Sistem Pendukung Keputusan Penentuan Kelayakan Calon Asisten Laboratorium Berbasis Android Menggunakan Algoritma Iterative Dichotomiser 3 (Id3)

(1)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN CALON

ASISTEN LABORATORIUM BERBASIS ANDROID MENGGUNAKAN

ALGORITMA ITERATIVE DICHOTOMISER 3 (ID3)

SKRIPSI

VITO ERPINDO

101401027

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

(2)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN CALON

ALGORITMA ITERATIVE DICHOTOMISER 3 (ID3)

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar

Sarjana Komputer

VITO ERPINDO

101401027

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

(3)

PERSETUJUAN

Judul

: SISTEM PENDUKUNG KEPUTUSAN PENENTUAN

KELAYAKAN CALON ASISTEN LABORATORIUM

BERBASIS ANDROID MENGGUNAKAN

Kategori

: SKRIPSI

Nama

: VITO ERPINDO

Nomor Induk Mahasiswa : 101401027

Program Studi

: SARJANA (S1) ILMU KOMPUTER

Fakultas

: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

Komisi Pembimbing :

Pembimbing 2

Pembimbing 1

Ade Candra, ST, M.Kom

Dr. Poltak Sihombing, M.Kom

NIP. 19790904 200912 1 002

NIP. 19620317 199103 1 001

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer

Ketua,

(4)

PERNYATAAN

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN CALON

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa

kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, April 2015

(5)

PENGHARGAAN

Alhamdulillahirrabbil’alamin, penulis ucapkan rasa syukur yang tiada hentinya ke

hadirat Allah SWT. yang telah memberikan rahmat dan karunia-Nya sehingga penulis

dapat menyelesaikan skripsi ini. Shalawat beriring salam penulis persembahkan

kepada Nabi Besar Muhammad SAW. Dengan segala kerendahan hati, pada

kesempatan ini penulis menyampaikan terima kasih kepada semua pihak yang telah

membantu penyelesaian skripsi ini. Penulis mengucapkan terima kasih kepada:

1.

Bapak Prof. Dr. Syahril Pasaribu, DTMH, MSc(CTM), SpA(K) sebagai Rektor

Universitas Sumatera Utara (USU).

2.

Bapak Dr. Muhammad Zarlis sebagai Dekan Fakultas Ilmu Komputer dan

Teknologi Informasi Universitas Sumatera Utara.

3.

Bapak Dr. Poltak Sihombing, M.Kom sebagai Ketua Program Studi S1 Ilmu

Komputer dan sekaligus sebagai Dosen Pembimbing I.

4.

Ibu Maya Silvi Lydia, BSc. MSc sebagai Sekretaris Program Studi S1 Ilmu

Komputer.

5.

Bapak Ade Candra, ST, M.Kom sebagai Dosen Pembimbing II.

6.

Bapak Prof. Dr. Muhammad Zarlis sebagai Dosen Pembanding I.

7.

Bapak Handrizal, S.Si, M.Comp.Sc sebagai Dosen Pembanding II.

8.

Seluruh dosen serta staf pegawai di Program Studi S1 Ilmu Komputer

Fasilkom-TI USU.

9.

Kedua orang tua tercinta, Ibunda Rayni dan Ayahanda Ir. Efri Edianto,

Abangda Jodie Edianto, S.AB, dan Adinda Fernanda Edianto.

10.

Teman-teman HADEUH(Angga, Bowo, Danny, Fadhil, Fajrul, Janwandi,

Nanda, Rizki, Teguh, Saddam, Singgih) yang selalu ada memberikan semangat

dan dorongan tekad yang kuat sehingga penulis selesai mengerjakan skripsi

ini.

(6)

Penulis menyadari bahwa skripsi ini masih jauh dari sempurna, oleh karena itu penulis

menerima kritik dan saran dari semua pihak yang bersifat membangun dan

menyempurnakan skripsi ini. Penulis berharap semoga skripsi ini dapat memberi

manfaat bagi penulis sendiri pada khususnya dan pembaca pada umumnya.

Medan, April 2015

(7)

ABSTRAK

Pengujian kelayakan calon asisten laboratorium di IKLC bertujuan untuk

mendapatkan asisten

– asisten dengan kualitas terbaik. Penentuan kelayakan

dilakukan berdasarkan kriteria yang telah ditentukan seperti seleksi berkas,

microteaching

dan wawancara. Untuk membantu proses penentuan kelayakan maka

dibutuhkan sebuah sistem pendukung keputusan. Metode yang digunakan adalah

Algoritma Iterative Dichotomiser 3. Pada penelitian ini hasil perhitungan dari metode

akan diuji dengan data calon asisten laboratorium yang dimiliki oleh IKLC. Metode

ini berhasil mencocokkan 20 data hasil perhitungan dengan data dari IKLC, dimana

terdapat 9 orang calon lulus menjadi asisten dan 11 orang calon tidak lulus menjadi

asisten. Sistem ini dapat digunakan untuk membantu menyelesaikan permasalahan

dalam menentukan kelayakan calon asisten laboratorium di IKLC (Ilmu Komputer

Laboratory Center).

Katakunci: Sistem Pendukung Keputusan, Algoritma Iterative Dichotomiser 3, IKLC

(8)

DECISION SUPPORT SYSTEM OF LABORATORY ASSISTANT

CANDIDATE PROPERNESS USING ITERATIVE

DICHOTOMISER 3 (ID3) ALGORITHM

BASED ON ANDROID

ABSTRACT

Proper test of laboratory assistant candidate aims to get the best quality assistant in

IKLC. The test is based on determined criterion such as file selection, microteaching

and interview. Decision support system is needed to assist the proper test. The method

used is Iterative Dichotomiser 3 Algorithm. In this research, the result of the method

will be tested with data of laboratory assistant candidate that possessed by IKLC. .

This method successfully matched the result of 20 data with the data from IKLC,

where 9 candidates are pass becoming an assistant and 11 are not pass. This system

can be used to assist the proper test of laboratory assistant candidate problem of IKLC

(Ilmu Komputer Laboratory Center).

(9)

DAFTAR ISI

Halaman

Persetujuan

iii

Pernyataan

iv

Penghargaan

v

Abstrak

vii

Abstract

viii

Daftar Isi

ix

Daftar Tabel

xiii

Daftar Gambar

xiv

Bab 1 Pendahuluan

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. Metodologi Penelitian

3

1.7. Sistematika Penulisan

4

Bab 2 Tinjauan Pustaka

2.1. Sistem Pendukung Keputusan

6

2.1.1. Defenisi Sistem Pendukung Keputusan

6

2.2. Metode Decision Tree

7

2.2.1. Manfaat Decision Tree

8

2.3. Algoritma Iterative Dichotomiser 3 (ID3)

8

2.3.1.Langkah

–

langkah Algoritma ID3

9

2.4. Android

13

(10)

Bab 3 Analisis dan Perancangan Sistem

3.1. Analisis Sistem

15

3.1.1. Analisis Masalah

15

3.1.2. Analisis Kebutuhan Sistem

16

3.1.2.1. Kebutuhan Fungsional Sistem

16

3.1.2.2. Kebutuhan Non-Fungsional Sistem

16

3.1.3. Pemodelan

17

3.1.3.1.

Use Case Diagram

17

3.1.3.2.

Activity Diagram

22

3.1.3.3. Analisis Proses Sistem

24

3.1.3.4.

Flowchart

Algoritma ID3

26

3.2. Perancangan Sistem

26

3.2.1. Antarmuka Menu Utama

27

3.2.2. Antarmuka Pengujian Berkas

27

3.2.3. Antarmuka Micro 1

28

30

32

34

36

3.2.8. Antarmuka Wawancara dan Pengujian

38

3.2.9. Antarmuka Hasil

39

3.2.10. Antarmuka Ubah Data

40

Bab 4 Implementasi dan Pengujian Sistem

4.1. Implementasi Sistem

42

4.1.1. Implementasi Algoritma ID3

42

4.2. Antarmuka Sistem

50

4.2.1. Tampilan Menu Awal

50

4.2.2. Tampilan Pengujian Berkas

51

4.2.3. Tampilan Micro 1

51

52

53

(11)

54

4.2.8. Tampilan Wawancara dan Pengujian

54

4.2.9. Tampilan Data

55

4.2.10. Tampilan Hasil

56

4.2.11. Tampilan Bantuan

56

4.3 . Pengujian Sistem

57

4.3.1 Pengujian Perhitungan dalam Menentukan Kelayakan

Calon Asisten Laboratorium di IKLC

58

4.3.2 Pengujian Proses Tambah Data Pengujian

65

4.3.3 Pengujian Proses Ubah Data

66

Bab 5. Kesimpulan dan Saran

5.1. Kesimpulan

67

5.2. Saran

67

Daftar Pustaka

68

LAMPIRAN A : Listing Program

A

LAMPIRAN B : Curriculum Vitae

B

(12)

DAFTAR TABEL

Halaman

Tabel 2.1. Contoh Data

9

Tabel 3.1. Tabel

Use Case

Proses Uji

18

Tabel 3.2. Tabel

Use Case

Proses Input Nilai Kriteria Pengujian

19

Tabel 3.3. Tabel

Use Case

Proses Normalisasi Nilai Kriteria

19

Tabel 3.4. Tabel

Use Case

Proses Simpan Hasil Normalisasi

19

Tabel 3.5. Tabel

Use Case

Proses Uji Kelayakan

20

Tabel 3.6. Tabel

Use Case

Proses Algoritma ID3

20

Tabel 3.7. Tabel

Use Case

Proses Hitung Entropy

21

Tabel 3.8. Tabel

Use Case

Proses Hitung Information Gain

21

Tabel 4.1. Bobot Kriteria

42

Tabel 4.2. Data Atribut Target

44

Tabel 4.3. Entropy IPK

44

Tabel 4.4. Entropy Nilai Mata Kuliah

45

Tabel 4.5. Entropy Microteaching

45

Tabel 4.6. Entropy Wawancara

46

Tabel 4.7. Hasil Perhitungan Algoritma ID3 untuk menentukan

node

awal

47

Tabel 4.8. Entropy IPK untuk

edge

2

47

Tabel 4.9. Entropy Nilai Mata Kuliah untuk

edge

2

48

Tabel 4.10. Entropy Microteaching untuk

edge

2

48

Tabel 4.11. Hasil Perhitungan Algoritma ID3 untuk

node

Cabang dari

edge

2

49

Tabel 4.12. Bobot Kriteria Hasil Normalisasi

57

Tabel 4.13. Pengujian Perhitungan dalam Menentukan Kelayakan Calon Asisten

(13)

DAFTAR GAMBAR

Halaman

Gambar 2.1.

Node

awal Decision Tree

11

Gambar 2.2. Hasil Decision Tree

12

Gambar 3.1. Diagram

Ishikawa

untuk Analisis Masalah Sistem

16

Gambar 3.2.

Use case Diagram

Sistem Pendukung Keputusan dalam

Menentukan Kelayakan Calon Asisten Laboratorium

18

Gambar 3.3.

Activity Diagram

untuk Proses Uji

22

Gambar 3.4.

Activity Diagram

dalam Proses Hitung Entropy

23

Gambar 3.5.

Activity Diagram

dalam Proses Hitung Information Gain

24

Gambar 3.6.

Sequence Diagram

dalam Proses Penentuan Kelayakan dengan

Algoritma ID3

25

Gambar 3.7.

Flowchart

Algoritma ID3

26

Gambar 3.8. Antarmuka Perancangan Sistem Menu Utama

27

Gambar 3.9. Antarmuka Perancangan Sistem Pengujian Berkas

28

Gambar 3.10. AntarmukaPerancangan Sistem Micro 1

29

31

Gambar 3.12. AntarmukaPerancangan Sistem Micro 3

33

35

37

Gambar 3.15. AntarmukaPerancangan Sistem Wawancara dan Pengujian

38

Gambar 3.16. AntarmukaPerancangan Sistem Hasil

39

Gambar 3.17. AntarmukaPerancangan Sistem Ubah Data

41

Gambar 4.1. Decision Tree untuk

node

Awal

47

Gambar 4.2. Hasil Decision Tree

49

Gambar 4.3. Menu Awal

51

Gambar 4.4. Pengujian Berkas

51

Gambar 4.5. Micro 1

52

Gambar 4.6. Micro 2

52

Gambar 4.7. Micro 3

53

(14)

Gambar 4.9. Micro 5

54

Gambar 4.10. Wawancara dan Pengujian

55

Gambar 4.13. Data

55

Gambar 4.14. Hasil

56

Gambar 4.15. Bantuan

57

Gambar 4.17. Hasil Proses Tambah Data Pengujian

65

(15)

ABSTRAK

Pengujian kelayakan calon asisten laboratorium di IKLC bertujuan untuk

mendapatkan asisten

– asisten dengan kualitas terbaik. Penentuan kelayakan

dilakukan berdasarkan kriteria yang telah ditentukan seperti seleksi berkas,

microteaching

dan wawancara. Untuk membantu proses penentuan kelayakan maka

dibutuhkan sebuah sistem pendukung keputusan. Metode yang digunakan adalah

Algoritma Iterative Dichotomiser 3. Pada penelitian ini hasil perhitungan dari metode

akan diuji dengan data calon asisten laboratorium yang dimiliki oleh IKLC. Metode

ini berhasil mencocokkan 20 data hasil perhitungan dengan data dari IKLC, dimana

terdapat 9 orang calon lulus menjadi asisten dan 11 orang calon tidak lulus menjadi

asisten. Sistem ini dapat digunakan untuk membantu menyelesaikan permasalahan

dalam menentukan kelayakan calon asisten laboratorium di IKLC (Ilmu Komputer

Laboratory Center).

Katakunci: Sistem Pendukung Keputusan, Algoritma Iterative Dichotomiser 3, IKLC

(16)

DECISION SUPPORT SYSTEM OF LABORATORY ASSISTANT

CANDIDATE PROPERNESS USING ITERATIVE

DICHOTOMISER 3 (ID3) ALGORITHM

BASED ON ANDROID

ABSTRACT

Proper test of laboratory assistant candidate aims to get the best quality assistant in

IKLC. The test is based on determined criterion such as file selection, microteaching

and interview. Decision support system is needed to assist the proper test. The method

used is Iterative Dichotomiser 3 Algorithm. In this research, the result of the method

will be tested with data of laboratory assistant candidate that possessed by IKLC. .

This method successfully matched the result of 20 data with the data from IKLC,

where 9 candidates are pass becoming an assistant and 11 are not pass. This system

can be used to assist the proper test of laboratory assistant candidate problem of IKLC

(Ilmu Komputer Laboratory Center).

(17)

BAB 1

PENDAHULUAN

1.1.

Latar Belakang

Laboratorium komputer merupakan tempat berlangsungnya praktikum sebagai salah

satu kegiatan akademik di Program Studi S-1 Ilmu Komputer Universitas Sumatera

Utara. Dalam pelaksanaan kegiatan praktikum, dibutuhkan tenaga asisten

laboratorium. Asisten laboratorium adalah para mahasiswa yang dipilih melalui proses

seleksi.

Ilmu Komputer Laboratory Center (IKLC) merupakan pusat laboratorium yang

mengatur kegiatan

–

kegiatan praktikum di Program Studi S-1 Ilmu Komputer

Universitas Sumatera Utara, salah satunya dalam melakukan proses penyeleksian

asisten laboratorium yang baru. Akan tetapi, penilaian yang dilakukan masih bersifat

manual. Oleh karena itu, dibutuhkan sebuah sistem yang mampu mendukung para

penguji dalam memberikan keputusan terhadap kelayakan calon asisten laboratorium.

Smartphone/

telepon pintar adalah telepon genggam yang dapat membantu para

pengguna dalam mendapatkan informasi dan memenuhi kebutuhan dengan cepat dan

mudah. Ada berbagai macam sistem operasi yang mendukung

smartphone

, salah

satunya android. Android mempunyai beberapa kelebihan dibandingkan dengan

sistem operasi lain, yaitu bersifat

open source,

sistem operasinya dapat diubah sesuai

keinginan sendiri dan memberikan kemudahan dalam pengembangan dan pembuatan

sistem yang berbasis Android.

Penentuan kelayakan dapat dilakukan dengan bermacam-macam metode, salah

satunya adalah metode

Decision Tree

.

Decision Tree

merupakan salah satu metode

(18)

terdiri dari

node

keputusan yang dihubungkan dengan cabang-cabang dari simpul akar

sampai ke

node

daun (akhir). Pada node keputusan attribut akan diuji, dan setiap hasil

akan menghasilkan cabang. Setiap cabang akan diarahkan ke

node

lain atau ke

node

akhir untuk menghasilkan suatu keputusan (Larose, 2005). Pada metode

Decision Tree

terdapat beberapa Algoritma seperti

Iterative Dichotomiser

3(ID3) dan C 4.5.

Dari uraian diatas akan dibangun sebuah aplikasi Sistem Pendukung Keputusan

(SPK) yang dapat mendukung para pengguna untuk mendapatkan keputusan terhadap

kelayakan para calon asisten laboratorium, didalam teknologi

smartphone

yang

menggunakan Algoritma ID3 untuk membentuk

Decision Tree

sebagai metode

pendukung keputusan berbasis Android.

1.2.

Rumusan Masalah

Rumusan masalah pada penelitian ini adalah bagaimana menentukan kelayakan calon

asisten laboratorium dengan menggunakan algoritma

Iterative Dichotomiser

3(ID3)

.

1.3.

Batasan Masalah

Agar fokus penelitian tidak menyimpang dari rumusan masalah yang telah ditetapkan,

maka dibuat batasan masalah sebagai berikut:

1.

Menggunakan Algoritma

3 (ID3) untuk membentuk

Decision Tree.

2.

Menggunakan bahasa pemrograman java (eclipse).

3.

Sistem yang dibangun hanya untuk menentukan layak atau tidak layaknya

seseorang menjadi asisten laboratorium di IKLC (Ilmu Komputer Laboratory

Center).

4.

Kriteria yang digunakan adalah

seleksi berkas (IPK & nilai mata kuliah yang

akan diambil),

microteaching

(penyampaian materi, pemakaian alat bantu,

organisasi penyampaian materi), wawancara.

5.

Studi kasus dilakukan kepada calon asisten laboratorium IKLC.

(19)

1.4.

Tujuan Penelitian

Tujuan penelitian ini adalah menyediakan aplikasi sistem pendukung keputusan untuk

menentukan kelayakan calon asisten laboratorium menggunakan algoritma

Iterative

Dichotomiser

3(ID3) berbasis Android

.

1.5.

Manfaat Penelitian

Manfaat yang diharapkan dari penelitian ini adalah untuk menghasilkan aplikasi

sistem pendukung keputusan berbasis Android yang dapat digunakan oleh para

penguji untuk menentukan kelayakan calon asisten laboratorium dengan

menggunakan algoritma

3(ID3).

1.6.

Metodologi Penelitian

Penelitian ini menerapkan beberapa metode penelitian sebagai berikut:

1.

Studi Literatur

Pada tahap ini penulisan dimulai dengan proses pengumpulan bahan referensi

baik dari buku, artikel, jurnal, makalah maupun melalui media internet

mengenai sistem pendukung keputusan, Android, algoritma ID3

serta beberapa

referensi lainnya untuk menunjang pencapaian tujuan skripsi.

2.

Pengumpulan Data

Pada tahap ini dilakukan pengumpulan data calon asisten laboratorium IKLC

dalam penentuan kelayakan calon asisten laboratorium serta kebutuhan yang

diperlukan.

3.

Analisis dan Perancangan Sistem

Pada tahap ini dilakukan analisis terhadap permasalahan yang ada, batasan

sistem, kinerja sistem, cara kerja sistem serta kebutuhan sistem yang

diperlukan dalam membangun sistem pendukung keputusan berbasis Android

dengan pengaplikasian algoritma ID3

dalam penentuan kelayakan calon asisten

laboratorium.

4.

Implementasi Sistem

(20)

5.

Pengujian Sistem

Pada tahap ini akan dilakukan pengujian terhadap sistem yang telah dibangun

serta menguji kebenaran dari algoritma ID3

untuk menentukan kelayakan

calon asisten laboratorium.

6.

Dokumentasi Sistem

Pada tahap ini dilakukan pembuatan dokumentasi sistem mulai dari tahap awal

hingga pengujian sistem, untuk selanjutnya dibuat dalam bentuk laporan

penelitian (skripsi).

1.7.

Sistematika Penulisan

Sistematika dalam penulisan skripsi ini adalah sebagai berikut:

BAB 1 PENDAHULUAN

Pada bab ini dijelaskan latar belakang masalah dari penelitian yang dilakukan beserta

batasannya, tujuan dan manfaat penelitian, metodologi penelitian dan sistematika

penulisan skripsi ini.

BAB 2 TINJAUAN PUSTAKA

Pada bab ini dijelaskan teori-teori dasar yang mendukung penelitian seperti Sistem

Pendukung Keputusan, Metode Decision Tree, Algoritma ID3 dan Android.

BAB 3 ANALISIS DAN PERANCANGAN

Pada bab ini dijelaskan perancangan Sistem Pendukung Keputusan pada

smartphone

berbasis Android menggunakan Algoritma ID. Model

Unified Modeling Language

(UML)

yang digunakan antara lain adalah

use case diagram, activity diagram,

sequence diagram

dan perancangan tampilan antarmuka sistem.

BAB 4 IMPLEMENTASI DAN PENGUJIAN APLIKASI

(21)

BAB 5 KESIMPULAN DAN SARAN

(22)

BAB 2

TINJAUAN PUSTAKA

2.1.

Sistem Pendukung Keputusan

Konsep Sistem Pendukung Keputusan (SPK) atau

Decision Support Systems (DSS)

pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton

dengan istilah

Management Decision Systems

(Tampubolon, 2010).

Sistem pendukung keputusan (SPK) dirancang sedemikian rupa sehingga

bersifat interaktif dengan pemakainya. Maksud dan tujuan dari adanya SPK, yaitu

untuk mendukung pengambil keputusan memilih alternatif keputusan yang merupakan

hasil pengolahan informasi - informasi yang diperoleh/tersedia dengan menggunakan

model-model pengambil keputusan serta untuk menyelesaikan masalah-masalah

bersifat terstruktur, semi terstruktur dan tidak terstruktur (Mulyono, 1996).

2.1.1.

Definisi Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (SPK) secara sederhana adalah sebuah sistem yang

digunakan sebagai alat bantu menyelesaikan masalah untuk membantu pengambil

keputusan (manajer) dalam menentukan keputusan tetapi tidak untuk menggantikan

kapasitas manajer namun hanya memberikan pertimbangan. SPK ditujukan untuk

keputusan-keputusan yang memerlukan penilaian atau pada keputusan-keputusan

yang sama sekali tidak dapat didukung oleh algoritma (Turban & Jay, 1998).

(23)

kebijakan, analisis, pengalaman dan wawasan manajer untuk mengambil keputusan

yang lebih baik (Manurung, 2012).

2.2.

Metode Decision Tree

Pohon keputusan merupakan salah satu metode klasifikasi yang sangat menarik yang

melibatkan konstruksi pohon keputusan yang terdiri dari node keputusan yang

dihubungkan dengan cabang-cabang dari simpul akar sampai ke node daun (akhir).

Pada node keputusan attribut akan diuji, dan setiap hasil akan menghasilkan cabang.

Setiap cabang akan diarahkan ke node lain atau ke node akhir untuk menghasilkan

suatu keputusan (Larose, 2005).

Setiap cabang dari

Decision Tree

menunjukkan kemungkinan keputusan.

Struktur pohon menunjukkan bagaimana satu pilihan mengarah kepada pilihan yang

selanjutnya, sehingga penggunaan cabang menunjukkan bahwa setiap pilihan

memiliki hubungan

mutually exclusive

. Cabang-cabang terjauh pada strukur pohon

(

leaf

) menunjukkan hasil akhir keputusan yang diambil (Hilman & Wibisono, 2012).

Pencarian solusi dengan bantuan

Decision Tree

dimulai dengan mempersiapkan

sekumpulan kasus. Seluruh kumpulan kasus tersebut akan dibagi menjadi 2

(Podgorelec,Kokol, Stiglic & Rozman, 2002), yaitu :

1.

Training set, dimana digunakan untuk menginduksi

Decision Tree

.

2.

Testing set, dimana digunakan untuk mengecek akurasi dari solusi yang telah

didapatkan.

Kelebihan dari metode

Decision Tree

adalah (Simarmata, 2005):

1.

Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat

global, dapat diubah menjadi lebih simpel dan spesifik.

2.

Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika

menggunakan metode pohon keputusan maka sampel diuji hanya berdasarkan

kriteria atau kelas tertentu.

(24)

meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika

menggunakan metode penghitungan satu tahap yang lebih konvensional.

4.

Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya sangat

banyak, seorang penguji biasanya perlu untuk mengestimasikan baik itu

distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas

tersebut. Metode pohon keputusan dapat menghindari munculnya

permasalahan ini dengan menggunakan kriteria yang jumlahnya lebih sedikit

pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang

dihasilkan.

2.2.1. Manfaat Decision Tree

Konsep dari pohon keputusan adalah mengubah data menjadi pohon keputusan dan

aturan-aturan keputusan. Manfaat utama dari penggunaan pohon keputusan adalah

kemampuannya untuk mem-

break down

proses pengambilan keputusan yang

kompleks menjadi lebih simpel sehingga pengambil keputusan akan lebih

menginterpretasikan solusi dari permasalahan (Manurung, 2012).

Pohon Keputusan juga berguna untuk mengeksplorasi data, menemukan

hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variable

target. Pohon keputusan memadukan antara eksplorasi data dan pemodelan, sehingga

sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan

sebagai model akhir dari beberapa teknik lain. Sering terjadi tawar menawar antara

keakuratan model dengan transparansi model. Dalam beberapa aplikasi, akurasi dari

sebuah klasifikasi atau prediksi adalah satu-satunya hal yang ditonjolkan, misalnya

sebuah perusahaan direct mail membuat sebuah model yang akurat untuk

memprediksi anggota mana yang berpotensi untuk merespon permintaan, tanpa

memperhatikan bagaimana atau mengapa model tersebut bekerja (Manurung, 2012).

2.3. Algoritma Iterative Dichotomiser 3 (ID3)

ID3 adalah algoritma

Decision Tree learning

(algoritma pembelajaran pohon

(25)

diimplementasikan menggunakan fungsi rekursif (fungsi yang memanggil dirinya

sendiri) (Suyanto, 2007).

2.3.1. Langkah- langkah Algoritma ID3

Penentuan kelayakan menggunakan Algoritma ID3 dapat dilihat dalam contoh kasus

berikut. Diketahui data seperti didalam tabel dibawah ini, permasalahan nya adalah

bagaimana mendapatkan ketentuan(rule) untuk mencari kelayakan seseorang dalam

membeli sebuah motor.

Tabel 2.1. Contoh Data

Umur

Pendapatan

Pelajar

Pinjaman

Membeli

Motor

<=16

Tinggi

Tidak

<=16

Tinggi

Tidak

Ya

Tidak

17..19

Rendah

Ya

17..19

Tinggi

Tidak

Ya

>19

Sedang

Tidak

Ya

>19

Rendah

Ya

Tidak

Ya

>19

Rendah

Ya

Tidak

Langkah-langkah untuk menentukan ketentuan(rule) dari tabel diatas

menggunakan Algoritma ID3 :

1.

Tentukan keadaan yang mungkin terjadi dari setiap atribut yang ada pada

data.

2.

Hitung Entropy awal dengan rumus (Chahal, 2013):

Entropy

(

S

) =

−�

_��

∗ � �2 �

_��

−

� ∗ � �2 �

Keterangan : S = himpunan atribut

�

��

= atribut yang bernilai “Ya”

(26)

3.

Hitung Entropy dan Information Gain dari setiap atribut untuk menentukan

node

awal dengan rumus (Chahal, 2013):

Information Gain

(

S. A

) =

�

� � −

|� | |�|

∈�� (�)

�

(

�

)

Keterangan :

�

= atribut

�

= jumlah kasus

�

= jumlah kasus pada partisi ke-

r

|� |

|�|

∈�� (�)

= menghitung jumlah partisi

4.

Node awal didapatkan dari atribut yang memiliki nilai Information Gain

tertinggi.

5.

Ulangi langkah ketiga untuk menentukan

node

cabang selanjutnnya hingga

seluruh kriteria keputusan digunakan.

Entropy awal :

Jumlah Instance Total = 7

Jumlah Instance Ya = 4

Jumlah Instance Tidak = 3

Entropy

(

S

)

=

−�

_��

∗ � �2 �

_��

−

� ∗ � �2 �

=

−

4

7

� �2

4 7

−

3 7

� �2

3 7

=

−

0.57 (

−

0.811)

–

0.43 (

−

1.218)

= 0.986

Entropy dan Information Gain per Atribut untuk node awal:

Umur

Entropy (Umur<=16)

=

−

0

2

� �2

0 2

−

2 2

� �2

2 2

= 0

Entropy (Umur 17..19)

= 0

Entropy (Umur >19)

= 0.915

Information Gain (Umur)

=

�

� � −

|� |

|�|

∈�� (�)

�

(

�

)

= 0.986

–

2

7

x 0

–

2

7

x 0

–

3

7

x 0.915

(27)

Pendapatan

Entropy (Pendapatan = Tinggi)

= 0.915

Entropy (Pendapatan = Sedang)

= 0

Entropy (Pendapatan = Rendah)

= 0.915

Information Gain(Pendapatan)

= 0.202

Pelajar

Entropy (Pelajar = Tidak)

= 1

Entropy (Pelajar = Ya)

= 0.915

Information Gain(Pelajar)

= 0.023

Pinjaman

Entropy (Pinjaman= Tidak)

= 0.811

Entropy (Pinjaman= Ya)

= 0.915

Information Gain(Pinjaman)

= 0.131

Hasil Information Gain dari seluruh atribut =

Umur = 0.594

Pendapatan

= 0.202

Pelajar = 0.023

Pinjaman

= 0.131

Karena atribut Umur memiliki nilai Information Gain paling tinggi maka atribut Umur

dijadikan

node

awal, dan

Decision Tree

nya sebagai berikut :

Gambar 2.1.

Node

awal

Decision Tree

Kemudian hitung Entropy dan Information Gain per atribut untuk menentukan

node

cabang dari

edge

>19.

(28)

Jumlah Instance Ya = 2

Jumah Instance Tidak = 1

Pendapatan

Entropy (Pendapatan = Tinggi)

= 0

Entropy (Pendapatan = Sedang)

= 0

Entropy (Pendapatan = Rendah)

= 1

Information Gain(Pendapatan)

= 0.319

Pelajar

Entropy (Pelajar = Tidak)

= 1

Entropy (Pelajar = Ya)

= 0

Information Gain(Pelajar)

= 0.319

Pinjaman

Entropy (Pinjaman= Tidak)

= 0.915

Entropy (Pinjaman= Ya)

= 0

Information Gain(Pinjaman)

= 0.376

Hasil Information Gain dari seluruh atribut =

Pendapatan

= 0.319

Pelajar = 0.319

Pinjaman

= 0.376

Karena atribut Pinjaman memiliki nilai Information Gain paling tinggi maka atribut

Pinjaman dijadikan

node

cabang untuk

edge

>19.

Decision Tree

nya sebagai berikut :

(29)

Dan didapatkan

rules

dari pohon keputusan diatas:

IF Umur = <=16 THEN beli = Tidak

IF Umur = 17..19 THEN beli = Ya

IF Umur = >19^Pinjaman = Tidak THEN beli = Ya

IF Umur = <19^Pinjaman = Ya THEN beli = Tidak

2.4. Android

Android adalah sistem operasi berbasis linux yang digunakan untuk telepon

seluler/

mobile

seperti telepon pintar/

smartphone

dan komputer tablet (PDA). Android

menyediakan platform terbuka bagi para pengembang untuk menciptakan aplikasi

mereka sendiri yang digunakan oleh bermacam piranti bergerak (Ardhana, 2014).

Android didirikan pada tahun 2003 di Palo Alto, California, USA (Kasman,

2013). Pendiri Android adalah Andy Rubin, Rich Miner, Nick Sears dan Chris White.

Sejak didirikan sampai saat ini, Android telah berkembang dan memiliki 13 versi

sistem operasi,yaitu:

1.

Android Beta

2.

Android 1.0

3.

Android 1.1

4.

Android 1.5 (Cupcake)

5.

Android 1.6 (Donut)

6.

Android 2.0/2.1 (Éclair)

7.

Android 2.2 (Froyo : Frozen Yoghurt)

8.

Android 2.3 (Gingerbread)

9.

Android 3.0/3.1 (Honeycomb)

10.

Android 4.0 (ICS : Ice Cream Sandwich)

11.

Android 4.1 (Jelly Bean)

12.

Android 4.4 (Kitkat)

13.

Android 5.0 (Lollipop)

2.4.1. Arsitektur Aplikasi Android

(30)

1.

Linux kernel, berperan sebagai

abstraction layer

antara

hardware

dan

keseluruhan

software

.

2.

Android Runtime, berisi Core Libraries dan Dalvik Virtual Machine. Core

Libraries mencakup serangkaian inti

library

Java. Dalvik Virtual Machine

member kekuatan pada sistem Android dan di optimalkan untuk telepon

seluler.

3.

Libraries, berisi satu set

library-library

dalam bahasa C/C++ yang digunakan

oleh berbagai komponen yang ada pada sistem Android

.

Di dalamnya

meliputi :

System C Library, Media Libraries, Surface Manager,

LibWebCore, SGL, 3D Libraries, FreeType, dan SQL Lite.

4.

Application Framework, mencakup program untuk mengatur fungsi-fungsi

dasar

smartphone

. Di dalamnya terdapat servis dan sistem yang meliputi:

satu

set

Views, Content Providers, Resource Manager, Notification Manager

dan Activity Manager.

(31)

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1.

Analisis Sistem

Analisis sistem bertujuan untuk melakukan identifikasi persoalan-persoalan yang akan muncul

dalam pembuatan sistem, hal ini dilakukan agar pada saat proses perancangan aplikasi tidak

terjadi kesalahan yang berarti, sehingga sistem yang dirancang dapat berjalan dengan baik, tepat

guna dan ketahanan dari sistem tersebut akan lebih terjaga serta selesai tepat pada waktu yang

telah ditentukan.

Sistem ini akan melakukan perhitungan dalam menentukan kelayakan calon asisten

laboratorium di IKLC. Sistem ini dirancang dengan menggunakan Algoritma Iterative

Dichotomiser 3 (ID3) dalam menentukan kelayakan calon asisten laboratorium IKLC.

3.1.1.

Analisis Masalah

IKLC melakukan perekrutan asisten laboratorium setiap satu semester. Perekrutan dilakukan

dengan cara melakukan pengujian kepada para calon asisten untuk menentukan kelayakan dari

masing

– masing calon asisten. Hasil dari pemilihan ini adalah terpilihnya calon- calon yang

layak menjadi asisten laboratorium di IKLC. Hal tersebut tentunya didasari oleh berbagai kriteria

yang telah ditentukan dalam proses penentuan kelayakan calon asisten laboratorium, yaitu

pengujian berkas,

micro teaching

dan wawancara.

(32)

Untuk mengidentifikasi masalah tersebut digunakan diagram Ishikawa

(fishbone

diagram)

. Diagram Ishikawa adalah sebuah alat grafis yang digunakanuntuk mengeksplorasi dan

menampilkan pendapat tentang komponen inti suatu kondisi di dalam organisasi. Diagram ini

juga dapat menyusuri sumber-sumber penyebab atas suatu masalah (Russel, Stuart J. & Norvig,

P. 2003).

Gambar 3.1

Diagram Ishikawa

untuk Analisis Masalah Sistem

3.1.2.

Analisis Kebutuhan Sistem

Analisis kebutuhan sistem meliputi analisis kebutuhan fungsional sistem dan analisis kebutuhan

nonfungsional sistem.

3.1.2.1.

Kebutuhan Fungsional Sistem

Kebutuhan fungsional yang harus dimiliki oleh Sistem Pendukung Keputusan dalam menentukan

asisten laboratorium di IKLC adalah :

1.

Sistem dapat menerima inputan data calon asisten dan bobot kriteria.

2.

Sistem dapat menampilkan detail data dan mengetahui calon yang layak atau calon yang tidak

layak untuk menjadi asisten laboratorium berdasarkan algoritma ID3.

3.1.2.2.

Kebutuhan Non-Fungsional Sistem

(33)

1.

Sistem dapat melakukan perhitungan menentukan kelayakan calon asisten laboratorium

dengan kecepatan komputasi yang tinggi.

2.

Sistem harus mudah digunakan sehingga dapat dioperasikan dengan baik oleh pengguna.

3.1.3.

Pemodelan

Pemodelan sistem dilakukan untuk memperoleh gambaran yang lebih jelas tentang objek apa

saja yang akan berinteraksi dengan sistem, serta hal-hal apa saja yang harus dilakukan oleh

sebuah sistem sehingga sistem dapat berfungsi dengan baik sesuai dengan kegunaannya.

Pada penelitian ini digunakan

UML

(

Unified Modeling Language

) sebagai bahasa

pemodelan untuk mendesain dan merancang Sistem Pendukung Keputusan dalam menentukan

kelayakan calon asisten laboratorium di IKLC. Model UML yang digunakan antara lain

use case

diagram, activity diagram,

dan

sequence diagram.

3.1.3.1.

Use Case Diagram

adalah sebuah diagram yang dapat merepresentasikan interaksi yang terjadi

antara user dengan sistem.

Use Case Diagram

akan menjelaskan fungsi apa saja yang dikerjakan

(34)

Pengguna

Gambar

3.2 Use Case

Diagram

Sistem Pendukung Kepufusan dalam

Menentukan Kelayakan

Calon Asisten

Laboratorium

Use Case proses

Uji

dapat dinyatakan dalam Tabel3.1.

Tabel3.1- Tabel

Use Case Proses

Uji

Menentukan Kelayakan Calon Asisten Laboratorium

Name Proses

Uji

Actors

Description

Basic

Flow

Alternate Fla'*' Pre Conditian Post Condition

User yang telah ditentukan

Use Case

ini

mendeskripsikan proses penentuan kelayakan calon asisten laboratorium

User memasukkan nilai pengujian pada setiap kriteria penilaian

dan menekan menu hasil

User dapat melihat bantuan dan tentang

(35)

Use Case

proses Input Nilai Kriteria Pengujian dapat dinyatakan dalam Tabel 3.2.

Tabel 3.2. Tabel

Use Case

Name

Actors

Description

Use Case

ini mendeskripsikan proses memasukkan seluruh

nilai kriteria penilaian

Basic Flow

User memasukkan nilai kriteria penilaian dan menekan tombol

simpan untuk menyimpan data kedalam database

Alternate Flow

-

Pre Condition

User dapat melihat tampilan awal

Post Condition

Sistem mendapatkan nilai kriteria penilalian yang akan

dimasukkan database

Use Case

proses Normalisasi Nilai Kriteria dapat dinyatakan dalam Tabel 3.3.

Tabel 3.3. Tabel

Use Case

Name

Actors

Description

Use Case

ini mendeskripsikan proses normalisasi nilai kriteria

pengujian

Basic Flow

Sistem menormalisasi nilai kriteria pengujian yang telah

dimasukkan

Alternate Flow

-

Pre Condition

User memasukkan nilai kriteria penilaian

Post Condition

Sistem mendapatkan hasil normalisasi nilai kriteria pengujian

Use Case

proses Simpan Hasil Normalisasi dapat dinyatakan dalam Tabel 3.4.

Tabel 3.4. Tabel

Use Case

Name

(36)

Description

Use Case

ini mendeskripsikan proses menyimpan nilai kriteria

pengujian yang telah di normalisasi

Basic Flow

Sistem menyimpan nilai hasil normaliasi ke dalam database

Alternate Flow

-

Pre Condition

Sistem menormalisasi nilai kriteria pengujian

Post Condition

Nilai hasil normalisasi tersimpan kedalam database

Use Case

proses Uji Hasil Kelayakan dapat dinyatakan dalam Tabel 3.5.

Tabel 3.5. Tabel

Use Case

Proses Uji Kelayakan

Name

Proses Uji Kelayakan

Actors

Description

Use Case

ini mendeskripsikan proses pengujian kelayakan

calon asisten laboratorium

Basic Flow

User menekan tombol hasil dan sistem akan melakukan

pengujian kelayakan data calon asisten laboratorium dengan

Algoritma ID3

Alternate Flow

-

Pre Condition

Sistem menyimpan data hasil normalisasi kedalam database

Post Condition

User mendapatkan hasil kelayakan calon asisten laboratorium

Use Case

proses Algoritma ID3, dapat dinyatakan dalam Tabel 3.6.

Tabel 3.6. Tabel

Use Case

Proses Algoritma ID3

Name

Proses Algoritma ID3

Actors

Description

Use Case

ini mendeskripsikan proses penentuan rule dengan

Algoritma ID3

Basic Flow

Sistem menghitung seluruh entropy dan Information Gain data

kriteria yang telah dimasukkan dan mendapatkan rule akhir

Alternate Flow

-

Pre Condition

-

(37)

Use Case

proses Hitung Entropy dapat dinyatakan dalam Tabel 3.7.

Tabel 3.7. Tabel

Use Case

Name

Actors

Description

Use Case

ini mendeskripsikan proses perhitungan entropy

seluruh data kriteria penilaian

Basic Flow

Sistem menghitung seluruh entropy data kriteria yang telah

dimasukkan

Alternate Flow

-

Pre Condition

User memasukkan data kriteria penilaian

Post Condition

Sistem mendapatkan hasil perhitungan entropy dari seluruh

kriteria penilaian

Use Case

proses Hitung Information Gain, dapat dinyatakan dalam Tabel 3.8.

Tabel 3.8. Tabel

Use Case

Name

Actors

Description

Use Case

ini mendeskripsikan proses perhitungan information

gain seluruh data kriteria penilaian

Basic Flow

Sistem menghitung seluruh information gain dari seluruh

entropy

Alternate Flow

-

Pre Condition

Sistem melakukan perhitungan entropy

(38)

3.1.3.2.

Activi4t Diagram

Proses U.ii, dapat dilihat Activity Diagram pada Gambar 3.3 berikut.

GamLrar 3.3

Activity Diagram

dalam Proses

Uji

Pada proses

ini,

pengguna akan memasukkan

nilai

kriteria

pengujian. Sistem

akan menormalisasi

nilai

kriteria

pengujian dan menyimpannya kedalam database.

Sistem

kemudian

akan

melakukan pengujian kelayakan

calon

asisten

dengan

Algoritma ID3

dan akan menampilkan hasil pengujian tersebut. Pengguna

juga

dapat

melakukan pengujian lain.

Sistern menyimpan data hasil normalisasi kedalam database

Sistem melakukan pengujian

kelayakan dengan Algoritma lD3

Sislern menampilkan hasil kelayakan calon asisten

laboratorium

Pengguna ingin

(39)

Pro.ses

Hitung

Entropy, dapat

dilihat

,4ctir.'iQ'

Diagram

pada Gambar 3.4

berikut.

Pada proses

ini,

pengguna akan memasukkan data kriteria penilaian yang telah

didapatkan

dari

narasumber.

Sistem akan

menghitung

entropy

dari

setiap

node.

Perhitungan entropy selesai ketika seluruh node telah dihitung entropy nya.

Proses Hitung Information Gain, dapat dilihat

Activity

Diagram pada Gambar

3.5 berikut.

Pengguna memasukkan data kriteria

Sistem melakukan perhitungan

entropy node

[image:39.612.207.457.101.407.2]

Seluruh node berhasil dihitung

Gambar

3.4

Activity

dalam Proses

Hitung

Entropy

I

(40)

[image:40.612.208.444.63.405.2]

Sistem mendapatkan rule akhir

Gambar

3.5

Activity Diagram

dalam Proses

Hitung Informatin

Gain

Pada proses

ini,

sistem akan mangambil data hasil perhitungan entropy. Sistem

akan melakukan perhitungan information

gain

untuk mendapatkan

information

gain

tertinggi

yang akan dijadikan sebagai node awal dan node cabang. Sistem kemudian

mendapatkan rule

akhir

dari pohon keputusan yang terbentuk. Jika rule akhir belum terbentuk maka sistem akan mengambil

lagi

data hasil perhitungan

dari

entropy dan

melakukan perhitungan kembali.

3.1.3.3.

Analisis

Proses Sistem

Berikut ini akan dijelaskan mengenai proses memasukkan data dan proses perhitungan yang terjadi dalam menentukan kelayakan calon asisten laboratorium

di

IKLC

dengan

(41)

Pada proses Penentuan Kelayakan Calon Asisten Laboratorium, sistem dapat

melakukan

perhitr"lngan dengan

algoritma

ID3.

Sequence

diagratz

untuk

proses

penentuan kelayakan calon asisten laboratorium dengan algoritma

ID3

diperlihatkan

pada Gambar 3.6.

-o_

,N\

UU

PerE$m

t,**o*-

TlSis-ptr'

I l--I'

_l

titlmffiarlt_l

---T---l-_--T_-_

:HituBhtroaimGaifl

-T

+

SnTpac fBsq ffi6is6i

I I

n

tt

U

_{- -}

-

_-

-- --

_{- - - -}

-ryHesrryg

Gambar

3.6 Sequence Dicgram Dalam Proses Penentuan

Kelayakan

Calon

Asisten

Laboratorium

dengan

Algoritma

ID3

Pada Sequence

diagranr

di

atas

terlihat

bahwa pengguna mengakses fonn pengujian, kemudian sistem akan menampilkan

form

pengujian berkas. Pengguna

kemudian

akan

memasukkan

data

pengujian berkas

dan

sistem

akan

menyimpan

datanya

ke

dalam database. Sistem kemudian akan menampilkan data

yang

sudah

disimpan didalam

database. Pengguna

kemudian

akan memilih

data

yang

akan

dilakukan

pengujian selanjutnya

dan

memasukkan

seluruh

data untuk

seluruh

alternatif kriteria ke dalam database. Selanjutnya sistem akan menampilkan teks "Data

berhasil disimpan".

Kemudian

pengguna mengakses

form

data

dan

sistem

menampilkan data yang telah disimpan. Pengguna rnemilih data yang ingin dilakukan

perhitungan dan sistem akan menampilkan hasil perhitungan dengan algoritma ID3.

ftJed(hrdida@(a1 I i-I I

I 6*ffi6rEk* tilai itrisa

Fr{qim

I

Mffiaddm dala k.itsia I

Mirliaed i

Pshns€tr rnde a.d

T-lm'r's

_l

I *---l---er*rcpy I

I

t snnsikfri mde {brEEn

(42)

3.1.3.4.

Flowchart Algoritma

ID3

Berikut

adalahflowchart

yang menggambarkan langkah-langkah dalam menghitung [image:42.612.161.462.126.545.2]

Algoritma ID3.

Gambar

3,7

Flowcharl

Algoritma

ID3

3.2. Perancangan Sistem

Proses perancangan antarmuka (interface) sebuah sistem adalah proses yang cukup

penting dalam perancangan sebuah sistem. Sebuah antarmuka harus dirancang dengan

memperhatikan

faktor

pengguna sehingga sistem yang dibangun dapat memberikan

kenyamanan dan kemudahan untuk digunakan oleh pengguna. Erffqp,, l.lil = *.Pro * Iollt Fros

-

tr*t* * Iap

F*

Infsmrriln &fo {5' l{! = efiFop}'{s}

-

Ir61sri-*t4ff

ft*roeyqsa

(43)

3.2.1.

Antarmuka

Menu

Utama

Antarmuka Menu Utama adalah tampilan yang muncul setelah tampilan splash screen

menghilang. Pada

tampilan

ini

disajikan

form

yang

akan

di

pilih

untuk

memulai

aplikasi.

Sistem Pe.*dukuilg Keputusan

Cal,on Asistq L&o€torium IKLC

Deia

Bantuan

Gambar

3.8

Antarmuka

Perancangan Sistem Menu Utama

Keterangan :

l.

Button Pengujian

Berupa tombol yang berfungsi untuk menambah data baru dan memasukkan nilai kriteria.

2.

Button Data

Berupa tombol yang berfungsi untuk menampilkan data yang telah dimasukkan

kedalam database dan hasil perhitungan.

3.

Button Bantuan

Berupa tombol yang berfungsi mengarahkan pengguna ke form petunjuk

penggunaan aplikasi.

4.

Button Tentang

Berupa tombol yang berfungsi menampilkan identitas perancang sistem.

3.2.2.

Antarmuka

Pengujian Berkas

Pada Tampilan Pengujian Berkas, akan ditampilkan Text Field dan pengguna diminta untuk memasukkan identitas calon dan

nilai

kriteria pengujian yang sudah ditentukan.

Selanjutnya pengguna mengakses

tombol

Simpan untuk menyimpan data yang telah

(44)

Penguiian Berkas

Nama fO---l

Nim lg---l

ftrarar<uridr

,€--Nilai

rPK re--]

Nilis&ffi Kil---V

...r rG;'moan

I

_fKernbatA

€---(,

Gambar

3.9

Antarmuka

Perancangan Sistem Penguiian Berkas

Keterangan:

1.

Text Field Nama

Berfungsi untuk memasukkan nama calon.

2.

Text Field

Nim

Berfungsi untuk memasukkan nim calon.

3.

Text Field Mata Kuliah

Berfungsi untuk memasukkan nama mata kuliah yang diambil.

4.

Text Field

Nilai

IPK

Berfungsi untuk memasukkan nilai IPK.

5.

Spinner

Nilai

Mata Kuliah

Berfungsi untuk memilih nilai mata kuliah.

6.

Button Simpan

Berupa tombol yang berfungsi untuk menyimpan data ke dalam database

7.

Button Kembali

Berupa tombolyang berfungsi untuk kembali ke tampilan menu awal.

3.2.3.

Antarmuka Micro

I

(45)

Gambar

3.10

Antarmuka

Perancangan Sistem

Micro

I

Keterangan:

1.

Spinner Perencanaan Kegiatan Pembelajaran

Berfungsi untuk memilih bobot kriteria perencanaan kegiatan pembelajaran

2.

Spinner Keterampilan Membuka Kelas

Berfungsi untuk memilih bobot kriteria keterampilan membuka kelas

3.

Spinner Vokal / Pengunaan bahasa

Berfungsi untuk memilih bobot kriteria vokal / penggunaan bahasa

4.

Spinner Sikap / Kewibawaan

Berfungsi untuk memilih bobot kriteria sikap / kewibawaan

5.

Spinner Interaksi dengan Praktikkan

Berfungsi untuk memilih bobot kriteria interaksi dengan praktikkan

6.

Spinner Kepercayaan

diri

dalam mengajar

Berfungsi untuk memilih bobot kriteria kepercayaan

diri

dalam mengajar

7.

Spinner Pembangkitan Topik Diskusi

Berfungsi untuk memilih bobot kriteria pembangkitan topik diskusi

8.

Spinner Kepantasan dan Kesopanan Berpakaian

kTBaSi.g

P4uii 1

(46)

Berfungsi untuk memilih bobot kriteria kepantasan dan kesopananberpakaian

9.

Spinner Gambar / Ilustrasi

/

Analogi

Berfungsi untuk memilih bobot kriteria gambar / ilustrasi / analogi

10. Spinner Powerpoint

/

Modul

Berfungsi untuk memilih bobot kriteria powerpoint

/

modul

I 1. Spinner Obyek

Riil

/ Contoh

(Alat

Peraga

dll)

Berfungsi untuk memilih bobot kriteria obyek

riil

i contoh

(alat pemga,

dll)

12. Spinner

Alur

Penyampaian Materi

Berfungsi untuk ntemilih bobot kriteria alur penyampaian materi

13. Spinner Relevansi Materidengan Pemaparan

Berfhngsi untuk memilih bobot kriteria relevansi materi dengan pemaparan

14. Spinner Penguasaan Materi

Berfungsi untuk memilih bobot kriteria Penguasaan Materi

I5.

Spinner Penguasaan dan Mengorganisasi Kelas

Berfungsi untuk memilih bobot kriteria penguasaan dan mengorganisasi kelas

16. Button Simpan

Berupa tombol yang berfungsi menyimpan data kedalam database 17. Button Kembali

Berupa tombol yang berfungsi mengarahkan pengguna ke form sebelumnya

3.2.4.

Antarmuka Micro

2

Pada

Tampilan

Micro 2.

akan ditampilkan

Spinner

dan

pengguna

diminta

untuk

(47)

Gambar

3.11

Antarmuka

Perancangan Sistem

Micro

2

Keterangan:

l.

2.

3.

Spinner Vokal / Pengunaan bahasa

4.

Spinner Sikap / Kewibawaan

5.

6.

Spinner Kepercayaan

diri

dalam mengajar

diri

dalam mengajar

7.

Spinner Pembangkitan

Topik

Diskusi

8.

Mso Teading

Pensuat 2

1, Penyampaia mdd / kmunik6i, peffiaee

(48)

9.

Spinner Gambar / llustrasi / Analogi

Berfungsi untuk memilih bobot kriteria gambar / ilustrasi

i

analogi

10. Spinner Powerpoint / Modul

/

modul

I

l.

Spinner Obyek

Riil

/ Contoh

(Alat

Peraga,

dll)

tiil

/

contoh

(alat peraga, d11)

12. Spinner

Alur

Penyampaian Materi

Berftrngsi untuk memilih bobot kriteria alur penyampaian materi

13. Spinner Relevansi Materi dengan Pemaparan

Berfungsi untuk memilih bobot kriteria relevansi materi dengan pemaparan

15. Spinner Penguasaan dan Mengorganisasi Kelas

16. Button Simpan

3.2.5.

Antarmuka Micro

3

Pada

Tampilan

Micro 3,

akan ditampilkan

Spinner

dan

pengguna

diminta

untuk

(49)

[image:49.612.175.402.63.360.2]

Gambar

3.12

Antarmuka

Perancangan Sistem

Micro

3

Keterangan:

L

2.

3.

Spinner Vokal /Pengunaan bahasa

Berfungsi untuk memilih bobot kriteria

vokal/

penggunaan bahasa

4.

Spinner Sikap

i

Kewibawaan

5.

6.

Spinner Kepercayaan

diri

dalam mengajar

diri

dalam mengajar

7.

8.

Mso Tea&ing

Penquji 3

1- Fffiy€mpaian mdd / kffiunikasi / petutmal.!€

(50)

9.

Spinner Gambar

/

ilustrasi / Analogi

Berfungsi untuk memilih bobot kriteria gambar / ilusttasi / analogi

10. Spinner Powerpoint

/

Modul

Berfungsi untuk

memilih

bobot kriteria powerpoint

/modul

1l.

Spinner Obyek

Riil

/ Contoh

(Alat

Peraga

dll)

riil

I

contoh

(alat pemga.

dll)

12. Spinner

Alur

Penyampaian Materi

Berfungsi untuk memilih bobot kriteria alur penyampaian materi

16. Button Simpan

3.2.6.

Antarmuka

Micro

4

Pada

Tampilan

Micro

4,

akan

ditampilkan

Spinner

dan

pengguna

diminta

untuk

(51)

Mlrc Te-*ine

Penguii 4

1- Penyffipaian mat€d / komunik6i /

PE€ncanaan Kqiatan Pamdqs.atl I

V*al I Penggunaan bahasa

3

/ kdbawaafl

6d&t*metu*r (3-' --,"

6 topak diskusi

a

491

Obyek dill codd {Ald P@s, or, !}

1't

-__--*12:;= Palara'rsi ,flrr6d lGm-n

1=I

Jv

15

( 16 >impan I I Kembs{ 17 )

Gamtrar 3.13

Antarmuka

Perancangan Sistem

Micro

4

Keterangan:

l.

Berfungsi untuk memilih bobot kriteria perencanaan kegiatan pernbelajaran

2.

3.

Spinner Vokal

/

Pengunaan bahasa

4.

Spinner Sikap / Kewibarvaan

Berfungsi untuk memilih bobot kriteria sikap / kew'ibawaan

5.

6.

Spinner Kepercayaan

diri

dalam mengajar

diri

dalam mengajar

7.

Berfungsi untuk rnemilih bobot kriteria pembangkitan topik diskusi

8.

(52)

9.

Spinner Gambar

/

Ilustrasi

i

Analogi

Berfungsi untuk memilih bobot kriteria gambar I ilustrasi / analogi

Berfungsi untuk memilih bobot kriteria powerpoint / modul

I

L

Spinner Obyek

Riil

/ Contoh

(Alat

Peraga.

dll)

riil

/

contoh

(alat perag4 d11)

12. Spinner

Alur

Penyampaian Materi

Berfungsi untuk memilih bobot kriteria alur penyampaian materi

16. Button Simpan

Berupa

tombolyang

berfungsi menyimpan data kedalam database 17. Button Kembali

Berupa tombol yang berflingsi mengarahkan pengguna ke form sebelumnya

3.2.7.

Antarmuka Micro

5

(53)

ssoT€ading

1 Penvanrpaian mdd / komunjkasi /

I

Vokal / Perrggunaan bl.Isa

PBkttkkil

dad

(5 )

6

7 dan

a

2 Pffialahan / Psakai<h alat hntu

Gamhr/ llEt€si rAl€l€i

(r-c/mdd

a 10 Oby* dil / codd (AIal Perega, dl)

=

) --'---'z

11

Q3r-=\/

q3r

---414 _)-7 15

[image:53.612.205.402.63.359.2]

G6>ffiF;-l [xmu(tz)

Gambar

3.14

Antarmuka

Perancangan Sistem

Micro

5

Keterangan:

1.

2.

3.

Spinner Vokal I Pengunaan bahasa

4.

Spinner Sikap

i

Kewibawaan

Berfungsi untuk memilih bobot kriteria sikap / kewibarvaan

5.

6.

Spinner Kepercayaan

diri

dalam mengajar

diri

dalam mengajar

7.

8.

(54)

9.

Spinner Gambar

/

Ilustrasi / Analogi

Berfungsi untuk memilih bobot kriteria gambar / ilustrasi / anatogi

/

modul

1l

Spinner Obyek

Riil

/ Contoh (AIat Peraga,

dll)

riil

/

contoh

(alat peraga, d11)

i2.

Spinner

Alur

Penyampaian Materi

Berfungsi unttrk memilih bobot kriteria alur penyampaian materi

16. Button Simpan

3.2.8.

Antarmuka

Wawancara dan Pengujian

Pada Tampilan Wawancara dan Pengujian, akan ditampilkan Spinner dan pengguna

diminta untuk memilih nilai pada setiap

kiteria

yang sudah ditentukan.

lllIa*aneE

pens.ai

1

rcll---Vl

Pensuii

2

RAT---7

P€qsf,ii 3 _l€---Vl

Psrsuii4 _fG)----V

[image:54.612.240.377.557.691.2]

Pqlsuii 5 _ffS-'V

(55)

Keterangan:

l.

Spinner Penguji 1

Berfungsi untuk memilih bobot kriteria penguji I

2.

Spinner Penguji 2

Berfungsi unfuk memilih bobot kriteria penguji 2

3.

Spinner Penguji 3

Berfungsi untuk memilih bobot kriteria penguji 3

4.

Spinner Penguji 4

5.

Spinner Penguji 5

6.

Button Simpan

Berupa tombol yang berfungsi untuk menyimpan data kedalam database

7.

Button

Uji

Micro

Berupa tombol yang berfungsi untuk melakukan perhitungan seluruh data

microteaching

8.

Button Kembali

Berupa tombolyang berfungsi untuk kembali ke form menu all'al

3.2.9.

Antarmuka Hasil

Pada Tampilan

Hasil,

akan ditampilkan

Text Yiew

dan pengguna dapat melihat data [image:55.612.250.383.514.691.2]

yang telah di simpan dalam database.

Gambar

3.16

Antarmuka

Perancangan Sistem

Hasil

bd PengutEd

H

r

----Ti-\

r----T2)

Mm

r*it Kday# f---ft)

I Keftbri f lo )

(56)

Keterangan:

1.

Text View Id

Berfungsi menampilkan id dari data

2.

Text View Nama

Berfungsi Menampilkan nama dari data yang telah di masukkan

3.

Text View

Nim

Berfungsi menampilkan nirn dari data yang telah di masukkan

4.

Text

View

Mata

Kuliah

Berfungsi menampilkan mata kuliah dari data yang telah dimasukkan

5.

Text

View

IPK

Berfungsi menampilkan ipk dari data yang telah dikonversi

6.

Text View

Nilai

Mata Kuliah

Berfungsi menampilkan

nilai

mata kuliah dari data yang telah di konversi

7.

Text View

Micro

Teaching

nilai

micro teaching dari data yang telah di konversi

8.

Text View Warvancara

nilai

wawancara dari data yang telah

di

konversi

9.

Text View Hasil Kelayakan

Berfirngsi menampilkan hasil kelayakan calon setelah dilakukan perhitungan

10. Button Kembali

Berfungsi mengarahkan pengguna ke form menu awal

3.2.10.

Antarmuka

Ubah Data

Pada Tampilan Ubah Data, akan ditampilkan

Text Field

untuk mengubah data yang

telah

dimasukkan kedalam

database.

Selanjutnya

pengguna mengakses tombol

Simpan

untuk

menyimpan data yang telah diubah

yang

hasilnya akan ditampilkan

(57)

[image:57.612.213.367.63.210.2]

Gambar

3.tr7

Antarmuka

Perancangan Sistem LTbah

Data

Keterangan :

1.

Text Field Nama

Berfungsi untuk memasukkan nama calon.

2.

Text Field

Nim

Berfungsi untuk memasukkan nim calon.

3.

Text Field Mata Kuliah

Berfungsi untuk memasukkan nama mata kuliah yang diambil.

4.

Text Field

NilailPK

Ber