Liza Efriyanti* Keywords: Artificial Intelligent Rough Sets, Decision Making System, DSS, Rosetta

* 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