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
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN CALON
ASISTEN LABORATORIUM BERBASIS ANDROID MENGGUNAKAN
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
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul
: SISTEM PENDUKUNG KEPUTUSAN PENENTUAN
KELAYAKAN CALON ASISTEN LABORATORIUM
BERBASIS ANDROID MENGGUNAKAN
ALGORITMA ITERATIVE DICHOTOMISER 3 (ID3)
Kategori
: SKRIPSI
Nama
: VITO ERPINDO
Nomor Induk Mahasiswa : 101401027
Program Studi
: SARJANA (S1) ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
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,
PERNYATAAN
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN CALON
ASISTEN LABORATORIUM BERBASIS ANDROID MENGGUNAKAN
ALGORITMA ITERATIVE DICHOTOMISER 3 (ID3)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, April 2015
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.
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
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
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).
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
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
3.2.4. Antarmuka Micro 2
30
3.2.5. Antarmuka Micro 3
32
3.2.6. Antarmuka Micro 4
34
3.2.7. Antarmuka Micro 5
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
4.2.4. Tampilan Micro 2
52
4.2.5. Tampilan Micro 3
53
4.2.7. Tampilan Micro 5
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
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
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
Gambar 3.11. AntarmukaPerancangan Sistem Micro 2
31
Gambar 3.12. AntarmukaPerancangan Sistem Micro 3
33
Gambar 3.13. AntarmukaPerancangan Sistem Micro 4
35
Gambar 3.14. AntarmukaPerancangan Sistem Micro 5
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
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
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
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).
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
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
Iterative Dichotomiser
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.
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
Iterative Dichotomiser
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
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
BAB 5 KESIMPULAN DAN SARAN
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).
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.
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
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
Tidak
Tidak
<=16
Tinggi
Tidak
Ya
Tidak
17..19
Rendah
Ya
Ya
Ya
17..19
Tinggi
Tidak
Tidak
Ya
>19
Sedang
Tidak
Tidak
Ya
>19
Rendah
Ya
Tidak
Ya
>19
Rendah
Ya
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”
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 �
=
−
47
� �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)
=
−
02
� �2
0 2−
2 2
� �2
2 2
= 0
Entropy (Umur 17..19)
= 0
Entropy (Umur >19)
= 0.915
Information Gain (Umur)
=
�
� � −
|� ||�|
∈��� � (�)
�
�
(
�
)
= 0.986
–
27
x 0
–
27
x 0
–
37
x 0.915
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.
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 :
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
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.
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.
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
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
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
Pengguna
Gambar
3.2 Use CaseDiagram
Sistem Pendukung Kepufusan dalamMenentukan Kelayakan
Calon AsistenLaboratorium
Use Case proses
Uji
dapat dinyatakan dalam Tabel3.1.Tabel3.1- Tabel
Use Case ProsesUji
Menentukan Kelayakan Calon Asisten Laboratorium
Name Proses
Uji
ActorsDescription
Basic
Flow
Alternate Fla'*' Pre Conditian Post Condition
User yang telah ditentukan
Use Case
ini
mendeskripsikan proses penentuan kelayakan calon asisten laboratoriumUser memasukkan nilai pengujian pada setiap kriteria penilaian
dan menekan menu hasil
User dapat melihat bantuan dan tentang
Use Case
proses Input Nilai Kriteria Pengujian dapat dinyatakan dalam Tabel 3.2.
Tabel 3.2. Tabel
Use Case
Proses Input Nilai Kriteria Pengujian
Name
Proses Input Nilai Kriteria Pengujian
Actors
User yang telah ditentukan
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
Proses Normalisasi Nilai Kriteria
Name
Proses Normalisasi Nilai Kriteria
Actors
User yang telah ditentukan
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
Proses Simpan Hasil Normalisasi
Name
Proses Simpan Hasil Normalisasi
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
User yang telah ditentukan
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
User yang telah ditentukan
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
-
Use Case
proses Hitung Entropy dapat dinyatakan dalam Tabel 3.7.
Tabel 3.7. Tabel
Use Case
Proses Hitung Entropy
Name
Proses Hitung Entropy
Actors
User yang telah ditentukan
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
Proses Hitung Information Gain
Name
Proses Hitung Information Gain
Actors
User yang telah ditentukan
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
3.1.3.2.
Activi4t Diagram
Proses U.ii, dapat dilihat Activity Diagram pada Gambar 3.3 berikut.
GamLrar 3.3
Activity Diagram
dalam ProsesUji
Pada proses
ini,
pengguna akan memasukkannilai
kriteria
pengujian. Sistemakan menormalisasi
nilai
kriteria
pengujian dan menyimpannya kedalam database.Sistem
kemudian
akan
melakukan pengujian kelayakan
calon
asisten
denganAlgoritma ID3
dan akan menampilkan hasil pengujian tersebut. Penggunajuga
dapatmelakukan 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
Pro.ses
Hitung
Entropy, dapat
dilihat
,4ctir.'iQ'Diagram
pada Gambar 3.4berikut.
Pada proses
ini,
pengguna akan memasukkan data kriteria penilaian yang telahdidapatkan
dari
narasumber.Sistem akan
menghitungentropy
dari
setiap
node.Perhitungan entropy selesai ketika seluruh node telah dihitung entropy nya.
Proses Hitung Information Gain, dapat dilihat
Activity
Diagram pada Gambar3.5 berikut.
Pengguna memasukkan data kriteria
Sistem melakukan perhitungan
entropy node
[image:39.612.207.457.101.407.2]Seluruh node berhasil dihitung
Gambar
3.4Activity
dalam ProsesHitung
Entropy
I
Sistem mendapatkan rule akhir
Gambar
3.5Activity Diagram
dalam ProsesHitung Informatin
GainPada proses
ini,
sistem akan mangambil data hasil perhitungan entropy. Sistemakan melakukan perhitungan information
gain
untuk mendapatkaninformation
gaintertinggi
yang akan dijadikan sebagai node awal dan node cabang. Sistem kemudianmendapatkan rule
akhir
dari pohon keputusan yang terbentuk. Jika rule akhir belum terbentuk maka sistem akan mengambillagi
data hasil perhitungandari
entropy danmelakukan perhitungan kembali.
3.1.3.3.
Analisis
Proses SistemBerikut ini akan dijelaskan mengenai proses memasukkan data dan proses perhitungan yang terjadi dalam menentukan kelayakan calon asisten laboratorium
di
IKLC
denganPada proses Penentuan Kelayakan Calon Asisten Laboratorium, sistem dapat
melakukan
perhitr"lngan denganalgoritma
ID3.
Sequencediagratz
untuk
prosespenentuan kelayakan calon asisten laboratorium dengan algoritma
ID3
diperlihatkanpada Gambar 3.6.
-o_
,N\
UUPerE$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 PenentuanKelayakan
CalonAsisten
Laboratorium
denganAlgoritma
ID3
Pada Sequence
diagranr
di
atasterlihat
bahwa pengguna mengakses fonn pengujian, kemudian sistem akan menampilkanform
pengujian berkas. Penggunakemudian
akan
memasukkandata
pengujian berkasdan
sistemakan
menyimpandatanya
ke
dalam database. Sistem kemudian akan menampilkan datayang
sudahdisimpan didalam
database. Penggunakemudian
akan memilih
data
yang
akandilakukan
pengujian selanjutnya
dan
memasukkanseluruh
data untuk
seluruhalternatif kriteria ke dalam database. Selanjutnya sistem akan menampilkan teks "Data
berhasil disimpan".
Kemudian
pengguna mengakses
form
data
dan
sistemmenampilkan 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 II
I
I
t snnsikfri mde {brEEn
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
3,7Flowcharl
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 memberikankenyamanan dan kemudahan untuk digunakan oleh pengguna. Erffqp,, l.lil = *.Pro * Iollt Fros
-
tr*t* * IapF*
Infsmrriln &fo {5' l{! = efiFop}'{s}
-
Ir61sri-*t4ff
ft*roeyqsa3.2.1.
Antarmuka
Menu
UtamaAntarmuka Menu Utama adalah tampilan yang muncul setelah tampilan splash screen
menghilang. Pada
tampilan
ini
disajikan
form
yang
akandi
pilih
untuk
memulaiaplikasi.
Sistem Pe.*dukuilg Keputusan
Cal,on Asistq L&o€torium IKLC
Deia
Bantuan
Gambar
3.8Antarmuka
Perancangan Sistem Menu UtamaKeterangan :
l.
Button PengujianBerupa tombol yang berfungsi untuk menambah data baru dan memasukkan nilai kriteria.
2.
Button DataBerupa tombol yang berfungsi untuk menampilkan data yang telah dimasukkan
kedalam database dan hasil perhitungan.
3.
Button BantuanBerupa tombol yang berfungsi mengarahkan pengguna ke form petunjuk
penggunaan aplikasi.
4.
Button TentangBerupa tombol yang berfungsi menampilkan identitas perancang sistem.
3.2.2.
Antarmuka
Pengujian BerkasPada 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 telahPenguiian Berkas
Nama fO---l
Nim lg---l
ftrarar<uridr,€--Nilai
rPK re--]
Nilis&ffi Kil---V
...r rG;'moanI
fKernbatA€---(,
Gambar
3.9Antarmuka
Perancangan Sistem Penguiian BerkasKeterangan:
1.
Text Field NamaBerfungsi untuk memasukkan nama calon.
2.
Text FieldNim
Berfungsi untuk memasukkan nim calon.
3.
Text Field Mata KuliahBerfungsi untuk memasukkan nama mata kuliah yang diambil.
4.
Text FieldNilai
IPKBerfungsi untuk memasukkan nilai IPK.
5.
SpinnerNilai
Mata KuliahBerfungsi untuk memilih nilai mata kuliah.
6.
Button SimpanBerupa tombol yang berfungsi untuk menyimpan data ke dalam database
7.
Button KembaliBerupa tombolyang berfungsi untuk kembali ke tampilan menu awal.
3.2.3.
Antarmuka Micro
I
Gambar
3.10Antarmuka
Perancangan SistemMicro
I
Keterangan:
1.
Spinner Perencanaan Kegiatan PembelajaranBerfungsi untuk memilih bobot kriteria perencanaan kegiatan pembelajaran
2.
Spinner Keterampilan Membuka KelasBerfungsi untuk memilih bobot kriteria keterampilan membuka kelas
3.
Spinner Vokal / Pengunaan bahasaBerfungsi untuk memilih bobot kriteria vokal / penggunaan bahasa
4.
Spinner Sikap / KewibawaanBerfungsi untuk memilih bobot kriteria sikap / kewibawaan
5.
Spinner Interaksi dengan PraktikkanBerfungsi untuk memilih bobot kriteria interaksi dengan praktikkan
6.
Spinner Kepercayaandiri
dalam mengajarBerfungsi untuk memilih bobot kriteria kepercayaan
diri
dalam mengajar7.
Spinner Pembangkitan Topik DiskusiBerfungsi untuk memilih bobot kriteria pembangkitan topik diskusi
8.
Spinner Kepantasan dan Kesopanan BerpakaiankTBaSi.g
P4uii 1
Berfungsi untuk memilih bobot kriteria kepantasan dan kesopananberpakaian
9.
Spinner Gambar / Ilustrasi/
AnalogiBerfungsi untuk memilih bobot kriteria gambar / ilustrasi / analogi
10. Spinner Powerpoint
/
ModulBerfungsi untuk memilih bobot kriteria powerpoint
/
modulI 1. Spinner Obyek
Riil
/ Contoh(Alat
Peragadll)
Berfungsi untuk memilih bobot kriteria obyek
riil
i contoh
(alat pemga,dll)
12. Spinner
Alur
Penyampaian MateriBerfungsi 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 KelasBerfungsi 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
2Pada
Tampilan
Micro 2.
akan ditampilkan
Spinnerdan
penggunadiminta
untukGambar
3.11Antarmuka
Perancangan SistemMicro
2Keterangan:
l.
Spinner Perencanaan Kegiatan PembelajaranBerfungsi untuk memilih bobot kriteria perencanaan kegiatan pembelajaran
2.
Spinner Keterampilan Membuka KelasBerfungsi untuk memilih bobot kriteria keterampilan membuka kelas
3.
Spinner Vokal / Pengunaan bahasaBerfungsi untuk memilih bobot kriteria vokal / penggunaan bahasa
4.
Spinner Sikap / KewibawaanBerfungsi untuk memilih bobot kriteria sikap / kewibawaan
5.
Spinner Interaksi dengan PraktikkanBerfungsi untuk memilih bobot kriteria interaksi dengan praktikkan
6.
Spinner Kepercayaandiri
dalam mengajarBerfungsi untuk memilih bobot kriteria kepercayaan
diri
dalam mengajar7.
Spinner PembangkitanTopik
DiskusiBerfungsi untuk memilih bobot kriteria pembangkitan topik diskusi
8.
Spinner Kepantasan dan Kesopanan BerpakaianMso Teading
Pensuat 2
1, Penyampaia mdd / kmunik6i, peffiaee
9.
Spinner Gambar / llustrasi / AnalogiBerfungsi untuk memilih bobot kriteria gambar / ilustrasi
i
analogi10. Spinner Powerpoint / Modul
Berfungsi untuk memilih bobot kriteria powerpoint
/
modulI
l.
Spinner ObyekRiil
/ Contoh(Alat
Peraga,dll)
Berfungsi untuk memilih bobot kriteria obyek
tiil
/contoh
(alat peraga, d11)12. Spinner
Alur
Penyampaian MateriBerftrngsi untuk memilih bobot kriteria alur penyampaian materi
13. Spinner Relevansi Materi dengan Pemaparan
Berfungsi untuk memilih bobot kriteria relevansi materi dengan pemaparan
14. Spinner Penguasaan Materi
Berfungsi untuk memilih bobot kriteria Penguasaan Materi
15. 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
3.2.5.
Antarmuka Micro
3Pada
Tampilan
Micro 3,
akan ditampilkan
Spinnerdan
penggunadiminta
untukGambar
3.12Antarmuka
Perancangan SistemMicro
3Keterangan:
L
Spinner Perencanaan Kegiatan PembelajaranBerfungsi untuk memilih bobot kriteria perencanaan kegiatan pembelajaran
2.
Spinner Keterampilan Membuka KelasBerfungsi untuk memilih bobot kriteria keterampilan membuka kelas
3.
Spinner Vokal /Pengunaan bahasaBerfungsi untuk memilih bobot kriteria
vokal/
penggunaan bahasa4.
Spinner Sikapi
KewibawaanBerfungsi untuk memilih bobot kriteria sikap / kewibawaan
5.
Spinner Interaksi dengan PraktikkanBerfungsi untuk memilih bobot kriteria interaksi dengan praktikkan
6.
Spinner Kepercayaandiri
dalam mengajarBerfungsi untuk memilih bobot kriteria kepercayaan
diri
dalam mengajar7.
Spinner Pembangkitan Topik DiskusiBerfungsi untuk memilih bobot kriteria pembangkitan topik diskusi
8.
Spinner Kepantasan dan Kesopanan BerpakaianMso Tea&ing
Penquji 3
1- Fffiy€mpaian mdd / kffiunikasi / petutmal.!€
9.
Spinner Gambar/
ilustrasi / AnalogiBerfungsi untuk memilih bobot kriteria gambar / ilusttasi / analogi
10. Spinner Powerpoint
/
ModulBerfungsi untuk
memilih
bobot kriteria powerpoint/modul
1l.
Spinner ObyekRiil
/ Contoh(Alat
Peragadll)
Berfungsi untuk memilih bobot kriteria obyek
riil
Icontoh
(alat pemga.dll)
12. Spinner
Alur
Penyampaian MateriBerfungsi untuk memilih bobot kriteria alur penyampaian materi
13. Spinner Relevansi Materi dengan Pemaparan
Berfungsi untuk memilih bobot kriteria relevansi materi dengan pemaparan
14. Spinner Penguasaan Materi
Berfungsi untuk memilih bobot kriteria Penguasaan Materi
15. 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
3.2.6.
Antarmuka
Micro
4Pada
Tampilan
Micro
4,
akanditampilkan
Spinnerdan
penggunadiminta
untukMlrc 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 SistemMicro
4Keterangan:
l.
Spinner Perencanaan Kegiatan PembelajaranBerfungsi untuk memilih bobot kriteria perencanaan kegiatan pernbelajaran
2.
Spinner Keterampilan Membuka KelasBerfungsi untuk memilih bobot kriteria keterampilan membuka kelas
3.
Spinner Vokal/
Pengunaan bahasaBerfungsi untuk memilih bobot kriteria vokal / penggunaan bahasa
4.
Spinner Sikap / KewibarvaanBerfungsi untuk memilih bobot kriteria sikap / kew'ibawaan
5.
Spinner Interaksi dengan PraktikkanBerfungsi untuk memilih bobot kriteria interaksi dengan praktikkan
6.
Spinner Kepercayaandiri
dalam mengajarBerfungsi untuk memilih bobot kriteria kepercayaan
diri
dalam mengajar7.
Spinner Pembangkitan Topik DiskusiBerfungsi untuk rnemilih bobot kriteria pembangkitan topik diskusi
8.
Spinner Kepantasan dan Kesopanan Berpakaian9.
Spinner Gambar/
Ilustrasii
AnalogiBerfungsi untuk memilih bobot kriteria gambar I ilustrasi / analogi
10. Spinner Powerpoint / Modul
Berfungsi untuk memilih bobot kriteria powerpoint / modul
I
L
Spinner ObyekRiil
/ Contoh(Alat
Peraga.dll)
Berfungsi untuk memilih bobot kriteria obyek
riil
/contoh
(alat perag4 d11)12. Spinner
Alur
Penyampaian MateriBerfungsi untuk memilih bobot kriteria alur penyampaian materi
13. Spinner Relevansi Materi dengan Pemaparan
Berfungsi untuk memilih bobot kriteria relevansi materi dengan pemaparan
14. Spinner Penguasaan Materi
Berfungsi untuk memilih bobot kriteria Penguasaan Materi
15. Spinner Penguasaan dan Mengorganisasi Kelas
Berfungsi untuk memilih bobot kriteria penguasaan dan mengorganisasi kelas
16. Button Simpan
Berupa
tombolyang
berfungsi menyimpan data kedalam database 17. Button KembaliBerupa tombol yang berflingsi mengarahkan pengguna ke form sebelumnya
3.2.7.
Antarmuka Micro
5ssoT€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/mdda 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
3.14Antarmuka
Perancangan SistemMicro
5Keterangan:
1.
Spinner Perencanaan Kegiatan PembelajaranBerfungsi untuk memilih bobot kriteria perencanaan kegiatan pembelajaran
2.
Spinner Keterampilan Membuka KelasBerfungsi untuk memilih bobot kriteria keterampilan membuka kelas
3.
Spinner Vokal I Pengunaan bahasaBerfungsi untuk memilih bobot kriteria vokal / penggunaan bahasa
4.
Spinner Sikapi
KewibawaanBerfungsi untuk memilih bobot kriteria sikap / kewibarvaan
5.
Spinner Interaksi dengan PraktikkanBerfungsi untuk memilih bobot kriteria interaksi dengan praktikkan
6.
Spinner Kepercayaandiri
dalam mengajarBerfungsi untuk memilih bobot kriteria kepercayaan
diri
dalam mengajar7.
Spinner Pembangkitan Topik DiskusiBerfungsi untuk memilih bobot kriteria pembangkitan topik diskusi
8.
Spinner Kepantasan dan Kesopanan Berpakaian9.
Spinner Gambar/
Ilustrasi / AnalogiBerfungsi untuk memilih bobot kriteria gambar / ilustrasi / anatogi
10. Spinner Powerpoint / Modul
Berfungsi untuk memilih bobot kriteria powerpoint
/
modul1l
Spinner ObyekRiil
/ Contoh (AIat Peraga,dll)
Berfungsi untuk memilih bobot kriteria obyek
riil
/contoh
(alat peraga, d11)i2.
SpinnerAlur
Penyampaian MateriBerfungsi unttrk memilih bobot kriteria alur penyampaian materi
13. Spinner Relevansi Materi dengan Pemaparan
Berfungsi untuk memilih bobot kriteria relevansi materi dengan pemaparan
14. Spinner Penguasaan Materi
Berfungsi untuk memilih bobot kriteria Penguasaan Materi
15. 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
3.2.8.
Antarmuka
Wawancara dan PengujianPada 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
Keterangan:
l.
Spinner Penguji 1Berfungsi untuk memilih bobot kriteria penguji I
2.
Spinner Penguji 2Berfungsi unfuk memilih bobot kriteria penguji 2
3.
Spinner Penguji 3Berfungsi untuk memilih bobot kriteria penguji 3
4.
Spinner Penguji 4Berfungsi untuk memilih bobot kriteria penguji 4
5.
Spinner Penguji 5Berfungsi untuk memilih bobot kriteria penguji 5
6.
Button SimpanBerupa tombol yang berfungsi untuk menyimpan data kedalam database
7.
ButtonUji
MicroBerupa tombol yang berfungsi untuk melakukan perhitungan seluruh data
microteaching
8.
Button KembaliBerupa tombolyang berfungsi untuk kembali ke form menu all'al
3.2.9.
Antarmuka Hasil
Pada Tampilan
Hasil,
akan ditampilkanText Yiew
dan pengguna dapat melihat data [image:55.612.250.383.514.691.2]yang telah di simpan dalam database.
Gambar
3.16Antarmuka
Perancangan SistemHasil
bd PengutEdH
r
----Ti-\r----T2)
Mm
r*it Kday# f---ft)
I Keftbri f lo )
Keterangan:
1.
Text View IdBerfungsi menampilkan id dari data
2.
Text View NamaBerfungsi Menampilkan nama dari data yang telah di masukkan
3.
Text ViewNim
Berfungsi menampilkan nirn dari data yang telah di masukkan
4.
TextView
MataKuliah
Berfungsi menampilkan mata kuliah dari data yang telah dimasukkan
5.
TextView
IPKBerfungsi menampilkan ipk dari data yang telah dikonversi
6.
Text ViewNilai
Mata KuliahBerfungsi menampilkan
nilai
mata kuliah dari data yang telah di konversi7.
Text ViewMicro
TeachingBerfungsi menampilkan
nilai
micro teaching dari data yang telah di konversi8.
Text View WarvancaraBerfungsi menampilkan
nilai
wawancara dari data yang telahdi
konversi9.
Text View Hasil KelayakanBerfirngsi menampilkan hasil kelayakan calon setelah dilakukan perhitungan
10. Button Kembali
Berfungsi mengarahkan pengguna ke form menu awal
3.2.10.
Antarmuka
Ubah DataPada Tampilan Ubah Data, akan ditampilkan
Text Field
untuk mengubah data yangtelah
dimasukkan kedalam
database.Selanjutnya
pengguna mengakses tombolSimpan
untuk
menyimpan data yang telah diubahyang
hasilnya akan ditampilkanGambar
3.tr7Antarmuka
Perancangan Sistem LTbahData
Keterangan :
1.
Text Field NamaBerfungsi untuk memasukkan nama calon.
2.
Text FieldNim
Berfungsi untuk memasukkan nim calon.
3.
Text Field Mata KuliahBerfungsi untuk memasukkan nama mata kuliah yang diambil.
4.
Text FieldNilailPK
Ber