IMPLEMENTASI METODE K- MEANS CLUSTERING DAN
METODE ANALYTICAL HIERARCHY PROCESS (AHP)
DALAM PENILAIAN KEDISIPLINAN SISWA
(STUDI KASUS : SMP NEGERI 21 MEDAN)
SKRIPSI
MAYA SANTRI BANCIN
111421089
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
SKRIPSI IMPLEMENTASI METODE K- MEANS CLUSTERING DAN
METODE ANALYTICAL HIERARCHY PROCESS (AHP)
DALAM PENILAIAN KEDISIPLINAN SISWA
(STUDI KASUS : SMP NEGERI 21 MEDAN)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Ilmu Komputer
MAYA SANTRI BANCIN
111421089
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
PERSETUJUAN
Judul
: IMPLEMENTASI METODE K- MEANS CLUSTERING
DAN METODE ANALYTICAL HIERARCHY
PROCESS (AHP) DALAM PENILAIAN
KEDISIPLINAN SISWA (STUDI KASUS : SMP NEGERI 21 MEDAN)
Kategori
: SKRIPSI
Nama
: MAYA SANTRI BANCIN
Nomor Induk Mahasiswa : 111421089
Program Studi
: EKSTENSI S1 ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan,
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Maya Silvi Lydia, Bsc, M.Sc
Dian Rachmawati, S.si, M.Kom
NIP. 19740127 200212 2 001
NIP. 19830723 200912 2 004
Diketahui/disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,
PERNYATAAN
IMPLEMENTASI METODE K- MEANS CLUSTERING DAN
METODE ANALYTICAL HIERARCHY PROCESS (AHP)
DALAM PENILAIAN KEDISIPLINAN SISWA
(STUDI KASUS : SMP NEGERI 21 MEDAN)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Februari 2014
PENGHARGAAN
Alhamdulillah, puji syukur penulis panjatkan kehadirat Allah SWT, yang telah
memberikan rahmat dan hidayah-Nya serta segala sesuatunya dalam hidup. Sehingga
penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh
gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer Universitas Sumatera
Utara.
Skripsi ini penulis persembahkan kepada kedua orangtua tercinta, Ayah Alm.
Bumi Basri Bancin dan Ibu Hj. Nuriana Pane yang tiada hentinya memberikan doa
dan kasih sayangnya serta semangat dan motivasi selama penulisan skripsi ini.
Selanjutnya ucapan terima kasih penulis sampaikan kepada semua pihak yang
telah membantu penulis selama pengerjaan skripsi ini, antara lain kepada:
1.
Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc(CTM), Sp.A(K) selaku
Rektor Universitas Sumatera Utara.
2.
Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi
Program Studi Ekstensi S1 Ilmu Komputer Universitas Sumatera Utara.
3.
Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Departemen Ilmu
Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas
Sumatera Utara dan selaku Dosen Pembanding I yang telah memberikan kritik
dan saran dalam penyempurnaan skripsi ini.
4.
Ibu Dian Rachmawati, S.si, M.Kom selaku Dosen Pembimbing I yang telah
memberikan bimbingan, saran, masukkan kepada penulis dalam
penyempurnaan skripsi ini.
5.
Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Dosen Pembimbing II dan Dosen
Pembimbing Akademik yang telah memberikan bimbingan, saran, masukkan
kepada penulis dalam penyempurnaan skripsi ini.
6.
Bapak Handrizal, S.si, M.Comp.Sc selaku Dosen Pembanding II yang telah
memberikan kritik dan saran dalam penyempurnaan skripsi ini.
8.
Kepala Sekolah dan Guru – guru SMP Negeri 21 Medan yang telah banyak
membantu penulis selama penelitian skripsi ini.
9.
Abangda Abdul Hamidran Rangkuti, M.pd dan Kakanda Dewi Afni Rezeki
Bancin, S.s serta Adik – adikku tersayang Rahmah Novia Sari Bancin, Amd,
Fajar Iqbal Bancin dan semua keluarga yang turut memberikan motivasi dan
semangat selama penulisan skripsi ini.
10.
Ahmad Azhari, Amd yang selalu mendukung dan memberikan motivasi
kepada penulis.
11.
Teman-teman seangkatan Ekstensi S1 Ilmu Komputer tahun 2011, cicha,
yolan, yuyun, wita, zhe, della, aim serta teman – teman yang lain yang
sama-sama berjuang meraih gelar Sarjana.
Semoga Allah SWT memberikan limpahan karunia semua pihak yang
membantu penulis dalam menyelesaikan skripsi ini. Akhirnya penulis berharap bahwa
skripsi ini bermanfaat terutama kepada penulis maupun para pembaca serta semua
pihak akademisi yang tertarik mengembangkannya. Penulis menyadari bahwa skripsi
ini masih jauh dari kesempurnaan, oleh karena itu penulis menerima saran dan kritik
demi kesempurnaan skripsi ini sehingga bermanfaat bagi semua pihak.
Medan, Februari 2014
Penulis
ABSTRAK
Penelitian ini bertujuan untuk merancang sebuah aplikasi komputer yang dapat
menentukan nilai kedisiplinan siswa. Dengan adanya aplikasi ini diharapkan dapat
membantu pihak sekolah terutama guru Bimbingan Konseling dalam mengetahui
kelompok siswa dan menentukan nilai berdasarkan tingkat kedisiplinan dalam
menangani siswa yang tidak mentaati atau melanggar peraturan sekolah. Penilaian
kedisiplinan siswa dilakukan dengan menentukan bobot prioritas sub kriteria
menggunakan metode Analytical Hierarchy Process (AHP) kemudian hasil bobot
tersebut dikelompokkan menggunakan metode K- Means Clustering. Aplikasi
penilaian kedisiplinan siswa ini dirancang menggunakan bahasa pemrograman Visual
Basic 2010. Keluaran dari aplikasi ini adalah daftar data siswa yang berisi hasil
penilaian kedisiplinan siswa. Hasilnya yaitu dari 25 siswa terdapat 2 siswa yang
termasuk ke dalam kelompok tidak disiplin dengan pusat interval 6.46, 3 siswa
termasuk ke dalam kelompok yang cukup disiplin dengan pusat interval 13.37, 14
siswa termasuk ke dalam kelompok disiplin dengan pusat interval 23.63, dan sisanya 6
dari siswa tersebut termasuk ke dalam kelompok sangat disiplin dengan pusat interval
40.91.
IMPLEMENTATION OF K- MEANS CLUSTERING METHOD
AND ANALYTICAL HIERARCHY PROCESS (AHP)
OF STUDENT DISCIPLINE ASSESSMENT
(CASE STUDY: SMP NEGERI 21 MEDAN)
ABSTRACT
This research is to design a computer applications that can determine the value of
student’s discipline. The application is expected to help the school especially the
Guidance and Counselling to figure out the group of student and determine the value
based on the level of discipline in dealing with students who do not comply with or
violate school’s rules. Student discipline assessment done by determining the weights
priority sub-criteria using the Analytical Hierarchy Process (AHP) and the result will
be grouped using K- Means clustering method. The student discipline assessment
application designed using Visual Basic 2010. The output of this application is a list
of data that contains the results of student disciplinary assessment. The results of 25
students show two students who belong to a group of undisciplined with interval
central in 6.46, 3 students includes to group of students who are disciplined enough
with central of the interval in 13.37, 14 students includes to group a discipline with the
interval central in 23.63, and 6 students includes to group a very disciplined with the
interval central in 40.91.
DAFTAR ISI
Halaman
Persetujuan
ii
Pernyataan
iii
Penghargaan
iv
Abstrak
vi
Abtract
vii
Daftar Isi
viii
Daftar Tabel
xi
Daftar Gambar
xv
Bab 1 Pendahuluan
1
1.1 Latar Belakang
1
1.2 Rumusan Masalah
2
1.3 Batasan Masalah
2
1.4 Tujuan Penelitian
3
1.5 Manfaat Penelitian
3
1.6 Metode Penelitian
4
1.7 Sistematika Penulisan
5
Bab 2 Landasan Teori
6
2.1 Sistem Pendukung Keputusan (SPK)
6
2.1.1 Pengertian Sistem Pendukung Keputusan
6
2.1.2 Tahap – tahap Pengambilan Keputusan
6
2.1.3 Karakteristik Sistem Pendukung Keputusan
7
2.1.4 Komponen Sistem Pendukung Keputusan
8
2.1.4.1 Sistem Pengolahan data (database)
8
2.1.4.2 Sub sistem pengelolaan model (model base)
9
2.1.4.3 Sub sistem pengelolaan dialo (interface)
9
2.1.4.4 Subsistem Manajemen Knowledge
9
2.2 Disiplin
11
2.2.1 Pengertian Disiplin
11
2.2.2 Bentuk – bentuk Disiplin Belajar Siswa
11
2.2.2.1 Disiplin terhadap Waktu
11
2.2.2.2 Didiplin terhadap Tata Tertib
12
2.2.2.3 Disiplin terhadap Tugas
12
2.2.2.4 Disiplin dalam Berpakaian
13
2.2.2.5 Disiplin dalam pembayaran Kewajiban
13
2.3 Metode K- Means Clustering
15
2.3.1 Pengertian Metode K- Means Clustering
15
2.3.2 Prosedur Metode K- Means Clustering
16
2.4 Metode Analitycal Hierarchy Process (AHP)
17
2.4.1 Pengertian Metode AHP
17
2.4.2 Prosedur Metode AHP
17
Bab 3 Analisis dan Perancangan Sistem
24
3.1 Analisis Masalah
24
3.2 Analisis Kebutuhan
25
3.3 Perancangan Aplikasi
25
3.3.1 Use Case Diagram
26
3.3.2 Activity Diagram
27
3.3.3 Data Flow Diagram (DFD)
33
3.3.4 Flowchart
35
3.3.5 Pengelompokan Disiplin
37
3.3.6 Kriteria Disiplin
37
3.3.7 Prose Data Input Pengujian
37
3.4 Data Pegujian
38
3.4.1 Perhitungan Metode Analitycal Hierarchy Process (AHP)
38
3.4.2 Perhitunga Metode K- Means Clustering
51
3.5 Perancangan Database
68
3. 5.1 Perancangan Form
70
3.6 Perancangan Tampilan Antarmuka (Interface)
70
3.6.1 Rancangan Form Menu Utama
70
3.6.2 Rancangan Form Login
71
3.6.3 Rancangan Form User
71
3.6.4 Rancangan Form Data Siswa
73
3.6.5 Rancangan Form AHP
74
3.6.6 Rancangan Form K- Means
75
Bab 4 Implementasi Dan Pengujian
77
4.1 Implementasi Sistem
77
4.1.1 Tampilan Halamam Utama
78
4.1.2 Tampilan Halaman Tentang
79
4.2 Pengujian
80
4.2.1 Tampilan Halaman AHP Kriteria
80
4.2.2 Tampilan Halaman AHP Sub Kriteria
80
4.2.3 Tampilan Halaman Hasil
87
4.2.4 Tampilan Halaman SPK K- Means
87
Bab 5 Kesimpulan Dan Saran
95
5.1 Kesimpulan
94
5.2 Saran
94
Daftar Pustaka
94
Lampiran A: Listing Program
Lampiran B: Curriculum Vitae
DAFTAR TABEL
Halaman
2.1 Skala Kuantitatif dalam Sistem Pendukung Keputusan
19
2.2 Matriks Perbandingan Berpasangan
20
2.3 Nilai Rata – rata Konsistensi
22
3.1 Dokumentatif Naratatif Activity Diagram Proses Login
28
3.2 Dokumentasi Naratif Activity Diagram Proses Data Siswa
29
3.3 Dokunmentatsi Naratif Activity Diagram Proses SPK
29
3.4 Matriks Perbandingan Berpasangan
37
3.5 Matriks Nilai Kriteria
37
3.6 Matriks Penjumlahan tiap baris
38
3.7 Perhitungan Rasio Konsistensi Kriteria
39
3.8 Matriks Perbandingan Berpasangan Kriteria DDB
40
3.9 Matriks Nilai Kriteria DDB
40
3.10 Matriks Penjumlahan tiap baris DDB
41
3.11 Perhitungan Rasio Konsistensi
41
3.12 Matriks Perbandingan Berpasangan DPK
42
3.13 Matriks Nilai Kriteria DPK
42
3.14 Matriks Penjumlahan tiap baris DPK
43
3.15 Perhitungan Rasio Konsistensi
43
3.16 Matriks Perbandingan Berpasangan DMT
44
3.17 Matriks Nilai Kriteria DMT
44
3.18 Matriks Penjumlahan tiap baris DMT
45
3.19 Perhitungan Rasio Konsistensi
45
3.20 Matriks Perbandingan Berpasangan DTT
46
3.21 Matriks Nilai Kriteria DTT
46
3.22 Matriks Penjumlahan tiap baris DTT
47
3.23 Perhitungan Rasio Konsistensi
47
3.24 Matriks Perbandingan Berpasangan DTW
48
3.25 Matriks Nilai Kriteria DTW
48
3.26 Matriks Penjumlahan tiap baris DTW
49
3.27 Perhitungan Rasio Konsistensi
49
3.28 Matriks Hasil
50
3.29 Data Siswa Kelas IX- 2
51
3.30 Hasil Inisialisasi
52
3.31 Hasil Perhitungan AHP
53
3.32 Poin Kedisiplin Siswa
54
3.33 Perhitungan Jarak Poin Kedisiplinan Terhadap Cluster
55
3.34 Susunan Perhitungan Jarak pada tiap – tiap Cluster
56
3.35 Posisi Iterasi Pertama
57
3.37 Perhitungan Jarak Poin Kedisiplinan terhadap Cluster pada Iterasi Pertama
59
3.38 Susunan Jarak Poin Kedisiplinan terhadap Cluster pada Iterasi Pertama
60
3.41 Hasil Posisi Iterasi Ketiga
65
3.42 Hasil Posisi Iterasi Ketiga
66
3.43 Tabel Siswa
67
DAFTAR GAMBAR
Halaman
2.1 Arsitektur Sistem Pendukung Keputusan
11
2.2 Analisis Proses
15
2.3 Contoh Clustering
16
2.4 Struktur Hierarki AHP
19
3.1 Diagram Ishikawa
23
3.2 Use Case Diagram Pada Sistem
25
3.3 Activity Diagram Proses Login
26
3.4 Activity Diagram Pada Data Siswa
27
3.5 Activity Diagram Pada SPK
28
3.6 DFD Level 0
29
3.7 DFD Level 1
30
3.8 Flowchart Metode K- Means Clustering
31
3.9 Flowchart Metode AHP
32
3.10 Rancangan Form Main Menu
69
3.11 Rancangan Form Login
70
3.12 Rancangan Form User
71
3.13 Rancangan Form Data Siswa
72
3.14 Rancangan Form AHP
73
3.15 Rancangan Form K- Means Clustering
74
4.1 Tampilan Halaman Utama
78
4.2 Tampilan Halaman Data Siswa
79
4.3 Tampilan Halaman SPK
79
4.4 Tampilan Halaman Tentang
80
4.5 Tampilan Halaman AHP Kriteria
81
4.6 Tampilan Halaman AHP Sub Kriteria Kriteria DDB
83
4.7 Tampilan Halaman AHP Sub Kriteria Kriteria DPK
84
4.8 Tampilan Halaman AHP Sub Kriteria Kriteria DMT
86
4.9 Tampilan Halaman AHP Sub Kriteria Kriteria DTT
87
4.10 Tampilan Halaman AHP Sub Kriteria Kriteria DTW
88
4.11 Tampilan Halaman AHP Hasil
90
4.12 Tampilan Halaman K- Means Inialisasi
91
4.13 Tampilan Halaman K- Means Iterasi 1
91
4.14 Tampilan Halaman K- Means Iterasi 2
92
4.15 Tampilan Halaman K- Means Iterasi 3
92
4.16 Tampilan Halaman K- Means Iterasi 4
93
ABSTRAK
Penelitian ini bertujuan untuk merancang sebuah aplikasi komputer yang dapat
menentukan nilai kedisiplinan siswa. Dengan adanya aplikasi ini diharapkan dapat
membantu pihak sekolah terutama guru Bimbingan Konseling dalam mengetahui
kelompok siswa dan menentukan nilai berdasarkan tingkat kedisiplinan dalam
menangani siswa yang tidak mentaati atau melanggar peraturan sekolah. Penilaian
kedisiplinan siswa dilakukan dengan menentukan bobot prioritas sub kriteria
menggunakan metode Analytical Hierarchy Process (AHP) kemudian hasil bobot
tersebut dikelompokkan menggunakan metode K- Means Clustering. Aplikasi
penilaian kedisiplinan siswa ini dirancang menggunakan bahasa pemrograman Visual
Basic 2010. Keluaran dari aplikasi ini adalah daftar data siswa yang berisi hasil
penilaian kedisiplinan siswa. Hasilnya yaitu dari 25 siswa terdapat 2 siswa yang
termasuk ke dalam kelompok tidak disiplin dengan pusat interval 6.46, 3 siswa
termasuk ke dalam kelompok yang cukup disiplin dengan pusat interval 13.37, 14
siswa termasuk ke dalam kelompok disiplin dengan pusat interval 23.63, dan sisanya 6
dari siswa tersebut termasuk ke dalam kelompok sangat disiplin dengan pusat interval
40.91.
IMPLEMENTATION OF K- MEANS CLUSTERING METHOD
AND ANALYTICAL HIERARCHY PROCESS (AHP)
OF STUDENT DISCIPLINE ASSESSMENT
(CASE STUDY: SMP NEGERI 21 MEDAN)
ABSTRACT
This research is to design a computer applications that can determine the value of
student’s discipline. The application is expected to help the school especially the
Guidance and Counselling to figure out the group of student and determine the value
based on the level of discipline in dealing with students who do not comply with or
violate school’s rules. Student discipline assessment done by determining the weights
priority sub-criteria using the Analytical Hierarchy Process (AHP) and the result will
be grouped using K- Means clustering method. The student discipline assessment
application designed using Visual Basic 2010. The output of this application is a list
of data that contains the results of student disciplinary assessment. The results of 25
students show two students who belong to a group of undisciplined with interval
central in 6.46, 3 students includes to group of students who are disciplined enough
with central of the interval in 13.37, 14 students includes to group a discipline with the
interval central in 23.63, and 6 students includes to group a very disciplined with the
interval central in 40.91.
BAB I
PENDAHULUAN
1.1
Latar Belakang
Keberhasilan seseorang dapat dilihat dari caranya mendisiplinkan hidup sejak dia
kecil hingga dewasa, agar kelak dewasa nanti seseorang tersebut telah terbiasa dalam
mencapai keberhasilan. Kedispilinan itu sendiri merupakan suatu sikap yang taat dan
patuh terhadap suatu peraturan yang berlaku, tanpa suatu adanya peraturan maka tidak
akan tercapainya suatu kedisiplinan. Dengan adanya suatu peraturan akan melatih
seseorang untuk disiplin dalam segala hal dan dengan sikap yang selalu disiplin dapat
membuat seseorang berhasil dengan apa yang seseorang tersebut cita – citakan, itulah
sebabnya kedisiplinan adalah modal utama suatu keberhasilan. Kedisiplinan tersebut
dapat dimulai dari lingkungan keluarga, kemudian lingkungan sekolah dan lingkungan
masyarakat.
Penyebab ketidakdisiplinan siswa adalah kurang jelasnya peraturan dan sangsi yang
diberikan kepada siswa, kurang pengawasan dari pendidik bagi siswa yang melakukan
pelanggran. Untuk itu diupayakan dalam mengatasi kedisiplinan tersebut adalah
dengan cara memberikan sanksi – sanksi dan pengawasan dari pendidik sangat jelas.
Bentuk sanksi bisa berupa hukuman, pembinaan, atau surat pernyataan. Sanksi berupa
pembinaan akan diserahkan ke BK (Bimbingan Konseling). Jika dalam pembinaan
BK, siswa diketahui mempunyai masalah yang melatar belakangi perbuatan
pelanggaran, maka siswa tersebut akan ditindak lanjuti dalam bentuk layanan
konseling.
Oleh sebab itu perlu adanya pengelompokan di setiap sekolah berdasarkan tingkat
kedisiplinannya, agar pihak sekolah terutama guru BK lebih mudah mengetahui
kelompok siswa yang perlu penanganan khusus. Dari permasalahan tersebut penulis
menggukan metode K- Means
Clustering dan
Analitycal Hierarchy Process (AHP)
sebagaimana pada penelitian terdahulu yang telah dilakukan oleh “Arim Wijaya yang
berjudul Analisis Algoritma K- Means untuk Sistem Pendukung Keputusan
Penjurusan Siswa di Man Binong Subang”[12] dan “Faraby Azwani yang berjudul
Sistem Pendukung Keputusan Pemberian Kredit Usaha Rakyat Pada Bank Syariah
Mandiri Cabang Medan Menggunakan Metode Analytical Hierarchy Process
(AHP)”[6].
Dari beberapa penjabaran diatas penulis mengajukan skripsi untuk memecahkan
permasalahan tersebut dan tertarik membuat suatu sistem pendukung keputusan
dalam bentuk sebuah aplikasi yang akan bermanfaat dalam penilaian disiplin siswa
dengan menggunakan Metode K- Means Clustering dan Analitycal Hierarchy Process
(AHP) yang di implementasikan untuk menilai disiplin siswa di SMP Negeri 21
Medan.
1.2 Rumusan Masalah
1.3
Batasan Masalah
Ada pun beberapa batasan yang perlu dibuat, yaitu :
1.
Data penelitian yang didapat dari SMP Negeri 21 Medan.
2.
Kriteria terhadap penilaian disiplin siswa yang digunakan adalah berdasarkan
kriteria yang ditetapkan oleh Guru BK SMP Negeri 21 Medan yaitu
a). Disiplin terhadap waktu (DTW)
b). Disiplin mengerjakan tugas (DMT)
c). Disiplin terhadap tata tertib (DTT)
d). Disiplin dalam berpakaian (DDB)
e). Disiplin dalam pembayaran kewajiban (DPK)
3.
Pada kasus penelitian penilaian disiplin siswa menggunakan gabungan metode
Analitycal Hierarchy Process (AHP) dan K- Means Clustering ini akan
dikelompokkan menjadi 4 kelompok yaitu
a). Sangat disiplin
31 - 50
b). Disiplin
21 - 30
c). Cukup disiplin
11 - 20
d). Tidak Disiplin
0 - 10
1.4 Tujuan Penelitian
Tujuan dari penelitian ini antara lain adalah :
Membuat perangkat lunak penerapan Metode K- Means
Clustering dan
Analitycal
Hierarchy Process (AHP) yang digunakan untuk mengelompokkan dan menentukan
nilai kedisiplinan siswa.
1.5 Manfaat penelitian
1.
Meningkatkan pengetahuan dan pemahaman tentang penggunaan Metode K-
Means Clustering an Analitycal Hierarchy Process (AHP)
1.6 Metodologi Penelitian
Penelitian ini akan dilaksanakan dengan mengikuti beberapa langkah yang akan
digunakan penulis, yaitu:
1.
Studi Kepustakaan
Pengumpulan referensi dalam penelitian yang penulis lakukan dengan mencari jurnal,
buku, tulisan ilmiah, e-book, maupun artikel lain yang berhubungan dengan Sistem
Pendukung Keputusan, Metode K- Means
Clustering, Metode Analitycal Hierachy
Process, Kedisiplinan, serta Bahasa Pemrograman Visual Basic 2010.
2.
Analisis dan Perancangan Sistem
Tahap ini digunakan untuk mengolah data dari hasil studi kepustakaan kemudian
melakukan analisis sehingga menjadi suatu informasi. Proses ini meliputi pembuatan
algoritma program, flowchart sistem, rancangan aplikasi, dan pembuatan user
interface aplikasi.
3.
Implementasi Sistem
Menerapkan K- Means Clustering dan Analitycal Hierarchy Process ke dalam aplikasi
komputer yang sedang dirancang.
4.
Pengujian aplikasi
Menguji apakah aplikasi yang dibuat telah berhasil berjalan sesuai dengan keinginan
dan melakukan perbaikan kesalahan jika masih terdapat error pada aplikasi.
5.
Dokumentasi
1.7 Sistematika Penulisan
Penulisan Skripsi ini terbagi menjadi beberapa bab yang masing – masing bab
membahas tentang :
Bab I
: Pendahuluan
Di dalam bab ini menjelaskan tentang latar belakang, rumusan masalah, batasan
masalah, tujuan dan manfaat, metodologi penelitian dan sistematika penulisan.
Bab II
: Landasan Teori
Di dalam bab ini berisi tentang teori metode K- Means
Clustering, metode
Analitycal Hierachy Process, sistem pendukung keputusan, dan disiplin Siswa.
Bab III : Desain dan Perancangan Sistem
Dalam bab ini menjelaskan tentang analisis penulis dalam pengembangan sistem
pendukung keputusan, tahap perencanaan, desain dan perancangan sistem penetuan
nilai disiplin siswa dengan menggunakan metode K- Means Clustering dan Analitycal
Hierarchy Process
Bab IV : Hasil dan Pembahasan
Dalam bab ini menjelaskan tahapan implementasi dan uji coba dari perancangan
sistem serta analisis hasil.
Bab V :
Penutup
BAB II
TINJAUAN PUSTAKA
2.1
Sistem Pendukung Keputusan (SPK)
2.1.1 Pengertian Sistem Pendukung Keputusan (SPK)
Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Sistem (DSS)
pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton
dengan istilah Management Decision Sistem. Seperti yang diungkapkan oleh Moore
dan Chang (1980) sistem pendukung keputusan tersebut adalah suatu sistem
informasi berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk
membantu manajemen dalam menangani berbagai permasalahan yang terstruktur
ataupun tidak terstruktur.[3]
Definisi awalnya, SPK adalah sistem berbasis model yang terdiri dari
prosedur-prosedur dalam pemrosesan data dan pertimbangannya untuk membantu manajer
dalam mengambil keputusan. Agar berhasil mencapai tujuannya maka sistem tersebut
harus sederhana, mudah untuk dikontrol
,
mudah beradaptasi, lengkap pada hal-hal
penting, dan mudah berkomunikasi dengannya.[3]
2.1.2
Tahap-tahap pengambilan keputusan
Menurut Simon (1960) pengambilan keputusan meliputi empat tahap yang saling
berhubungan dan berurutan. Empat tahap tersebut adalah :
(1)
Intelligence
Tahap ini merupakan proses penelusuran dan pendeteksian dari lingkup problematika
serta proses pengenalan masalah. Data masukan diperoleh, diproses, dan diuji dalam
rangka mengidentifikasikan masalah.
Tahap ini merupakan proses menemukan dan mengembangkan alternatif. Tahap ini
meliputi proses untuk mengerti masalah, menurunkan solusi dan menguji kelayakan
solusi.
(3)
Choice
Pada tahap ini dilakukan poses pemilihan di antara berbagai alternatif tindakan yang
mungkin dijalankan. Tahap ini meliputi pencarian, evaluasi, dan rekomendasi solusi
yang sesuai untuk model yang telah dibuat. Solusi dari model merupakan nilai spesifik
untuk variabel hasil pada alternatif yang dipilih
.
(4)
Implementation
Tahap implementasi adalah tahap pelaksanaan dari keputusan yang telah diambil.
Pada tahap ini perlu disusun serangkaian tindakan yang terencana, sehingga hasil
keputusan dapat dipantau dan disesuaikan apabila diperlukan perbaikan.
2.1.3
Karakteristik Sistem Pendukung Keputusan
Adapun karakteristik dari SPK, diantaranya adalah sebagai berikut [3]:
1.
Dukungan untuk pengambil keputusan, terutama pada situasi semiterstruktur dan
tak terstruktur.
2.
Dukungan untuk semua level manajerial, dari eksekutif puncak sampai manajer
lini.
3.
Dukungan untuk individu dan kelompok.
4.
Dukungan untuk semua keputusan independen dan atau sekuensial.
5.
Dukungan di semua fase proses pengambilan keputusan: inteligensi, desain,
pilihan,dan implementasi.
6.
Dukungan pada berbagai proses dan gaya pengambilan keputusan.
7.
Kemampuan sistem beradaptasi dengan cepat dimana pengambil keputusan dapat
menghadapi masalah-masalah baru dan pada saat yang sama dapat menanganinya
dengan cara mengadaptasikan sistem terhadap kondisi-kondisi perubahan yang
terjadi.
8.
Pengguna merasa seperti di rumah. User-friendly, kapabilitas grafis yang kuat, dan
sebuah bahasa interaktif yang alami.
10.
Pengambil keputusan mengontrol penuh semua langkah proses pengambilan
keputusan dalam memecahkan masalah.
11.
Pengambil keputusan mengontrol penuh semua langkah proses pengambilan
keputusan dalam memecahkan masalah.
12.
Pengguna akhir dapat mengembangkan dan memodifikasi sistem sederhana.
13.
Menggunakan model-model dalam penganalisisan situasi pengambilan keputusan.
14.
Disediakannya akses untuk berbagai sumber data, format, dan tipe, mulai dari
sistem informasi geografi (GIS) sampai sistem berorientasi objek.
15.
Dapat dilakukan sebagai alat standalone yang digunakan oleh seorang pengambil
keputusan pada satu lokasi atau didistribusikan di satu organisasi keseluruhan dan
di beberapa organisasi sepanjang rantai persediaan.
2.1.4
Komponen Sistem Pendukung Keputusan
Menurut Turban (2005), Sistem Pendukung Keputusan terdiri dari empat subsistem,
yaitu [3]:
2.1.4.1 Subsistem pengelolaan data (
database
).
Sub sistem pengelolaan data (database) merupakan komponen SPK yang berguna
sebagai penyedia data bagi sistem. Data tersebut disimpan dan diorganisasikan dalam
sebuah basis data yang diorganisasikan oleh suatu sistem yang disebut dengan sistem
manajemen basis data (Database Management System).
2.1.4.2 Sub sistem pengelolaan model
(model base).
2.1.4.3
Subsistem pengelolaan dialog
(user interface)
Keunikan lainnya dari SPK adalah adanya fasilitas yang mampu mengintegrasikan
sistem yang terpasang dengan pengguna secara interaktif, yang dikenal dengan
subsistem dialog. Melalui subsistem dialog, sistem diimplementasikan sehingga
pengguna dapat berkomunikasi dengan sistem yang dibuat.
2.1.4.4
Subsistem Manajemen
Knowledge
2.2
Disiplin
2.2.1 Pengertian Disiplin
Disiplin merupakan suatu hal yang mudah diucapkan, tapi sukar dilaksanakan. Dapat
diartikan disiplin adalah kesadaran untuk melakukan sesuatu pekerjaan dengan tertib
dan teratur sesuai dengan peraturan-peraturan yang berlaku dengan penuh tanggung
jawab tanpa paksaan dari siapapun. Sedangkan menurut Hadlari Nawawi (1996)
disiplin adalah usaha untuk mencegah terjadinya pelanggaran-pelanggaran terhadap
suatu ketentuan yang disetujui bersama agar pemberian hukuman terhadap seseorang
dapat dihindari [1].
Dengan adanya disiplin dimaksudkan sebagai upaya untuk mengatur perilaku
seseorang dalam mencapai tujuan, seperti pendidikan. Karena ada perilaku yang harus
dicegah atau dilarang dan sebaliknya harus dilakukan. Pembentukan disiplin pada saat
sekarang bukan sekedar menjadikan anak agar patuh dan taat pada aturan dan tata
tertib tanpa alasan sehingga mau menerima begitu saja, melainkan sebagai usaha
mendisiplinkan diri sendiri (self discipline). Artinya ia berperilaku baik, patuh dan taat
pada aturan bukan karena paksaan dari orang lain atau guru melainkan karena
kesadaran dari dirinya sendiri.
2.2.2
Bentuk- Bentuk Disiplin Belajar Siswa
2.2.2.1 Disiplin terhadap waktu
Salah satu masalah yang sering dihadapi oleh pelajar atau siswa adalah banyak pelajar
atau siswa yang mengeluh kekuragan waktu untuk belajarnya, tetapi mereka
sebenarnya kurang memiliki keteraturan dan disiplin untuk mempergunakan waktu
secara efisien. Banyak waktu yang terbuang-buang disebabkan karena membicarakan
hal – hal yang tidak habis-habisnnya. Sikap seperti itu harus ditinggalkan oleh siswa
karena tidak bermanfaat baginya.
dan tepat waktu adalah merupakan hal yang terpuji. Dari uraian di atas dapat dipahami
bahwa penggunaan atau pamanfaatan waktu dangan baik menumbuhkan disiplin
dalam mempergunakan waktu secara efisien.
2.2.2.2
Disiplin terhadap tata tertib.
Didalam proses balajar mengajar, disiplin terhadap tata tertib sangat penting untuk
diterapkan, karena pada suatu sekolah tidak memiliki tata tertib maka proses belajar
mengajar tidak akan berjalan dengan lancar sesuai dengan rencana. Antara peraturan
dan tata tertib merupakan suatu kesatuan yang tidak dapat dipisahkan sebagai
pembentukan disiplin siswa dalam mentaati peraturan di dalam kelas maupun diluar
kelas.
Agar dapat melakukan disiplin terhadap tata tertib dengan baik, maka guru
bertanggung jawab menyampaikan dan mengontrol berlakunya peraturan dan tata
tertib tersebut. Dalam hal ini staf sekolah atau guru perlu terjalinnya kerja sama
sehingga tercipta disiplin kelas dan tata tertib kelas yang baik tanpa adanya kerja sama
tersebut dalam pembinaan disiplin sekolah maka akan terjadi pelanggaran terhadap
peraturan dan tata tertib sekolah serta terciptanya suasana balajar yang tidak
diinginkan.
Dengan demikian untuk terciptanya disiplin yang harmonis dan terciptanya disiplin
dari siswa dalam rangka pelaksanaan peraturan dan tata tertib dengan baik, maka di
dalam suatu lambaga atau lingkungan sekolah perlu menetapkan sikap disiplin
terhadap
siswa, agar tercipta proses belajar mengajar yang baik.
2.2.2.3
Disiplin terhadap tugas
a.
Mengerjakan tugas rumah
b.
Mengerjakan tugas di sekolah
Adapun tugas di sekolah mencakup mengerjakan latihan-latihan tes atau ulangan
harian, ulangan umum ataupun ujian, baik yang tertulis maupun lisan yang diberikan
guru pada saat jam pelajaran disekolah.
2.2.2.4
Disiplin dalam berpakaian.
Sekolah membuat tata tertib tidak semata - mata tanpa alasan. Tetapi, bertujuan
menumbuhkan sikap disiplin kita. Sikap disiplin tidak hanya penting bagi kita dihari
ini, tetapi juga untuk masa depan kita. Berbagai upaya sekolah untuk mengajarkan kita
disiplin telah dilakukan tak hanya dengan sanksi dan hukuman. Pihak sekolah tidak
bosan mengingatkan dan mengajarkan kita untuk disiplin. Salah satu nya disiplin
dalam berpakaian, tentu membuat seseorang terlihat rapih, bersih dan berwibawa,
tidak mungkin membuatnya mendapatkan sanksi. Jadi kepribadian seseorang jelas
tercermin dari bagaimana caranya dalam berpakaian
.
2.2.2.5
Disiplin dalam pembayaran kewajiban
Penanganan pendisiplinan siswa di SMP Negeri 21 Medan yang akan berlangsung
selama aplikasi dijalankan diperlukan dengan adanya analisis proses. Analisis proses
pada aplikasi yang dirancang dapat dilihat pada Gambar 2.2
Gambar 2.2 Analisis Proses
2.3 Metode K- Means Clustering
2.3.1
Pengertian K- Means Clustering
Clustering
atau
clusterisasi
adalah salah satu alat bantu pada data mining
yang
bertujuan mengelompokkan objek-objek ke dalam cluster-cluster.
Cluster
adalah
sekelompok atau sekumpulan objek-objek data yang similar
satu sama lain dalam
cluster yang sama dan dissimilar
terhadap objek-objek yang berbeda cluster. Objek
akan dikelompokkan ke dalam satu atau lebih cluster
sehingga objek-objek yang
berada dalam satu cluster akan mempunyai kesamaan yang tinggi antara satu dengan
lainnya.
[image:30.595.138.494.425.593.2]Objek-objek dikelompokkan berdasarkan prinsip memaksimalkan kesamaan objek
pada
cluster
yang sama dan memaksimalkan ketidaksamaan pada cluster
yang
berbeda. Kesamaan objek biasanya diperoleh dari nilai-nilai atribut yang menjelaskan
objek data, sedangkan objek-objek data biasanya direpresentasikan sebagai sebuah
titik dalam ruang multidimensi. Seperti contoh clustering yang dapat dilihat pada
gambar 2.3 berikut.
Gambar 2.3 Contoh
Clustering
lain. Nilai – nilai
cluster secara random untuk sementara nilai tersebut menjadi pusat
dari cluster atau biasa disebut dengan centroid, mean atau means.
2.3.2 Prosedur Metode K- Means Clustering
Langkah-langkah dalam metode K- Means Clustering adalah :
1.
Menentukan jumlah cluster yang akan dibentuk.
2.
Menentukan nilai centroid atau rata – rata data yang ada di masing – masing
cluster. Dalam menentukan nilai centroid untuk awal iterasi, nilai awal centroid
dilakukan secara acak.
3.
Menghitung jarak setiap data yang ada terhadap masing- masing centroid
menggunakan rumus Euclidian hingga ditemukan jarak yang paling dekat dari
setiap data dengan centroid, seperti pada rumus 1 berikut.
�
�,�=
�∑ ��
��− �
���
2 ��=1
... (1)
Dimana :
D
(i,k)= Perhitungan jarak data ke-i dengan pusat klaster ke-k
p
= maksimal data
j
= banyak data
4.
Pengelompokan objek untuk menentukan anggota cluster adalah dengan
memperhitungkan jarak minimum objek. Nilai yang diperoleh dalam keanggotaan
data pada distance matriks adalah 0 atau 1, dimana nilai 1 untuk data yang
dialokasikan ke cluster dan nilai 0 untuk data yang dialokasikan ke cluster yang
lain.
5.
Kembali ke tahap 2, lakukan perulangan hingga nilai centroid yang dihasilkan
tetap dan anggota cluster tidak berpindah ke cluster lain.
2.4
Metode Analitycal Hierarchy Process (AHP)
2.4.1
Pengertian Analitycal Hierarchy Process (AHP)
AHP merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas
L. Saaty. Model pendukung keputusan ini akan menguraikan masalah multi faktor
atau multi kriteria yang kompleks menjadi suatu hirarki, menurut Saaty (1999) hirarki
didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks
dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level
faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari
alternatif [5]
.Dengan hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam
kelompok-kelompoknya yang kemudian diatur menjadi suatu bentuk hirarki sehingga
permasalahan akan tampak lebih terstruktur dan sistematis.
2.4.2 Prosedur Metode AHP
Penyelesaian masalah AHP ada beberapa prosedur yang perlu dipahami antara lain
sebagai berikut :
1.
Membuat hierarki
Penyusunan hierarki dari permasalahan yang akan diselesaikan, kemudian diuraikan
menjadi unsur – unsur nya yaitu kriteria dan alternatif. Penyusunan hierarki tersebut
dengan menentukan tujuan yang merupakan sasaran sistem secara keseluruhan pada
level teratas. Level berikutnya terdiri dari kriteria-kriteria untuk menilai atau
Gambar 2.4. Struktur Hierarki AHP
2.
Menilai Kriteria dan Alternatif
Penilaian kriteria dan alternatif melalui perbandingan berpasangan. Menurut
Saaty (2001), untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik dalam
mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari skala
perbandingan Saaty dapat dilihat pada Tabel 2.1:
Tabel 2.1 Skala kuantitatif dalam sistem pendukung
Keputusan
Intensitas Kepentin
Gan
Defenisi
Penjelasan
1
Kedua elemen
sama pentingnya
Dua elemen mempunyai pengaruh
yang sama besar terhadap tujuan
3
Elemen yang satu
sedikit lebih penting
dari pada elemen yang
lainnya
Pengalaman dan penilaian sedikit
menyokong satu elemen
dibandingkan elemen yang lainnya
5
Elemen yang satu lebih
penting dari pada
elemen yang lainnya
Pengalaman dan penilaian sangat
kuat menyokong satu elemen
dibandingkan elemen yang lainnya
7
Satu elemen jelas lebih
Mutlak penting dari
pada elemen yang
lainnya
Satu elemen yang kuat di sokong
dan dominan terlihat dalam praktek
9
Satu elemen mutlak
penting dari pada
elemen yang lainnya
[image:33.595.107.528.496.764.2]menguatkan
2,4,6,8
Nilai-nilaiantara 2 nilai
pertimbangan yang
berdekatan
Nilai ini diberikan bila ada dua
kompromi diantara 2 pilihan
Kebalikan
Jika aktifitas i mendapat satu angka dibanding aktifitas j, maka
j mempunyai nilai kebalikkannya dibanding dengan i
3.
Menentukan prioritas elemen
Langkah- langkah dalam menentukan prioritas elemen sebagai berikut:
a.
Membuat perbandingan berpasangan
[image:34.595.110.525.86.172.2]Langkah pertama dalam menentukan prioritas elemen adalah membuat perbandingan
berpasangan, yaitu membandingkan elemen secara berpasangan sesuai kriteria yang
diberikan. Untuk perbandingan berpasangan digunakan bentuk matriks. Matriks
bersifatsederhana, berkedudukan kuat yang menawarkan kerangka untuk memeriksa
konsistensi, memperoleh informasi tambahan dengan membuat semua perbandingan
yang mungkin dan menganalisis kepekaan prioritas secara keseluruhan untuk
merubahpertimbangan. Untuk memulai proses perbandingan berpasangan, dimulai
dari levelpaling atas hirarki untuk memilih kriteria, misalnya C, kemudian dari level
dibawahnya diambil elemen-elemen yang akan dibandingkan, misal A1, A2, A3, A4,
A5, maka susunan elemen-elemen pada sebuah matrik seperti pada Tabel 2.2
Tabel 2.2 Matrix perbandingan berpasangan
C
A1
A2
A3
A4
A5
A1
1
A2
1
A3
1
A4
1
b.
Mengisi matrik perbandingan berpasangan
Untuk mengisi matrik perbandingan berpasangan yaitu dengan menggunakan bilangan
untuk merepresentasikan kepentingan relatif dari satu elemen terhadap elemen lainnya
yang dimaksud dalam bentuk skala dari 1 sampai dengan 9. Skala ini mendefinisikan
dan menjelaskan nilai 1 sampai 9 untuk pertimbangan dalam perbandingan
berpasangan elemen pada setiap level hirarki terhadap suatu kreteria di level yang
lebih tinggi. Apabila suatu elemen dalam matrik dan dibandingkan dengan dirinya
sendiri, maka diberi nilai 1. Jika i dibanding j mendapatkan nilai tertentu, maka j
dibanding i merupakan kebalikkannya. Pada tabel 2 memberikan definisi dan
penjelasan skala kuantitatif 1 sampai dengan 9 untuk menilai tingkat kepentingan
suatu elemen dengan elemen lainnya.
c.
Sintesis
Pertimbangan - pertimbangan terhadap perbandingan berpasangan di sintesis untuk
memperoleh keseluruhan prioritas dengan langkah-langkah sebagai berikut:
1.
Menjumlahkan nilai-nilai dari setiap kolom pada matriks.
2.
Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk
memperoleh normalisasi matriks.
3.
Menjumlahkan nilai-nilai dari setiap matriks dan membaginya dengan jumlah
elemen untuk mendapatkan nilai rata-rata.
4.
Mengukur konsistensi.
Dalam pembuat keputusan, penting untuk mengetahui seberapa baik konsistensi yang
ada, karena kita tidak ingin keputusan berdasarkan pertimbangan dengan konsistensi
yang rendah. Karena dengan konsistensi yang rendah, pertambangan akan tampak
sebagai sesuatu yang acak dan tidak akurat. Konsistensi penting untuk mendapatkan
hasil yang valid dalam dunia nyata. Oleh karena itu AHP mengukur konsistensi
pertimbangan dengan rasio konsistensi (consistency ratio).
3.
Hasil dari penjumlahan baris dibagikan dengan elemen prioritas yang
bersangkutan.
4.
Membagi hasil penjumlahan diatas dengan banyak elemen yang ada.
5.
Menghitung indeks konsistensi.
CI =
(λmax
-n)/(n-1) .... (2)
Dimana CI
= indeks konsistensi
λ
max= nilai eigen
n = banyak kriteria
6.
Menghitung konsistensi ratio (CR).
CR = CI/RI .... (3)
Dimana CR = rasio konsistensi
CI = indeks konsistensi
RI = indeks random
[image:36.595.105.526.509.698.2]Matriks random dengan skala penilaian 1sampai 9 beserta kebalikannya sebagai
random consistency (RC). Jika rasio konsistensi
≤ 0.1, hasil perhitungan data dapat
dibenarkan sebagaimana terlihat pada Tabel 2.3.
Tabel 2.3. Nilai Rata – rata Konsistensi
Ukuran Matriks
Konsistensi acak
(Random
Consistency)
1
0,00
2
0,00
3
0,58
4
0,92
5
1,12
6
1,24
7
1,32
8
1,41
9
1,45
2.5
Penelitian Terkait
1.
Penelitian Arim Wijaya yang berjudul Analisis Algoritma K- Means untuk
Sistem Pendukung Keputusan Penjurusan Siswa di Man Binong Subang.
“Berdasarkan hasil analisis terhadap algoritma K-Means untuk sistem pendukung
keputusan penjurusan, maka kesimpulan yang dapat diambil adalah algoritma
Means kurang tepat untuk sistem pendukung keputusan penjurusan tetapi algoritma
K-Means lebih tepat untuk mengelompokan data siswa berdasarkan data nilai yang bisa
memberikan gambaran untuk penjurusan siswa[12].
2.
Penelitian Sukenda dan Zeny Prima Apryzone yang berjudul Sistem
Pendukung Keputusan untuk Memilih Kendaraan Bekas Dengan
Menggunakan Metode Analitycal Hierarchy Process.
3.
Penelitian Faraby Azwani yang berjudul Sistem Pendukung Keputusan
Pemberian Kredit Usaha Rakyat Pada Bank Syariah Mandiri Cabang Medan
Menggunakan Metode Analytical Hierarchy Process (AHP) .
BAB III
ANALISIS DAN PERANCANGAN SISTEM
3.1
Analisis Masalah
Proses penilaian kedisiplinan siswa di SMP Negeri 21 Medan masih
menggunakan cara yang biasa diterapkan disekolah pada umumnya. Melalui guru BK
dengan menggunakan buku tata tertib, menentukan peraturan atau kadar sanksi dengan
tingkat pelanggarannya sehingga belum adanya penentuan bobot subkriteria penilaian
yang digunakan untuk menentukan kelompok disiplin siswa.
[image:39.595.110.517.353.558.2]Analisis masalah pada sistem yang dirancang dapat digambarkan dalam diagram
Ishikawa seperti pada Gambar 3.1.
Gambar 3.1. Diagram Ishikawa
3.2
Analisis Kebutuhan
Analisis kebutuhan terbagi dua bagian, yaitu kebutuhan fungsional dan
kebutuhan nonfungsional. Kebutuhan fungsional mendeskripsikan aktivitas yang
disediakan suatu sistem. Sedangkan kebutuhan nonfungsional mendeskripsikan fitur,
karakteristik dan batasan lainnya.
Mesin
Metode
Man
Implementasi
metode K- Means
Clustering dan
metode
Analitycal
Hierarchy
Process (AHP)
dalam penilaian
kedisiplinan
siswa.
Material
- Belum ada alatyang membantu
- Metode yang digunakan masih manual
- Waktu yang dibutuhkan lama.
- Penentuan nilai disiplin yang kurang tepat. - Kriteria disiplin
3.2.1
Kebutuhan Fungsional
1.
Kebutuhan fungsional adalah fungsi-fungsi yang harus dipenuhi pada aplikasi
yang dirancang. Kebutuhan fungsional yang harus dipenuhi aplikasi yang
dirancang adalah sebagai berikut:
a.
Sistem harus mampu menentukan bobot dari kriteria dan subkriteria
disiplin siswa.
b.
Sistem harus mampu menentukan kelompok disiplin siswa yang
melakukan pelanggaran dengan memberikan hasil yang terbaik.
3.2.2
Kebutuhan Nonfungsional
Kebutuhan fungsional mencakup karakteristik berikut:
1.
Performa
Perangkat lunak yang akan dibangun dapat menunjukkan hasil dari fungsi sistem
pendukung keputusan yang dilakukan oleh sistem.
2.
Efisiensi
Sistem atau perangkat lunak yang akan dibangun harus sesederhana mungkin agar
mudah digunakan oleh pengguna (user) dan responsif.
3.
Ekonomi
Sistem atau perangkat lunak yang akan dibangun harus dapat bekerja dengan baik
tanpa harus mengeluarkan biaya tambahan dalam penggunaan perangkat keras
maupun perangkat lunak.
4.
Dokumentasi
Sistem atau perangkat lunak yang akan dibangun dapat menilai kedisiplinan
siswa.
Perangkat lunak yang akan dibangun akan memiliki kualitas yang baik yaitu
dalam proses penilaian kedisiplinan siswa dengan hasil kelompok disiplin yang
tepat.
6.
Kontrol
Perangkat lunak yang dibangun akan menampilkan pesan error untuk setiap input
yang tidak sesuai.
3.3
Perancangan Aplikasi
Perancangan aplikasi yang bertujuan untuk menggambarkan semua kondisi dan
bagian-bagian yang berperan dalam sistem yang dirancang. Pemodelan aplikasi
dilakukan dengan membuat Use-case diagram, Data Flow Diagram (DFD),
dan
Flowchart.
3.3.1
Use Case Diagram
Gambar 3.2. Use-Case Diagram Pada Sistem
Pada use case diagram sistem admin bertindak sebagai pembuat aplikasi yang dapat
melakukan proses login, menginput data siswa, menginput data kedisiplinan siswa,
proses perhitungan metode AHP dan K- Means serta mengelola data user ( pengguna
aplikasi), sementara user bertindak sebagai pengguna aplikasi yang dapat melakukan
kegiatan sama seperti admin kecuali pengolaan data user.
3.3.2
Activity Diagram
Activity diagram memiliki pengertian yaitu lebih fokus menggambarkan urutan
aktivitas dalam suatu proses. Seperti pada penelitian ini diperlukan activity diagram
yang dapat menganalisa aktivitas-aktivitas proses penanganan pendisiplinan siswa di
SMP Negeri 21 Medan yang akan berlangsung selama aplikasi dijalankan. Berikut
activity diagram yang dirancang untuk menangani proses pendisiplinan siswa di SMP
Negeri 21 Medan.
Gambar 3.3. Activity diagram proses Login
Nama Activity Diagram
Login
Actor
User
Deskripsi
Activity ini mendeksripsikan proses login
Prakondisi
Sudah masuk ke tampilan aplikasi kedisiplinan siswa
Bidang khas suatu
kejadian
Kegiatan User
Respon Sistem
1.
Menjalankan Program
2.
Mengisi Username dan
password
3.
Apabila username dan
password tidak diterima
atau salah akan muncul
peringatan salah
4.
Memilih menu file
kemudian data user
5.
Mengisi user ID
beserta passwordnya
1.
Sistem akan
menampilkan halaman
login untuk memasukkan
username dan password
2.
Sistem akan
menampilkan halaman
konfirmasi untuk
verifikasi diterima atau
tidaknya username dan
password
3.
Sistem akan
menampilkan halaman
utama
4.
Sistem akan
menampilkan halaman
data user
5.
Sistem menampilkan list
user ID beserta
Activity Diagram proses pada data siswa yang dirancang dapat dilihat pada Gambar
3.4.
User
Sistem
Menampilkan halaman utama
Menu data siswa
Menampilkan halaman data siswa
Menyimpan data siswa Mengisi data
siswa
Memilih data siswa
Mengubah data siswa
Tampilkan peringatan data berhasil disimpan
Menyimpan data siswa
Membuat Mengedit
[image:45.595.111.520.180.708.2]Tombol create ditekan Memilih Menu
Tabel 3.2 Dokumentasi naratif Activity diagram proses Data Siswa
Nama Activity Diagram
Data Siswa
Actor
User
Deskripsi
Activity ini mendeksripsikan proses data siswa
Prakondisi
Sudah masuk ke tampilan aplikasi kedisiplinan siswa
Bidang khas suatu
kejadian
Kegiatan User
Respon Sistem
1.
Memilih menu data
siswa
2.
Mengisi data siswa
3.
Memilih data siswa
untuk membuat data
siswa atau mengedit
data siswa
1.
Sistem akan menampilkan
halaman data siswa
2.
Sistem akan menampilkan
halaman konfirmasi untuk
verifikasi membuat atau
mengedit data siswa
3.
Sistem akan menyimpan
data siswa
Pasca kondisi
Proses data siswa selesai dilakukan
Tabel 3.3 Dokumentasi naratif Activity Diagram Proses Perhitungan
Nama Activity Diagram
Sistem Pendukung Keputusan (SPK)
Actor
User
Deskripsi
Activity ini mendeksripsikan proses perhitungan metode
AHP dan K- Means pada SPK
Prakondisi
Sudah masuk ke tampilan aplikasi kedisiplinan siswa
Bidang khas suatu
kejadian
Kegiatan User
Respon Sistem
1.
Memilih menu SPK
2.
Memilih tab menu sub
kriteria DDB, DPK,
DMT, DTT, DTW
3.
Memilih tab hasil untuk
mnghitung hasil dari
masing – masing sub
kriteria.
4.
Memilih tab menu
inisialisasi
5.
Memilih tab menu
iterasi 1 , iterasi 2 ,
iterasi 3, iterasi 4 dan
kesimpulan
1.
Sistem akan
menampilkan halaman
matriks kriteria metode
AHP
2.
Sistem akan
menampilkan hasil
perhitungan matriks
kriteria
3.
Sistem akan
menampilkan hasil
perhitungan sub kriteria
DDB, DPK, DMT, DTT,
DTW
4.
Menampilkan hasil dari
perhitungan kriteria dan
sub kriteria dari metode
AHP
5.
Menampilkan hasil
inisialisasi
6.
Menampilkan hasil dari
perhitungan Iterasi 1,
iterasi 2, iterasi 3, iterasi
4, dan kesimpulan
Pasca kondisi
Proses perhitungan metode pada SPK selesai dilakukan
3.3.3
Data Flow Diagram (DFD)
Data Flow Diagram (DFD) adalah suatu model logika data atau proses yang dibuat
untuk menggambarkan dari mana asal data dan kemana tujuan data yang keluar dari
sistem, dimana data disimpan, proses apa yang menghasilkan data tersebut dan
interaksi antara data yang tesimpan serta proses yang dikenakan pada data tersebut.
DFD menunjukan hubungan antar data pada sistem dan proses pada sistem.
Pada sistem ini digunakan DFD level-0 pada gambar 3.6, DFD Level-1 pada
gambar 3.7, untuk penjelasan lebih lanjut akan dijabarkan sebagai berikut.
Data nilai kriteria siswa
[image:49.595.218.464.358.546.2]
Data hasil clustering siswa
Gambar 3.6 DFD Level 0
Pada DFD Level 0, merupakan proses dalam sistem yang dirancang. User memasukan
data nilai kriteria siswa ke dalam sistem. Kemudian data nilai kriteria siswa diproses
di dalam sistem dengan menggunakan perhitungan matriks dan melalui beberapa
iterasi dengan menggunakan masing-masing metode yaitu K- Means
Clustering
dan
Analitycal Hierarchy Process (AHP). Kemudian menghasilkan bobot subkriteria pada
penilaian disiplin siswa. Setelah bobot subkriteria diperoleh, maka dilakukan
penggabungan antara kedua metode untuk menghasilkan kelompok disiplin siswa
dengan menggunakan sistem tersebut.
Aplikasi
Implementasi
Clustering K-
Means dan
Analitycal
Hierarchy
Process (AHP)
Status admin
Tabel User
Status user atau status admin
Nama siswa,
DTW,DTT,DMT DPK, DDBTabel siswa
Data perbandingan kriteria
Nama siswa
DTW,DTT
DMT,DPK
DDB
[image:50.595.142.495.171.714.2]
Bobot sub kriteria
Gambar 3.7 DFD Level 1
User
P2
Simpan data
kriteria siswa
P3
Penentuan bobot
subkriteria
menggunakan
AHP
P4
Clustering siswa
siswa
menggunakan
K-Means
berdasarkan
subkriteria
P1
Login
Pada DFD level-1, proses yang terjadi lebih terperinci lagi bila dibandingkan pada
diagram Level-0. User login kemudian mengisi data nilai kriteria siswa, data kriteria
dan data subkriteria penilaian siswa dan diproses di sistem dengan menggunakan
metode
Analitycal Hierarchy Process yang menghasilkan bobot dari subkriteria.
Setelah memperoleh bobot tersebut kemudian dilakukan iterasi maka diperolehlah
kelompok disiplin siswa.
3.3.4
Flowchart
Untuk menggambarkan flowchart semua proses yang dijalankan di dalam sistem
pendukung keputusan yang diimplementasikan untuk menilai kedisiplinan siswa di
SMP Negeri 21 Medan.
Gambar 3.8 Flowchart Metode K- Means Clustering
3.3.4.2
Flowchart Analytical Hierarchy Process (AHP)
Gambar 3.9 Flowchart Metode AHP
3.3.5
Pengelompokan Disiplin
Penentuan nilai bobot sub kriteria yang digunakan dalam menilai kedisiplinan siswa
menggunakan metode Analitycal Hiearachy Process (AHP). Dengan menghitung
secara keseluruhan nilai bobot prioritas kriteria dan nilai bobot subkriteria akan
memperoleh hasil akhir nilai bobot pada sub kriteria. Kemudian dalam penentuan
kelompok disiplin siswa menggunakan metode K- Means Clustering. Proses
pengelompokan siswa tersebut menggunakan perhitungan hasil akhir dari nilai bobot
pada sub kriteria yang akan memperoleh kelompok disiplin siswa.
Pada penentuan kelompok disiplin siswa ini akan dikelompokkan menjadi 4
kelompok yang disesuaikan berdasarkan tingkat kedisiplinannya.
Batas Pengelompokan :
31 – 50
= Sangat Disiplin
21 – 30
= Disiplin
11 – 20
= Cukup
1 - 10
= Tidak Disiplin
3.3.6
Kriteria Kedisiplinan
1.
Disiplin terhadap waktu (DTW)
(1 – 10)
2.
Disiplin terhadap tata tertib (DTT)
(1 – 10)
3.
Disiplin mengerjakan tugas (DMT)
(1 – 10)
4.
Disiplin dalam pembayaran kewajiban (DPK)
(1 – 10)
5.
Disiplin dalam berpakaian (DDB)
(1 – 10)
3.3.7
Proses Input Data Pengujian
3.4
Data Pengujian
3.4.1
Perhitungan Metode Analitical Hierarchy Process (AHP)
1.
Menentukan Prioritas Kriteria
A.
Membuat matriks perbandingan berpasangan
Pada tahap ini dilakukan penilaian perbandingan antara satu kriteria dengan kriteria yang
lain. Hasil penilaian bisa dilihat dalam tabel 3.4
Tabel 3.4 Matriks perbandingan berpasangan
DDB
DPK
DMT
DTT
DTW
DDB
1
0.33
0.25
0.20
0.14
DPK
3
1
0.33
0.25
0.2
DMT
4
3
1
0.33
0.25
DTT
5
4
3
1
0.33
DTW
7
5
4
3
1
JUMLAH
20
13.33
8.58
4.78
1.92
Angka 1 pada kolom DDB menggambarkan tingkat kepentingan yang sama antara DDB
dengan DDB sedangkan angka 3 pada kolom DDB baris DPK menunjukkan DPK 3 kali
lebih penting dibandingkan dengan DDB dan seterusnya . Angka 0.33 pada kolom DPK
baris DDB merupakan hasil perhitungan 1/nilai pada kolom DDB baris DPK
(3).
Angka-angka yang lain diperoleh dengan cara yang sama.
B.
Membuat matriks nilai kriteria
Matriks ini diperoleh dengan rumus berikut:
Nilai baris kolom baru = nilai baris kolom lama / jumlah masing kolom lama.
[image:55.595.104.526.650.750.2]Hasil perhitungan bisa dilihat dalam tabel 3.5
Tabel 3.5 Matriks nilai kriteria
DDB
DPK
DMT
DTT
DTW
Jlh
Prioritas
DDB
0.05
0.02
0.03
0.04
0.07
0.21
0.04
DPK
0.15
0.08
0.04
0.05
0.1
0.42
0.08
DMT
0.2
0.23
0.12
0.07
0.13
0.74
0.15
DTT
0.25
0.3
0.35
0.21
0.17
1.28
0.26
Nilai 0.05 pada kolom DDB baris DDB tabel 3.5 diperoleh dari nilai kolom DDB baris
DDB tabel 3.4 dibagi jumlah kolom DDB tabel
3.4.
Nilai kolom jumlah pada tabel 3.5 diperoleh dari penjumlahan pada setiap barisnya.
Untuk baris pertama nilai 0.21
merupakan hasil penjumlahan dari
0.05+0.02+0.03+0.04+0.07. Nilai pada kolom prioritas diperoleh dari nilai pada kolom
jumlah dibagi dengan jumlah kriteria, dalam hal ini 5.
C.
Membuat matriks penjumlahan tiap baris
Matriks ini dibuat dengan mengalikan nilai prioritas pada tabel 3.5 dengan matriks
perbandingan berpasangan (tabel 3.4). Hasil perhitungan disajikan dalam tabel 3.6.
Tabel 3.6 Matriks Penjumlahan tiap baris
DDB
DPK
DMT
DTT
DTW
Jumlah
DDB
0.04
0.03
0.04
0.05
0.07
0.23
DPK
0.12
0.08
0.05
0.06
0.09
0.4
DMT
0.16
0.24
0.15
0.09
0.12
0.76
DTT
0.2
0.32
0.45
0.26
0.16
1.39
DTW
0.28
0.4
0.6
0.78
0.47
2.53
Nilai 0.04 pada baris DDB kolom DDB tabel 3.6 diperoleh dari prioritas baris DDB pada
tabel
3.5 (0.04) dikalikan dengan nilai baris DDB kolom DDB
pada tabel 3.4.
Nilai 0.03
pada baris DPK kolom DPK
tabel 3.6
diperoleh dari prioritas baris DPK pada tabel 3.5
(0.08) dikalikan
nilai baris DPK kolom DDB pada tabel 3.4 (0.33).
Kolom jumlah pada tabel 3.6 diperoleh dengan menjumlahkan nilai pada masing-masing
baris pada tabel tersebut. Misalnya, nilai 0.23 pada kolom jumlah merupakan hasil
penjumlahan dari 0.04+0.03+0.04+0.05+0.07.
D.
Perhitungan Rasio Konsistensi
Penghitungan ini digunakan untuk memastikan bahwa nilai rasio konsistensi (CR) <= 0.1.
Jika ternyata nilai CR lebih besar dari 0.1, maka matriks perbandingan berpasangan harus
diperbaiki. Untuk menghitung rasio konsistensi, dibuat tabel seperti terlihat dalam tabel
Tabel 3.7 Matriks Rasio Konsistensi
Jumlah tiap
baris
Prioritas
Hasil
DDB
0.23
0.04
5.75
DPK
0.4
0.08
5
DMT
0.76
0.15
5.07
DTT
1.39
0.26
5.35
DTW
2.53
0.47
5.38
Jumlah
26.55
Kolom jumlah tiap baris diperoleh dari kolom jumlah pada tabel 3.6, sedangkan kolom
prioritas diperoleh dari kolom prioritas pada tabel 3.5. kemudian kolom hasil diperoleh
dari pembagian kolom jumlah tiap baris dengan klom prioritas. Dari tabel 3.7, diperoleh
nilai-nilai sebagai berikut:
Jumlah (penjumlahan dari nilai-nilai hasil) : 26.55
n (jumlah kriteria) : 5
λ
maks (penjumlahan dari nilai – nilai hasil / n) : 5.31
CI ((
λ
maks – n) / n - 1) : 0.08
CR (CI / IR (lihat tabel 2.3)) : 0.07
Oleh karena CR < 0.1, maka rasio konsistensi dari perhitungan tersebut bisa diterima.
2.
Menentukan Prioritas Sub kriteria
Penghitungan subkriteria dilakukan terhadap sub-sub dari semua kriteria. Dalam hal ini,
terdapat 5 kriteria yang berarti akan ada 5 perhitungan prioritas subkriteria.
A.
Menghitung prioritas subkriteria dari kriteria DDB
Langkah-langkah yang dilakukan untuk menghitung prioritas subkriteria dari kriteria
Membuat matriks perbandingan berpasangan.
Langkah ini seperti yang dilakukan pada langkah 1.A. hasilnya ditunjukkan dalam tabel
3.8.
Tabel 3.8 Matriks perbandingan berpasangan Kriteria DDB
Tidk Disiplin
Cukup
Disiplin
Sangat Disiplin
Tidk
Disiplin
1
0.5
0.33
0.2
Cukup
2
1
0.5
0.33
Disiplin
3
2
1
0.5
Sangat
Disiplin
5
3
2
1
Jumlah
11
6.5
3.83
2.03
Membuat matriks nilai kriteria
Langkah ini seperti yang dilakukan pada langkah 1.B. perbedaannya adalah adanya
tambahan kolom prioritas subkriteria pada langkah ini. Hasilnya ditunjukkan dalam tabel
[image:58.595.104.528.235.379.2]3.9.
Tabel 3.9 Matriks Nilai Kriteria DDB
Tidk
Disiplin
Cukup Disiplin
Sangat
Disiplin
∑baris
Prioritas
Prioritas Sub
kriteria
Tidk
Disiplin
0.09
0.08
0.09
0.1
0.36
0.09
0.19
Cukup
0.18
0.16
0.14
0.16
0.64
0.16
0.33
Disiplin
0.27
0.32
0.24
0.24
1.1
0.27
0.56
Sangat
Disiplin
0.45
0.48
0.54
0.48
1.95
0.48
1
Nilai pada kolom prioritas sub kriteria diperoleh dari nilai prioritas pada baris tersebut
Menentukan matriks penjumlahan setiap baris
Langkah ini sama dengan yang dilakukan pada langkah 1.C dan ditunjukkan dalam tabel
3.10. setiap elemen dalam tabel ini dihitung dengan mengalikan matriks perbandingan
[image:59.595.101.526.544.673.2]berpasangan (tabel 3.8) dengan nilai prioritas (tabel 3.9).
Tabel 3.10 Matriks Penjumlahan setiap baris DDB
![Gambar 2.1. Arsitektur Sistem Pendukung Keputusan [3]](https://thumb-ap.123doks.com/thumbv2/123dok/78366.7405/25.595.114.522.88.382/gambar-arsitektur-sistem-pendukung-keputusan.webp)
