PENERAPAN ALGORITMA GENETIKA PADA PENCARIAN NILAI SISWA.

(1)

Nuni Sriwijayani, 2013

Penerapan Algoritma Benetika Pada Pencairan Nilai Siswa

Universitas Pendidikan Indonesia | repository.upi.edu

DAFTAR ISI

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... v

DAFTAR TABEL ... viii

DAFTAR GAMBAR ... ix

DAFTAR SINGKATAN ... x

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 1

1.3 Batasan Masalah... 2

1.4 Tujuan Penelitian ... 2

1.5 Manfaat Penelitian ... 2

1.6 Sistematika Penulisan ... 3

BAB II KAJIAN PUSTAKA ... 4

2.1 Basis Data ... 4

2.1.1 Konsep Dasar Basis Data ... 5

2.1.2 Model Data ... 6

2.1.2.1 Model Data Relasional ... 7

2.1.2.2 Model Relasi Entitas ... 8

2.2 Pencarian Data ... 9

2.3 Algoritma Genetika ... 9

(2)

vi

2.3.2 Struktur Umum Algoritma Genetika ... 10

2.3.3 Parameter Algoritma Genetika... 11

2.3.4 Komponen Utama Algoritma Genetika ... 14

2.3.4.1 Teknik Penyandian ... 14

2.3.4.2 Prosedur Inialisasi ... 15

2.3.4.3 Fungs Evaluasi ... 15

2.3.4.4 Seleksi ... 15

2.3.4.5 Operator Genetika... 16

2.3.5 Algoritma Genetika Sederhana ... 16

2.4 Algoritma Genetika untuk Pencarian Data ... 17

2.5 XAMPP ... 17

2.5.1 Bagian Terpenting XAMPP ... 18

BAB III METODOLOGI PENELITIAN... 19

3.1 Desain Penelitian ... 19

3.2 Metode Penelitian... 20

3.2.1 Metode Pengumpulan Data ... 20

3.2.1.1 Studi Literatur ... 20

3.2.1.2 Data Penelitian ... 20

3.2.1.3 Mekanisme Penelitian ... 20

3.2.1.4 Dokumen Penelitian Aplikasi Pencarian Nilai Siswa .... 20

3.2.2 Metode Pengembangan Perangka Lunak ... 21

3.2.2.1 Metode Pendekatan Perangkat Lunak ... 21

3.2.2.2 Model Proses ... 22

(3)

vii

3.3.1 Alat Penelitian ... 24

3.3.2 Bahan Penelitian ... 25

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... 26

4.1 Metode Pengembangan Perangkat Lunak Berdasarkan Model Proses . 26 4.1.1 Analisis Aplikasi Pencarian Nilai Siswa (APNS) ... 26

4.1.2 Desain Aplikasi Pencarian Nilai Siswa (APNS) ... 38

4.1.3 Implementasi Aplikasi Pencarian Nilai Siswa (APNS) ... 41

4.1.4 Pengujian Sistem Pencarian Nilai Siswa (SIPNS) ... 47

4.2 Hasil Pencarian Nilai Siswa Menggunakan Algoritma Genetika ... 54

BAB V KESIMPULAN DAN SARAN ... 60

5.1 Kesimpulan ... 60

5.2 Saran ... 60

DAFTAR PUSTAKA ... 62

(4)

viii

DAFTAR TABEL

Tabel 4.1 Tabel Nilai Siswa ... 28

Tabel 4.2 Tabel Karakter yang Tersedia ... 29

Tabel 4.3 Tabel Generasi Awal ... 29

Tabel 4.4 Tabel Individu yang Diseleksi ... 30

Tabel 4.5 Tabel Generasi x, Percobaan ke-n... 33

Tabel 4.6 Tabel Hasil Pencarian Nilai Siswa ... 35

Tabel 4.7 Tabel Pelaksanaan Pengujian Terhadap APNS ... 47

(5)

ix

DAFTAR GAMBAR

Gambar 3.1 Desain Penelitian ... 19

Gambar 3.2 Model Sekuensial Linier ... 24

Gambar 4.1 Gambaran Umum APNS Terhadap Sistem Lainnya ... 27

Gambar 4.2 Crossover Antar Dua Induk... 32

Gambar 4.3 Mutasi Gen ... 33

Gambar 4.4 DFD Level 0 (Context Diagram) ... 36

Gambar 4.5 DFD Level 1 Aplikasi Pencarian Nilai Siswa ... 37

Gambar 4.6 Struktur Perancangan Antarmuka APNS ... 40

Gambar 4.7 Tampilan Halaman nilai.php ... 55

Gambar 4.8 Tampilan Pencarian Nilai Siswa di Halaman nilai.php... 56

Gambar 4.9 Tampilan Pencarian Nilai Siswa Memilih Siswa Tertentu ... 57

Gambar 4.10 Tampilan Halaman Bagian Atas Halaman Hasil Pencarian Nilai Siswa Tertentu ... 58

(6)

x

DAFTAR SINGKATAN

APNS = Aplikasi Pencarian Nilai Siswa

DFD = Data Flow Diagram

ERD = Entity Relationship Diagram

HTML = HyperText Markup Language

PHP = Hypertext Preprocessor

(7)

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Nilai siswa merupakan suatu prestasi yang didapat oleh siswa yang telah

mengikuti suatu mata pelajaran tertentu. Untuk pencarian nilai siswa secara

manual jika data nilai ada banyak akan sangat merepotkan. Untuk mengatasi

masalah pencarian data nilai siswa ini, maka dibuatlah sistem pencarian nilai

siswa agar dapat memudahkan mencari data nilai siswa. Algoritma yang dipakai

dalam pencarian nilai siswa ini adalah algoritma genetika.

Algoritma genetika adalah teknik pencarian yang ada di dalam ilmu

komputer untuk menemukan penyelesaian perkiraan untuk optimasi dan masalah

pencarian. Algoritma genetika menggunakan teknik yang terinspirasi oleh biologi

evolusioner seperti warisan, mutasi, seleksi alam dan rekombinasi (crossover).

1.2 Rumusan Masalah

Berdasarkan uraian latar belakang di atas, maka yang akan dirumuskan

dalam masalah penelitian ini adalah bagaimana mengimplementasikan algoritma

(8)

2

1.3 Batasan Masalah

Untuk memfokuskan penelitian, ditentukan beberapa batasan masalah,

yaitu sebagai berikut:

1. Data nilai siswa yang diperlukan telah tersedia tapi data nilainya hanya

satu tahun ajaran saja untuk tiap kelas.

2. Tampilan programnya dibuat sederhana dengan fitur input data, edit

data dan hapus data, karena yang akan lebih difokuskan adalah pada

pencarian data nilainya.

3. Algoritma genetika akan diimplementasikan pada pencarian nilai

siswanya.

1.4 Tujuan Penelitian

Tujuan penelitian ini yaitu menjawab dari rumusan masalah, yaitu untuk

mengimplementasikan algoritma genetika dalam pencarian nilai siswa.

1.5 Manfaat Penelitian

Manfaat dari penelitian ini adalah:

1. Mengimplementasikan pencarian nilai siswa dengan menggunakan

algoritma genetika.

2. Hasil dari penelitian ini diharapkan dapat dijadikan sebagai bahan

perbandingan bagi pihak lain yang ingin melakukan penelitian lebih

lanjut dan diharapkan penelitian ini dapat menambah wawasan bagi

(9)

3

1.6 Sistematika Penulisan

Sistematika penulisan skripsi ini adalah sebagai berikut.

BAB I PENDAHULUAN

Bab ini meliputi pembahasan masalah secara umum meliputi latar

belakang masalah, identifikasi masalah yang di jelaskan ke dalam rumusan

masalah dan batasan masalah, maksud dan tujuan penelitian, manfaat

penelitian, metode penelitian sampai pada sistematika penulisan.

BAB II TINJAUAN PUSTAKA

Bagian ini memuat landasan teori yang berfungsi sebagai sumber atau alat

dalam memahami permasalahan yang berkaitan dengan basis data,

pencarian data dan algoritma genetika.

BAB III METODOLOGI PENELITIAN

Pada bab ini akan dibahas metode-metode yang digunakan dalam

penelitian. Secara garis besar terdiri dari metode pengumpulan data dan

metode pengembangan perangkat lunak.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Pada bab ini dibahas secara mendalam masalah-masalah yang telah

dirumuskan pada Bab Pendahuluan.

BAB V KESIMPULAN DAN SARAN

Pada bab ini akan dibahas tentang kesimpulan yang merupakan jawaban

atas rumusan masalah dalam penelitian dan juga intisari dari BAB IV. Dan

juga saran yang berisi tentang kumpulan saran dan rekomendasi dari

(10)

19

BAB III

METODOLOGI PENELITIAN

3.1 Desain Penelitian

Berikut adalah gambaran mengenai desain penelitian pencarian nilai siswa

dengan menggunakan algoritma genetika:

Gambar 3.1. Desain Penelitian Studi Literatur  Perancangan antar muka  Perancangan prosedur

Coding

(11)

20

3.2 Metode Penelitian

3.2.1 Metode Pengumpulan Data

Studi pustaka adalah suatu teknik dalam pengumpulan data di mana

pengumpul data menggunakan beberapa referensi dalam mengkaji dan memahami

permasalahan yang ada.

3.2.1.1Studi Literatur

Pada tahap studi literatur ini, merupakan tahap untuk mencari dan

mempelajari referensi tentang basis data, pencarian data, dan algoritma

genetika.

3.2.1.2Data Penelitian

Pada tahap ini, data-data yang sudah ada akan diteliti lebih lanjut

agar dapat menyelesaikan masalah yang akan diteliti.

3.2.1.3Mekanisme Penelitian

Pada tahap mekanisme penelitian, data yang ada akan

diklasifikasikan menjadi manual data dan komputerisasi. Manual data

berupa laporan dari penelitian dan komputerisasi berupa program yang

dibuat berdasarkan dari penelitian.

3.2.1.4Dokumen Penelitian Aplikasi Pencarian Nilai Siswa

Dokumen Penelitian Aplikasi Pencarian Nilai Siswa merupakan

(12)

21

3.2.2 Metode Pengembangan Perangkat Lunak

Metode pengembangan perangkat lunak yang digunakan untuk

pencarian nilai siswa ini diantaranya:

3.2.2.1Metode Pendekatan Perangkat Lunak

Metode pendekatan perangkat lunak yang digunakan metode

pendekatan terstruktur. Metode ini merupakan metode campuran yang

berkembang selama lebih dari 20 tahun. Metode ini lebih menekankan

pada aliran data. Metode ini mengenalkan beberapa alat yang digunakan

pada pembangunan sistem terstruktur, diantaranya yaitu:

1. Kamus Data (Data Dictionary)

Digunakan untuk menyimpan deskripsi objek data yang

digunakan pada proses pencarian nilai siswa. (merujuk ke

dokumen teknis).

2. Diagram Keterhubungan Entitas (ERD/Entity Relationship

Diagram)

ERD ini menggambarkan hubungan antar objek data (entitas)

yang digunakan dalam Aplikasi Pencarian Nilai Siswa (APNS).

(merujuk ke dokumen teknis).

3. Diagram Aliran Data (DFD/Data Flow Diagram)

DFD ini menggambarkan mengenai transformasi data pada saat

bergerak melalui dan di dalam APNS. (merujuk ke dokumen

(13)

22

4. Spesifikasi Proses (Pspec/Process Specification)

Pspec ini merupakan deskripsi setiap fungsi yang disajikan

pada DFD. (merujuk ke dokumen teknis).

3.2.2.2Model Proses

Model proses yang digunakan dalam pembangunan Aplikasi

Pencarian Nilai Siswa dengan menggunakan algoritma genetika ini adalah

model sequensial linier. Model sequensial linier ini adalah paradigma

rekayasa perangkat lunak yang paling luas dipakai dan paling tua. Tetapi

kritik dari paradigma tersebut telah menyebabkan dukungan aktif untuk

mempertanyakan kehandalannya.

Sequensial linier mengusulkan sebuah pendekatan kepada

perkembangan perangkat lunak yang sistematik dan sekuensial yang mulai

pada tingkat dan kemajuan sistem pada seluruh analisis, desain, kode,

pengujian, dan pemeliharaan.

Model sequensial linier melingkupi aktivitas – aktivitas berikut ini:

a. Analisis

Pada tahap ini dilakukan proses analisis (analysis)

pembangunan sistem terhadap kebutuhan pengguna dan kebutuhan

perangkat lunak yang meliputi penganalisisan domain informasi,

input dan output dari sistem, penggunaan kategori dan alur

(14)

23

Universitas Pendidikan Indonesia | repository.upi.edu b. Design

Pada tahap design atau perancangan ini dilakukan beberapa

pengerjaan dimulai dari perancangan basis data, arsitektur

perangkat lunak, representasi antarmuka pada Aplikasi Pencarian

Nilai Siswa.

c. Coding

Coding atau implementasi dalam bentuk basis data, tampilan

dan source code ini merupakan proses penerjemahan perancangan

sistem ke dalam bentuk mesin (assembly) yang bisa dibaca oleh

komputer. Pada tahapan ini algoritma genetika di implementasikan

untuk pencarian nilai siswa.

d. Testing

Testing atau proses pengujian ini bertujuan untuk

memeriksa pembuatan perangkat lunak sesuai dengan

kebutuhan-kebutuhan yang didefinisikan pada tahap analisis, selain itu

perangkat lunak diuji agar dapat berjalan lancar tidak mengalami

error. Pada tahap ini dilakukan penelitian dengan menggunakan

(15)

24

Sebagaimana dikemukakan olah Roger S.Pressman (2002:37)

bahwa tahapan-tahapan pada model sekuensial linier ini dapat dilihat pada

gambar di bawah ini:

Gambar 3.1. Model Sekuensial Linier

3.3 Alat dan Bahan Penelitian

3.3.1 Alat Penelitian

a. Sistem komputer dengan spesifikasi minimum adalah sebagai berikut :

1. Processor Intel Pentium 4 Celleron 1.7 GHz.

2. Random Acess Memory (RAM) 512 MB.

3. Hardisk 20 GB dengan freespace 1 GB.

4. Monitor.

5. Mouse.

6. Keyboard.

b. Sistem operasi Microsoft Windows XP Professional version 2002

Service Pack 2 atau sistem operasi Microsof Windows versi yang

lebih tinggi dan mendukung aplikasi XAMPP 1.7.7.

Pemodelan Sistem Informasi

(16)

25

c. Perangkat lunak untuk perancangan sistem :

1. XAMPP 1.7.7 (PhpMyadmin, Apache, Mysql).

2. Text editor (Macromedia Dreamweaver 8, Notepad++).

3. Web Browser (Mozilla Firefox, Google Chrome).

d. Perangkat keras penyimpan data berupa flashdisk, CD.

3.3.2 Bahan Penelitian

Dalam melakukan penelitian pencarian nilai siswa dengan menggunakan

algoritma genetika ini membutuhkan bahan penelitian berupa data sekolah yang

berisi data siswa, data pelajaran, data nilai dan data lainnya yang diperlukan

(17)

61

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Dari permasalahan proses pencarian nilai siswa diperoleh kesimpulan dengan

memperhatikan batasan-batasan yang telah diberikan, bahwa proses pencarian nilai

siswa dengan menggunakan algoritma genetika ini telah berhasil di implementasikan.

Hasil dari implementasi algoritma genetika pada pencarian nilai siswa ini untuk

20 kali percobaan pencarian satu nama siswa dengan satu pelajaran didapatkan hasil

generasi yang tidak selalu sama. Hasil generasi yang tidak selalu sama itu disebabkan

oleh pembangkitan gen kromosom secara random, adanya crossover dan mutasi.

Sedangkan dalam penggunaan waktu untuk pencarian yang memiliki banyak generasi

waktunya akan lebih lama dibandingkan dengan pencarian yang memiliki sedikit

generasi.

5.2. Saran

Penerapan Sistem Pencarian Nilai Siswa (SIPNS) dalam sebuah sekolah ini bisa

lebih dilengkapi lagi dengan fitur-fitur yang lebih lengkap dan bisa lebih dibuat lebih

(18)

61

tidak menutup kemungkinan bahwa adanya algoritma lain yang lebih baik dalam

pencarian khususnya pada pencarian nilai. Untuk penggunaan algoritma genetika lebih

(19)

62

DAFTAR PUSTAKA

Adhy, Satriyo dan Suharto, Edy. (2006). Simulasi Antrian Mesin dalam

Pengolahan Pertanian dengan Metode Job Shop Schedulling Problem.

[Online]. Tersedia: http://eprints.undip.ac.id/9580/. [23 Agustus 2011]

Basuki, A. (2003). Algoritma Genetika. [Online]. Tersedia:

http://www2.eepis-its.edu/~basuki/lecture/AlgoritmaGenetika.pdf._{[4 Januari 2012]}

Basuki, Achmad. (2003). Algoritma Genetika Suatu Alternatif Penyelesaian

Permasalahan Searching, Optimasi dan Machine Learning. [Online].

Tersedia:http://budi.blog.undip.ac.id/files/2009/06/algoritma_genetika.pdf.

[23 Maret 2012]

Fathansyah. (1999). Basis Data. Bandung: Informatika.

Garnawati, Mimil. (2006). Implementasi Algoritma Genetik dan Algoritma

Kolesar untuk Menyelesaikan Masalah Knapsack. [Online]. Tersedia:

elib.unikom.ac.id/download.php?id=7027. [18 Januari 2012]

Kadir, Abdul. (1999). Konsep dan Tuntunan Praktis Basis Data. Yogyakarta:

Penerbit Andi.

Kusumadewi, Sri dan Purnomo, Hari. (2005). Penyelesaian Masalah Optimasi

(20)

63

Michalewicz, Zbigniew. (1996). Genetic Algorithm + Data Structures =

Evolution Programs. Springer. [Online]. Tersedia:

http://books.google.co.id/books?id=vlhLAobsK68C&pg=PA11&hl=id&so

urce=gbs_toc_r&cad=3. [22 Juli 2012]

Nurjaya, W. (2007). Analisis Proses Word Matching Problem Menggunakan

Algoritma Genetika. [Online]. Tersedia:

http://jurnal.unikom.ac.id/ed9/07-Wahyu.pdf._{[15 Desember 2011]}

Obitko, M. 1998. Introduction to Genetic Algorithm. [Online]. Tersedia:

http://www.obitko.com/tutorials/genetic-algorithms/. [20 Juli 2012]

Pressman, Roger. 1992. Software Engineering a Practitioner’s Approach.

Singapore: McGraw-Hill,Inc.

Universitas Widyagama Malang (2008). BAB IV Algoritma Genetika (GA).

Handout Mata Kuliah Artificial Intellegence. [Online]. Tersedia:

http://k12008.widyagama.ac.id/ai/diktatpdf/BabIV_Algoritma_Genetika.p

df. [23 Maret 2012]

Siallagan, Manahan. dkk. (2006). Optimasi Query Database Menggunakan

Algoritma Genetik. [Online]. Tersedia:

http://journal.uii.ac.id/index.php/Snati/article/view/555/479. [21Juni 2012]

Syaeful Iman, Asep. (2009). Aplikasi Optimasi Pengaturan Tata Letak Kotak

(21)

64

Skripsi Sarjana pada Fakultas Teknik dan Ilmu Komputer UNIKOM

Bandung: tidak diterbitkan.

Syamsuddin, A. (2004). Pengenalan Algoritma Genetik. [Online]. Tersedia:

http://elesys.fsaintek.unair.ac.id/admin/makalah/algoritmagenetik.pdf.

[29 Desember 2011]

Waliyanto. (2000). Sistem Basis Data : Analisis dan Pemodelan Data.

Yogyakarta: J & J Learning.

http://hendrik.staff.gunadarma.ac.id/Downloads/files/23066/algoritma-genetika.pdf._{[22 Maret 2012]}

http://lecturer.eepis-its.edu/~entin/Struktur Data & Algoritma/buku/Data Structure