ISSN: 1978-1520 1
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN
JURUSAN SISWA/I SMA SWASTA BINAGUNA TANAH JAWA
DENGAN METODE NAIVE BAYES
Victor Marudut Mulia Siregar
Politeknik Bisnis Indonesia; Pematangsiantar - Sumut e-mail: [email protected]
Penelitian ini bertujuan untuk memberikan solusi yang tepat dalam mengatasi permasalahan pemilihan jurusan pada SMA Swasta Binaguna Tanah Jawa. Solusi dilakukan dengan merancang dan membangun sistem pendukung keputusan untuk pemilihan jurusan yang dilakukan dengan perhitungan nilai IPA, nilai IPS serta minat siswa untuk membantu pemilihan jurusan yang tepat. Metode yang digunakan adalah algoritma Naïve Bayes dimana membutuhkan beberapa masukan/kriteria berupa nilai rata-rata raport semester genap (nilai IPA dan IPS) serta minat siswa. Dengan pendekatan tersebut diharapakan siswa mampu memilih jurusan SMA yang sesuai. Perancangan Sistem ini dibuat dengan menggunakan Microsoft Visual Studio 2008 dan database MySQL. Hasil dari implementasi sistem pendukung keputusan ini dapat mempermudah pihak sekolah dalam menentukan pemilihan jurusan secara cepat dan efisien.
Kata kunci: Sistem Pendukung Keputusan, Pemilihan Jurusan, Minat, Naïve Bayes PENDAHULUAN
Pada era teknologi komputer dan informasi ini, berbagai instansi termasuk instansi pemerintah yang bergerak dalam bidang apapun sangat membutuhkan alat bantu dalam di dalam proses pengambilan keputusan secara cepat, tepat sasaran, dan dapat dipertanggung jawabkan. Memiliki banyak informasi saja tidak cukup, jika tidak mampu meramunya dengan cepat menjadi alternatif-alternatif terbaik di dalam proses pengambilan keputusan.
Sejalan dengan berkembangnya teknologi informasi yaitu teknologi komputer khususnya hardware dan software saat ini dapat membantu manusia untuk menyelesaikan pekerjaannya. Saat ini kecerdasan tidak hanya dimiliki oleh manusia saja tetapi kecerdasan juga dapat ditransfer ke komputer, ini dapat dibuktikan dari perkembangan cabang ilmu komputer yaitu Artificial Intelligen (AI).
Sistem Pendukung Keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem itu digunakan untuk membantu pengambil keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur, di mana tidak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat.[1]
SMA Swasta Binaguna Tanah Jawa merupakan sekolah lanjutan tingkat atas yang ada dan tumbuh berkembang di wilayah Kecamatan Tanah Jawa. Pada sekolah ini terdapat 2 jurusan, yaitu jurusan IPA dan IPS. Salah satu prosedur operasional rutin yang dilakukan pada SMA Swasta Binaguna Tanah Jawa adalah memberikan pilihan kepada para siswa/i untuk memilih jurusan baik IPA atau IPS berdasarkan pertimbangan hasil akademik dan keinginan mereka. Siswa/i harus memberikan data untuk diproses yang kemudian keputusannya adalah berdasarkan nilai akademik, minat siswa/i dan juga harapan dari orang tua siswa/i tersebut. Data-data tersebut kemudian diproses dengan beberapa kriteria. Akan tetapi, hasilnya tidak selalu sama dengan keinginan serta
harapan dari siswa/i dan orang tuanya. Keadaan ini membutuhkan waktu yang lama dan rumit dalam memutuskan jurusan untuk siswa/i yang sesuai dengan nilai dan minat dari siswa/i tersebut.
Berdasarkan latar belakang tersebut, maka dirancang sebuah sistem pendukung keputusan penjurusan siswa/i yang diharapkan dapat membantu untuk memperoleh keputusan secara cepat dan tepat jurusan apa yang lebih cocok untuk siswa/i tersebut, sehingga dalam menentukan jurusan siswa/i dapat dilakukan dengan lebih efisien dalam hal waktu, tenaga dan biaya.
Konsep Sistem Pendukung Keputusan/ Decision Support Sistem (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur. Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan. [2]
Decision Support System (DSS) atau Sistem pendukung keputusan (SPK) adalah suatu sistem informasi yang spesifik yang ditujukan untuk membantu manajemen dalam mengambil keputusan yang berkaitan dengan persoalan yang bersifat semi terstruktur, dan tidak menggantikan fungsi pengambil keputusan dalam membuat keputusan [3]. Sistem Pendukung Keputusan memadukan sumber daya intelektual dari individu dengan kapabilitas komputer untuk meningkatkan kualitas keputusan. Beberapa komponen dalam SPK antara lain :
1. Subsistem manajemen data 2. Subsistem manajemen model 3. Subsistem antarmuka pengguna
4. Subsistem manajemen berbasis pengetahuan
Secara umum, sistem pendukung keputusan (SPK) adalah sistem berbasis komputer yang interaktif, yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang tak terstruktur dan semi terstruktur [3]. SPK ini mendayagunakan resources individu individu secara intelek dengan kemampuan computer untuk meningkatkan kualitas keputusan. Sebenarnya definisi awalnya, SPK adalah sistem berbasis model yang terdiri dari prosedur-prosedur dalam pemrosesan data dan pertimbangannya untuk membantu manajer dalam mengambil keputusan. Agar berhasil mencapai tujuannya maka sistem tersebut harus sederhana, mudah untuk dikontrol, mudah beradaptasi, lengkap pada hal-hal penting, dan mudah berkomunikasi dengannya. Sistem pendukung keputusan (Decision Support Systems) adalah bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis pengetahuan (manajemen pengetahuan) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan.
Teorema Naïve Bayes
Teorema Bayes dikemukakan oleh Thomas Bayes pada tahun 1763. Teorema Bayes digunakan untuk menghitung probabilitas terjadinya suatu peristiwa berdasarkan pengaruh yang didapat dari hasil observasi. [4]
Probalilitas Bayesian adalah suatu interpretasi dari kalkulus yang memuat konsep probabilitas sebagai derajat dimana suatu pernyataan dipercaya benar. Teori Bayesian juga dapat digunakan sebagai alat pengambilan keputusan untuk memperbaharui tingkat kepercayaan dari suatu informasi.
Teori probabilitas Bayesian merupakan satu dari cabang teori statistik matematik yang memungkinkan kita untuk membuat satu kejadian yang terjadi dengan menggabungkan pengetahuan umum dengan fakta dari hasil pengamatan.[5]
Naïve Bayesian klasifikasi adalah suatu klasifikasi berpeluang sederhana berdasarkan aplikasi teorema Bayes dengan asumsi antar variabel penjelas saling bebas (independen). Dalam hal ini, diasumsikan bahwa kehadiran atau ketiadaan dari suatu kejadian tertentu dari suatu kelompok tidak berhubungan dengan kehadiran atau ketiadaan dari kejadian lainnya.[6]
Naïve Bayesian dapat digunakan untuk berbagai macam keperluan antara lain untuk klasifikasi dokumen, deteksi spam atau filtering spam, dan masalah klasifikasi lainnya. Dalam hal ini lebih disorot mengenai penggunaan teorema Naïve Bayesian untuk spam filtering.
Persamaan dari teorema Bayes adalah :
(1) Keterangan :
X : Data dengan class yang belum diketahui
H : Hipotesis data X merupakan suatu class spesifik P(H|X) : Probabilitas hipotesis H berdasar kondisi X (posteriori
probability)
P(H) : Probabilitas hipotesis H (prior probability)
P(X|H) : Probabilitas X berdasarkan kondisi pada hipotesis H P(X) : Probabilitas X
VB .NET
Visual Basic .Net atau VB .NET adalah bagian dari bahasa pemrograman tingkat tinggi yang mendekati bahasa kita atau bahasa manusia. VB.NET itu sendiri bagian dari penyederhanaan bahasa pemrogramman pada platform .NET yang mengadopsi sintak Visual Basic. VB.NET adalah sebuah bahasa pemograman dan sebagai sarana (tool) untuk menghasilkan program-program aplikasi berbasiskan windows.
MySQL
MySQL adalah sebuah perangkat lunak sistem manajemen basis data SQL (bahasa Inggris: database management system) atau DBMS yang multithread, multi-user, dengan sekitar 6 juta instalasi di seluruh dunia. MySQL AB membuat MySQL tersedia sebagai perangkat lunak gratis dibawah lisensi GNU General Public License (GPL), tetapi mereka juga menjual dibawah lisensi komersial untuk kasus-kasus di mana penggunaannya tidak cocok dengan penggunaan GPL.
METODE PENELITIAN Identifikasi Masalah
Tahapan ini merupakan suatu tahapan dimana penulis merumuskan masalah yang akan diselesaikan. Sesuai dengan hasil penelitian yang peneliti lakukan, SMA Swasta Binaguna Tanah Jawa sekarang masih menggunakan sistem manual dalam
melakukan perhitungan yang digunakan untuk menentukan jurusan yang sesuai untuk setiap siswa. Dalam proses perhitungan tersebut masih di dapati banyak kekurangan salah satu diantaranya adalah diperlukannya waktu yang lama untuk menentukan jurusan yang sesuai untuk masing-masing siswa. Oleh karena itu peneliti memberikan solusi kepada pihak sekolah untuk membuat suatu sistem pendukung keputusan yang berbasis komputer yang dapat membantu pihak sekolah dalam proses penyimpanan data serta mempercepat proses penentuan jurusan setiap siswa.
Pengumpulan Data
Pada tahap pengumpulan data ini, data-data diperoleh dari SMA Swasta Binaguna Tanah Jawa. Data yang diperoleh berupa data siswa dan data nilai mata pelajaran setiap siswa.
Tabel 1 Kriteria dan Sub Kriteria
No. Kriteria Nilai
1. Rata-rata Nilai IPA (Biologi, Fisika, Kimia dan Matematika)
<= 74 0 – 74
75 sampai dengan 84 75 – 84
>= 85 85 – 100
2. Rata-rata Nilai IPA (Ekonomi, Geografi, Sejarah,Sosiologi) <= 74 0 – 74 75 sampai dengan 84 75 – 84 >= 85 85 – 100 3. Minat Siswa IPA IPA IPS IPS Tidak Memilih
-Penentuan Nilai Kriteria
Langkah-langkah yang harus dilakukan untuk menentukan jurusan yang sesuai dengan setiap siswa adalah dengan menggunakan tabel aturan. Dalam merancang sistem pendukung keputusan penentu jurusan pada SMA Swasta Binaguna Tanah Jawa, peneliti menggunakan 20 data untuk menentukan penilaian dari masing-masing kriteria yang ada sebagai berikut :
Tabel 2. Aturan
No. Rata-rata Nilai IPA
Rata-rata Nilai
IPS Minat Siswa Keterangan
1. 0-74 75-84 IPA IPS 2. 0-74 75-84 IPS IPS 3. 0-74 85-100 IPA IPS 4. 0-74 85-100 IPS IPS 5. 0-74 85-100 - IPS 6. 75-84 0-74 IPA IPA 7. 75-84 0-74 IPS IPA 8. 75-84 75-84 IPA IPA
9. 75-84 75-84 IPS IPS 10. 75-84 85-100 IPA IPS 11. 75-84 85-100 IPS IPS 12. 75-84 85-100 - IPS 13. 85-100 0-74 IPA IPA 14. 85-100 0-74 IPS IPA 15. 85-100 0-74 - IPA 16. 85-100 75-84 IPA IPA 17. 85-100 75-84 IPS IPA 18. 85-100 75-84 - IPA 19. 85-100 85-100 IPA IPA 20. 85-100 85-100 IPS IPS
Probabilitas kemunculan adalah memprediksi kemunculan sebuah hasil berdasarkan pengelompokan kelas-kelasnya.
a. Probabilitas Rata-rata Nilai IPA
Tabel 3. Probabilitas Nilai IPA
Nilai 5 pada baris rata-rata nilai IPA 0-74, kolom jumlah kejadian IPS diambil dari tabel 2. Begitu juga pada baris rata-rata nilai IPA 75-84 danrata-rata nilai IPA 85-100.
b. Probabilitas Rata-rata Nilai IPS
Tabel 4. Probabilitas Nilai IPS
Rata – rata Nilai IPS
Jumlah
Kejadian Probabilitas
IPA IPS IPA IPS
0-74 5 0 5/10 0/10
75-84 4 3 4/10 3/10
85-100 1 7 1/10 7/10
Jumlah 10 10 1 1
Nilai 5 pada baris rata-rata nilai IPS 0-74, kolom jumlah kejadian IPA diambil dari tabel 2. Begitu juga pada baris rata-rata nilai IPS 75-84 danrata-rata nilai IPS 85-100.
c. Probabilitas Minat Siswa
Tabel 5 Probabilitas Minat Siswa
Minat Jumlah Kejadian Probabilitas
IPA IPS IPA IPS
IPA 5 3 5/10 3/10
IPS 3 5 3/10 5/10
Rata – rata Nilai IPA
Jumlah Kejadian Probabilitas
IPA IPS IPA IPS
0-74 0 5 0/10 5/10
75-84 3 4 3/10 4/10
85-100 7 1 7/10 1/10
- 2 2 2/10 2/10
Jumlah 10 10 1 1
Nilai 5 pada baris minat IPA, kolom jumlah kejadian IPA diambil dari tabel 2. Menghitung Nilai Likehood
Tahap selanjutnya adalah menghitung nilai likehood. Likehood adalah persamaan kata dari probabilitas yang digunakan sebagai parameter. Dari data siswa yang diperoleh peneliti, peneliti menggunkan 10 data siswa yang diperoleh pada tahap pengumpulan data.
Tabel 6 Data Siswa
No. NIS Nama Kelas Rata-rataNilai IPA Rata-rataNilai IPS MinatSiswa 1. 3021 Aletia Viona Simare-mare X-2 80.75 80.25 IPS
2. 3025 Theresia Siahaan X-2 82.75 89 IPS
3. 3028 Caroline Simanjuntak X-2 79.5 84.25 IPS
4. 3033 Jessica M. Simare-mare X-2 78.25 85 IPS
5. 3045 Nada Berta Tampubolon X-2 79.25 83.5 IPA
6. 3053 Hestriana Simatupang X-2 80 85.25 IPS
7. 3055 Micael Alek Candra Siagian X-2 78.5 79.75 IPS
8. 3071 Kristiani Rejeki Pasaribu X-2 82 85 IPS
9. 3078 Grisella P. Pasaribu X-2 78.75 81.5 IPS
10. 3101 Ricky Wiro Welly Sitohang X-2 85 89.25 IPA Dari data siswa diatas, maka dapat dihitung nilai likehood IPA dan likehood IPS dari masing-masing siswa adalah sebagai berikut :
NIS : 3021
Nama Siswa :Aletia Viona Simare-mare
Kelas : X-2
Nilai IPA : 80.75 Nilai IPS : 80.25 Minat Siswa : IPS
Pada likehood IPS nilai 3/10 diambil dari tabel 3.3, nilai 4/10 diambil dari tabel 3.4 dan nilai 3/10 diambil dari tabel 3.5, sedangkan padalikehoodIPS nilai 4/10 diambil dari tabel 3.3, nilai 3/10 diambil dari tabel 3.4 dan nilai 5/10 diambil dari tabel 5
Menghitung Nilai Probabilitas
Menghitung nilai probabilitas dilakukan dengan menghitung nilai dengan melakukan normalisasi terhadap likehood tersebut.
Nama Siswa :Aletia Viona Simare-mare
Kelas : X-2
Nilai IPA : 80.75 Nilai IPS : 80.25 Minat Siswa : IPS
Dari hasil akhir probabilitas IPA adalah0.375 dan probabilitas IPS adalah 0.625 maka dapat disimpulkan bahwa siswa ini lebih sesuai untuk mengambil jurusan IPS. HASIL DAN PEMBAHASAN
Adapun hasil dari dari perncangan Sistem Pendukung Keputusan Penentuan Jurusan Siswa/i Sma Swasta Binaguna Tanah Jawa antara lain :
Halaman Bobot Kriteria
Halaman bobot kriteria berfungsi untuk menginput data aturan yang digunakan dalam penentuan jurusan. Setelah user menginput semua data aturan, user harus menekan tombol kalkulasi. Tombol kalkulasi pada halaman bobot kriteria digunakan untuk menghitung probabilitas dari setiap kriteria. Setelah nilai probabilitas dari setiap kriteria di peroleh, user harus menyimpan data nilai probabilitas dengan menekan tombol simpan. Tampilan dari halaman bobot kriteria pada tab control data set kriteria dapat dilihat pada gambar 1 dan tampilan dari halaman bobot kriteria pada tab control probabilitas kriteria dapat dilihat pada gambar 2.
Gambar 2 Halaman Bobot Kriteria “Probabilitas Kriteria” Halaman Data Alternatif
Halaman data alternatif merupakan halaman yang digunakan user untuk menginput, mengedit dan menghapus nilai dari masing-masing mata pelajaran setiap siswa/i dan minat siswa/i. Tampilan dari halaman data alternatif dapat dilihat pada gambar 3.
Gambar 3. Halaman Data Alternatif Halaman Laporan
Halaman laporan merupakan halaman yang digunakan untuk melihat hasil perhitungan penentuan jurusan dari setiap siswa/i. Tampilan halaman laporan dapat dilihat pada gambar 4.
Kesimpulan
Berdasarkan hasil penelitian sistem pendukung keputusan pemilihan jurusan di SMA Swasta Binaguna Tanah Jawa , maka dapat diambil beberapa kesimpulan sebagai berikut :
1. Dengan adanya Sistem Pendukung Keputusan Penjurusan yang akan diterapkan, maka akan diperoleh berbagai kemudahan dalam hal mengambil keputusan dalam hal ini penjurusan siswa.
2. Dapat mengetahui secara jelas dan lengkap serta cepat tentang keputusan yang dihasilkan dari setiap kriteria yang mengacu pada penjurusan melalui metode Naïve Bayes.
3. Telah dihasilkan program aplikasi sistem pendukung keputusan pemilihan jurusan di SMA Swasta Binaguna Tanah Jawa dengan menggunakan metode Naïve Bayes dengan spesifikasi beberapa menu pilihan yang sangat user friendly sehingga memudahkan user dalam mengoperasikannya.
SARAN
Adapun saran yang dapat peneliti sampaikan antara lain :
1. Dalam penelitian ini hanya menggunakan 3 kriteria untuk menentukan jurusan siswa/i. Untuk penelitian selanjutnya diharapkan bisa ditambah beberapa kriteria lagi. Misalnya kriteria psikotest, dan juga test pemilihan jurusan.
2. Untuk mengetahui hasil perbandingan perhitungan penjurusan siswa/i penelitian selanjutnya bisa menggunakan metode yang lain.
DAFTAR PUSTAKA
[1] Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Andi.
[2] Nana Yulia Fitri dan Nurhadi, 2017, Analisis Dan Perancangan Sistem Pendukung Keputusan Penilaian Kinerja Guru Dengan Menggunakan Metode Simple Additive Weighting (Saw) Pada Smk Yadika Jambi. Jurnal Manajemen Sistem Informasi, No. 1, Vol. 2, 2528-0082.
[3] Turban, E. (2005) “Decision Support and Intelligence Systems 7th Edition. Pearson Education, Inc. Penerbit Andi 130-163
[4] Selvira Lestari Siregar, Suwarno Ariswoyo, Pasukat Sembiring, 2014, Pengambilan Keputusan Menggunakan Metode Bayes Pada Ekspektasi Fungsi Utilitas. Saintia Matematika, Vol. 2, No. 1 (2014), pp. 47–54, 2337-9197.
[5] Elfani dan Ardi Pujiyanta, 2013, Sistem Pakar Mendiagnosa Penyakit Pada Ikan Konsumsi Air Tawar Berbasis Website. Jurnal Sarjana Teknik Informatika, No. 1, Vol. 1, 42-50, : http://journal.uad.ac.id/index.php/JSTIF/article/ download/2503/ 1550/2503-4912-1-PB.pdf
[6] Budanis Dwi Meilani dan Nofi Susanti, 204, Aplikasi Data Mining Untuk Menghasilkan Pola Kelulusan Siswa Dengan Metode Naïve Bayes. Jurnal Link, No. 2, Vol. 21, 1858-4667.
