuzzy C-Means (FCM) adalah suatu teknik pengelompokan data

yang mana keberadaan tiap-tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotaan. Teknik ini pertama kali diperkenalkan oleh Jim

Bezdek pada tahun 1981.

Konsep dasar Fuzzy C-Means Cluster (FCM), pertama kali adalah menetukan pusat cluster, yang akan menandai lokasi rata-rata untuk tiap-tiap cluster. Pada kondisi awal, pusat cluster ini masih belum akurat.

Tiap-STIKOM

(30)

24

tiap titik data memiliki derajat keanggotaan untuk tiap-tiap cluster. Dengan cara memperbaiki pusat cluster dan derajat keanggotaan tiap-tiap titik data secara berulang, maka akan dilihat bahwa pusat cluster akan bergerak menuju lokasi yang tepat. Perulangan ini didasarkan pada

minimisasi fungsi objektif yang menggambarkan jarak dari titik data yang

diberikan ke pusat cluster yang terbobot oleh derajat keanggotaan titik data tersebut.

Output dari FCM bukan merupakan fuzzy inference system, namun merupakan deretan pusat cluster dan beberapa derajat keanggotaan untuk tiap-tiap titik data. Informasi ini dapat digunakan untuk membangun sautu

fuzzy inference system. [SRI&HARI2010]

2.6.1 Algoritma Fuzzy C-Means Cluster (FCM)

Algoritma Fuzzy C-Meansadalah sebagai berikut:

1. Input data yang akan dicluster X, berupa matriks berukuran n x m (n=jumlah sample data, m=atribut setiap data). Xij=data sample ke-i(

i=1,2,…,n), atribut ke-j(j=1,2,…,m).

2. Tentukan:

o Jumlah cluster (c) o Pangkat (w)

o Maksimum iterasi (MaxIter)

o Error terkecil yang diharapkan (ɛ)

o Fungsi obyektif awal (P0 =0)

o Iterasi awal (t=1)

STIKOM

(31)

3. Bangkitkan nilai acak μik, i=1,2,…,n; k=1,2,…,c; sebagai

elemen-elemen

matriks partisi awal U (derajat keanggotaan dalam cluster).

μik adalah derajat keanggotaan yang merujuk pada seberapa besar

kemungkinan suatu data bisa menjadi anggota ke dalam suatu cluster. Posisi dan nilai matriks dibangun secara random. Dimana nilai

keangotaan

terletak pada interval 0 sampai dengan 1. Pada posisi awal matriks

partisi

U masih belum akurat begitu juga pusat clusternya. Sehingga kecendrungan data untuk masuk suatu cluster juga belum akurat. Hitung jumlah setiap kolom (atribut)

……….…… (2.1)

Qj adalah jumlah nilai derajat keanggotaan perkolom = 1

dengan j=1,2,…m

Hitung:

………... (2.2)

STIKOM

(32)

26

4. Hitung pusat Cluster ke-k: Vkj ,dengan k=1,2,…c; dan j=1,2,…m.

……… (2.3)

5. Hitung fungsi obyektif pada iterasi ke-t, Pt.

Fungsi obyektif dugunakan sebagai syarat perulangan untuk

mendapatkan

pusat cluster yang tepat. Sehingga diperoleh kecendrungan data untuk masuk ke cluster mana pada step akhir.

……… (2.4)

6. Hitung perubahan matriks partisi:

……… (2.5)

dengan: i=1,2,…n;dan k=1,2,..c.

7. Cek kondisi berhenti:

o jika:( |Pt - Pt-1 | ≤ɛ ) atau (t>maxIter) maka berhenti;

o jika tidak: t=t+1, ulangi langkah ke-4.

STIKOM

(33)

Gambar 2.3 Flowchart Metode Fuzzy C-means Clustering

STIKOM

(34)

28 BAB III

PERANCANGAN SISTEM

3.1 Analisis Permasalahan

Perpustakaan merupakan salah satu gudang ilmu pengetahuan bagi

sebagian masyarakat. Perpustakaan STIKOM Surabaya merupakan salah satu

tempat bagi para mahasiswa maupun dosen untuk belajar dan menambah

pengetahuannya melalui buku-buku yang ada. Pihak perpustakaan harus

senantiasa menambah buku baru ataupun menambah jumlah buku yang telah ada

sesuai dengan kebutuhan dan anggaran yang disediakan.

Saat ini perpustakaan STIKOM Surabaya telah mampu mengelola

sirkulasi perpustakaan secara komputerisasi. Semua transaksi peminjaman,

pengembalian dan pencarian koleksi telah berjalan dengan baik. Akan tetapi pihak

perpustakaan masih mengalami kesulitan dengan jenis buku yang harus mereka

beli agar sesusai dengan kebutuhan dosen dan mahasiswa. Karena belum adanya

sistem yang menangani masalah ini, akhirnya pihak perpustakaan menentukan

jenis buku baru yang akan mereka beli dengan cara melihat daftar usulan buku

dari mahasiswa dan dosen. Daftar usulan buku yang ada biasanya berisikan

puluhan jenis buku yang berbeda. Pihak perpustakaan biasanya memilih beberapa

diantaranya untuk dibeli tanpa ada metode perhitungan yang jelas sehingga

terkadang dapat menyebabkan kurang maksimalnya keputusan yang telah diambil.

Berdasarkan keterangan di atas, maka proses-proses penentuan jenis

buku baru yang akan dibeli tersebut dapat dilakukan melalui perhitungan dengan

STIKOM

(35)

metode Fuzzy C-Means clustering sehingga dapat diperoleh alternatif-alternatif yang lebih sesuai dengan kebutuhan.

3.2 Metode Penelitian

Untuk membantu penyelesaian permasalahan dalam tugas akhir ini penulis

menggunakan beberapa metode penelitian yaitu:

3.2.1 Studi Pustaka

Studi Pustaka yaitu kegiatan penelitian yang mengacu pada buku-buku

yang berkaitan dengan permasalahan dalam penelitian dan mendukung

kelengkapan informasi yang dibutuhkan. Studi pustaka dilakukan sebagai langkah awal mencari gambaran mengenai aplikasi yang dibuat dan juga mendapatkan

informasi, teori pendukung dan juga data-data yang diperlukan.

3.2.2 Wawancara

Setelah memperoleh dan mempelajari bahan referensi yang diperlukan,

maka langkah berikutnya adalah proses pengumpulan data. Pada tahap ini,

wawancara dilakukan untuk mengetahui kondisi real dari proses transaksi peminjaman buku. Wawancara dilakukan terhadap bagian yang bersangkutan

yaitu bagian peminjaman.

3.2.3 Analisa Data

Pada tahap ini dilakukan analisa data dari hasil survei dan wawancara yang

telah dilakukan sebelumnya. Data-data yang akan dianalisis dengan metode Fuzzy C-Means clustering adalah :

1. Data DDC buku yang dipinjam.

2. Data peminjam sesuai dengan NIM.

STIKOM

(36)

30

3. Jumlah peminjaman.

Selanjutnya data-data tersebut diolah ke dalam sistem sehingga dapat

diperoleh gambaran umum dari hasil pengolahan data tadi.

3.3 Perancangan Sistem

Perancangan sistem digunakan untuk memberikan sebuah rancangan

aplikasi penentuan buku baru pada perpustakaan dengan menggunakan desktop.

Desktop ini dibuat sebagai media informasi seperti:

transaksi peminjaman, DDC, data mahasiswa, dan informasi-informasi yang di butuhkan lainnya sehingga dalam memenuhi kebutuhan informasi dapat terpecahkan.

Database

Gambar 3.1. Blok Diagram Sistem Pengadaan Buku Perpustakaan

3.3.1 Flowchart Metode Fuzzy C-Means Clustering

Fuzzy Clustering adalah salah satu teknik untuk menentukan cluster

optimal dalam suatu ruang vektor yang didasarkan pada bentuk normal Euclidian

untuk jarak antar vektor. FuzzyClustering sangat berguna bagi pemodelan fuzzy terutama dalam mengidentifikasi aturan-aturan fuzzy. Pada studi kasus ini

STIKOM

(37)

digunakan untuk merekomendasikan pembelian buku dengan menghitung jumlah

transaksi berdasarkan pengelompokan data DDC dan angkatan. Pada gambar 3.2

adalah flowchart dari metode Fuzzy C-means Clustering

Gambar 3.2. Flowchart Metode Fuzzy C-meansClustering sesuai dengan Sistem Pendukung Keputusan Penentuan Buku Perpustakaan STIKOM Surabaya.

STIKOM

(38)

32

Sesuai dengan program sistem pendukung keputusan penentuan buku

perpustakaan STIKOM Surabaya. Pertama yang dilakukan adalah inisialisasi data,

dimana X adalah jumlah peminjam sesuai dengan DDC dan angkatan. Setelah

dilakukan inisialisasi data, tentukan jumlah cluster yang diinginkan. Setelah diketahui jumlah cluster, kemudian menentukan pangkat, error terkecil dan maksimum iterasi, setelah semua sudah ditentukan lalu hitung matriks partisi

awal, selanjutnya masuk proses iterasi yang pertama dan kemudian tentukan titik

tengah dengan menggunakan rumus Vkj. lalu hitung fungsi objektif dengan rumus

Pt. Fungsi obyektif dugunakan sebagai syarat perulangan untuk mendapatkan

pusat cluster yang tepat. Setelah mendapatkan pusat cluster yang tepat maka hitung perubahan matriks partisi dengan menggunakan rumus μik. Lalu cek

kondisi berhenti, apakah ( |Pt - Pt-1 | ≤ɛ ) atau (t>maxIter) maka proses berhenti,

dan apabila tidak maka t=t+1 dan ulangi penghitungan titik tengah cluster.

STIKOM

(39)

3.3.2 System Flow Pengadaan Buku Dengan FCM

Pada tahap ini dilakukan analisa dan perancangan terhadap sistem yang

akan dibangun.

Gambar 3.3. Flowchart Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode Fuzzy C-means

Clustering.

STIKOM

(40)

34

Pertama petugas perpustakaan melakukan proses menghitung jumlah

peminjam. Proses ini mengambil data dari database, yaitu tabel DDC, Mahasiswa

dan Transaksi pinjaman. Hasil dari proses yaitu jumlah peminjam per DDC dan

per Angkatan yang akan dimasukkan ke dalam database (tabel) untuk kemudian

dilakukan proses selanjutnya, yaitu proses clustering Fuzzy C-Means. Proses ini akan mengolah data jumlah pinjaman per DDC dan per Angkatan yang sudah

dilakukan proses perhitungan sebelumnya. Output dari proses clustering FCM adalah berupa DDC dan Angkatan yang direkomendasikan untuk masing-masing

cluster yang terbentuk.

3.3.3 Perancangan Basis Data

Entity Relationship Diagram (ERD) pada Sistem Pendukung Keputusan ini menggunakan tabel sebanyak 8 tabel yang diilustrasikan sebagai berikut :

Gambar 3.4. Entity Relationship Diagaram (ERD)

STIKOM

[image:40.595.44.517.169.688.2]

(41)

3.3.4 Struktur Tabel A. Tabel USER

Nama Tabel : USER

Primary Key : USERID

Foreign Key : -

Fungsi : Menyimpan data User ( Tabel 3.1 ).

No Nama Kolom Tipe Lebar Keterangan

1 USERID Text 20 Menyimpan Id User

2 FULL_NAME Text 50 Menyimpan nama User

3 PASSWORD Text 20 Menyimpan Password User

4 LOC Text 10 Kode Lokasi User

B. Tabel Mahasiswa

Nama Tabel : MHS

Primary Key : NIM

Foreign Key : -

Fungsi : Menyimpan data mahasiswa ( Tabel 3.2 ).

1 NIM Text 12 Menyimpan Id mahasiswa

2 NAMA Text 50 Menyimpan nama

mahasiswa

3 ALAMAT Text 100 Menyimpan data alamat

mahasiswa

4 ANGKATAN Text 4 Menyimpan data angkatan

STIKOM

(42)

36

C. Tabel DDC

Nama Tabel : DDC

Primary Key : ID_DDC

Foreign Key : -

Fungsi : Menyimpan data DDC (Tabel 3.3)

1 ID_DDC Text 10 Menyimpan Id DDC

2 NAMA_DDC Text 50 Menyimpan nama DDC

D. Tabel Transaksi

Nama Tabel : TRANSAKSI

Primary Key : ID_TRANSAKSI, NIM

Foreign Key : ID_DDC

Fungsi : Menyimpan data Transaksi ( Tabel 3.4 ).

No Nama Kolom Tipe Lebar Keterangan

1 ID_TRANSAKSI Text 10 Menyimpan Id Transaksi

2 NIM Text 12 Menyimpan Id mahasiswa

3 ID_KATEGORI Text 2 Menyimpan Id kategori

4 TGL_PINJAM Date/time - Menyimpan tanggal

peminjaman

5

JAM_PINJAM Date/time - Menyimpan jam peminjama

6 TGL_KEMBALI1 Date/time - Menyimpan tanggal jatuh

tempo pengembalian 7 TGL_KEMBALI2 Date/time - Menyimpan tanggal saat

pengembalian

8 JUDUL_URUT Text 10 Nomer urut judul buku

9 ID_DDC Text 10 Menyimpan Id DDC

STIKOM

(43)

E. Tabel MATRIK_U

Nama Tabel : MATRIK_U

Primary Key : ID_DDC, ITERASI

Foreign Key : ID_DDC

Fungsi : Menyimpan data Matrik U ( Tabel 3.5 ).

1 ID_DDC Text 10 Menyimpan Id_DDC

2 ITERASI Number - Menyimpan nilai Iterasi i

3

ANGK_2008 Number - Menyimpan jumlah peminjam

Angkatan 2008 (Xij)

4 ANGK_2009 Number - Menyimpan jumlah peminjam

Angkatan 2009 (Xij)

Angkatan 2010 (Xij)

Angkatan 2011 (Xij)

7 Ui1 Number - Menyimpan nilai Matrik Partisi

Uik

13 NILAI Number - Menyimpan nilai total bilangan

random

14 CLUSTER Number - Menyimpan hasil cluster

15 Ui1_W Number - Menyimpan hasil perhitungan

Uik^w

16 Ui2_W Number -- Menyimpan hasil perhitungan

Uik^w

STIKOM

(44)

38

No Nama Kolom Tipe Lebar Keterangan

Uik^w

21 Ui1_W_Xi1 Number - Menyimpan hasil perhitungan (Uik^w)*Xij

STIKOM

(45)

No Nama Kolom Tipe Lebar Keterangan

45 K1 Number - Menyimpan hasil perhitungan

[∑(Xij-Vkj)^2]*Uik^w

51 KT Number -- Menyimpan hasil perhitungan

∑K

52 R1 Number - Menyimpan hasil perhitungan

[∑(Xij-Vkj)^2]^(-1/w-1)

58 RT Number - Menyimpan hasil perhitungan

∑R

59 Ui1_PREV Number - Menyimpan Uik iterasi i-1

STIKOM

(46)

40

No Nama Kolom Tipe Lebar Keterangan

65 Ui1_NEW Number - Menyimpan nilai perubahan

Matrik Partisi Uik

F. Tabel F_OBYEKTIF

Nama Tabel : F_OBYEKTIF

Primary Key : ITERASI

Foreign Key : -

Fungsi : Menyimpan data Fungsi Obyektif ( Tabel 3.6 ).

2 F_OBYEKTIF Number - Menyimpan Nilai Pt

3 F_OBYEKTIF_PREV number - Menyimpan Nilai Pt-1

G. Tabel MATRIK_V

Nama Tabel : MATRIK_V

Primary Key : KLASTER, ITERASI

Foreign Key : -

Fungsi : Menyimpan data Matrik ( Tabel 3.7 ).

STIKOM

(47)

No Nama Kolom Tipe Lebar Keterangan

2 KLASTER Number - Menyimpan nilai Cluster k

3

VK1 Number - Menyimpan nilai Vkj

4 VK2 Number - Menyimpan nilai Vkj

7 ANGK_TRBYK Text 4 Menyimpan hasil Tahun

Angkatan terbanyak

H. Tabel HASIL_FCM

Nama Tabel : HASIL_FCM

Primary Key : ID_DDC

Foreign Key : -

Fungsi : Menyimpan data Hasil perhitungan FCM ( Tabel 3.8 ).

1 ID_DDC Number 10 Menyimpan Id DDC

3

ANGK_2008 Number - Menyimpan jumlah

peminjam Angkatan 2008

4 ANGK_2009 Number - Menyimpan jumlah

7 JML_TOT Number - Menyimpan nilai jumlah

total pinjaman per DDC

8 ANGK_TRBYK Text 20 Menyimpan Tahun

Angkatan terbanyak

9 CLUSTER Text 30 Hasil Cluster

10 KETERANGAN Text 50 Deskripsi Cluster tsb

STIKOM

(48)

42

No Nama Kolom Tipe Lebar Keterangan

11 TGL_TRANSAKSI1 Date/time - Tanggal awal Transaksi yg dipilih

12 TGL_TRANSAKSI2 Date/time - Tanggal akhir Transaksi yg dipilih

13 TGL_PROSES Date/time - Tanggal proses FCM

3.3.5 Rancangan Input Output

Merancang desain input dilakukan setelah mengetahui inform asi-informasi apa saja yang akan terlibat dalam sistem. Dalam melakukan rancangan antar muka ini diharapkan mampu memenuhi aspek-aspek, seperti mudah

dimengerti dan sederhana.

Untuk memberikan gambaran awal tentang interface Pengadaan Buku Perpustakaan STIKOM Surabaya dari desain aplikasi, maka berikut ini adalah

bentuk rancangan input dan output dari sistem yang nantinya akan diimplementasikan dalam bentuk aplikasi.

A. Desain Form Login

Form Login digunakan untuk melakukan login, sehingga user dapat mengakses form utama. Dengan melakukan login, user dapat melakukan tugasnya masing-masing sesuai dengan hak akses yang diberikan kepadanya.

STIKOM

(49)

Gambar 3.5. Form Login B. Desain Form Input Parameter Fuzzy C-Means

Form ini terdiri dari beberapa parameter diantaranya tanggal, jumlah cluster, pangkat, maksimum iterasi, dan error terkecil yang digunakan untuk memasukkan parameter yang kemudian akan diproses dengan menggunakan

metode fuzzy C-Means Clustering. Desain forminput parameter dapat dilihat pada gambar 3.6

Gambar 3.6. FormInput Parameter

STIKOM

[image:49.595.67.549.77.728.2]

(50)

44

C. Desain Output Detail Transaksi

Form detail transaksi adalah form untuk menampilkan informasi

Clustering DDC berdasarkan data transaksi peminjaman buku di Perpustakaan per

tahun angkatan, seperti gambar di bawah ini.

Gambar 3.7. Detail Transaksi Hasil Proses FCM

D. Desain Output Rekomendasi

[image:50.595.64.545.174.735.2]

Form rekomendasi adalah form untuk menampilkan Informasi DDC yang direkomendasikan untuk masing-masing Cluster berdasarkan Tahun Angkatan terbanyak yang meminjam pada Cluster tsb, seperti gambar di bawah ini :

Gambar 3.8. Rekomendasi DDC dan Angkatan

STIKOM

(51)

E.Desain Output Grafik

Form grafik adalah form untuk menampilkan informasi dalam bentuk grafik yang menginformasikan jumlah DDC pada masing-masing Cluster

berdasarkan Tahun Angkatan terbanyak yang meminjam pada Cluster tsb, seperti gambar di bawah ini :

Gambar 3.9. Grafik Hasil Proses Fuzzy C-Means F. Desain Output Laporan

[image:51.595.43.542.176.736.2]

Form laporan adalah form untuk menampilkan informasi yang bisa dicetak yang berisi data-data transaksi peminjaman buku per DDC dan tahun angkatan beserta Clusternya, seperti gambar di bawah ini :

Gambar 3.10. Laporan Hasil Proses Fuzzy C-Means

STIKOM

(52)

46 BAB IV

IMPLEMENTASI DAN EVALUASI

4.1 Implementasi

Implementasi Aplikasi Sistem Pendukung Keputusan Pengadaan Buku

Perpustakaan STIKOM Surabaya membutuhkan sebuah alat perangkat

pendu-kung, yaitu: perangkat lunak dan perangkat keras, minimal harus dipenuhi

sehingga aplikasi ini dapat berjalan dengan baik. Berikut adalah daftar kebutuhan

perangkat lunak dan perangkat keras.

4.1.1 Kebutuhan Perangkat Keras

Dalam menjalankan sebuah Sistem Pendukung Keputusan Pengadaan

Buku dibutuhkan persyaratan minimal sebagai berikut agar dapat digunakan:

1. CPU Pentium IV 1 Ghz atau lebih

2. Memori 1 Gb atau lebih

3. Hardisk minimal 40 Gb

4. Monitor

5. Keyboard, Mouse dan Printer

4.1.2 Kebutuhan Perangkat Lunak

Kebutuhan perangkat lunak dalam menjalankan sebuah Sistem Seleksi

Pegawai Baru adalah :

1. Microsoft Windows XP 2. Microsoft Access 2007

STIKOM

(53)

4.2 Perancangan Sistem

4.2.1 System Requirement Specification

Sistem Pendukung Keputusan (SPK) ini diharapkan mampu memberikan

informasi data-data DDC yang paling banyak dipinjam berdasarkan tahun

angkatan mahasiswa. Maka dari itu didapatkan beberapa requirements seperti di bawah ini:

1. Data yang ditampilkan berupa data DDC dan transaksi per Tahun Angkatan.

2. Data yang ditampilkan sudah dikelompokkan berdasarkan cluster dan

Tahun Angkatan yang paling sering meminjam buku di Perpustakaan.

3. Data yang ditampilkan sudah terurut berdasarkan clusternya.

4. Menampilkan rekomendasi DDC dan Tahun Angkatan yang paling sering

melakukan pinjaman terhadap DDC tsb untuk masing-masing cluster.

5. Informasi yang ditampilkan berupa :

a. Informasi data DDC yang sudah dicluster berdasarkan data transaksi

peminjaman buku di Perpustakaan per Tahun Angkatan.

b. Informasi DDC yang direkomendasikan untuk masing-masing cluster

berdasarkan Tahun Angkatan terbanyak yang meminjam pada cluster

tsb.

c. Grafik yang menginformasikan jumlah DDC pada masing-masing

ter berdasarkan Tahun Angkatan terbanyak yang meminjam pada

Clus-ter tsb.

STIKOM

(54)

48

d. Report, yang bisa dicetak yang berisi data DDC yang sudah dicluster

berdasarkan data transaksi peminjaman buku di Perpustakaan per

Tahun Angkatan.

6. Hanya user yang berkepentingan yang bisa menggunakan aplikasi ini (user security authorization).

4.2.2 Perancangan Prototype

Prototype aplikasi Sistem Pendukung Keputusan (SPK) ini dibangun

dengan menggunakan aplikasi dan database Microsoft Access 2007. Sedangkan

bahasa pemrograman yang digunakan dalam aplikasi Microsoft Access 2007 ini

adalah Microsoft Visual Basic for Applications (VBA). Prototype Sistem

Pendu-kung Keputusan (SPK) ini akan memproses data-data transaksi peminjaman buku

dengan menggunakan metode Fuzzy C-Means Clustering dimana user harus me-masukkan parameter Tanggal Transaksi, Jumlah Cluster, Pangkat, Maksimum

Ite-rasi dan Error terkecil sebelum tombol “Proses” pada aplikasi ini ditekan.

4.2.3 Graphical User Interface (GUI)

Di bawah ini adalah Graphical User Interface prototype aplikasi Sistem Pendukung Keputusan (SPK) Pengadaan Buku Perpustakaan STIKOM Surabaya

Menggunakan Metode Fuzzy C-Means Clustering :

1. Login

Pada awal aplikasi dijalankan akan menampilkan halaman login, dimana user diwajibkan untuk mengisi user id dan password yang sudah terdaftar

sebelumnya. Dan akan menampilkan pesan atau peringatan (warning) jika user id atau password salah. Seperti pada gambar di bawah ini :

STIKOM

(55)

Gambar 4.1. Halaman Login Aplikasi

Gambar 4.2. Halaman Login-Password Salah

STIKOM

(56)

50

Gambar 4.3. Halaman Login-User tidak terdaftar

2. Halaman Utama Sistem Pendukung Keputusan (SPK)

Tampilan selanjutnya adalah halaman utama Sistem Pendukung

Keputu-san (SPK) setelah melakukan login terlebih dahulu. User diminta untuk memi-lih Tanggal Transaksi, Jumlah Cluster, Pangkat, Maksimun Iterasi dan Error

Terkecil. Kemudian user akan meng-klik tombol “PROSES FCM”, disini

se-mua proses perhitungan dilakukan oleh sistem. Gambar halaman utama

[image:56.595.54.555.85.734.2]

apali-kasi SPK ini dapat dilihat di bawah ini :

Gambar 4.4. Halaman Utama Sistem Pendukung Keputusan (SPK) 1

STIKOM

(57)

STIKOM

(58)

52

3. Detail Transaksi

Tombol “DETAIL TRANSAKSI” adalah tombol untuk menampilkan

informasi Clustering DDC berdasarkan data transaksi peminjaman buku di

Perpustakaan per tahun angkatan, seperti gambar di bawah ini :

Gambar 4.8. Detail Transaksi Hasil Proses FCM

STIKOM

(59)

4. Rekomendasi

Tombol “REKOMENDASI” adalah tombol untuk menampilkan

Infor-masi DDC yang direkomendasikan untuk Infor-masing-Infor-masing Cluster berdasarkan

Tahun Angkatan terbanyak yang meminjam pada Cluster tsb. Jadi dari

masing-masing Cluster yang terbentuk, diambil 1 DDC yang paling banyak dipinjam

oleh Tahun Angkatan tertentu dalam Cluster tsb. Hasil rekomendasi seperti

pada gambar di bawah ini :

Gambar 4.9. Rekomendasi DDC dan Angkatan

5. Grafik

Tombol “GRAFIK” adalah tombol untuk menampilkan informasi dalam

bentuk grafik yang menginformasikan jumlah DDC pada masing-masing

Clus-ter berdasarkan Tahun Angkatan Clus-terbanyak yang meminjam pada ClusClus-ter tsb,

seperti gambar di bawah ini :

STIKOM

(60)

54

Gambar 4.10. Grafik Hasil Proses Fuzzy C-Means 6. Laporan

Tombol “REPORT” adalah tombol untuk menampilkan informasi yang

bisa dicetak yang berisi dadata transaksi peminjaman buku per DDC dan

[image:60.595.55.559.85.678.2]

ta-hun angkatan beserta Clusternya, seperti gambar di bawah ini :

Gambar 4.11. Laporan Hasil Proses Fuzzy C-Means

STIKOM

(61)

7. Keluar

Tombol “KELUAR” adalah tombol yang digunakan untuk keluar dari

ap-likasi Sistem Pendukung Keputusan (SPK).

4.3 Evaluasi dan Hasil Pengujian Sistem

Evaluasi dan pengujian sistem dimaksudkan untuk menguji sistem dan

aplikasi yang telah dibangun telah sesuai dengan yang diharapkan. Pada tahap ini,

dilakukan pengujian apakah semua input dari setiap kejadian pada aplikasi dapat

menghasilkan output sesuai dengan yang diharapkan.

Uji coba yang dilakukan adalah uji coba fungsi aplikasi dan uji coba

per-hitungan Fuzzy C-Means.

4.3.1 Uji Coba Fungsi Aplikasi

Uji coba ini dilakukan untuk melihat apakah program yang dibuat sudah

sesuai dengan yang diharapkan, apakah fungsi-fungsi yang ada pada aplikasi

su-dah berjalan dengan baik dan benar.

A.Uji Coba Form Login

Proses login dilakukan dengan memasukkan username dan password. Sis-tem akan melakukan proses pengecekan terhadap username dan password yang

dimasukkan. Proses login dinyatakan berhasil jika form menu Utama terbuka, dan dinyatakan gagal jika ada pesan “User tidak terdaftar” atau “Password Anda

sa-lah”

STIKOM

(62)

[image:62.595.63.549.114.727.2]

56

Tabel 4.1. Tabel Rancangan Test Case FormLogin

No Tujuan ingin dica-pai

Ukuran Keberhasilan Hasil uji coba Kesimpulan

1 User dan Password sesuai.

User bisa masuk dan mengakses form Menu Utama

Ketika User dan Pass-word yang dimasukkan sesuai, user masuk ke Menu Utama

Sukses

Gambar 4.3

2 password salah ma-ka tidak dapat men-gakses aplikasi.

Password salah akan muncul pesan peringatan “Passwor Anda salah”

Ketika password salah muncul pesan dan user gagal masuk ke Menu Utama

Sukses

Gambar 4.4

3 User tidak terdaftar maka tidak dapat mengakses aplikasi

User tidak terdaftar akan muncul pesan peringatan “User tidak terdaftar”

Ketika User tidak terdaf-tar muncul pesan dan user gagal masuk ke Menu Utama

Sukses

Gambar 4.5

B. Uji Coba Form SPK-Fuzzy C-Means (Menu Utama)

Uji coba Menu utama dilakukan dengan memasukkan

parameter-parameter yang ada dan sistem akan melakukan pengecakan dan pemrosesan data

sesuai tahapan-tahapan yang dilakukan oleh User.

Tabel 4.2. Tabel Rancangan Test Case Form SPK-Fuzzy C-Means (Menu Utama)

No Tujuan ingin dicapai

Ukuran Keberhasilan Hasil uji coba Kesimpu-lan

1 Mengatahui apa-kah Tanggal Transaksi yang dimasukkan be-nar

Jika Tanggal Transaksi be-nar maka tidak muncul pe-san “Data Transaksi yang dipilih tidak terdapat di Da-tabase. Silahkan pilih ulang Tanggal Transaksi.."

Ketika Tanggal Transak-si yang dimasukkan sa-lah, muncul pesan perin-gatan.

Sukses

Gambar 4.8

2 Mengatahui apa-kah Tanggal Transaksi masih kosong ketika tombol “Proses FCM” di-klik

Jika Tanggal Transaksi ko-song maka akan muncul pesan “Tanggal masih ko-song, Silahkan dipilih”

Ketika Tanggal Transak-si maTransak-sih kosong, muncul pesan peringatan.

Sukses

STIKOM

(63)

No Tujuan ingin dicapai

Ukuran Keberhasilan Hasil uji coba Kesimpu-lan

3 Mengatahui apa-kah Jumlah Clus-ter masih ko-song ketika tom-bol “Proses FCM” di-klik

Jika Jumlah Cluster kosong maka akan muncul pesan “Jumlah Cluster masih ko-song, Silahkan dipilih”

Ketika Jumlah Cluster masih kosong, muncul pesan peringatan.

Sukses

4 Mengatahui apa-kah Pangkat masih kosong ketika tombol “Proses FCM” di-klik

Jika Pangkat kosong maka akan muncul pesan “Pangkat masih kosong, Silahkan dipi-lih”

Ketika Pangkat masih kosong, muncul pesan peringatan.

Sukses

5 Mengatahui apa-kah Maksimum Iterasi masih kosong ketika tombol “Proses FCM” di-klik

Jika Maksimum Iterasi ko-song maka akan muncul pesan “Maksimum Iterasi masih kosong, Silahkan dipi-lih”

Ketika Maksimum Iterasi masih kosong, muncul pesan peringatan.

Sukses

6 Mengatahui apa-kah Error Terke-cil masih kosong ketika tombol “Proses FCM” di-klik.

Jika Error Terkecil kosong maka akan muncul pesan “Angka Error Terkecil ma-sih kosong, Silahkan dipi-lih”.

Ketika Error Terkecil masih kosong, muncul pesan peringatan.

Sukses

7 Mengatahui fungsi tombol “PARAMETER BARU” ketika di-klik.

Jika tombol “PARAMETER BARU” di-klik maka kolom parameter Tanggal Transak-si, Jumlah Cluster, Pangkat, Maksimum Iterasi dan Error terkecil akan kosong kemba-li dan siap diinput ulang oleh user.

Ketika tombol “PARA-METER BARU” di-klik, semua parameter pada form Menu Utama (SPK-Fuzzy C-Means) kosong kemabli.

Sukses

8 Mengatahui fungsi tombol “PROSES FCM” ketika di-klik.

Jika tombol “PROSES FCM” di-klik maka aplikasi akan memproses data-data transaksi peminjaman buku perpustakaan dan akan me-nampilkan pesan “Proses FCM sudah selesai pada Iterasi ke- i” jika proses ber-hasil.

Ketika tombol “PROSES FCM” di-klik, aplikasi memproses data-data transaksi dan menampil-kan pesan ketika proses selesai dilakukan.

Suk