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
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
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
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
xi
4.3.3 Evaluasi Sistem ... 107
BAB V PENUTUP... 113
5.1 Kesimpulan ... 113
5.2 Saran ... 116
DAFTAR PUSTAKA ... 118
LAMPIRAN
STIKOM
!
!
!!"
#
STIKOM
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
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
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
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
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
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
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
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
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
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
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
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
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
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
“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
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
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 2A
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
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
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
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 :
MUDAGAJITINGGI
= 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}
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 atau berpenghasilan TINGGI adalah
nilai keanggotaan maksimum :
MUDA GAJITINGGI
STIKOM
= 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}
Misal nilai keanggotaan umur 27 pada himpunan muda adalah
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
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
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
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
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
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
Gambar 2.3 Flowchart Metode Fuzzy C-means Clustering
STIKOM
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
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
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
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
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
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
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]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 ).
No Nama Kolom Tipe Lebar Keterangan
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
36
C. Tabel DDC
Nama Tabel : DDC
Primary Key : ID_DDC
Foreign Key : -
Fungsi : Menyimpan data DDC (Tabel 3.3)
No Nama Kolom Tipe Lebar Keterangan
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
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 ).
No Nama Kolom Tipe Lebar Keterangan
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)
5 ANGK_2010 Number - Menyimpan jumlah peminjam
Angkatan 2010 (Xij)
6 ANGK_2011 Number - Menyimpan jumlah peminjam
Angkatan 2011 (Xij)
7 Ui1 Number - Menyimpan nilai Matrik Partisi
Uik
8 Ui2 Number - Menyimpan nilai Matrik Partisi
Uik
9 Ui3 Number - Menyimpan nilai Matrik Partisi
Uik
10 Ui4 Number - Menyimpan nilai Matrik Partisi
Uik
11 Ui5 Number - Menyimpan nilai Matrik Partisi
Uik
12 Ui6 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
17 Ui3_W Number - Menyimpan hasil perhitungan
Uik^w
18 Ui4_W Number - Menyimpan hasil perhitungan
Uik^w
STIKOM
38
No Nama Kolom Tipe Lebar Keterangan
19 Ui5_W Number - Menyimpan hasil perhitungan
Uik^w
20 Ui6_W Number - Menyimpan hasil perhitungan
Uik^w
21 Ui1_W_Xi1 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
22 Ui1_W_Xi2 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
23 Ui1_W_Xi3 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
24 Ui1_W_Xi4 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
25 Ui2_W_Xi1 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
26 Ui2_W_Xi2 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
27 Ui2_W_Xi3 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
28 Ui2_W_Xi4 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
29 Ui3_W_Xi1 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
30 Ui3_W_Xi2 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
31 Ui3_W_Xi3 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
32 Ui3_W_Xi4 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
33 Ui4_W_Xi1 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
34 Ui4_W_Xi2 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
35 Ui4_W_Xi3 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
36 Ui4_W_Xi4 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
37 Ui5_W_Xi1 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
38 Ui5_W_Xi2 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
39 Ui5_W_Xi3 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
40 Ui5_W_Xi4 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
STIKOM
No Nama Kolom Tipe Lebar Keterangan
41 Ui6_W_Xi1 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
42 Ui6_W_Xi2 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
43 Ui6_W_Xi3 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
44 Ui6_W_Xi4 Number - Menyimpan hasil perhitungan (Uik^w)*Xij
45 K1 Number - Menyimpan hasil perhitungan
[∑(Xij-Vkj)^2]*Uik^w
46 K2 Number - Menyimpan hasil perhitungan
[∑(Xij-Vkj)^2]*Uik^w
47 K3 Number - Menyimpan hasil perhitungan
[∑(Xij-Vkj)^2]*Uik^w
48 K4 Number - Menyimpan hasil perhitungan
[∑(Xij-Vkj)^2]*Uik^w
49 K5 Number - Menyimpan hasil perhitungan
[∑(Xij-Vkj)^2]*Uik^w
50 K6 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)
53 R2 Number - Menyimpan hasil perhitungan
[∑(Xij-Vkj)^2]^(-1/w-1)
54 R3 Number - Menyimpan hasil perhitungan
[∑(Xij-Vkj)^2]^(-1/w-1)
55 R4 Number - Menyimpan hasil perhitungan
[∑(Xij-Vkj)^2]^(-1/w-1)
56 R5 Number - Menyimpan hasil perhitungan
[∑(Xij-Vkj)^2]^(-1/w-1)
57 R6 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
60 Ui2_PREV Number - Menyimpan Uik iterasi i-1
61 Ui3_PREV Number - Menyimpan Uik iterasi i-1
62 Ui4_PREV Number - Menyimpan Uik iterasi i-1
63 Ui5_PREV Number - Menyimpan Uik iterasi i-1
STIKOM
40
No Nama Kolom Tipe Lebar Keterangan
64 Ui6_PREV Number - Menyimpan Uik iterasi i-1
65 Ui1_NEW Number - Menyimpan nilai perubahan
Matrik Partisi Uik
66 Ui2_NEW Number - Menyimpan nilai perubahan
Matrik Partisi Uik
67 Ui3_NEW Number - Menyimpan nilai perubahan
Matrik Partisi Uik
68 Ui4_NEW Number - Menyimpan nilai perubahan
Matrik Partisi Uik
69 Ui5_NEW Number - Menyimpan nilai perubahan
Matrik Partisi Uik
70 Ui6_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 ).
No Nama Kolom Tipe Lebar Keterangan
1 ITERASI Number - Menyimpan nilai Iterasi i
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
No Nama Kolom Tipe Lebar Keterangan
1 ITERASI Number - Menyimpan nilai Iterasi i
2 KLASTER Number - Menyimpan nilai Cluster k
3
VK1 Number - Menyimpan nilai Vkj
4 VK2 Number - Menyimpan nilai Vkj
5 VK3 Number - Menyimpan nilai Vkj
6 VK4 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 ).
No Nama Kolom Tipe Lebar Keterangan
1 ID_DDC Number 10 Menyimpan Id DDC
2 ITERASI Number - Menyimpan nilai Iterasi i
3
ANGK_2008 Number - Menyimpan jumlah
peminjam Angkatan 2008
4 ANGK_2009 Number - Menyimpan jumlah
peminjam Angkatan 2009
5 ANGK_2010 Number - Menyimpan jumlah
peminjam Angkatan 2010
6 ANGK_2011 Number - Menyimpan jumlah
peminjam Angkatan 2011
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
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
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]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
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
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
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
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
Gambar 4.1. Halaman Login Aplikasi
Gambar 4.2. Halaman Login-Password Salah
STIKOM
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
Gambar 4.5. Halaman Utama Sistem Pendukung Keputusan (SPK) 2
Gambar 4.6. Halaman Utama Sistem Pendukung Keputusan (SPK) 3
STIKOM
52
Gambar 4.7. Halaman Utama Sistem Pendukung Keputusan (SPK) 4
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
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
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
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
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
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