cengkraman penjajahan asingmelainkan meneruskan cita-cita perjuangan untuk menjadi Negara dan bangsa Indonesia yang kuat dan besar sesuai dengan nilai-nilai hakiki seperti yang tertuang dalam Pancasila dan UUD 1945. Konsep tentang kebudayaan Indonesia yang kemudian diperjelas menjadi kebudayaan nasional (Indonesia) atau kebudayaan bangsa bukan merupakan pembahasan baru dalam konteks kehidupan masyarakat Indonesia.[5]
Analisa Kebutuhan aplikasi Media Pembelajaran
Saat ini media pembelajaran bukan hal baru untuk dikembangkan dan diaplikasikan, karena aplikasi media pembelajaran tersebut merupakan bagian dari segala bentuk informasi yang mampu menyajikan komponen suara, gambar , animasi, video dan teks menjadi sesuatu yang bermanfaat untuk suatu kepentingan.
Penggunanaan media pembelajaran sebagai alat bantu pembelajaran merupakan hal yang menarik dan perlu dikembangkan sehingga sesuatu yang akan disampaikan lebih mudah dan dimengerti Rancangan aplikasi ini dirancang dengan menggunakan kombinasi dari beberapa software sangat banyak program aplikasi yang dikembangkan untuk menciptakan sebuah media pembelajaran yang interaktif. Namun, software utama yang digunakan untuk menyajikan berbagai output dari software lainnya adalah bahasa pemrograman Java Netbenas 6.9.
1. Analisa Pengguna Media Pembelajaran
Pengguna terhadap media
pembelajarankekayaan budaya sendiri terbatasi oleh pemahaman, dimana pengguna nantinya yang dapat menggunakan adalah kalangan pelajar yang mulai bisa paham membaca dan mengingat akan bentuk dan warna. Media pembelajaran kekayaan budaya ini dirancang untuk mempermudah bagi mereka yang ingin belajar untuk mengingat kekayaan budaya yang dimiliki indonesia tanpa harus membaca buku yang sifatnya hanya menyajikan teks. Yang dimana kebanyakan dari para pelajar saat ini membutuhkan sebuah media yang lebih menyenangkan.
2. Analisa Kerja Media Pembelajaran Kekayaan Budaya
Gambar 1. Diagram Konteks
Keterangan :
Dalam penguraian diagram konteks diatas terdapat beberaapa komponen inti dalam aplikasi bahan ajar pemetaan kekayaan budaya Indonesia, adapun diantaranya adalah sebagai berikut : 1) Pelajar : pelajar merupan entitas yang
memberikan input kepada media pembelajaran.
2) Pengajar : merupakan entitas yang memberikan kontrol nilai dan evaluasi soal kedalam
klik pilihan Provinsi
Pelajar view informasi konten
budaya
<<extend>>
Stelan suara
modul materi masukan pilihan
proses perhitungan hasil
<<include>>
<<include>>
Pengajar
Gambar 2. Use Case Diagram
Keterangan :
Dalam penjabaran bahan ajar pemetaan kekayaan budaya indonesia terdapat pemecahan aktor menjadi dua yaitu aktor pelajar dan pengajar. Terdapat dua subsistem yaitu subsistem pemberi informasi dan pengevaluasi. Dan terdapat case yang dilakukan oleh masing masing aktor kedalam sistem.
Perancangan Sistem
Perancangan perangkat lunak sangat diperlukan karena rancangan tersebut adalah langkah awal bagaimana program itu akan dibuat dan menuangkannya kedalam bahasa pemrograman.
Dalam media pembelajaran perancangan yang benar menjadi sebuah keharusan sebab tanpa perancangan dan desain interface yang baik pengguna tidak akan mendapat informasi yang maksimak dalam media pembelajaran wawasan kekayaan budaya indonesia.Pembangunan ini dimanfaatkan untuk membangun media pembelajaran, seperti dalam hal pembuatan basisdata kekayaan budaya tiap-tiap provinsi di indonesia, sedangkan bagian yang memberikan evaluasi adalah bagian yang bertindak sebagai pemberipengevaluasi dengan beberapa ketentuan variabel yang telah ditetapkan. Untuk lebih jelasnya Perancangan perangkat lunak media pembelajaran dapat dilihat pada gambar berikut:
Perancangan dan Pembuatan Bahan Ajar Pemetaan Kekayaan Budaya
Indonesia
Pengajar Pelajar
Gambar 3. Arsitektur Media Pembelajaran Rancangan Antarmuka
Perancangan antarmuka merupakan sarana yang menghubungkan antara sistem dengan pengguna. Perancangan antar muka memungkinkan pengguna untuk berinteraksi dengan sistem.meskipun kekuatan dari sebuah aplikasi bahan ajar terletak pada informasi yang diberikan, tetapi tanpa interface yang baik maka sistem tidak akan optimal memberikan informasi dan wawasan kebudayaan bagi pengguna. Berikut ini adalah interface yang akan digunakan : 1) Perancangan Form awal
Merupakan rancangan tampilan awal dimana sistem menampilkan menu untuk main kedalam bahan ajar dan melakukan evaluasi pengetahuan.
Dihalaman awan terdapat beberapa setelan awal untuk bermain seperti suara dan kecerahan layar.
a. Flowchart halaman awal
START
Halaman awal : 1. main 2. tentang 3. suara 4. bantuan
1. main 2.tentang 3. suara 4.bantuan
Proses main
END
Halaman tentang Setelan suara Halaman
bantuan
Gambar 4. Flowchart halaman awal b. Rancangan halaman awal
Gambar 5. Tampilan halaman awal
Gambar 6. Tampilan halaman suara
2) Rancangan halaman main
Rancangan halaman main merupakan halaman yang menampilkan bentuk peta Indonesia yang tiap provinsinya dibedakan atas warna dan dapat di klik untuk menampilkan informasinya.
a) Flowchart halaman main
START
Halaman main 1. klik peta 2. evaluasi 3. keluar
evaluasi keluar
Klik provinsi
Proses main
Informasi kontent kebudayaan
Main lagi
END
Gambar 7. Flowchart Halaman Main
Antarmuka
Menampilkan informasi
Hasil evaluasi Evaluasi pengetahuan
b) Rancangan halaman main
Gambar 8. Halaman Main
3) Rancangan halaman konten informasi
Rancangan halaman konten informasi merupakan halaman yang menampilkan seluruh konten informasi yang berkaitan tiap tiap provinsi.
a) Flowchart halaman konten informasi
START
Informasi kontent 1, evaluasi 2. kembali / main
Prosem menampilkan konten kekayaan
budaya
Kembali main evaluasi
END
Gambar 9. Flowchart konten informasi
4) Rancangan halaman evaluasi
Rancangan halaman evaluasi adalah halaman yang menampilkan soal soal evaluasi dalam bentuk pilihan berganda yang nantinya akan menghasilkan informasi wawasan evaluasi kebudayaan Indonesia.
a) flowchart halaman evaluasi
START
Input jawaban Proses pembacaan soal
evaluasi
Proses pengecekan jawaban
Hasil menampilkan tingkat pengetahuan
main
Ulang evaluasi keluar
END
Gambar 10. Flowchart halaman evaluasi b) tampilan halaman evaluasi
Gambar 11. Tampilan halaman evaluasi
3.1 Demontrasi Bahan Ajar
Demontrasi program merupakan tahap penyajian tampilan program yang telah dirancang, dimana nantinya tampilan ini dijadikan sebagai alat acuan untu mendemonstrasikan aplikasi bahan ajar pemetaan kekayaan budaya Indonesia 1. Tampilan Halaman Utama
Gambar 12. Hamalam Utama
Halaman utama merupakan halaman dimana terdapat uraian gambar komponen yang akan digunakan dalam pengoperasian sistem. Terdapat
kontrol volume suara, latarbelakang musik dan pengaturan layer.
Gambar 13. Hamalam kontrol Suara
Tampilan halaman suara merupakan halaman untuk memanggil atau memilih suara yang akan melatarbelakangi pengguna saat bermain suara ini dibagi atas lagu –lagu daerah yang mewakili tiap-tiap provinsi.
2. Tampilan Halaman Main
Halaman ini merupakan halaman dimana sistem memodelkan peta Indonesia yang tebagi atas tiga puluh tiga provinsi. Dimodelkan dalam bentuk yang dibedakan atas warna. Dimana saat tiap provinsi dilakukan klik gambar maka konten informasi akan menampilkan informasi kekayaan budaya yang terkait tentang provinsi tersebut.
Dalam halaman Main terdapat beberapa sub menu yang berkaitan dengan penambahan kontent. Sub menu berkaitan dengan menu tambah, Bantuan, Keluar.
Gambar 14. Halaman Main
3. Tampilan Halaman Evaluasi
Tampilan halaman evalusi wawasan kebudayaan merupakan halaman untuk menampilkan seluruh soal latihan yang akan digunakan untuk melatih pengguna, dimana nantinya pengguna yang bertindak sebagai user akan mengetahui seberapa wawasab pengetahuannya terhadap wawasan kebudayaan di Indonesia yang telah pengguna baca dan lihat pada halaman main.
Gambar 15. Halaman Soal Evaluasi
Gambar 16. Halaman Skor
4. Kesimpulan
Setelah menyelesaikan perancangan dan pembuatan bahan ajar pemetaan kekayaan budaya Indonesia dengan Java Netbeans 6.9, penulis menarik kesimpulan sebagai berikut :
a. Bahan ajar kekayaan budaya ini dapat digunakan untuk memahami pembagian kebudayaan dan budaya berdasarkan pembagian provinsi diwilayah Indonesia serta suku dan hasil kebudayaannya.
b. Bahan ajar kekayaan budaya dapat dijadikan sebagai media pendukung dalam proses pembelajaran imlu kebudayaan dasar.
c. Bahan ajar kekayaan budaya mampu memenuhi kebutuhan funsional proses pembelajaran interaktif yang mulai dikembangnkan di Indonesia.
d. Bahan ajar kekayaan budaya mampu memberikan penilaian dasar tentang pengguna mengenai seberapa besar wawasan yang mereka dapat atas penggunaan bahan ajar ini.
e. Disimpulkan bahwa model peta yang digunakan dibagi atas provinsi yang ada diindonesia dan dibagi berdasarkan warna.
f. Membantu penghematan dan memperkecil produksi buku khasanah budaya Indonesia.
Daftar Pustaka
[1] Arsyad, Azhar. 2011. Media Pembelajaran.
Jakarta : Raja Grafindo Persada
[2] Jogiyanto, H.M. 2005. Analisis Dan Desain Sistem Informasi. Yogyakarta : Penerbit Andi.
[3] Komputer Wahana, 2011, Membangun Aplikasi Bisnis Dengan Ide Netbeans 7, Semarang : Penerbit Andi.
[4] Kurnia, Dendi Novy. 2012, Upaya Guru Dalam Pengunaan Media Pembelajaran Seni Budaya Sebagai Sarana Pendukung Dalam Pembelajaran Seni lukis Di SMA Negeri 2 Situbondo. Universitas Negeri Malang : Malang.
[5] Maryati Rita. 2012. Adat dan Budaya Khas Nusantara. Jakarta : Praninta Offset
[6] Nugroho, A., 2005, Analisis dan Perancangan Sistem Informasi Dengan Metodologi Berorientasi Objek, Penerbit Informatka : Bandung.
[7] Rosa As dan M.Shalahudin, 2013, Rekayasa Perangkat Lunak Pendekantan Terstruktur, Bandung : Informatika.
[8] Sadiman, Arif.S . 2006. Media Pendidikan, Pengertian, Pengembangan, dan Pemanfaatannya Jakarta : PT Raja GrafidoPersada.
[9] Sutabri, Tata. 2012. Analisa \ Sistem \ Informasi.Yogyakarta : Penerbit Andi.
SISTEM INFORMASI INVENTORI BARANG LABORATORIUM KOMPUTER BERBASIS ANDROID DI STMIK TASIKMALAYA
Fitri Nuraeni 1, Teuku Mufizar2, Novan Ganda Holis Suparman3
1,2Jurusan Teknik Informatika
3STMIK Tasikmalaya, Jl. RE Martadinata No. 272 A Tasikmalaya
e-mail: 1[email protected], 2[email protected], 3[email protected]
Abstrak
Mobilitas pengolahan data sangat diperlukan untuk mempercepat pengolahan data inventori barang yang mencakup pendataan barang masuk, peminjaman dan pengembalian barang sampai informasi kondisi barang yang selalu di lakukan oleh bagian Pusat Komputer (PUSKOM) STMIK Tasikmalaya dalam hal pengelolaan 5 laboratoium komputer yang terletak di dua gedung yang berjauhan. Dengan populernya aplikasi berbasis android memungkinkan informasi inventori barang tersebut yang dapat diakses melalui perangkat smartphone kapan saja dan dimana saja. Sistem informasi inventori barang berbasis android ini dirancangan dengan menerapkan metode berorientasi objek yaitu Unified Modeling Language (UML) untuk dapat menggambarkan data dan proses menjadi kesatuan yg dinamakan objek[1]. Dengan adanya sistem inventori barang berbasis android ini, mampu memberikan solusi untuk menangani masalah penyajian informasi inventori barang karena pengolahan data inventori bias dilakukan dimana saja dengan perangkat smartphone tiap pegawai serta menampilkan informasi barang kapan saja saat dibutuhkan.
Kata kunci : Mobilitas, Laboratorium Komputer, Inventori, Android 1. PENDAHULUAN
Pengolahan data inventori barang di suatu instansi sangat penting bagi manajemen maupun staf yang mengelolanya. Sebuah sistem yang khusus mengolah keluar masuknya barang, serta laporan-laporannya sangatlah diperlukan bagi suatu instansi untuk keberlangsungan produktifitas di instansi tersebut. Adapun pentingnya di adakan sistem informasi inventori barang di suatu instansi untuk manajemen barang dalam jumlah yang banyak agar barang yang ada dapat terdokumentasi secara baik dan menyeluruh untuk menghindari kerugian di instansi terkait.
Di STMIK Tasikmalaya, sistem informasi inventori barang di bagian Pusat Komputer (PUSKOM) khususnya di laboratorium sudah menggunakan komputer. Namun, hanya dengan aplikasi pengelola inventori barang yang bersifat stand alone mengurangi fleksibilitas kerja staf di bagian laboratorium komputer. Hal tersebut, terdapat 5 laboratorium komputer yang letaknya saling berjauhan sehingga dapat berakibat pengolahan data yang dilakukan akan memakan waktu lebih lama.
Berdasarkan permasalahan tersebut, mobilitas dalam hal pengolahan data inventori barang tentu harus diperhatikan karena menyangkut kepada efektifitas kerja dan efisiensi waktu.
Baru-baru ini hadir perangkat yang memiliki potensi dalam hal membantu menyelesaikan permasalahan tersebut, yaitu android yang mendukung penggunaan smartphone. Android ini
merupakan sistem operasi berbasis linux yang dirancang untuk perangkat layar sentuh seperti smartphone atau tablet[2]. Sistem operasi ini bersifat open source yang memungkinkan penggunanya dapat memanipulasi sistem bahkan menambahkan aplikasi secara bebas. Hal tersebut merupakan kesempatan untuk pengguna android membuat aplikasi yang dapat di akses secara bebas dan lebih luas. Dengan adanya teknologi ini, maka dapat dibuat sistem informasi inventori barang yang dapat diakses menggunakan smartphone berbasis android.
Sistem yang dibuat menyimpan data pada server yang diakses menggunakan aplikasi yang dibuat berbasis web berfungsi sebagai penerima data. Sedangkan untuk fasilitas inputan data inventori barang dan menyajian informasinya dapat dilakukan melalui aplikasi yang dibuat berbasis android dan diakses menggunakan perangkat mobile. Dengan adanya sistem informasi tersebut sehingga pengolahan data dan penyajian informasi inventori barang dari 5 laboratorium komputer yang ada di STMIK Tasikmalaya dengan lebih mudah.
Pada proses perancangan sistem ini menggunakan Unified Modeling Language (UML) yaitu bahasa standar yang digunakan untuk menjelaskan dan memvisualisasikan artifak dari proses analisis dan desain berorientasi objek.
Pemodelan secara visual ini membantu untuk menangkap struktur dan kelakukan dari obyek, mempermudah penggambaran interaksi antar elemen dalam sistem dan mempertahankan
konsistensi antara desain dan implementasi dalam pemrograman[3]. Diagram yang digunakan untuk pemodelan sistem ini adalah use case diagram, activity diagram, class diagram, dan entity relationship diagram.
Use case diagram digunakan untuk memodelkan proses bisnis berdasarkan persfektif pengguna sistem. Diagram ini terdiri dari use case dan actor. Actor menggambarkan orang yang mengoperasikan atau orang yang berinteraksi dengan sistem aplikasi. Use case merepresentasikan operasi-operasi yang dilakukan oleh actor[4].
Activity Diagram menggambarkan berbagai alur aktifitas dalam sistem yang sedang dirancang, bagaimana masing-masing alur berawal, decision yang mungkin terjadi dan bagaimana mereka berakhir. Activity Diagram juga dapat menggambarkan proses parallel yang mungkin terjadi pada beberapa eksekusi. Sama seperti State Diagrams, standar UML menggunakan segiempat dengan sudut membulat untuk menggambarkan aktifitas. Decicion digunakan untuk menggambarkan behavior pada kondisi tertentu.
Untuk mengilustrasikan proses-proses parallel (fork dan join) diggunakan titik sinkronisasi yang dapat berupa titik, garis horizontal atau vertikal.
Class diagram menunjukan hubungan antar class dalam sistem yang sedang dibangun dan bagaimana mereka saling berkolaborasi untuk mencapai suatu tujuan[3]. Class sesungguhnya merupakan deskripsi dari konsep yang dating dari bidang aplikasi yang sedang dikembangkan[5].
Entity relationship diagram (ERD) berhubungan dengan data didalam entitas dan hubungan antar entitas. Entitas adalah kumpulan konseptual field-field data yang saling berhubungan. Dengan ERD dapat mengungkapkan entitas-entitas mana yang sebaiknya secara konseptual dihubungkan dengan entitas yang lain[6].
2. METODE PENELITIAN
Metode yang digunakan dalam perancangan system informasi ini adalah metode berorientasi objek dengan menggunakan tool Unified Modeling Language (UML) namun untuk langkah-langkah pengerjaannya mengadopsi proses pada system development life cycle (SDLC) seperti pada gambar 1 berikut.
Gambar 1. Kerangka Kerja SDLC
1. Tahap Perencanaan
Dalam tahap ini, dilakukan studi kebutuhan dari semua elemen sistem dan menganalisa keinginan user. meliputi input, proses hingga output, waktu pengerjaan , ukuran dan jumlah data yang ditangani dengan melakukan wawancara kepada kordinator inventori barang untuk mendapatkan data yang akurat. Pada tahapan ini, digunakan use case diagram untuk menangkap kebutuhan dan harapan pengguna[5].
2. Tahapan Analisis
Tahapan analisa ini bertujuan mengenali segenap permasalahan pada sistem yang berjalan di bagian PUSKOM STMIK Tasikmalaya, mengenali komponen- komponen system, objek-objek dan hubungan antar objek tersebut.
3. Tahapan Perancangan
Dalam tahapan perancangan sistem informasi inventori barang ini digunakan tool Usecase, class diagram, ERD dan rancangan antar muka (interface).
4. Implementasi
Dalam tahap ini penulis merancang program dengan menggunakan coding berbasis bahasa pemrograman php dan java.
Bahasa pemrograman PHP digunakan untuk merancang web yang berfungsi sebagai penerima data inputan dari mobile android, sedangkan bahasa pemrograman java digunakan untuk merancang form yang bisa di akses secara mobile untuk melakukan proses input dalam pengolahan data inventori barang.
Perencanaan Analisis Perancangan implementasi
pengujian
Pemeliharaan
5. Pengujian
Dalam tahap ini setelah sistem selesai dirancang, dilakukan pengetesan terhadap sistem yang telah dibuat menggunakan metode black box. Pengujian ini bertujuan untuk mengetahui apakah sistem yang telah dibuat berjalan sesuai keinginan atau tidak.
6. Pemeliharaan
Setelah proses pengetesan sistem yang telah dibuat, maka tahap selanjutnya adalah pemeliharaan. Dalam tahap pemeliharaan, akan ada tahap perbaikan apabila sewaktu- waktu terjadi kegagalan sistem dan jika ada peningkatan sistem sebagai kebutuhan yang baru.
3. HASIL DAN PEMBAHASAN
A. Use Case Diagram
Sistem ini memiliki actor yaitu a) koordinator barang yang bertugas untuk mengolah data barang secara keseluruhan, b) koordinator setiap laboratorium yang bertanggung jawab untuk setiap barang yang ada dimasing2 lab dan c) ketua Puskom yang bertugas untuk mengawasi pengelolaan inventori barang.
Gambar 2. Use Case Diagram
Pada usecase diagram pada gambar 2, dapat dilihat bahwa setiap actor dapat melakukan pengolahan data inventori. Untuk setiap barang baru datang akan diinput oleh koordinator barang.
Untuk pengelolaan peminjaman dan pengembalian barang serta pengecekan keadaan barang dilakukan oleh setiap koordinator lab.
Sedangkan untuk pengaturan hak akses user dilakukan oleh Ketua PUSKOM.
B. Activity Diagram
1. Olah Data Barang Masuk
Activity Diagram yang diusulkan untuk perancangan sistem informasi inventori barang laboratorium di STMIK TASIKMALAYA di bagian Olah Data Barang seperti gambar 3.
Gambar 3. Diagram Activity Olah Data Barang Masuk
2. Olah Data Jenis Barang
Activity Diagram yang diusulkan untuk perancangan sistem informasi inventori barang laboratorium di STMIK TASIKMALAYA di bagian Olah Data Jenis Barang seperti gambar 4.
Gambar 4. Diagram Activity Olah Data Jenis Barang
3. Olah Data Peminjaman Barang
Activity Diagram yang diusulkan untuk perancangan sistem informasi inventori barang laboratorium di STMIK TASIKMALAYA di bagian Olah Peminjaman Barang seperti gambar 5.
Gambar 5. Diagram Activity Olah Data Peminjaman Barang
Dt_jenis_barang Id_jenis_barang
Jenis_barang
Dt_lab Id_lab
Nama_lab
posisi
Dt_peminjaman Id_peminjaman
Kode_barang
Tanggal_kembali Tanggal_pinjam
Nama_peminjam
Kondisi_pinjam Kondisi_kembali
Dt_pengecekan Kode_barang
Id_pengecekan
Tanggal_pengecekan
kondisi
Dt_barang
Kode_barang Tanggal_masuk
Id_jenis_barang Merk
Id_lab spesifikasi
Terletak Terdiri
Memiliki
Memiliki
4. Olah Data Cek Barang
Activity Diagram yang diusulkan untuk perancangan sistem informasi inventori barang laboratorium di STMIK TASIKMALAYA di bagian Olah Data Cek Barang seperti seperti gambar 6.
Gambar 6. Diagram Activity Olah Data Peminjaman Barang
5. Olah Data Pengguna
Activity Diagram yang diusulkan untuk perancangan sistem informasi inventori barang laboratorium di STMIK TASIKMALAYA di bagian Olah Data Pengguna seperti gambar 7.
Gambar 7. Diagram Activity Olah Data Peminjaman Barang
C. Class Diagram
Gambar 8. Class Diagram
Class Diagram adalah sebuah grafik presentasi dari gambaran yang statis yang menunjukan sekumpulan model elemen yang terdeklarasi (statis), seperti kelas, tipe, dan isinya serta hubungannya. Untuk merancang sistem informasi inventori barang ini, dibuat class diagram seperti pada gembar 8.
D. ERD (Entity Relationship Diagram)
Sedangkan untuk perancangan basis datanya menggunakan alat bernama ERD, yang menghasilkan gambaran entitas dan relasinya seperti pada gamabar 9.
Gambar 9. ERD Inventori Barang
Desain database Sistem Informasi Inventori Barang menggunakan 5 entitas, yaitu data barang, data jenis barang, data lab, data pengecekan barang, dan data peminjaman barang.
Entitas data barang memiliki hubungan one to many dengan entitas data pengecekan dan data peminjaman. Entitas data jenis barang memiliki hubungan one to one dengan entitas data barang.
Entitas data lab memiliki hubungan one to one dengan entitas data barang.
D. Interface
Pengolahan data inventori barang menggunakan aplikasi berbasis android yang dapat diakses menggunakan perangkat mobile.
Aplikasi tersebut dibuat menggunakan bahasa java pada editor Eclipse yang merupakansebuah IDE (Integrated Development Environment) untuk mengembangkan perangkat lunak dan dapat dijalankan di semua platform (platform- independent). Layout program dapat dilihat pada gambar 10.
Ketua Puskom (Aktor) Koordinator Lab (Aktor)
Gambar 10. Layout program 4. KESIMPULAN
Dengan adanya sistem informasi inventori barang dengan berbasis android ini, telah dapat menyelesaikan masalah pengolahan data barang di setiap laboratorium komputer yang ada di STMIK Tasikmalaya, karena data dapat diinputkan pada satu server data dan informasi yang dibutuhkanpun
dapat diakses dengan mudah menggunakan media perangkat mobile.
5. SARAN
Sistem yang dirancangan masih memiliki kekurangan dari sisi pengguna, karena pengguna masih dibatasi untuk staf Puskom saja. Sedangkan untuk unit kerja lain di STMIK Tasikmalaya belum dapat mengakses langsung informasi data barang pada saat akan melakukan peminjaman barang ke bagian Puskom. Untuk pengembangan selanjutnya, diharapkan dapat memberikan fasilitas penyajian informasi data barang untuk unit kerja lainnya yang berhubungan.
DAFTAR PUSTAKA
[1] H. Al-Fatta, Analisis dan Perancangan Sistem Informasi. ANDI, 2007, p. 91
.
[2] J. Enterprise, Step By Step Ponsel Android. Jakarta: PT. Elex Media Komputindo, 2010, p. 1.
[3] J. Hermawan, Analisa Desain dan Pemograman Berorientasi Obyek dengan UML dan Visual Basic.NET. .
[4] M. F. Azis, Object Oriented Programming dengan PHP 5. Jakarta: PT. Elex Media Komputindo, 2005.
[5] A. Nugroho, Rekayasa Perangkat Lunak Berorientasi Objek dengan Metode USDp.
Yogyakarta: ANDI, 2010, p. 318.
[6] R. Mc Leod and G. Sc P Shell, Sistem Informasi Manajemen. Jakarta: Salemba Empat, 2008, p. 572.
IMPLEMENTASI METODE ROUGH SET UNTUK PROMOSI RUMAH BERSALIN (STUDI KASUS : BIDAN SRI WAHYUNI
KECAMATAN MEDAN MARELAN)
Adil Setiawan
Jl K.L. Yos Sudarso KM 6.5 No.3-A, Tanjung Mulia, Medan Email : [email protected]
Abstrak
Rumah Bersalin merupakan tempat persalinan dan pengobatan, semakin banyak jumlah pasiennya maka akan semakin banyak pasien yang dapat ditolong dalam proses persalinan dan pengobatan. Jika semakin banyak jumlah pasien yang dapat ditolong proses persalinannya maka semakin sedikit resiko bayi yang dilahirkan dan ibu yang melahirkan meninggal dunia. Penelitian pada data mining saat ini akan menggunakan metode Rough Set yang akan digunakan untuk melakukan analisis data dari hasil pengelompokan data, sehingga dapat mengetahui calon pasien lebih akurat dan upaya yang harus dilakukan untuk melakukan promosi medicine lebih akurat, efektif, dan sempurna, dengan adanya pengelompokan yang sudah terkomputerisasi menjadi lebih baik.
Kata kunci : Data Mining, Promosi, Rought Set.
1. Pendahuluan
LatarBelakang
Rumah Bersalin Bidan Sri Wahyuni memiliki jumlah pasien yang melahirkan dan berobat sangat sedikit pada dua tahun terakhir ini dikarenakan banyaknya Rumah Sakit Umum Medan yang banyak memiliki peralatan yang lebih lengkap sehingga dibutuhkan promosi tempat persalinan tersebut. Agar pasien dapat mengetahui apa saja fasilitas dan layanan yang ada pada rumah bersalin tersebut. Oleh karena itu dilakukan suatu cara Untuk melakukan perhitungan yang ada dalam penelitian ini maka digunakan metode Rought Set. Yaitu dengan mengelompokan data-data calon pasien dalam satu kecamatan sehingga dapat diketahui tempat- tempat yang akan dilakukan promosi untuk Rumah Bersalin tersebut.
Data mining merupakan langkah besar dalam Discovery Pengetahuan pada Database (KDD) proses yang terdiri dari penerapan teknik komputasi yang di bawah keterbatasan efisiensi komputasi dapat diterima dapat menghasilkan beberapa model pecahan tertentu pada pola atau model data (Umarani dan Punitthavali, 2010).
Relation Database yang merupakan salah satu jenis data dalam data mining yaitu sebuah sistem database, atau disebut juga database management system (DBMS), mengandung sekumpulan data yang saling berhubungan, dikenal sebagai sebuah database, dan satu set program perangkat lunak untuk mengatur dan mengakses data tersebut.
Distribusi data mining bertujuan pada pengekstraksian pola yang berguna dari pendistribusian database yang bermacam-macam.
Sebagai contoh untuk mengubah database menjadi sebuah pengetahuan dasar dan berguna untuk membuat keputusan (Rao dan Vidyavathi, 2010) [1].
Teori Rough Set (RST) merupakan bagian dari data mining. Menurut Rao dan Vidyavathi (2010), teori Rough Set dikembangkan oleh Zdzislaw Pawlak pada tahun 1980-an dan digunakan untuk analisis klasifikasi data dalam bentuk tabel. Teori Rough Set adalah alat matematika yang berguna untuk berurusan dengan pengetahuan yang tidak tepat dan tidak cukup untuk menemukan pola yang tersembunyi dalam data dan mengurangi ukuran dataset (Adebayo, 2008). Data yang digunakan biasanya data diskrit.
Tujuan dari analisis rough set adalah untuk mendapatkan perkiraan rule yang singkat dari suatu tabel. Hasil dari analis rough set dapat digunakan dalam proses data mining dan knowledge discovery[2].
Sejauh pengamatan yang dilakukan oleh penulis, beberapa bagian pada tempat penelitian khususnya pada bagian promosi masih belum efektif sebagai media pengolahan data, sehingga masih ditemukan beberapa kendala yang berpengaruh terhadap efektifitas kinerja sistem yang diterapkan, akan menggunakan metode Rough Set yang akan digunakan untuk melakukan analisis data dari hasil pengelompokan data, sehingga dapat mengetahui calon pasien lebih akurat dan upaya yang harus dilakukan untuk melakukan promosi Rumah Bersalin Sri Wahyuni.
Perumusan Masalah
Masalah yang di bahas dalam jurnal ini adalah sebagai berikut :
1. Bagaimana melakukan pengolahan data dan melakukan analisis data dengan menggunakan metode Rough Set dalam mengelompokkan data calon pasien?
2. Bagaimana rancangan ini dapat memudahkan Rumah bersalin dalam hal penentuan Penentuan letak promosi ? 3. Bagaimana menentukan prioritas calon
pasien untuk promosi agar dapat meningkatkan jumlah pasien?
Tujuan
Tujuan penelitian ini adalah sebagai berikut:
1. Mengelompokkan kriteria calon pasien dan menganalisa masalah yang ada pada data calon pasien.
2. Menguji hasil dari perhitungan menggunakan metode Rought Set yang telah dilakukan.
3. Untuk melakukan analisis data menggunakan software pendukung Rosetta 1.4.41.
4. Melakukan upaya yang dapat meningkatkan jumlah pasien Rumah Bersalin berdasarkan hasil dari calon pasien yang prioritas.
2. Metodologi Penelitian
Dalam rangka pengumpulan data-data guna penyusunan Jurnal ini, penulis mengajukan beberapa metode penelitian yaitu:
1. Riset Lapangan (Field Research) yaitu metode pengumpulan data yang dilakukan dengan cara mengamati dan menangani secara langsung tugas-tugas yang berhubungan dengan materi.
a. Pengamatan (observasi), yaitu pengumpulan data yang dilakukan dengan cara terjun langsung ke lapangan untuk mengamati cara dan prosedur dalam melakukan pengambilan data-data yang diperlukan.
b. Wawancara (interview) yaitu dengan cara mengajukan pertanyaan langsung kepada pegawai PT. Sumber Alfaria Trijaya, yang memahami dan menguasai masalah-masalah sistem yang berkaitan dengan kebutuhan penulis.
2. Riset Perpustakaan (Library Research) yaitu dengan membaca buku-buku yang isinya berhubungan dengan isi penulisan. Cara ini bertujuan untuk:
a. Mengumpulkan data teoritis sebagai perbandingan didalam menganalisis dan mengevaluasi.
b. Memperoleh sumber data dari buku-buku yang berkaitan dengan judul yang diangkat.
3. Tinjauan Pustaka
Definisi Knowledge Discovery in Database (KDD)
Menurut Beta Noranita dan Nurdin Bahtiar (2010) di dalam jurnalnya Knowledge Discovery in Database (KDD) adalah kegiatan yang meliputi pengumpulan, pemakaian data, historis untuk menemukan keteraturan, pola atau hubungan dalam set data berukuran besar. Sedangkan menurut Widodo (2008) [3] di dalam jurnalnya data mining merupakan proses penemuan pola yang merupakan salah satu tahap dalam Knowledge Discovery in Database (KDD). Dalam KDD tersebut secara garis besar terdapat tiga tahap yaitu pre processing, process (data mining), post processing. Jadi data mining sebenarnya merupakan proses utama dalam KDD.
Menurut Sunjana (2010) data mining sering dianggap sebagai bagian dari knowledge Discovery in Database (KDD) yaitu sebuah proses mencari pengetahuan yang bermanfaat dari data, proses KDD secara garis besar dapat dijelaskan sebagai berikut.
1. Data Selection
Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi yang akan digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah dari basis data operasional.
2. Pre-processing/ Cleaning
Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses cleaning pada data yang menjadi fokus KDD. Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten dan memperbaiki kesalahan pada data, seperti kesalahan cetak (tipografi). Selain itu dilakukan proses enrichment, yaitu proses “memperkaya”
data yang sudah ada dengan data atau informasi lain yang relevan dan diperlukan untuk KDD, seperti data atau informasi eksternal.
3. Transformation
Coding adalah proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses Data mining. Proses coding dalam KDD merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis data.
4. Interpretation/ Evaluation
Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini merupakan bagian dari proses KDD yang disebut dengan interpretation.
Tahap ini mencakup pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesa yang ada sebelumnya[4].
Menurut Han dan Kamber (2006) di dalam jurnal Eko Nur Wahyudi, et al (2011) Data mining adalah bagian integral dari penemuan pengetahuan dalam database (KDD), yang merupakan proses keseluruhan mengubah data mentah menjadi informasi yang bermanfaat.
Berdasarkan definisi-definisi tersebut dapat ditarik kesimpulan bahwa data mining merupakan bagian dari knowledge discovery in database (KDD) adalah penyaringan data pada sebuah database yang terdapat informasi yang potensial.
Definisi Data Mining
Menurut Sunjana (2010) data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Teknik, metode, atau algoritma dalam data mining sangat bervariasi.
Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan. Data mining mampu menganalisa data yang besar menjadi informasi berupa pola yang mempunyai arti bagi pendukung keputusan.
Menurut Nilakant (2004) di dalam jurnalnya Mewati Ayub (2007) menjelaskan Kerangka proses data mining yang akan dibahas tersusun atas tiga tahapan, yaitu pengumpulan data (data collection), transformasi data (data transformation) dan analisis data (data analysis).
Proses tersebut diawali dengan preprocessing yang terdiri atas pengumpulan data untuk menghasilkan data mentah (raw data) yang dibutuhkan oleh data mining, yang kemudian dilanjutkan dengan transformasi data untuk mengubah data mentah menjadi format yang dapat diproses oleh kakas data mining, misalnya melalui filtrasi atau agregasi. Hasil transformasi data akan digunakan oleh analisis data untuk membangkitkan pengetahuan dengan menggunakan teknik seperti analisis statistik, machine learning dan visualisasi informasi[5] .
Pada gambar di bawah ini merupakan diagram yang menggambarkan aliran informasi dalam proses data mining. Proses data mining pada gambar tersebut ditunjukkan sebagai proses yang iteratif. Hasil evaluasi pengetahuan yang dihasilkan data mining dapat menimbulkan kebutuhan pengetahuan yang lebih lengkap,
perbaikan kumpulan data (dataset) atau perubahan pada sistem.
Pengumpulan
Data Tranformasi Analisis Data Evaluasi
Data
Pengetahuan Kurang Perbaikan Dataset
Perubahan sistem
Data mentah Dataset Pengetahuan
Gambar Aliran Informasi Data Mining
Dari definisi-definisi di atas dapat diambil kesimpulan data mining adalah proses pengelompokan data pada sebuah database yang berukuran besar, yang mempunyai karakteristik yang sama untuk menghasilkan pengetahuan yang tersembunyi untuk membantu dalam pengambilan keputusan.
Karakteristik Data Mining
Menurut Beta Noranita dan Nurdin Bahtiar (2010) karakteristik data mining ada dua antara lain sebagai berikut :
1. Data mining berhubungan dengan penemuan sesuatu yang tersembunyi dan pola data tertentu yang tidak diketahui sebelumnya.
2. Data mining biasa menggunakan data yang sangat besar. Biasanya data yang besar digunakan untuk membuat hasil lebih dipercaya.
3. Data mining berguna untuk membuat keputusan yang kritis, terutama dalam strategi.
Sebagai suatu rangkaian proses, data mining dapat dibagi menjadi beberapa tahap yang diilustrasikan pada gambar berikut ini (Beta Noranita dan Nurdin Bahtiar, 2010)[6] :
Gambar Proses Data Mining
Tahap-Tahap Data Mining
Tahap-tahap data mining menurut Beta Noranita dan Nurdin Bahtiar (2010), yaitu :
1. Pembersihan data (data cleaning)
Pembersihan data merupakan proses menghilangkan noise dan data yang tidak konsisten atau data tidak relevan.
2. Integrasi data (data intergration)
Integrasi data merupakan penggabungan data dari berbagai database ke dalam satu database baru.
3. Seleksi data (data selection)
Data yang ada di dalam database seringkali tidak dipakai, oleh karena itu hanya data yang sesuai untuk dianalisis yang akan diambil dari database.
4. Transformasi data (data transformation) Data diubah atau digabung ke dalam format yang sesuai untuk diproses dalam data mining.
5. Aplikasi teknik data mining
Merupakan proses utama di mana metode diterapkan untuk menemukan pengetahuan berharga dan tersembunyi dari data.
6. Evaluasi pola (pattern evaluation)
Untuk mengidentifikasi pola-pola menarik untuk direpresentasikan ke dalam knowledge based yang ditemukan.
7. Presentasi pengetahuan (knowledge presentation).
Metode Rough Set
Menurut Girish Kumar Singh dan Sonajharia Minz (2007) teori Rough Set diperkenalkan oleh Pawlak pada awal tahun 1980- an, adalah teknik untuk berurusan dengan ketidakpastian dan untuk mengidentifikasi hubungan sebab-akibat dalam database sebagai bentuk data mining dan pembelajaran basis data.
Hal ini juga telah digunakan untuk peningkatan pencarian informasi dan ketidakpastian manajemen dalam database relasional.
Pendekatan Rough Set untuk analisis data memiliki banyak kelebihan utama. diantaranya adalah:
1. Menyediakan algoritma efisien untuk menemukan pola yang tersembunyi dalam data.
2. Menemukan set minimal data (reduksi data).
3. Mengevaluasi signifikansi data.
4. Menghasilkan set decision rule dari data.
5. Menawarkan interpretasi langsung dari hasil yang diperoleh.
6. Sebagian besar algoritma didasarkan pada teori Rough Set sangat cocok untuk pemrosesan parallel.
4. Pembahasan
Arsitektur Sistem
Data Mining memiliki beberapa teknik pengolahan data untuk menghasilkan information system atau decision system. Salah satu metode yang biasa digunakan yaitu Metode Rough Set.
Langkah-langkah penyelesaian masalah dengan metode Rough Set dapat dilihat pada gambar berikut dan penjelasannya adalah sebagai sebagai berikut:
1. Decision System merupakan Information System dengan mempresentasikan hasil akhir dari klasifikasi yang diketahui.
2. Equivalence Class adalah proses mengolah data berdasarkan kesamaan nilai atribut (mengelompokkan objek yang sama).
3. Kemudian dilakukan proses Discernibility Matrik atau Discernibility Matrik Module D, merupakan proses untuk menjadi acuan di dalam pengambilan keputusan.
4. Proses Reduct, merupakan proses penyeleksian atribut minimal (interesting attribute) dari sekumpulan kondisi dengan menggunakan prime implicant fungsi boolean.
5. Untuk memperoleh hasil akhir adalah proses Generate Rule, yang merupakan proses penemuan pengetahuan terbaru dalam database untuk mendukung pengambilan keputusan[7].
Reduct Discernibility Matrik
Information System / Decision System
Equivalence Class
Discernibility Matrik Module D
Generate Rule
Gambar Langkah –Langkah Metode Rough Set
Pengumpulan Data
Metode pengumpulan data dilakukan dengan cara melakukan pengamatan langsung dan dilakukan wawancara ke Rumah Bersalin Sri Wahyuni dan Kantor Kecamatan Medan Marelan Kota. Pengisian data kuisioner kepada penduduk di Kecamatan Medan Marelan yang terkait dalam penelitian ini. Berikut ini adalah data penduduk yang diambil dari Kecamatan Medan marelan dan data kuisioner pendapatan perorangan.
Tabel Data Kuisioner Pendapatan Perorangan
No NAMA KEP_ KELUARGA KELURAHAN PEKERJAAN PENDAPATAN JARAK 1 RAHMAT HIDAYAT Marelan Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km
2 ADE PRIA Marelan Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km
3 MUHAMAD YASYAH Marelan Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km
4 RASYIDIN SYAH ALAM Marelan PNS ≥ Rp. 2500000 0-<1 Km
5 CHRISNANTO Marelan Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km
6 RUDI HARYONO Titi Papan PNS ≥ Rp. 2500000 0-<1 Km
7 RONALDO Titi Papan Swasta ≥ Rp. 2500000 0-<1 Km
8 AHMAD SUBANDI Titi Papan Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km 9 ARMANSYAH Titi Papan Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km
10 SYAMSIR Titi Papan Swasta < Rp.1.000.000 0-<1 Km
11 ZONLIARDI Kota Bangun Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km 12 MONTASIR Kota Bangun Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km 13 IRWANSYAH Kota Bangun Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km
14 HENDRA Kota Bangun Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km
15 JON EKA PUTRA Kota Bangun PNS ≥ Rp. 2500000 0-<1 Km
16 YUSMAR TITO HENDRA Kota Bangun Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km 17 RABIUL MUHAMMAD Helvetia Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km 18 NANDA EKA PUTRA Helvetia Swasta ≥ Rp. 1000000 - < Rp. 2500000 0-<1 Km
19 HARDI Helvetia Swasta < Rp.1.000.000 0-<1 Km
20 HENDRA ZAINI Helvetia Swasta < Rp.1.000.000 0-<1 Km
21 JAUHARI Helvetia Swasta ≥ Rp.1.000.000 - < Rp.2.500.000 ≥ 1-3 Km
22 RISKI KURNIAWAN Belawan Swasta ≥ Rp.1.000.000 - < Rp.2.500.000 ≥ 1-3 Km
23 BAHARUDDIN Belawan Swasta ≥ Rp.1.000.000 - < Rp.2.500.000 ≥ 1-3 Km
24 WAN ABDUL RAHMAN Belawan Swasta ≥ Rp.1.000.000 - < Rp.2.500.000 ≥ 1-3 Km
25 ANDRIANTO Belawan Swasta ≥ Rp.1.000.000 - < Rp.2.500.000 ≥ 1-3 Km
26 R.A. SETIA DEWANTORO Belawan Swasta ≥ Rp.1.000.000 - < Rp.2.500.000 ≥ 1-3 Km
27 AHMAD SOLEH Belawan Swasta ≥ Rp.1.000.000 - < Rp.2.500.000 ≥ 1-3 Km
Ada beberapa kriteria yang dapat menyimpulkan kelurahan mana yang akan diprioritaskan untuk promosi, yaitu:
1. Kelurahan
Data Kelurahan diambil dari kantor Kecamatan marelan Kota, berdasarkan atribut ini dapat dilihat informasi yang akan dijadikan sampel data yang akan diproses.
2. Pendapatan
Data pendapatan diambil dari data kuisioner pendapatan perorangan. Pendapatan terbagi atas 3 kategori antara lain:
a. Jika jumlah pendapatan perorangan >
Rp. 2.500.000 maka pendapatannya besar.
b. Jika jumlah pendapatan perorangan >
Rp. 1.000.000 - < Rp. 2.500.000 maka pendapatannya sedang.
c. Jika jumlah pendapatan perorangan <
Rp. 1.000.000 maka pendapatannya kecil.
3. Jarak
Data jarak diambil dari data kuisioner pendapatan perorangan. Jarak terbagi atas 2 kategori antara lain sebagai berikut:
a. Jika jarak rumah rumah calon pasien ke Rumah Bersalin Sri Wahyuni 0 - < 1 Km maka jaraknya dekat.
b. Jika jarak rumah rumah calon pasien ke Rumah Bersalin Sri Wahyuni >
1 - 3 Km maka jaraknya jauh.
4. Hasil
Atribut hasil merupakan kesimpulan dari atribut-atribut kondisi seperti kelurahan, pendapatan dan jarak. Hasil terbagi atas 3 antara lain:
a. Jika pendapatannya besar atau sedang dan jarak dekat atau jauh maka hasilnya prioritas.
b. Jika pendapatannya kecil dan jaraknya dekat maka hasilnya prioritas atau tidak prioritas.
c. Jika pendapatan kecil dan jaraknya jauh maka tidak prioritas
Reduct
Proses Reduct, merupakan proses penyeleksian atribut minimal (interesting attribute) dari sekumpulan kondisi dengan menggunakan prime implicant fungsi Boolean.
Langkah-langkah dalam pencarian reduct adalah sebagai berikut:
1. Dengan cara membuat persamaan aljabar Boolean berdasarkan dari tabel 4.6 hasil Discernibility Matrix Module D, Misalnya E1 = B. ABC. ABC, karena ABC na ada dua maka dipilih satu saja, E1 = B. ABC.
Persamaan aljabar Boolean-nya (A B C).
2. Setelah itu melakukan penyederhanaan persamaan tersebut dengn prinsip atau konsep aljabar Boolean. Misalnya B
(A B C), maka B * (A + B + C). Tanda artinya kali, dan tanda artinya tambah.
Sehingga dilakukan perkalian distributif AB + BB + BC = B.
3. Kemudian jadikan hasil penyederhanaan tersebut sebagai reduct, Jika Tanda maka reduct-nya dalam satu ke kurung kurawal, misalnya (A B) reduct-nya adalah {A, B}. Jjika tanda maka reduct-nya terpisah, misalnya (A B) reduct-nya adalah{A}, {B}.
Tabel Penyeleksian CNF Of Bolean Function (Reduct)
CLASS CNF Of Bolean Function E1 B (A B C)
E2 B (A B C) (A B) A E3 (A B C) B (A B)
E4 (A B C) B (A B) (A C) E5 (A B C) (A B)
E6 A (A C)
Berdasarkan hasil di atas Jumlah Generate Rule yang didapat adalah 28 keputusan atau pengetahuan baru. Berdasarkan hasil dari Generate Rule tersebut dapat diambil kesimpulan, bahwa Kelurahan pada Kecamatan marelan yang menjadi prioritas untuk penyelenggaraan promosi Rumah Bersalin adalah Kelurahan Marelan, Helvetia dan Titi Papan. Sedangkan kelurahan Belawan dan Rimba Kota Bangun hanya tempat- tempat tertentu yang menjadi tempat promosi.
Tabel Data Responden
Dari data Responden yang di dapatkan tampak jelas Bahhwa Responden yang setuju jumlahnya lebih banyak dibandingkan dengan yang tidak setuju, 6,6% / 3,4% , dengan Persentasi demikian Diharapkan Kedepannya akan Menjadikan Sistem ini mendapat apresiasi yang baik, bagi Masyarakat kita saat ini dan dapat tersalurkan tempat prioritas dalam menyebaran promosi di kawasan medan marelan.
5. Kesimpulan
Dari hasil pengujian sistem pendukung keputusan ini, didapat beberapa kesimpulan sebagai berikut :
a. Pengolahan data dan melakukan analisis data dengan menggunakan metode Rough Set dalam mengelompokkan data calon pasien dibangun dengan 5 tahapan, di mana masing masing lapisan memiliki fungsi aktivasi sesuai dengan konsep dari metode Rough Set yang menghasilkan rule-rule yang mendukung untuk sebuah keputusan.
b. Dalam menentukan prioritas calon pasien untuk promosi agar dapat meningkatkan jumlah pasien menggunakan metode Rough Set maka dapat memberikan pengetahuan (knowledge) baru dalam menentukan prioritas calon pasien untuk penyelenggaraan promosi Rumah Bersalin Sri Wahyuni di Kecamatan Medan Marelan.
6. Saran
Adapun saran yang berkaitan dengan sistem pendukung keputusan ini adalah sebagai berikut : a. Penelitian ini masih jauh dari sempurna dan
hanya diimplementasikan pada data penduduk untuk promosi Rumah Bersalin. Pada suatu saat nantinya penelitian ini mungkin bisa dikembangkan lagi menjadi penelitian yang lebih kompleks dan diimplementasikan untuk semua bentuk implementasi pada sistem informasi yang kompleks.
b. Penulis mengharapkan agar hasil dari penelitian ini dapat bermanfaat bagi penulis dan khususnya bagi Rumah Bersalin Bidan Sri Wahyuni Medan dalam pengambilan keputusan dan dunia pendidikan lain pada umumnya.
DaftarPustaka
[1] Vuda Srinivasa Rao and S Vidyavathi (2010).
“A Novel Approach Of Rough Set Analysis In Distributed Data Mining.” International Journal of Engineering Science and Technology. Volume 2 No 6. 1758-1759.
[2] Adebayo, O. dan Adetunmbi (2008).
“Network Intrusion Detection Based On Rough Set and K-Nearest Neighbour.”
International Journal of Computing and ICT Research. Volume 2 No 1. 62.
[3] Widodo (2008). “Prediksi Mata Kuliah Pilihan dengan Aturan Asosiasi.” E-Indonesia Initiative Konferensi dan Temu Nasional Teknologi Informasi dan Komunikasi untuk Indonesia. 1.
[4] Sunjana (2010). “Aplikasi Mining Data Mahasiswa dengan Metode Klasifikasi Decision Tree.” Seminar Nasional Aplikasi Teknologi Informatika. 24.
[5] Mewati Ayub (2007). “Proses Data Mining dalam Sistem Pembelajaran Berbantuan Komputer.” Jurnal Sistem Informasi. Volume 2 No 1. 21-23.
[6] Beta Noranita dan Nurdin Bahtiar (2010).
“Implementasi Data Mining untuk Menemukan Pola Hubungan Tingkat Kelulusan Mahasiswa dengan Data Induk
Mahasiswa.” Seminar dan Call For Paper Munas Aptikom. 156-157.
[7] Oladipupo O, O. dan Oyelade O, J. (2009).
“Knowledge Discovery from Students Result Repository : Association Rule Mining Approach .” International Journal of Computer Scienceand Security (IJCSS). Volume 4. 199.
