* Dosen STAIN Bukittinggi Jurusan Tarbiyah Prodi Pendidikan Teknik Informatika dan Komputer
INTELLIGENT ROUGH SET UNTUK
MENDUKUNG KEPUTUSAN PADA PROSES
PEMERIKSAAN KONDISI
BARANG-BARANG OPERASIONAL LABORATORIUM
KOMPUTER STT PAYAKUMBUH
Liza Efriyanti*Abstract: The study was conducted at the laboratory of Payakumbuh Technology
Insti-tute that emphasized on data processing of operational goods using Rough Set Artificial Intelligent techniques that aimed to support the management party in taking decisions. Data were collected through observation and interviews conducted in the laboratory of Payakumbuh Technology Institute.
The data collected were then analyzed, studied, and formulated to produce a decision ma-king -system design. The decision - mama-king system is aided by Artificial Intelligent Rough Set Technique.
The findings of this study shows that Artificial Intelligent Rough Set is a technique that can be relied upon to make decisions because it can analyze the data on a large scale and assist in making decisions promply.
PENDAHULUAN
Perkembangan teknologi informasi memungkinkan pengambilan ke putusan dapat dilakukan dengan cepat dan cermat. Dewasa ini penggunaan komputer telah berkembang baik berupa pengolahan data atau penyajian informasi bagi pihak manajemen yang mampu menyediakan beberapa pi lihan untuk pendukung pengambilan keputusan yang dilakukan oleh pihak manajemen.
Sistem Pendukung Keputusan (SPK) memiliki komponen dasar sub sistem utama yang menentukan kapabilitas teknis SPK tersebut yaitu sub sistem manajemen basis data, sub sistem manajemen basis model, dan sub sistem perangkat lunak penyelenggara dialog. Ketiga sub sistem ini memungkinkan seorang pengambilan keputusan untuk menelusuri setiap konsekuensi keputusan dan berinteraksi secara leluasa, karena dalam era komunikasi dan informasi, yang meliputi perkembangan piranti keras dan piranti lunak membawa dampak yang multi kompleks dalam berbagai segi kehidupan..
Salah satu teknik yang dapat digunakan untuk sistem pendukung kepu tusan ini adalah dengan menggunakan teknik Artificial Intelligent (AI) Rough Set yang mana teknik ini adalah merupakan teknik yang efisien untuk Knowledge
Discovery in Database (KDD) proses dan data mining. Dengan teknik Artificial Intelligent Rough Set ini, nantinya akan didapat suatu hasil knowledge/pattern
yang dapat digunakan dalam mengambil suatu keputusan.
METODE PENELITIAN
Di dalam melakukan penelitian ini kami menggunakan metodemetode dan kerangka kerja sebagai berikut ini
Gambar 1 Kerangka Kerja Penelitian HASIL DAN PEMBAHASAN
Analisa Sistem Yang Sedang Berjalan
Analisa sistem adalah penguraian dari suatu sistem informasi yang utuh ke dalam bagianbagian komponenkomponennya dengan maksud untuk mengidentifikasikan dan mengevaluasi permasalahanpermasalahan, ham batanhambatan yang terjadi dan kebutuhankebutuhan yang diharapkan sehingga dapat diusulkan perbaikan.
Analisa sistem yang sedang berjalan dapat diartikan sebagai suatu ke giatan untuk memperoleh gambaran mengenai keadaan sistem yang sedang berjalan. Pada laboratorium STT Payakumbuh analisis sistemnya adalah pada penganalisisan data barangbarang operasionalnya yang salah satu tujuannya adalah untuk menentukan kelayakan dari barangbarang terse but. Sebagai contoh kepala laboratorium mengambil keputusan akhir untuk menilai kelayakan suatu barang, adalah berdasarkan laporan tertulis yang diberikan oleh teknisi dan asisten laboratorium. Penilaian yang dilakukan berdasarkan laporan tertulis ini tidak memperhatikan aspekaspek lainnya, seperti persentase tingkat kerusakan barang, lama pakai suatu barang, kondisi barang dan lainlainnya. Pada laporan tersebut hanya terdapat satu variabel penilaian, yaitu dinilai dari kondisi barang saja, apakah barangnya
masih bagus atau telah rusak. Contoh bentuk laporan yang ada pada saat ini adalah seperti diperlihatkan pada tabel 1:
Tabel 1. Laporan Kondisi Komputer Di Labor STT Payakumbuh
No. Peralatan Jumlah Keterangan
1. Monitor 14' 18 unit Rusak 8 unit
2. CPU Pentium 3 a. Harddisk Seagate b. CD Room Pentium Core to 2 a. Harddisk Maxtor b. CD Room 12 buah 8 buah 6 buah 20 buah 15 buah 7 buah Rusak 2 buah Rusak 4 buah -Rusak 2 buah Rusak 4 buah
3. Keyboard 45 buah Rusak 3 buah
4. Mouse 36 buah Rusak 1 buah
5. HUB/D-Link 4 buah
-6. Wireless Linksys 1 unit
-Hasil Pengujian Teknik Artificial Intelligent Rough Set
Setelah dilakukan penganalisisan terhadap sistem maka dilakukan pengujian terhadap program yang dibuat, dengan tujuan untuk mengetahui apakah sasaran yang diinginkan telah dapat dicapai yaitu, setelah dilaku kan perancangan sistem pendukung keputusan terhadap barangbarang operasional laboratorium STT Payakumbuh ternyata sistem yang dihasilkan dapat membantu proses pengambilan keputusan lebih optimal. Informasi yang dihasilkan sebelumnya tidak jelas yang selama ini hanya menampilkan kondisi barang rusak atau tidak rusak saja, tanpa dirinci tingkat kerusakan, dan tidak jelas keputusan yang akan diambil.
Dengan merancang sistem keputusan ini maka bentuk laporan yang dihasilkan menjadi lebih lengkap dan menghasilkan suatu rule/knowledge untuk pengambilan keputusan, dengan melakukan proses:
1. Untuk melengkapi data, dirancang suatu sistem yang mengunakan al goritma dari data cleaning, sehingga didapatkan suatu data lengkap. 2. Agar informasi yang dihasilkan dapat mudah dipahami oleh pihakpihak
yang berkepentingan sistem yang dirancang juga menggunakan data transformasi, dimana data yang telah lengkap ditransformasikan dengan
menggunakan algoritma dari data transformation, sehingga menghasil kan informasi.
3. Informasi yang telah ditransformasikan sehingga menjadi sederhana, diolah lagi secara generating rules, sehingga menghasilkan suatu rules/
knowledge yang dapat digunakan dalam pengambilan keputusan. Dari
hasil pengolahan data transformasi maka didapat rules/knowledge.
Perbandingan Sistem Yang Lama Dengan Sistem Yang Baru
Setelah melakukan perbandingan ternyata sistem yang dirancang dapat menghasilkan keputusan yang singkat sehingga dapat memberikan kepu asan pada pihakpihak yang berada di laboratorium STT Payakumbuh. Hal ini karena knowledge yang dihasilkan dapat membantu asisten labor untuk membuat keputusan sehingga dapat membuat dan memberikan laporan yang bermanfaat untuk kepala labor. Dibandingkan dengan sistem yang sebelumnya, maka sistem yang baru ini mempunyai kelebihan:
Untuk pencarian informasi
Pada sistem yang lama pencarian informasi memakan waktu yang lama, karena bentuk laporan yang disajikan oleh para asisten tidak me muat data yang lengkap, dan tidak merinci secara jelas kondisi barang barang operasional yang ada, Sehingga seringkali terjadi laporan yang sudah dibuat asisten tidak diperlukan oleh kepala labor, karena kepala labor harus mencek ulang kondisi barangbarang operasional, teruta ma yang dinyatakan rusak, yang mana dalam pelaporan tersebut tidak dinyatakan berapa % tingkat kerusakannya..Dengan sistem yang baru ini pencarian informasi tidak memakan waktu yang lama, karena pada laporan yang disajikan sudah diberikan suatu bentuk keputusan yang harus diambil oleh kepala labor, dan juga diberikan suatu rules yang dapat memperkuat keputusan tersebut.
Pengolahan Data
Dengan dirancang suatu teknik pengolahan data yang dapat diolah secara komputerisasi maka pengolahan datanya dapat dilakukan de ngan cepat, dibandingkan dengan pengolahan data yang tidak meng gunakan suatu teknik tertentu, walaupun pengolahan datanya sudah memakai komputer. Apalagi kalau pengolahan data dalam penentuan kelayakannya dilakukan secara manual dan bahkan mungkin tidak menggunakan suatu teknik tertetu, seperti yang dikerjakan selama ini.
Context Diagram
Context Diagram adalah merupakan langkah pertama dalam pembuatan Data Flow Diagram, yang mana dalam Context Diagram digambarkan secara
umum proses pembentukan sistemnya. Untuk lebih jelasnya dapat dilihat pada gambar 3.4.1.:
Gambar 2. Context Diagram
Dari context diagram di atas terlihat peranan asisten labor dalam pem bentukan sistem pendukung keputusannya, dan adanya entiti kepala labor yang berfungsi untuk menerima hasil laporan dari asisten labor.
Data Flow Diagram Level 0
Pada Data Flow Diagram level 0 ini diuraikan secara rinci prosesproses yang dilalui untuk mendapatkan suatu keputusan, seperti yang dapat dilihat pada gambar 3.5.1:
Gambar 3. Data Flow Diagram (DFD) Level 0 Pengolahan Data Dengan Teknik Data Cleaning
Tabel 2. Data Tidak Lengkap Kelompok I Nama Barang Tingkat
Kerusakan Kelayakan PakaiLama Keputusan
Keyboard Komik (15 buah) 70 70 60 ?
Keyboard Buffalo (20 buah) ? 70 30 ?
Monitor 14 “” (18 unit) 35 ? 60 ?
Monitor 15” ( 3 buah) 35 95 ? ?
Mouse Komik (6 buah) 90 35 30 ?
1.0 Entri Data Tidak
Lengkap Asisten Labor 2.0 Proses Data Cleaning 3.0 Proses Data transformasi Data 4.0 Proses Generating Rules Data_tl Data tidak lengkap
Data Lengkap Data Tidak Lengkap Data Transformasi Rules/ Knowledge Data Tidak Lengkap Kepala Labor 5.0 Pembuatan Laporan Laporan
Tabel 3. Data Tidak Lengkap Kelompok II Nama Barang Tingkat
Kerusakan Kelayakan PakaiLama Keputusan Processor Pentium 3 (3 buah) ? 80 80 ? Harddisk Seagate (5 buah) 30 80 70 ? Harddisk Maxtor (4 buah) 60 ? 70 ? CD Room Merk LG (6 buah) 25 85 ? ?
CD Room Merk Samsung
(5 buah) 80 35 55 ?
Tabel 4. Data Lengkap Kelompok I Nama Barang Tingkat
Kerusakan Kelayakan Lama Pakai Keputusan
Keyboard Komik (15 buah) 70 70 60 Diperbaiki
Keyboard Buffalo (20 buah) 58 70 30 Layak Pakai
Monitor 14 “” (18 unit) 35 68 60 Layak Pakai
Monitor 15” ( 3 buah) 35 95 50 Layak Pakai
Mouse Komik (6 buah) 90 35 30 Diganti
Tabel 5. Data Lengkap Kelompok II Nama Barang Tingkat
Kerusakan Kelayakan PakaiLama Keputusan Processor Pentium 3
(3 buah) 39 80 80 Layak Pakai
Harddisk Seagate
(5 buah) 30 80 70 Layak Pakai
Harddisk Maxtor
(4 buah) 60 56 70 Diperbaiki
CD Room Merk LG
CD Room Merk Samsung (5 buah)
80 35 55 Diganti
Tabel 6. Data Transformasi Kelompok I Nama Barang Tingkat
Kerusakan Kelayakan Lama Pakai Keputusan
Keyboard (3 buah) 2 2 2 Diperbaiki
Keyboard (68 buah) 2 2 1 Layak Pakai
Monitor 14 “” (71 unit) 1 2 2 Layak Pakai
Mouse ( 71 buah) 1 1 2 Layak Pakai
Mouse (1 buah) 3 3 1 Diganti
Tabel 7. Data Transformasi Kelompok II Nama Barang Tingkat
Kerusakan Kelayakan Lama Pakai Keputusan Processor Pentium 4
4,17 Ghz (71 buah) 1 3 3 Layak Pakai
Harddisk 40 Gbyte
(65 buah) 1 3 2 Layak Pakai
Harddisk 40 Gbyte
(6 buah) 2 2 2 Diperbaiki
RAM 256 Mbyte
(67 buah) 1 3 1 Layak Pakai
RAM 256 Mbyte
(4 buah) 3 3 1 Diganti
Generating Rules Dicernibility Matrix
Tabel 8. Data Transformasi Kelompok 1 yang disederhanakan
Equvalence Class (EC) A B C Keputusan (D)
EC1 2 2 2 2
EC2 2 2 1 1
EC4 1 1 2 1
EC5 3 3 1 3
Tabel 9. Discernibility Matrix
EC1 EC2 EC3 EC4 EC5
EC1 - C A AB ABC
EC2 C - AC ABC AB
EC3 A AC - B ABC
EC4 AB ABC B - ABC
EC5 ABC AB ABC ABC
-Discernibility Matrix Modulo D
Tabel 10. Discernibility Matrix Modulo D
EC1 EC2 EC3 EC4 EC5
EC1 - C A AB ABC
EC2 C - - - AB
EC3 A - - - ABC
EC4 AB - - - ABC
EC5 ABC AB ABC ABC
-Reduct
Tabel 11. Reduct
Class CNF of Boolean Function Prime Implicant Reducts
E1 ( AÚBÚC ) Ù ( C ) Ù ( AÚC ) C {C}
E2 ( AÚB ) Ù ( AÚC ) ( AÚB ) ( AÚC ) {A},{B},{C}
E3 ( AÚB ) Ù ( AÚBÚC ) ( AÚB ) {A},{B}
E4 ( C ) Ù ( AÚBÚC ) Ù (A ) C ( AÙB ) {A,C},{B,C} E5 ( AÚC ) Ù ( AÚBÚC ) Ù ( A ) A {A}
Hasil Pengujian Teknik Artificial Intelligent Rough Set
Untuk menguji kebenaran dari hasil pengolahan data yang dikerjakan secara manual, kita dapat menggunakan salah satu software aplikasi rough
set yaitu Rosetta dengan cara:
1. Data tidak lengkap terlebih dahulu dibuat pada Software Microsoft Excell:
Gambar 4. Data tidak lengkap pada Microsoft Excell
Keterangan: Data yang dinputkan disesuaikan dengan data yang digunakan.
2. Data yang tidak lengkap tersebut dibuka pada Software Rosetta.
Gambar 5. Data tidak lengkap pada Software Rosetta
3. Data yang tidak lengkap tersebut dilengkapi dengan cara mencari nilai ratarata untuk masingmasing variabelnya dengan cara seperti gambar berikut.
Gambar 6. Proses melengkapi data
4. Dari proses 3 di atas maka menghasilkan data lengkap seperti gambar berikut.
5. Setelah data lengkap dihasilkan maka dilakukan proses untuk menen tukan reduct.
Gambar 8. Proses untuk menentukan Reduct
6. Dari proses 5 dihasilkan reduct seperti gambar berikut.
7. Setelah didapat reduct, maka dilakukan Generating Rules.
Gambar 10. Proses Generating Rules
8. Hasil proses Generating Rules mendapatkan rules seperti gambar 11.
Dari hasil data lengkap, reduct, dan rules yang didapat terbukti hasilnya sesuai dengan hasil dari perhitungan yang dikerjakan secara manual.
KESIMPULAN DAN SARAN Kesimpulan
Berdasarkan penelitian yang penulis lakukan pada Laboratorium STT Payakumbuh, maka penulis dapat menarik kesimpulan bahwa sistem pen dukung keputusan yang didukung dengan seuatu teknik Artificial Intelligent
Rough Set dan akan bermanfaat sekali dalam pengambilan suatu keputusan.
Atas analisis dan pembahasan yang peneliti lakukan pada sistem pendu kung keputusan maka penulis dapat mengambil kesimpulan sebagai berikut: Dengan adanya sistem pendukung keputusan dalam proses pemeriksa an kondisi barangbarang operasinal laboratorium STT Payakumbuh, maka proses pengambilan keputusan akan menjadi lebih optimal.
Kesalahan dalam proses pengambilan keputusan dapat diminimalkan. Informasi yang dibutuhkan oleh semua pihak yang berada pada la boratorium STT Payakumbuh dapat tersedia dengan cepat sehingga dapat memberikan kepuasan kepada pihakpihak tertentu.
SaranSaran
Dari hasil pembuatan thesis ini maka penulis dapat menyampaikan saransaran:
1. Untuk mendapatkan sebuah keputusan yang cukup tinggi tingkat kea kuratanya maka dapat digunakan teknik Artificial Intelligent Rough Set. 2. Untuk mengolah data dengan kapasitas besar dengan teknik Artificial
Intelligent Rough Set, selain menggunakan software Rough Set Rosetta dapat
juga menggunakan Software Rouh Set yang lainnya.
3. Selanjutnyanya penulis menyarankan agar dapat membandingkan me tode pengambilan keputusan dengan menggunakan teknik Artificial
DAFTAR PUSTAKA
Nurcahyo, Gunadi Widi 2003, Modified Sweep Algorithm With Fuzzy-Based
Parameter For Public Bus Route Selection, Disertation at Faculty of Com
puter Science and Information System University Teknologi Malaysia. Sarjon, D., and Mohd, N., (2002), “Mining Association Rules Using Rough Set
and Association Rules Methods”, Proceedings of ICAIET 2002, Page 435
440, Kota Kinabalu, Sabah, June 1718.
Suryadi, Kadarisah dan Ali Ramdhanil, 2002, “Sistem Pendukung Keputusan”, Bandung: PT. Remaja Rosdakarya
Thearling and Kurt (2005), “An Introduction To Data Mining” Whitepaper http://www.shore.net/~kht/dmwhite/dmwhite.htm