PENERAPAN ALGORITMA GENETIKA PADA PENCARIAN NILAI SISWA.

(1)

i

Nuni Sriwijayani, 2013

PENERAPAN ALGORITMA GENETIKA PADA PENCARIAN NILAI SISWA

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

ABSTRAK

Banyak algoritma yang memungkinkan dalam pencarian data. Algoritma genetika mungkin merupakan salah satu algoritma yang dapat digunakan dalam pencarian data. Algoritma genetika itu sendiri merupakan suatu metode optimasi dan simulasi yang menggunakan seleksi alam yang merupakan bagian utama dari prinsip evolusi sebagai dasar pemikiran untuk menyelesaikan suatu permasalahan. Algoritma genetika bekerja memakai prinsip evolusi seperti pada bidang biologi. Langkah-langkah dalam algoritma genetika itu sendiri terdiri dari inisialisasi populasi awal, generasi awal secara acak, seleksi, crossover, mutasi, lalu akan menghasilkan pembentukan individu baru yang merupakan individu terbaik. Langkah-langkah ini akan dilakukan berulang-ulang sampai dapat menghasilkan individu dengan nilai fitness-nya 1. Sistem yang dibangun dimaksudkan untuk menerapkan algoritma genetika agar dapat menyelesaikan suatu permasalahan pencarian data pada kasus pencarian nilai siswa. Data masukan dalam pencarian nilai siswa ini adalah nama siswa, kelas, dan pelajaran. Data keluaran atau hasil pencariannya berupa nilai siswa dan nilai remedialnya. Sistem pencarian nilai siswa dengan menggunakan algoritma genetika ini berhasil diterapkan. Dan dari hasil pencarian yang telah dilakukan berkali-kali pada satu nama siswa di salah satu kelas dengan pelajaran yang sama jumlah hasil generasi yang dibentuknya tidak selalu sama.

(2)

ii

ABSTRACT

There are many algorithms enabling data searching, one of them is Genetic Algorithm. Genetic Algorithm is an optimization and simulation method using natural selection, which is an essential part of the principlesof evolution, as the rationale for problem solving. Genetic Algorithm works by employing the principles of evolution, such as ones in the field of biology. The steps of Genetic Algorithm involve initation of early population, random initation of first generation, selection, crossover, mutation, and then these steps will form a new individual, which is the best one (1). The said build system is intended to aplly Genetic Algorithm in order to solve a problem of data searching are students’ names, grades and lessons. Data output or searching system using Genetic Algoritm was successfully implemented. In addition, from the repeated search result of one student’s name in one of the classes with a similiar lesson, the number of generated results is not always the same

(3)

PENERAPAN ALGORITMA GENETIKA

PADA PENCARIAN NILAI SISWA

SKRIPSI

Diajukan untuk Memenuhi Sebagian dari Syarat Memperoleh Gelar Sarjana Komputer

Program Studi Ilmu Komputer

Oleh

NUNI SRIWIJAYANI

056674

PROGRAM STUDI ILMU KOMPUTER

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA

BANDUNG 2012

Nuni Sriwij ayani, 2013

(4)

Penerapan Algoritma Genetika

Pada Pencarian Nilai Siswa

Oleh Nuni Sriwijayani

Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat memperoleh gelar Sarjana pada Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam

Agustus 2012

Hak Cipta dilindungi undang-undang.

Skripsi ini tidak boleh diperbanyak seluruhya atau sebagian, dengan dicetak ulang, difoto kopi, atau cara lainnya tanpa ijin dari penulis.

(5)

(6)

v

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

(7)

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

(8)

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

(9)

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

(10)

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

(11)

x

DAFTAR SINGKATAN

APNS = Aplikasi Pencarian Nilai Siswa DFD = Data Flow Diagram

ERD = Entity Relationship Diagram HTML = HyperText Markup Language PHP = Hypertext Preprocessor

(12)

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

(13)

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.

(14)

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

(15)

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

Testing:

 Whitebox

(16)

20

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 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

(17)

21

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 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)

(18)

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

(19)

23

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

(20)

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

(21)

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

(22)

60

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

(23)

61

(24)

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.

(25)

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]

(26)

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