BAB III ANALISA DAN PERANCANGAN SISTEM

(1)

1 BAB III

ANALISA DAN PERANCANGAN SISTEM

Metodologi rekayasa perangkat lunak yang digunakan pada laporan tugas akhir ini adalah dengan menggunakan sequential linier model. Langkah pertama yang harus dilakukan dalam sebuah proses pembangunan sebuah sistem berbasis komputer adalah menganalisa tentang semua hal yang dibutuhkan sebelum melakukan perancangan dan pembangunan sistem tersebut. Dalam penulisan tugas akhir ini, analisa yang akan dilakukan adalah analisa tentang kebutuhan sistem perangkat lunak clustering dengan menggunakan algoritma K-means clustering. Dalam hal ini, analisa yang dilakukan adalah analisa menggunakan metode berorientasi objek(Object Oriented Analysis) dengan menggunakan Unified Modeling Language (UML).

3.1. Perumusan Masalah

Perumusan masalah merupakan langkah untuk memahami permasalahan terhadap sistem secara lebih dalam. Langkah ini diambil untuk mendefinisikan semua kebutuhan sistem yang akan dibangun secara terperinci.

3.1.1. Masalah yang dihadapi

Dalam studi observasi yang dilakukan oleh penulis pada area penelitian pada studi kasus ini, yaitu PT Bank Bukopin, Tbk. Saat ini bagian yang mengolah dan mengelola data transaksi e-channel salah satunya transaksi ATM dilakukan oleh unit khusus yaitu unit kerja jaringan distribusi. Proses pengolahan data transaksi ATM tersebut dilakukan dengan cara mengambil dari aplikasi switching X-link sebagai sumber data transaksi. Informasi hasil pengolahan data tersebut dilakukan secara manual dalam pengelompokannya disesuaikan dengan permintaan manajemen. Untuk gambaran sistem pengolahan data yang selama ini dilakukan oleh unit yang melakukan pengolahan data pada Bank Bukopin, Tbk adalah sebagai berikut:

(2)

2

Gambar 3. 1 : Proses pengolahan data transaksi ATM pada unit kerja Jardis

3.1.2. Analisa permasalahan

Dalam kegiatan bisnis untuk memenuhi kebutuhan informasi transaksi ATM kepada manajemen oleh unit kerja Jaringan distribusi mengalami beberapa permasalahan menyangkut kebutuhan data dan informasi. Permasalahan- permasalahan itu antara lain, yaitu :

1. Pemenuhan laporan informasi atas data transaksi ATM di Bank Bukopin hanya sebatas laporan yang disesuaikan dengan kebutuhan manajemen.

2. Pengolahan data transaksi ATM di Bank Bukopin saat ini masih belum dapat mencari knowledge tersembunyi yang terkandung di dalam basis data.

3.1.3. Pemecahan Masalah

Berdasarkan latar belakang diatas, maka dibutuhkan sebuah sistem yang mampu mengolah data transaksi ATM untuk mencari pola yang tersembunyi dalam suatu basis data. Penulis mencoba mengungkapkan hal tersebut dalam tugas akhir yang berjudul: “Implementasi algoritma K-Means clustering berdasarkan transaksi ATM PT. Bank Bukopin, Tbk.”

Dengan adanya pengelompokan-pengelompokan data seperti ini, diharapkan dapat menemukan pola-pola yang tersembunyi atas perilaku nasabah dalam bertransaksi di ATM Bank Bukopin, sehingga dapat ditemukan suatu knowledge yang dapat membantu Bank Bukopin untuk menentukan strategi peningkatan layanannya.

nama aktor

Retrieve data

Pengolahan data

(3)

3 3.2. Analisa Kebutuhan Sistem

Analisa kebutuhan sistem berfungsi untuk mendefiniskan kebutuhan-kebutuhan sistem yang akan dibangun. Analisa ini bertujuan untuk menghasilkan data yang bisa diintegrasikan dengan analisa data mining yang dikehendaki.

3.2.1 Analisa Kebutuhan Data

Analisa data akan mengidentifikasikan kebutuhan data yang sesuai dengan ketentuan yang diperlukan sistem dari data yang tidak lengkap dan inkonsisten yang biasanya terjadi pada basis data yang ada.

3.2.2 Inisialisasi Target Data

Dalam studi kasus ini basis data awal yang dimiliki adalah data transaksi ATM yang dilakukan oleh nasabah. Basis data tersebut memiliki struktur sebagai berikut :

(4)

4

Tabel 3. 1 : Daftar item field pada basis data transaksi Transaksi ATM

DATE TIME

CARD_NUMBER PRODUCT_CODE PRODUCT_NAME TRASACTION_CODE TRX_INFO

CUR1

NOMINAL_TRX ACCOUNT_TYPE FROM_ACCOUNT

FROM_ACCOUNT_NAME TO_ACCOUNT

TO_ACCOUNT_NAME BANK_ISSUER

BANK_DESTINATION CHANNEL_TYPE CHANNEL_NAME DEVICE_NAME TERMINAL_ID

TERMINAL_LOCATION BANK_ACQUIRER RESPONSE_CODE RESPONSE_NAME STATUS

TRX_RESPONSE_TYPE STAN

(5)

5 3.2.3 Data Cleaning

Proses ini bertujuan untuk menghilangkan semua field – field yang tidak sempurna, menambahkan ataupun data-data yang tidak valid. Selain itu juga, atribut- atribut yang dimungkinkan tidak berguna juga dihilangkan. Sehingga dari proses ini bisa dihasilkan basis data yang benar-benar valid.

3.2.4 Data Integration

Setelah melalui proses data cleaning, basis data yang dimiliki tersebut kemudian diintegrasikan kedalam satu basis data yaitu basis data clustering.

Tabel 3. 2 : Transaksi

No Field Type Deskripsi

1 Date Text Date

2 Time Text Time

3 Card_Number Text Card_Number

4 Product_Code Text Product_Code

5 Product_Name Text Product_Name

6 Transaction_Code Text Transaction_Code

7 Transaction_Type Text Transaction_Type

8 Nominal_Trx Text Nominal_Trx

9 Bank_Issuer Text Bank_Issuer

10 Device_Name Text Device_Name

11 Terminal_Id Text Terminal_Id

12 Terminal_Location Text Terminal_Location

13 Bank_Acquirer Text Bank_Acquirer

14 Response_Code Text Response_Code

15 Response_name Text Response_name

16 Status Text Status

(6)

6 3.2.5 Data Selection

Data transaksi ATM yang ada dilakukan proses selection. Yaitu meliputi proses :

 Pemilihan Atribut

Atribut yang dipakai antara lain, DATE, TIME, PRODUCT_CODE, TRANSACTION_CODE, TERMINAL_ID, RESPONSE_CODE dan TRANSACTION

 Menghilangkan data yang redundant

 Menghilangkan data yang memiliki isi atribut tidak lengkap

Tabel 3. 3 : Selection

No Field Type Deskripsi

1 Date Text Date

2 Time Text Time

3 Product_Code Text Product_Code

4 Transaction_Code Text Transaction_Code

5 Terminal_Id Text Terminal_Id

6 Response_Code Text Response_Code

7 Transaction Text Transaction

3.2.6 Data Transformation

Pembentukan data processing pada studi kasus ini bertujuan untuk mencari bentuk aturan data yang sesuai dengan proses data mining. Proses ini dilakukan melalui pengubahan isi data pada attribute yang ada pada tabel selection ATM dengan melakukan proses konversi dari data sumber menjadi data numerik sesuai tabel konversi sehingga didapatkan angka yang valid. Hasil dari proses tersebut kemudian diintegrasikan menjadi sebuah tabel baru dengan melakukan operasi merge sehingga nantinya didapatkan sebuah tabel nilai transaksi yang akan digunakan untuk melakukan proses menjadi beberapa cluster.

(7)

7

3.3 Analisa Kebutuhan Input, Proses dan Output Data

Analisa kebutuhan fungsional berisi tentang deskripsi akan kebutuhan input, proses dan output data oleh sistem secara lebih spesifik. Tujuan dari analisa ini adalah untuk mempermudah implementasi sistem yang akan dibangun, yaitu dengan penjelasan sebagai berikut :

 Data Masukan

Data yang digunakan sebagai data masukan adalah tabel transaksi ATM.

 Data Proses

Dalam data mining, untuk menghasilkan data keluaran yang dikehendaki maka data masukan diolah dengan menggunakan beberapa tahapan proses yaitu proses pembersihan data(selection), proses integrasi(integration) dan transformasi data(transformation).

 Data Output

Data output merupakan data keluaran terakhir yang dihasilkan oleh sistem yang akan dibuat. Data ini berupa tabel-tabel pengelompokan cluster.

3.3.1. Daftar Tabel Inisial

Tabel 3. 4 : Inisial Product Code Product_Code Product_name Inisial

0 On-Us 1

103001 ATM Prima 2

101001 ATM Bersama 3

(8)

8

Tabel 3. 5 : Inisial Transaction Code

Transaction_Code Transaction_Type Inisial

1 Cash Withdrawal 1

30 Available Funds Inquiry 2 36 Statement Inquiry 3

37 Transfer Inquiry 4

49 Transfer to other accounts 5

113 Cash In 6

114 Cash Out 7

115 Last Cash Out 8

116 Cash Position 9

138 Change PIN3 10

186 Add HP 11

213 Add IB 12

Tabel 3. 6 : Inisial Terminal ID

Terminal_ID Terminal_Location Inisial

20002001 KCU Medan 1 1

20002002 KCP AR Hakim Medan 2

20002003 KCP Binjai Medan 3

20002004 KCP Setiabudi Medan 4

……… ………. …….

20099006 KK BSB UMT 590

20099007 KCP BSB BSD 591

20099009 BSB RS JATISAMPURNA 592

(9)

9

Tabel 3. 7 : Inisial Response Code

Response_Code Response_Name Inisial

0 Approve 1

1 Refer to Card Issuer 2

5 Do not honour 3

6 Error 4

12 Invalid transaction 5

13 Invalid amount 6

14 Invalid Card No. 7

30 Format error 8

51 Insufficient funds 9

52 No checking account 10

……….. ……….. ………..

270 Invalid account 40

294 Time Out 41

309 Terminated Card 42

Tabel 3. 8 : Inisial Nominal Transaksi

Transaksi Inisial

<1 0

50000 <= Trn <= 500000 1 500000 <= Trn <= 1500000 2 1500000 <= Trn <= 3000000 3 3000000 <= Trn <= 5000000 4

>5000000 5

(10)

10

Tabel 3. 9 : Inisial Waktu

time start time finish Inisial

0:00:00 5:59:59 1

6:00:00 11:59:59 2

12:00:00 17:59:59 3

18:00:00 23:59:59 4

Tabel 3. 10 : Transaksi -1

Date Time Card_Number Product_Code Product_Name Trasaction_Code

9/1/2014 0:00:00 1111111111 0 On-Us 30

9/1/2014 0:00:06 1111111111 0 On-Us 1

9/1/2014 0:00:15 1111111111 103001 ATM Prima 37

9/1/2014 0:00:16 1111111111 0 On-Us 1

9/1/2014 0:00:22 1111111111 0 On-Us 1

Tabel 3. 11 : Transaksi -2

Transaction_Type Nominal_Trx Bank_Issuer Device_Name Terminal_ID

Available Funds

Inquiry 0 BANK BUKOPIN 20044004 20044004

Cash Withdrawal 1300000 BANK BUKOPIN 20005002 20005002 Transfer Inquiry 1000000 BANK BUKOPIN 20053009 20053009 Cash Withdrawal 750000 BANK BUKOPIN 20045014 20045014 Cash Withdrawal 200000 BANK BUKOPIN 20047006 20047006

(11)

11

Tabel 3. 12 : Transaksi -3

Terminal_Location Bank_Acquirer Response_Code Response_Name Status

KCP Pd.Indah Plaza 1 BANK

BUKOPIN 0 Approve SUKSES

KK Yarsis Solo BANK

KK RSMK Depok BANK

Lokasari Square BANK

RSMK Bekasi Timur BANK

KK LIA Pengadegan BANK

BUKOPIN 51 Insufficient

funds GAGAL

3.3.2 Perhitungan manual menggunakan Algoritma K-Means

Dari banyaknya data transaksi ATM diambil 10 transaksi saja sebagai contoh untuk penerapan algoritma k-means. Percobaan dilakukan dengan menggunakan parameter-parameter berikut :

Jumlah cluster : 2 Jumlah data :10 Jumlah atribut : 6

Tabel Dataset merupakan transaksi data ATM yang digunakan untuk melakukan percobaan perhitungan manual.

(12)

12

Tabel 3. 13 : Dataset

Terminal_ID Time Product_code Trasaction_Code Response_Code Transaksi

413 1 1 2 1 0

44 1 1 1 1 2

562 1 2 4 1 2

452 1 1 1 1 2

492 1 1 1 1 1

334 1 1 1 9 1

413 1 1 1 1 3

495 1 1 2 13 0

562 1 2 5 1 2

575 1 1 1 1 1

Iterasi ke-1

1. Penentuan pusat awal cluster Untuk penentuan awal di asumsikan:

Diambil data ke- 3 sebagai pusat Cluster Ke-1: (562,1,2,4,1,2) Diambil data ke- 6 sebagai pusat Cluster Ke-2: (334,1,1,1,9,1) 2. Perhitungan jarak pusat cluster

Untuk mengukur jarak antara data dengan pusat cluster digunakan Euclidian distance, kemudian akan didapatkan matrik jarak yaitu C1 dan C2 sebagai berikut : Rumus Euclidian distance

| | √∑

Nilai pusat cluster yang baru dapat dihitung dengan cara mencari nilai rata- rata dari data-data yang menjadi anggota pada cluster tersebut, dengan menggunakan rumus pada persamaan :

∑

(13)

13 Dimana ∈ cluster ke – k

p = banyaknya anggota cluster ke k

Tabel 3. 14 : Hasil Clustering

Terminal_ID Ti m e

Product_c ode

Trasaction_Co de

Response_Co de

Transak

si C1 C2 Jarak

Terpendek

413 1 1 2 1 0 149.03019

83

79.416622

95 79.41662295

44 1 1 1 1 2 518.00965

24

290.11204

73 290.1120473

562 1 2 4 1 2 0 228.16441

44 0

452 1 1 1 1 2 110.04544

52

118.27510

3 110.0454452

492 1 1 1 1 1 70.078527

38

158.20240

2 70.07852738

334 1 1 1 9 1 228.16441

44 0 0

413 1 1 1 1 3 149.03690

82

79.429213

77 79.42921377

495 1 1 2 13 0 68.132224

39

161.05589

09 68.13222439

562 1 2 5 1 2

1

228.17975

37 1

575 1 1 1 1 1 13.416407

86

241.13274

35 13.41640786

(14)

14 3. Pengelompokkan data

Jarak hasil perhitungan akan dilakukan perbandingan dan dipilih jarak terdekat antara data dengan pusat cluster, jarak ini menunjukkan bahwa data tersebut berada dalam satu kelompok dengan pusat cluster terdekat.

Berikut ini akan ditampilkan data matriks pengelompokkan group, nilai 1 berarti data tersebut berada dalam group.

Tabel 3. 15 : Group 1

No C1 C2

1 0 1

2 0 1

3 1 0

4 1 0

5 1 0

6 0 1

7 0 1

8 1 0

9 1 0

10 1 0

4. Penentuan pusat cluster baru

Setelah diketahui anggota tiap-tiap cluster kemudian pusat cluster baru dihitung berdasarkan data anggota tiap-tiap cluster sesuai dengan rumus pusat anggota cluster.

Sehingga didapatkan perhitungan sebagai berikut :

(15)

15

Tabel 3. 16 : Pembentukan cluster baru

Terminal_ID Time Product_code Trasaction_Co de

Response

_Code Transaksi Cluster Baru

413 1 1 2 1 0 523 301

44 1 1 1 1 2 1 1

562 1 2 4 1 2 1.333333333 1

452 1 1 1 1 2 2.333333333 1.25

492 1 1 1 1 1 3 3

334 1 1 1 9 1 1.333333333 1.5

413 1 1 1 1 3

495 1 1 2 13 0

562 1 2 5 1 2

575 1 1 1 1 1

Iterasi Ke-2

Ulangi langkah ke 2 (kedua) hingga posisi data tidak mengalami perubahan.

Cluster baru yang ke-1 523 1 1.3 2.3 3 1.3 Cluster baru yang ke-2 301 1 1 1.25 3 1.5

(16)

16

Tabel 3. 17 : Iterasi ke-2

Terminal_ID Ti me

Prod uct_

code Trasact ion_Co de

Response_

Code Transaksi c1 c2 Jarak

Terpendek

413 1 1 2 1 0 110.0272693 112.0304088 110.0272693

44 1 1 1 1 2 479.0066109 257.0083899 257.0083899

562 1 2 4 1 2 39.09816705 261.0245439 39.09816705

452 1 1 1 1 2 71.04458694 151.0142791 71.04458694

492 1 1 1 1 1 31.09662361 191.0112889 31.09662361

334 1 1 1 9 1 189.1005024 33.54567781 33.54567781

413 1 1 1 1 3 110.0393869 112.0281773 110.0393869

495 1 1 2 13 0 29.76575213 194.2648 29.76575213

562 1 2 5 1 2 39.1535439 261.0369945 39.1535439

575 1 1 1 1 1 52.05766034 274.0078694 52.05766034

Langkah selanjutnya sama dengan langkah pada nomor 3 jarak hasil perhitungan akan dilakukan perbandingan dan dipilih jarak terdekat antara data dengan pusat cluster, jarak ini menunjukkan bahwa data tersebut berada dalam satu kelompok dengan pusat cluster terdekat.

No C1 C2

1 1 0

2 0 1

3 1 0

4 1 0

5 1 0

6 0 1

7 1 0

8 1 0

9 1 0

10 1 0

(17)

17 Iterasi Ke-3

5. Ulangi langkah ke 2 (kedua) hingga posisi data tidak mengalami perubahan.

Cluster baru yang ke-1 495.5 1 1.25 2.125 2.5 1.375 Cluster baru yang ke-2 189 1 1 1 5 1.5

Tabel 3. 19 : Iterasi ke-3

Terminal_ID Time Product_code Trasaction_

Code

Response_

Code Transaksi Cluster Baru

413 1 1 2 1 0 495.5 189

44 1 1 1 1 2 1 1

562 1 2 4 1 2 1.25 1

452 1 1 1 1 2 2.125 1

492 1 1 1 1 1 2.5 5

334 1 1 1 9 1 1.375 1.5

413 1 1 1 1 3

495 1 1 2 13 0

562 1 2 5 1 2

575 1 1 1 1 1

Langkah selanjutnya sama dengan langkah pada nomor 3 jarak hasil perhitungan akan dilakukan perbandingan dan dipilih jarak terdekat antara data dengan pusat cluster, jarak ini menunjukkan bahwa data tersebut berada dalam satu kelompok dengan pusat cluster terdekat.

(18)

18

No C1 C2

1 1 0

2 0 1

3 1 0

4 1 0

5 1 0

6 0 1

7 1 0

8 1 0

9 1 0

10 1 0

Karena G3 = G1 memiliki anggota yang sama maka tidak perlu dilakukan iterasi/perulangan lagi. Hasil clustering telah mencapai stabil dan konvergen.

3.3.3 Analisa kebutuhan Perangkat Keras dan Perangkat Lunak

Analisa ini mendeskripsikan perangkat yang dibutuhkan dalam pembangunan sistem yang terdiri dari komponen-komponen perangkat keras dan perangkat lunak.

Komponen perangkat keras yang dibutuhkan oleh sistem adalah sebuah PC atau laptop dengan spesifikasi minimal, sebagai berikut :

 Hardware

o Prosessor intel o RAM 2 GB

 Software

o Operating Sistem Windows 8 o XAMPP-win32-1.6.7

o Web browser : Internet Explorer, Modzila Firefox, Google Chrome o Ms. Excel

(19)

19 3.4 Perancangan Sistem

Dalam perancangan sistem ini, metode yang digunakan adalah metode perancangan Unified Modeling Language (UML).

3.4.2 Use Case Diagram, Activity Diagram dan Sequence Diagram

Use case diagram, activity diagram dan sequence diagram merupakan gambaran kegiatan yang bisa dilakukan oleh user terhadap sistem dan berfungsi sebagai dokumentasi alur dari setiap kejadian yang dapat dilakukan dengan sistem.

Gambar 3. 2 : Use Case Diagram

(20)

20

Penjelasan tiap-tiap langkah dalam use case diagram diatas adalah, sebagai berikut :

3.4.3 Spesifikasi Use Case Diagram : Login

Usecase : Login Actor : Admin

Tujuan : Melakukan Login

Deskripsi : Actor melakukan proses login Langkah-langkahnya :

Tindakan yang dilakukan actor Respon Program 1. Actor memasukan user name dan

password

1. Program akan memvalidasi username dan password yang dimasukan oleh actor.

2. Jika user name dan password tersebut valid, maka Program akan melakukan koneksi ke server data sehingga program akan menampilkan form selamat datang, yang merupakan konfirmasi bahwa program sudah terhubung dengan basis data.

Dari penjelasan langkah-langkah diatas, maka proses login ini bisa digambarkan dengan Activity Diagram Login dan Sequence Diagram Login. Kedua diagram tersebut adalah sebagai berikut :

(21)

21

Admi n

Masukan username dan password

Include koneksi basis data

Menampilkan halaman selamat datang

Yang menandakan validasi user koneksi data sukses Validasi gagal

Proses validasi user

(Userid , password)

Gambar 3. 3 : Activity Diagram Login

Gambar 3. 4 : Sequence Diagram Login

Form Login Validasi user Server basis data Halaman Selamat Datang

Admin memasukan username & Password

Validasi data user

Sesuai

Koneksi ke server basis data

Halaman Selamat atang

Selesai Mulai

Y

T

(22)

22

3.4.4 Spesifikasi Use case Diagram : Profile Perusahaan

Usecase : Home Actor : Admin

Tujuan : Menjelaskan halaman informasi perusahaan dan teori data mining

Deskripsi : Actor memahami penjelasan algoritma K-means dan profile perusahaan Langkah-langkahnya :

Tindakan yang dilakukan actor Respon Program 1. Actor memilih menu Home Page dan

profile perusahaan

1. Program akan menampilkan informasi penjelasan tentang Profile Perusahaan Bank Bukopin dan penjelasan data mining menggunakan algoritma K-Means 2. Jika user memilih menu Home Page dan Profile Perusahaan, maka Program akan melakukan koneksi ke server data sehingga program akan menampilkan halaman penjelasan algoritma K Means dan penjelasan singkat profile perusahaan.

Dari penjelasan langkah-langkah diatas, maka proses login ini bisa digambarkan dengan Activity Diagram Profile Perusahaan dan Sequence Diagram Profile Perusahaan. Kedua diagram tersebut adalah sebagai berikut :

(23)

23

Tekan menu Profile Perusahaan

Menampilkan halaman Home

Gambar 3. 5 : Activity Diagram Menampilkan Profile Perusahaan

Gambar 3. 6 : Sequence Diagram Menampilkan Halaman Home

3.4.5 Spesifikasi Use Case Diagram : Import Data

Usecase : Import Data Actor : Admin

Tujuan : Menampilkan halaman Import data

Deskripsi : Actor melakukan proses import data dan penentuan centroid awal

Admin memilih menu Home

Halaman Home terbuka

Selesai Mulai

Admin

Halaman Utama Halaman Home

(24)

24 Langkah-langkahnya :

Tindakan yang dilakukan actor Respon Program

1. Actor memilih menu Semua Data 1. Program akan menampilkan menu Import data.

2. Jika user admin memilih menu Import Data, maka akan menampilkan inputan data excel dan penentuan jumlah centroid.

Dari penjelasan langkah-langkah diatas, maka proses Import Data ini bisa digambarkan dengan Activity Diagram Import Data dan Sequence Diagram Import Data. Kedua diagram tersebut adalah sebagai berikut :

Gambar 3. 7 : Activity Diagram Import Data

Admin memilih menu Import Data

Halaman Import Data

Selesai Mulai

(25)

25

Admin

Memilih Menu Import Data

Menampilkan halaman import data

Gambar 3. 8 : Sequence Diagram Import Data

3.4.6 Spesifikasi Use Case Diagram : Hasil Clustering

Usecase : Hasil Clustering Actor : Admin

Tujuan : Menampilkan halaman Hasil Clustering

Deskripsi : Menampilkan halaman hasil clustering untuk proses berikutnya Langkah-langkahnya :

1. Actor memilih menu Hasil Clustering 1. Program akan menampilkan menu Hasil Clustering.

2. Jika user admin memilih menu Hasil Clustering, maka akan menampilkan hasil dari proses clustering berupa tahapan iterasi dari awal hingga selesai.

Dari penjelasan langkah-langkah diatas, maka proses menampilkan hasil clustering ini bisa digambarkan dengan Activity Diagram Hasil Clustering dan Sequence Diagram Hasil Clustering. Kedua diagram tersebut adalah sebagai berikut :

Form Import Data Server basis data Halaman Import Data

(26)

26

Admin

Memilih Menu Hasil Clustering

Menampilkan halaman Hasil Clstering

Gambar 3. 9 : Activity Diagram Hasil Clustering

Gambar 3. 10 : Sequence Diagram Hasil Clustering

3.4.7 Spesifikasi Use Case Diagram : Logout

Usecase : Logout Actor : Admin

Tujuan : Melakukan Logout

Deskripsi : Actor melakukan proses logout Langkah-langkahnya :

Admin memilih menu Hasil Clustering

Halaman Hasil Clustering

Selesai Mulai

Form Hasil Clustering Server basis data Halaman Hasil Clustering

(27)

27

Tekan menu Logout

Program kembali ke halaman login validasi user

1. Actor menekan menu logout 1. Program akan mengakhiri proses pada aplikasi.

2. Program kembali ke form login (form awal)

Dari penjelasan langkah-langkah diatas, maka proses logout ini bisa digambarkan dengan Activity Diagram Logout dan Sequence Diagram Logout. Kedua diagram tersebut adalah sebagai berikut :

Gambar 3. 11 : Activity Diagram Logout

Gambar 3. 12 : Sequence Diagram Logout

Selesai Tekan menu Logout

Halaman Login Mulai

Admin

Menu Logout Halaman Selamat Datang

(28)

28

Mulai

3.4.8 Alur Proses persiapan dataset

Gambar 3. 13 : Alur Proses Persiapan dataset

Ambil data transaksi atm

Simpan ke format excel

Lakukan seleksi attribute

Lakukan transformasi dengan tabel spesifikasi

Konversi data menjadi numerik

Lakukan integrasi/merge data

Simpan file dengan format Excl 97-2003 workbook

Selesai

(29)

29 3.4.9 Class Diagram

Class Diagram merupakan gambaran dari keadaan suatu sistem yang bisa digunakan untuk menjalankan sistem itu sendiri. Dalam studi kasus ini bentuk dari class diagram adalah sebagai berikut :

Gambar 3. 14 : Class diagram K-mean

3.5 Perancangan Antar Muka

Perancangan antarmuka akan memperlihatkan desain layout aplikasi yang akan dibangun dan merupakan bentuk nyata dari sistem yang akan dibangun. Berikut adalah rancangan antar muka aplikasi yang akan dibangun dalam studi kasus ini :

(30)

30 3.5.1 Desain Form Login

Desain antar muka untuk halaman login adalah sebagai berikut :

Gambar 3. 15 : Halaman Login

3.5.2 Desain Form Halaman Utama

Desain antar muka untuk halaman utama adalah sebagai berikut :

Gambar 3. 16 : Halaman Utama

(31)

31 3.5.3 Desain Form Halaman Import Data

Gambar 3. 17 : Halaman Import Data

3.5.4 Desain Form View Hasil Clustering

Desain antar muka untuk halaman Hasil Clustering adalah sebagai berikut :