Penerapan algoritma C4.5 untuk memprediksi nilai ujian nasional siswa SMA berdasarkan nilai rapor dan nilai uji coba nasional : studi kasus pada SMA Kristen Bentara Wacana - USD Repository

(1)

Diajuka

Me

Pr

%

i

!" !" # " $

(

iajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh:

Sari Indah Anatta Setiawan

075314069

% %

& '

) )

(2)

'

nted as Partial Fullfillment of the Requirements

To Obtain the Degree

n Study Program of Informatics Engineering

By:

(3)

iii '

!" !" # " $

Oleh:

075314069

Telah disetujui oleh:

Dosen Pembimbing

Ridowati Gunawan, S.Kom., M.T.

(4)

iv

' '

!" !" # " $

Dipersiapkan dan ditulis oleh:

075314069

Telah dipertahankan di depan Panitia Penguji

pada tanggal 14 Juli 2011

Dan dinyatakan memenuhi syarat

Susunan Panitia Penguji

Ketua : P.H. Prima Rosa, S.Si., M.Sc. ………

Sekretaris : Alb. Agung Hadhiatma, S.T., M.T. ………

Anggota : Ridowati Gunawan, S.Kom., M.T. ………

Yogyakarta, ………..

Fakultas Sains dan Teknologi

Universitas Sanata Dharma

Dekan,

(5)

v

(6)

vi

) )

Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak

memuat karya atau bagian karya orang lain, kecuali yang telah saya sebutkan

dalam kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.

Yogyakarta, 22 Juli 2011

Penulis

(7)

vii

Studi Kasus pada SMA Kristen Bentara Wacana

(8)

viii

% '

' - % )

' &

)

Studies on Christian High School Bentara Wacana

!"#

$ % " %

& ' ( ) $ " "

*++, *+-+" & &

. # $

!.",./ .0"!0/ % 0 & " & %" 1 &

% "

(9)

ix )

) '

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma

Nama : Sari Indah Anatta Setiawan

Nomor Mahasiswa : 075314069

Demi pengembangan ilmu pengetahuan, saya memberikan Kepada Perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul:

!" !" # " $

beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan Kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelolanya di internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya sebagai penulis.

Demikian pernyataan ini yang saya buat dengan sebenarnya.

Dibuat di Yogyakarta

Pada tanggal: 22 Juli 2011

Yang menyatakan,

(10)

x

Puji dan syukur kepada Tuhan yang Maha Esa, karena pada akhirnya penulis

dapat menyelesaikan penelitian tugas akhir ini yang berjudul “Penerapan

Algoritma C4.5 untuk Memprediksi Nilai Ujian Nasional Siswa SMA

Berdasarkan Nilai Rapor dan Nilai Uji Coba Nasional (Studi Kasus pada SMA

Kristen Bentara Wacana)”.

Penelitian ini tidak akan selesai dengan baik tanpa adanya dukungan,

semangat, dan motivasi yang telah diberikan oleh banyak pihak. Untuk itu,

penulis ingin mengucapkan terima kasih kepada:

1. Bapak Puspaningtyas Sanjoyo Adi S.T., M.T. selaku ketua program studi

Teknik Informatika.

2. Ibu Ridowati Gunawan, S.Kom., M.T. selaku dosen pembimbing atas

kesabaran, waktu, dan kebaikan yang telah diberikan.

3. Ibu P.H. Prima Rosa, S.Si., M.Sc. dan Bapak Alb. Agung Hadhiatma, S.T.,

M.T. selaku dosen penguji atas kritik dan saran yang telah diberikan.

4. Pihak sekretariat dan laboran Fakultas Sains dan Teknologi yang turut

membantu penulis dalam menyelesaikan tugas akhir ini.

5. Kedua orang tua, papa Iwan Setiawan dan mama Titin Setiawati atas kasih

sayang, semangat, dan dukungan yang tak henti>hentinya diberikan kepada

(11)

xi

6. Semua saudara, Ci Metta Almesta Setiawan, S.Kom., Ko Ariya Indriawan

Setiawan, dan Ko Tri Adi Guna Sugata Setiawan atas dukungan, perhatian,

dan doa sehingga penulis dapat menyelesaikan tugas akhir ini.

7. Seng Hansun, S.Si., M.Cs. atas dukungan, motivasi, dan bimbingan selama

penulis menyelesaikan tugas akhir.

8. Teman>teman kost Diva, Evina, Jan Majesty, Eka P, Putu Dyana K, Septi,

serta lainnya yang senantiasa selalu menemani dan memberikan dukungan

serta menjadi motivasi bagi penulis dalam menyelesaikan tugas akhir ini.

9. Teman>teman Vidyasena yang telah mengajarkan banyak hal positif dan

pengalaman hidup yang bermakna bagi penulis.

10. Teman>teman kuliah, Ana Suryaningsih, Yosephin Seviana S, Andrias

Pratiwi, Maria Anindita F, Th.E. Wahyuning Pratiwi, Florencia Dwinta,

Taufik, Leonardus Ardyandhita, Albertus Dio serta teman>teman TI 2007

lainnya atas segala kebersamaan dan dukungan yang selalu diberikan kepada

penulis.

11. Pihak>pihak lain yang turut membantu penulis dalam menyelesaikan tugas

akhir ini, yang tidak dapat disebutkan satu per satu.

Penelitian tugas akhir ini masih memiliki banyak kekurangan. Untuk itu,

penulis sangat membutuhkan saran dan kritik untuk perbaikan di masa yang akan

datang. Semoga penelitian tugas akhir ini dapat membawa manfaat bagi semua

pihak.

Yogyakarta, 22 Juli 2011

(12)

xii

PERNYATAAN KEASLIAN KARYA ... vi

ABSTRAK ... vii

DAFTAR GAMBAR ... xvii

DAFTAR DIAGRAM ... xix

DAFTAR LAMPIRAN ... xx

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan masalah ... 4

1.3 Tujuan ... 5

1.4 Batasan Masalah ... 5

1.5 Metodologi Penelitian ... 6

1.6 Sistematika Penulisan ... 8

BAB II LANDASAN TEORI ... 9

2.1 Ujian Nasional ... 9

2.2 Rapor Semester ... 9

2.3 Data mining ... 10

2.3.1 Proses Pencarian Pola ... 10

(13)

xiii

2.4.1 Kelebihan Pohon Keputusan ... 11

2.4.2 Kekurangan Pohon Keputusan ... 12

2.4.3 Model Pohon Keputusan ... 12

2.5 Algoritma C4.5 ... 14

BAB III ANALISIS DAN PERANCANGAN SISTEM ... 17

3.1 Analisis Sistem ... 17

3.2 Sumber Data ... 17

3.3 Analisis Pengolahan Data... 18

3.3.1 Data Praproses ... 18

3.3.2 ... 22

3.3.3 Data Evaluasi ... 25

3.4 Gambaran Umum Sistem ... 27

3.4.1 Diagram 5 ... 27

3.4.2 Narasi 5 ... 29

3.4.3 Diagram Aktifitas ... 40

3.4.4 Diagram Kelas ... 50

3.4.5 Desain Basis Data ... 53

3.4.6 Desain Antarmuka Sistem ... 54

BAB IV IMPLEMENTASI SISTEM ... 62

4.1 Spesifikasi Perangkat Keras dan Perangkat Lunak ... 62

4.2 Implementasi Data ... 62

4.3 Implementasi 5 ... 63

4.4 Implementasi Diagram Kelas ... 77

BAB V ANALISIS SISTEM ... 154

5.1 Penyelesaian Rumusan Masalah ... 154

5.2 Pengukuran Kinerja Sistem ... 157

(14)

xiv

5.4 Kelemahan Sistem ... 167

BAB VI PENUTUP ... 168

6.1 Kesimpulan ... 168

6.2 Saran ... 169

DAFTAR PUSTAKA ... 171

LAMPIRAN I ... 172

LAMPIRAN II ... 185

(15)

xv %

Tabel 3.1 Tabel Contoh Data Awal ... 20

Tabel 3.2 Tabel Contoh Data Transformasi ... 21

Tabel 5.1 Tabel Data dan Pola ... 155

Tabel 5.2 Tabel Hasil Korelasi ... 155

Tabel 5.3 Tabel Perhitungan 3>fold 6 Bahasa Indonesia ... 157

Tabel 5.4 Tabel Perhitungan 5>fold 6 Bahasa Indonesia ... 157

Tabel 5.5 Tabel Perhitungan 3>fold 6 Matematika ... 158

Tabel 5.6 Tabel Perhitungan 5>fold 6 Matematika ... 158

Tabel 5.7 Tabel Perhitungan 3>fold 6 Bahasa inggris... 158

Tabel 5.8 Tabel Perhitungan 5>fold 6 Bahasa inggris... 158

Tabel 5.9 Tabel Perhitungan 3>fold 6 Fisika ... 159

Tabel 5.10 Tabel Perhitungan 5>fold 6 Fisika ... 159

Tabel 5.11 Tabel Perhitungan 3>fold 6 Kimia ... 159

Tabel 5.12 Tabel Perhitungan 5>fold 6 Kimia ... 159

Tabel 5.13 Tabel Perhitungan 3>fold 6 Biologi ... 160

Tabel 5.14 Tabel Perhitungan 5>fold 6 Biologi ... 160

Tabel 5.15 Tabel Perhitungan 3>fold 6 Sosiologi ... 160

Tabel 5.16 Tabel Perhitungan 5>fold 6 Sosiologi ... 160

Tabel 5.17 Tabel Perhitungan 3>fold 6 Geografi ... 161

Tabel 5.18 Tabel Perhitungan 5>fold 6 Geografi ... 161

Tabel 5.19 Tabel Perhitungan 3>fold 6 Ekonomi ... 161

Tabel 5.20 Tabel Perhitungan 5>fold 6 Ekonomi ... 161

Tabel 5.21 Tabel Perbandingan Hasil 3>fold dan 5>fold 6 ... 162

Tabel 5.22 Tabel Perbandingan Hasil 3>fold Program dan Weka ... 163

(16)

xvi

(17)

xvii %

Gambar 2.1 Gambar Model Pohon Keputusan (Pramudiono,2008) ... 13

Gambar 3.1 Gambar Alur Proses C4.5 ... 24

Gambar 3.2 Gambar Desain Fisik Basis Data ... 53

Gambar 3.3 Gambar Desain Halaman Utama ... 54

Gambar 3.4 Gambar Desain Halaman Konfirmasi 7 ... 54

Gambar 3.5 Gambar Desain Peringatan 8 % Salah ... 55

Gambar 3.6 Gambar Desain Halaman Super Admin ... 55

Gambar 3.7 Gambar Desain Halaman Tambah 5 ... 56

Gambar 3.8 Gambar Desain Halaman Ubah 5 ... 56

Gambar 3.9 Gambar Desain Halaman Hapus 5 ... 56

Gambar 3.10 Gambar Desain Halaman Utama Admin ... 57

Gambar 3.11 Gambar Desain Halaman 1 ... 57

Gambar 3.12 Gambar Desain Halaman 1 4 Nilai ... 58

Gambar 3.13 Gambar Desain Halaman Tampil Pohon ... 58

Gambar 3.14 Gambar Desain Halaman Bantuan ... 59

Gambar 3.15 Gambar Desain Halaman Konfirmasi Keluar ... 59

Gambar 3.16 Gambar Desain Halaman Utama ... 60

Gambar 3.17 Gambar Desain Halaman Prediksi ... 60

Gambar 3.18 Gambar Desain Halaman Hasil Prediksi ... 61

Gambar 4.1 Gambar Implementasi Halaman Utama ... 63

Gambar 4.2 Gambar Implementasi Halaman 7 ... 64

Gambar 4.3 Gambar Implementasi Halaman Peringatan ... 64

Gambar 4.4 Gambar Implementasi Halaman Menu Utama Super Admin ... 65

(18)

xviii

Gambar 4.6 Gambar Implementasi Halaman Kelola Admin (2)... 67

Gambar 4.7 Gambar Implementasi Halaman Peringatan 8 % Salah ... 67

Gambar 4.8 Gambar Implementasi Halaman 4 Nilai ... 68

Gambar 4.9 Gambar Implementasi Halaman (1) ... 69

Gambar 4.13 Gambar Implementasi Halaman Lihat Pohon ... 71

Gambar 4.14 Gambar Implementasi Halaman Prediksi ... 72

Gambar 4.15 Gambar Implementasi Halaman Laporan Hasil Prediksi ... 72

Gambar 4.16 Gambar Implementasi Halaman 5 ... 73

Gambar 4.17 Gambar Implementasi Halaman Menu Utama Admin ... 74

Gambar 4.18 Gambar Implementasi Halaman Prediksi 5 (1) ... 75

Gambar 4.19 Gambar Implementasi Halaman Prediksi 5 (2) ... 76

Gambar 4.20 Gambar Implementasi Halaman Hasil prediksi ... 76

(19)

xix %

Diagram 3.1 Diagram 5 5 ... 27

Diagram 3.2 Diagram 5 3 ... 28

Diagram 3.3 Diagram Aktifitas 7 ... 40

Diagram 3.4 Diagram Aktifitas 1 5 ... 41

Diagram 3.5 Diagram Aktifitas 5 5 ... 42

Diagram 3.6 Diagram Aktifitas Hapus 5 ... 43

Diagram 3.7 Diagram Aktifitas 1 ... 44

Diagram 3.8 Diagram Aktifitas Proses ... 45

Diagram 3.9 Diagram Aktifitas Evaluasi Sistem ... 46

Diagram 3.10 Diagram Aktifitas 1 4 Nilai ... 47

Diagram 3.11 Diagram Aktifitas Lihat Pohon ... 47

Diagram 3.12 Diagram Aktifitas Prediksi Nilai Ujian (Admin) ... 48

Diagram 3.13 Diagram Aktifitas Prediksi Nilai Ujian (5 ) ... 49

(20)

xx %

LAMPIRAN I Stored procedure ……… 172

LAMPIRAN II Hasil perbandingan Prediksi………... 185

(21)

1 '

, , !2 ( "0

Pendidikan merupakan bagian yang penting dalam meningkatkan

kesejahteraan masyarakat. Menurut Rousseau (Emile, 1762), tujuan utama

pendidikan adalah memberi kemampuan pada manusia untuk hidup di

masyarakat. Kemampuan ini berupa pengetahuan dan/atau keterampilan, serta

prilaku yang diterima masyarakat. Keterampilan yang dimaksud adalah

pengetahuan, kreativitas, dan perilaku yang dapat diterima di dalam masyarakat.

Seseorang akan memiliki kemampuan yang optimal apabila mendapatkan

pengalaman belajar yang tepat. Salah satu lembaga pendidikan yang dapat

mewujudkan hal ini adalah sekolah. Oleh karena itu, sekolah harus mampu

memberikan pengalaman belajar yang sesuai. [10]

Saat ini sekolah menjadi sasaran utama para orang tua untuk memberikan

pendidikan yang layak pada anak>anaknya. Hampir seluruh orang tua

menggantungkan harapannya pada sekolah agar kelak anak>anaknya dapat

menjadi orang yang sukses. Oleh karena itu, sekolah sudah seharusnya mampu

meningkatkan kualitas pendidikan sehingga dapat menghasilkan siswa>siswi yang

berkualitas, baik dalam akademis maupun dalam perilaku.

Menurut UNDP (5 8 ) tahun 2010,

organisasi internasional yang menangani program pembangunan, Indonesia

(22)

Kualitas sumber daya manusia sangat bergantung pada kualitas pendidikan yang

dimiliki. Oleh karena itu, salah satu penunjang prestasi dan hasil belajar yang baik

adalah proses belajar mengajar yang berkualitas, yang dapat dijadikan salah satu

indikator kualitas pendidikan.

Setiap tahun, pemerintah menyelenggarakan Ujian Nasional yang bertujuan

untuk mengevaluasi hasil belajar siswa. Ujian Nasional merupakan salah satu

faktor penentu kelulusan siswa. Oleh karena itu, Ujian Nasional menjadi suatu hal

yang sangat menegangkan bagi siswa yang akan mengikutinya.

Jumlah persentase kelulusan siswa pada Ujian Nasional menjadi salah satu

indikator keberhasilan suatu sekolah. Semakin tingginya persentase siswa yang

lulus pada Ujian Nasional, maka kebanggaan sekolah akan semakin tinggi, tetapi

hal ini belum dapat menunjukkan kualitas lulusan dari sekolah yang bersangkutan.

Banyak orang beranggapan bahwa jika nilai evaluasi belajar siswa tiap

semester berada di atas standar minimal, maka siswa tersebut akan lulus dari

sekolah dengan nilai yang baik. Sebaliknya, jika selama di sekolah siswa selalu

mendapatkan nilai evaluasi belajar di bawah standar minimal, maka siswa tersebut

memiliki kemungkinan yang kecil untuk dapat lulus sekolah.

Pada kenyataannya, anggapan tersebut dapat dipatahkan dengan peristiwa

yang seringkali terjadi ketika pengumuman kelulusan. Beberapa siswa yang

seringkali mendapatkan peringkat lima besar di sekolah, dinyatakan tidak lulus

Ujian Nasional. Bahkan beberapa di antara mereka telah diterima di Universitas

ternama. Hal yang lebih tragis terjadi ketika tak satupun siswa di Sekolah

(23)

Banyak kasus terjadi dimana siswa telah diterima di sebuah universitas melalui

jalur PMDK terpaksa harus mundur karena tidak lulus Ujian Nasional.

Menurut Keputusan Mendiknas No.153/U/2003, Ujian Nasional adalah salah

satu bentuk evaluasi pendidikan untuk mengukur pencapaian hasil belajar peserta

didik. Pada realitanya Ujian Nasional bertentangan dengan tujuan pendidikan.

Pelaksanaan Ujian Nasional hanya mengevaluasi enam mata pelajaran dan hanya

mengukur aspek kognitif. Sesungguhnya, tidak semua guru memiliki kompetensi

yang sama dan kompetensi siswa pun berbeda>beda. Demikian pula kualitas

sekolah sangat beragam, sehingga tidak adil jika harus diukur dengan

menggunakan standar yang sama.

Banyak orang tua yang merasa kecewa dan bingung atas ketidaklulusan

anaknya pada Ujian Nasional. Menurut beberapa orang tua, nilai keseharian anak>

anak mereka cukup bagus, bahkan menduduki peringkat lima besar di sekolah.[8]

Sebaliknya, siswa yang memiliki nilai biasa>biasa saja dapat lulus pada Ujian

Nasional. Hal ini menimbulkan pertanyaan mengenai pengaruh proses belajar dan

nilai siswa selama tiga tahun terhadap kelulusan Ujian Nasional.

Saat ini perkembangan teknologi semakin canggih yang didukung dengan

ilmu pengetahuan yang berkembang semakin pesat. Salah satu perkembangan

ilmu pengetahuan yang dapat dirasakan saat ini adalah ditemukannya teori

$ teori yang memuat suatu metode untuk mengolah data dalam jumlah

besar, sehingga dihasilkan suatu 9 % untuk melakukan klasifikasi maupun

(24)

Dengan adanya teori dan masalah>masalah yang muncul di atas,

maka akan dilakukan suatu penelitian untuk memprediksi nilai Ujian Nasional

seorang siswa SMA atau sederajat berdasarkan nilai rapor pada kelas I, II dan

kelas III semester gasal serta nilai dari Uji Coba Nasional yang diselenggarakan

oleh pemerintah. Penelitian ini akan menggunakan salah satu metode ,

yaitu algoritma C4.5 yang merupakan pengembangan dari metode pohon

keputusan.

Dengan diketahuinya sejak dini prediksi nilai Ujian Nasional, diharapkan

dapat membantu siswa dalam meningkatkan semangat belajar dan keinginan

untuk lulus. Selain itu, hal ini dapat dijadikan suatu pengingat bagi siswa yang

diprediksi memiliki nilai di bawah rata>rata untuk meningkatkan kualitas belajar.

Objek pada penelitian ini adalah salah satu SMA yang ada di Indonesia, yang

tiap tahun pasti memiliki siswa yang tidak lulus pada Ujian Nasional, sehingga hal

ini akan sangat membantu pihak sekolah untuk memprediksi nilai kelulusan

siswa>siswinya. Selain itu, hal yang melatarbelakangi pemilihan objek ini adalah

karena SMA atau sederajat merupakan pintu gerbang terakhir yang menentukan

masa depan seseorang dan negara. Kualitas lulusan siswa SMA atau sederajat

menentukan kualitas sumber daya manusia di negara ini.

, * 3 " 3 2 /

Permasalahan yang dapat dirumuskan dari penelitian ini adalah sebagai

(25)

1. Bagaimana menerapkan algoritma C4.5 dalam memprediksi nilai Ujian

Nasional siswa SMA berdasarkan nilai rapor semester dan nilai uji coba

nasional?

2. Apakah nilai rapor yang didapat tiap akhir semester dan nilai uji coba

nasional memiliki korelasi dengan nilai Ujian Nasional siswa?

, 4 5 "

Tujuan dari penelitian yang dilakukan adalah sebagai berikut:

1. Memperoleh prediksi nilai kelulusan seorang siswa pada Ujian Nasional

dengan menggunakan algoritma C4.5, berdasarkan nilai>nilai rapor yang

diperoleh tiap semester dan nilai uji coba nasional.

2. Mengetahui korelasi antara nilai rapor yang didapat tiap akhir semester

dan nilai uji coba nasional dengan nilai Ujian Nasional siswa

menggunakan uji korelasi statistik.

, " 2 /

Penelitian ini akan dibatasi pada hal>hal berikut:

1. Obyek yang diteliti adalah SMA Kristen Bentra Wacana, Muntilan.

2. Data yang akan digunakan sebagai variabel adalah nilai rapor siswa dari

semester awal hinggal akhir dan data nilai uji coba nasional.

3. Data yang diteliti akan dibatasi pada data tiga angkatan terakhir di sekolah

(26)

relevan dan terkait dengan mata pelajaran yang diujikan pada Ujian

Nasional.

4. Algoritma yang digunakan adalah algoritma C4.5.

, ! 1 1210 !"!2 "

Metodologi penelitian yang dilaksanakan dalam penyusunan Tugas Akhir ini

adalah sebagai berikut:

1. Studi Pustaka

Mengumpulkan dan mempelajari materi>materi yang berkaitan dengan

penelitian yaitu dari buku, karya ilmiah, makalah, serta situs dunia maya.

2. Wawancara

Melakukan wawancara kepada pihak>pihak yang terkait, yaitu pihak SMA

Kristen Bentara Wacana dan dosen pembimbing skripsi.

3. Pengumpulan Data

Mengumpulkan data–data yang berkaitan dengan penelitian yang

dilakukan.

4. Perancangan Sistem menggunakan metode KDD ( %

& ) dengan langkah>langkah sebagai berikut:

a. Pembersihan Data ( )

Pada tahap ini akan dilakukan pembersihan terhadap data>data

(27)

b. Integrasi Data ( 1 )

Pada tahap ini akan dilakukan penggabungan seluruh data yang

berasal dari & atau yang berbeda>beda.

c. Penyeleksian Data ( )

Pada tahap ini akan dilakukan penyeleksian terhadap data>data

yang tidak relevan dengan penelitian yang dilakukan.

d. Transformasi Data ( )

Pada tahap ini akan dilakukan penggabungan data ke dalam bentuk

data yang mudah untuk dikelola pada proses penambangan data

melalui operasi atau "

e. Penambangan Data ( )

Pada tahap ini akan dilakukan proses mencari pola atau informasi

menarik pada data menggunakan metode pohon keputusan dengan

menggunakan algoritma C4.5.

f. Evaluasi Pola yang Ditemukan (8 )

Pada tahap ini hasil dari teknik penambangan data yang berupa

pola>pola khusus ataupun model prediksi akan dievaluasi untuk

menilai apakah hipotesa yang terbentuk telah sesuai.

g. Presentasi Pengetahuan ( % 8 )

Tahap ini merupakan tahap akhir dari penelitian, yaitu tahap untuk

mempresentasikan pengetahuan data yang telah didapat dari

(28)

dengan memformulasikan keputusan dari hasil analisa yang telah

didapat.

, 6 !3 ( !" 2 " Bab I Pendahuluan

Bab ini berisi tentang pembahasan latar belakang, rumusan masalah,

tujuan penelitian, batasan masalah, metodologi penelitian, dan

sistematika penulisan.

Bab II Landasan Teori

Bab ini berisi tentang teori yang dapat menunjang penelitian, berupa

pengertian dasar , dan teori>teori lain yang relevan dengan

penelitian.

Bab III Analisis dan Perancangan Sistem

Bab ini membahas langkah>langkah yang akan dilakukan dalam

penelitian serta proses analisa dari langkah>langkah tersebut yang

kemudian akan diimplementasikan.

Bab IV Implementasi Sistem

Bab ini memuat implementasi program dan hasil implementasi dari

algoritma yang digunakan, yaitu algoritma C4.5.

Bab V Analisis Sistem

Bab ini berisi pembahasan dari program yang telah dibangun.

Bab VI Penutup

Bab ini berisi kesimpulan dari sistem yang telah dibuat serta saran

(29)

9 * , 5 " 1" 2

Ujian Nasional (UN) adalah sistem evaluasi standar pendidikan dasar dan

menengah secara nasional dan persamaan mutu tingkat pendidikan antar daerah

yang dilakukan oleh Pusat Penilaian Pendidikan, Depdiknas di Indonesia

berdasarkan 5 4 & 9 1 *+ *++.$ yang

menyatakan bahwa dalam rangka pengendalian mutu pendidikan secara nasional

dilakukan evaluasi sebagai bentuk akuntabilitas penyelenggara pendidikan kepada

pihak>pihak yang berkepentingan.[8] Dalam keputusan Mendiknas No. 153/U

2003 tentang UAN disebutkan bahwa UAN adalah untuk mengukur pencapaian

hasil belajar peserta didik melalui pemberian tes pada siswa sekolah lanjutan

tingkat pertama dan sekolah lanjutan tingkat atas.[1]

* * 1 !3! !

Buku rapor adalah suatu cara pengukuran kinerja siswa. Umumnya laporan

ini diberikan oleh sekolah kepada siswa atau orang tua siswa dua kali hingga

empat kali dalam setahun. Suatu buku rapor biasanya menggunakan skala

pemeringkatan untuk menentukan kualitas hasil kerja siswa di sekolah. Sistem

skala ini dapat berupa huruf (misalnya A, B, C, D, E, dan F, dengan A adalah

kinerja tertinggi dan F berarti gagal) atau angka (misalnya A=90>100, B=80>89,

(30)

* 4 3 " "0

merupakan analisis dari peninjauan kumpulan data untuk

menemukan hubungan yang tidak diduga dan meringkas data dengan cara yang

berbeda dengan sebelumnya, yang dapat dipahami dan bermanfaat bagi pemilik

data (Larose, 2005).

Hubungan yang dicari dalam dapat berupa hubungan antara dua

atau lebih dalam satu dimensi (Ponniah, 2001). Luaran yang diharapkan dari

proses adalah sebuah pola yang dapat diinterpretasikan ke dalam

bentuk yang mudah dimengerti dari kumpulan fakta dalam jumlah besar.

* 4 , 1 ! !"# " 12

Untuk dapat menemukan suatu pola, maka memiliki urutan proses,

yaitu sebagai berikut [5]:

1) Pembersihan Data : menghapus data pengganggu ( ) dan mengisi

data yang hilang.

2) Integrasi Data : menggabungkan berbagai sumber data.

3) Pemilihan Data : memilih data yang relevan.

4) Transformasi Data : mentransformasi data ke dalam format untuk

diproses dalam penggalian data.

5) Penambangan Data : menerapkan metode cerdas untuk ekstraksi pola.

6) Evaluasi Pola : mengenali pola>pola yang menarik.

(31)

* 1/1" ! "

Pohon keputusan merupakan salah satu metode yang dapat

mengubah fakta dalam jumlah besar menjadi suatu pohon keputusan yang

merepresentasikan aturan. Pohon keputusan dapat digunakan untuk

mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah variabel

input dengan sebuah variabel target.[9]

* , !2!7 / " 1/1" ! "

Kelebihan dari metode pohon keputusan adalah [11]:

1. Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat

global, dapat diubah menjadi lebih sederhana dan spesifik.

2. Eliminasi perhitungan>perhitungan yang tidak diperlukan, karena ketika

menggunakan metode pohon keputusan maka diuji hanya

berdasarkan kriteria atau kelas tertentu.

3. Fleksibel untuk memilih fitur dari yang berbeda, fitur yang

terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain

dalam yang sama. Kefleksibelan metode pohon keputusan ini

meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan

ketika menggunakan metode penghitungan satu tahap yang lebih

konvensional.

4. Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya

sangat banyak, seorang penguji biasanya perlu untuk mengestimasikan,

baik itu distribusi dimensi tinggi ataupun parameter tertentu dari

(32)

munculnya permasalahan ini dengan menggunakan kriteria yang

jumlahnya lebih sedikit pada setiap tanpa banyak

mengurangi kualitas keputusan yang dihasilkan.

* * !( "0 " 1/1" ! "

Kekurangan dari metode pohon keputusan adalah [11]:

1. Terjadi $ terutama ketika kelas>kelas dan kriteria yang digunakan

jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan

meningkatnya waktu pengambilan keputusan dan jumlah memori yang

diperlukan.

2. Pengakumulasian jumlah dari setiap tingkat dalam sebuah pohon

keputusan yang besar.

3. Kesulitan dalam mendesain pohon keputusan yang optimal.

4. Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan

sangat tergantung pada bagaimana pohon tersebut didesain.

* 4 1 !2 1/1" ! "

Pohon keputusan adalah model prediksi menggunakan struktur pohon atau

(33)

37 * , 37 1 !2 1/1" ! " 3 1"18*++9$

Contoh di atas merupakan identifikasi pembeli komputer. Dari pohon

keputusan tersebut diketahui bahwa salah satu kelompok yang potensial membeli

komputer adalah orang yang berusia muda dan juga pelajar. Setelah sebuah pohon

keputusan dibangun maka dapat digunakan untuk mengklasifikasikan yang

belum ada kelasnya. Dimulai dari , menggunakan tes terhadap atribut

dari yang belum ada kelasnya tersebut, lalu mengikuti cabang yang sesuai

dengan hasil dari tes tersebut, yang akan membawa kepada (

yang memiliki satu cabang masuk dan dua atau lebih cabang yang keluar), dengan

cara harus melakukan tes lagi terhadap atribut atau daun. 4 yang

kelasnya tidak diketahui kemudian diberikan kelas yang sesuai dengan kelas yang

ada pada daun. Pada pohon keputusan setiap simpul daun menandai label

kelas. Proses dalam pohon keputusan yaitu mengubah bentuk data (tabel) menjadi

(34)

* 201 3

Salah satu algoritma induksi pohon keputusan yaitu ID3 (Iterative

Dichotomiser 3). ID3 dikembangkan oleh J. Ross Quinlan. Dalam prosedur

algoritma ID3, input berupa , & dan atribut. Algoritma

C4.5 merupakan pengembangan dari ID3. Sedangkan pada perangkat lunak

mempunyai versi sendiri yang dikenal sebagai J48.[11]

Algoritma C4.5

Pohon dibangun dengan cara membagi data secara rekursif hingga tiap

bagian terdiri dari data yang berasal dari kelas yang sama. Bentuk pemecahan

( ; yang digunakan untuk membagi data tergantung dari jenis atribut yang

digunakan dalam . Algoritma C4.5 dapat menangani data numerik (kontinyu)

dan diskret. untuk atribut numerik yaitu mengurutkan contoh berdasarkan

atribut kontiyu A, kemudian membentuk minimum permulaan < ) M dari

(35)

bersebelahan, lalu menggabungkan partisi>partisi yang bersebelahan tersebut

dengan kelas mayoritas yang sama. untuk atribut diskret 3 mempunyai

bentuk <3;ε =, dimana =⊂ <3;.

Untuk melakukan pemisahan obyek ( ; dilakukan tes terhadap atribut

dengan mengukur tingkat ketidakmurnian pada sebuah simpul ( ;. Pada

algoritma C4.5 digunakan rasio perolehan ( ). Sebelum menghitung rasio

perolehan, perlu menghitung dulu nilai informasi dalam satuan bits dari suatu

kumpulan objek. Cara menghitungnya dilakukan dengan menggunakan konsep

entropi.

(2.1)

: ruang (data) sampel yang digunakan untuk pelatihan

> : jumlah yang bersolusi positif (mendukung pada data sampel untuk kriteria

tertentu)

: jumlah yang bersolusi negatif (tidak mendukung pada data sampel untuk

kriteria tertentu).

Entropi( ) = 0, jika semua contoh pada S berada dalam kelas yang sama.

Entropi(S) = 1, jika jumlah contoh positif dan negatif dalam S adalah sama.

0 < Entropi(S) < 1, jika jumlah contoh positif dan negatif dalam S tidak sama

[Mitchell,1997].

Entropi yang membagi dengan record menjadi himpunan>himpunan

-dengan 1baris dan 2dengan *baris adalah:

(36)

(2.2)

Kemudian menghitung perolehan informasi dari output data atau variabel

yang dikelompokkan berdasarkan atribut A, dinotasikan dengan

( ,A). Perolehan informasi$ ( ,A), dari atribut A relatif terhadap output data

adalah:

(2.3)

Nilai (A) adalah semua nilai yang mungkin dari atribut A, dan c adalah

subset dari y dimana A mempunyai nilai c. pertama dalam persamaan di atas

adalah entropi total dan kedua adalah entropi sesudah dilakukan pemisahan

data berdasarkan atribut A.

Untuk menghitung rasio perolehan perlu diketahui suatu baru yang

disebut pemisahan informasi < 1 ). Pemisahan informasi dihitung dengan

cara:

(2.4)

bahwa - sampai adalah subset yang dihasilkan dari pemecahan dengan

menggunakan atribut A yang mempunyai sebanyak nilai. Selanjutnya rasio

perolehan ( ) dihitung dengan cara:

(37)

17 4 , " 2 !3

Pada penelitian ini akan dibangun sebuah sistem yang mampu melakukan

prediksi nilai Ujian Nasional dari seorang siswa SMA. Hipotesa yang diambil

oleh penulis pada penelitian ini adalah algoritma C4.5 mampu melakukan prediksi

nilai siswa pada Ujian Nasional berdasarkan nilai rapor yang didapat siswa tiap

akhir semester dan nilai uji coba nasional. Sistem ini akan dibangun menggunakan

salah satu metode pohon keputusan, yaitu algoritma C4.5.

Sistem ini akan diimplementasikan ke dalam sebuah aplikasi yang dibangun

menggunakan bahasa pemrograman Java dan sistem manajemen basis data

MySQL.

4 * 37!

Untuk dapat menyelesaikan penelitian ini, maka dibutuhkan data yang dapat

di agar menghasilkan pola yang dapat digunakan pada saat prediksi. Data

penelitian diperoleh dari SMA Kristen Bentara Wacana, Muntilan.

Data yang diperoleh dari sekolah adalah sebagai berikut:

a. Nomor Induk dan Nama Lengkap Siswa (tahun ajaran 2005/2006 sampai

2009/2010)

b. Nilai Matematika (kelas X semester I sampai kelas XII semester I)

c. Nilai Bahasa Indonesia (kelas X semester I sampai kelas XII semester I)

(38)

e. Nilai Fisika (kelas X semester I sampai kelas XII semester I)

f. Nilai Biologi (kelas X semester I sampai kelas XII semester I)

g. Nilai Kimia (kelas X semester I sampai kelas XII semester I)

h. Nilai Sejarah (kelas X semester I sampai kelas XII semester I)

i. Nilai Ekonomi (kelas X semester I sampai kelas XII semester I)

j. Nilai Sosiologi (kelas X semester I sampai kelas XII semester I)

k. Nilai Antropologi (kelas X semester I sampai kelas XII semester I)

l. Nilai Geografi (kelas X semester I sampai kelas XII semester I)

m. Nilai Kesenian (kelas X semester I sampai kelas XII semester I)

n. Nilai Penjaskes (kelas X semester I sampai kelas XII semester I)

o. Nilai Uji Coba Nasional tiga tahun terakhir, yaitu tahun 2008 dan 2010

p. Nilai Ujian Nasional tiga tahun terakhir, yaitu tahun 2008 dan 2010

4 4 " 2 !"012 / "

Proses pengolahan data dibagi menjadi dua tahap, yaitu data praproses dan

. Sebelum dilakukan data mining, terlebih dahulu data harus melalui

tahap praproses.

4 4 , 1 !

Tahapan dari data praproses adalah sebagai berikut:

, !37! / " $

Pada tahap ini akan dilakukan pembersihan terhadap data>data siswa yang

duplikasi dan tidak lengkap, serta data dari siswa>siswi yang melakukan

pindah sekolah. Pada tahap ini juga terjadi proses penyeleksian atribut>atribut

(39)

serta data nilai pelajaran yang tidak dipakai dalam proses prediksi kelulusan

siswa pada ujian nasional.

* !".!2!( " $ " " !0 $

Pada tahap ini akan dilakukan pemisahan data sesuai dengan mata

pelajaran masing>masing. Data dari pelajaran yang sama akan digabungkan ke

dalam satu yang berekstensi .csv. hasil akhir dari tahap ini adalah:

a. Nilai Matematika (kelas X semester I sampai kelas XII semester I), Nilai

Uji Coba Nasional, dan Nilai Ujian Nasional disimpan dalam

Matematika.csv

b. Nilai Bahasa Indonesia (kelas X semester I sampai kelas XII semester I),

Nilai Uji Coba Nasional, dan Nilai Ujian Nasional disimpan dalam

Bindo.csv

c. Nilai Bahasa Inggris (kelas X semester I sampai kelas XII semester I),

Nilai Uji Coba Nasional, dan Nilai Ujian Nasional disimpan dalam

Bing.csv

d. Nilai Fisika (kelas X semester I sampai kelas XII semester I), Nilai Uji

Coba Nasional, dan Nilai Ujian Nasional disimpan dalam Fisika.csv

e. Nilai Biologi (kelas X semester I sampai kelas XII semester I), Nilai Uji

Coba Nasional, dan Nilai Ujian Nasional disimpan dalam Biologi.csv

f. Nilai Kimia (kelas X semester I sampai kelas XII semester I), Nilai Uji

(40)

g. Nilai Sosiologi (kelas X semester I sampai kelas XII semester I), Nilai Uji

Coba Nasional, dan Nilai Ujian Nasional disimpan dalam

Sosiologi.csv

h. Nilai Ekonomi (kelas X semester I sampai kelas XII semester I), Nilai Uji

Coba Nasional, dan Nilai Ujian Nasional disimpan dalam Ekonomi.csv

i. Nilai Geografi (kelas X semester I sampai kelas XII semester I), Nilai Uji

Coba Nasional, dan Nilai Ujian Nasional disimpan dalam Geografi.csv

Setelah data dipisahkan ke dalam beberapa , gabungan data dari >

tersebut akan dimasukkan ke dalam tabel ms_pelajaran pada basis data.

4 " :1 3 $

Pada tahap ini akan dilakukan proses pengubahan data mentah ke dalam

suatu format data yang mudah dikelola. Berdasarkan data>data yang didapat

dari sekolah, sebagian besar data berupa nilai angka, sehingga untuk

memudahkan proses penambangan data, maka data>data angka tersebut akan

dikelompokkan berdasarkan jangkauan ( ) tertentu. Hal ini untuk

memudahkan pengkategorian nilai. Tabel 3.1 adalah contoh data dari nilai

Matematika, Bahasa Indonesia, dan Bahasa Inggris seorang siswa:

7!2 4 , 7!2 1" 1/ ; 2

Matematika Bahasa Indonesia Bahasa Inggris

I 85 67 95

II 84 78 78

Pelajaran

(41)

III 79 75 93

IV 75 89 84

V 80 83 88

Data mentah di atas masih terdistribusi secara acak sehingga untuk

memudahkan proses penambangan data, data di atas akan dikelompokkan

berdasarkan jangkauan ( ) tertentu seperti contoh di bawah ini:

A: 85>100

B: 70>84

C: 55>70

D: 40>55

E: <=40

7!2 4 * 7!2 1" 1/ " :1 3

Matematika Bahasa Indonesia Bahasa Inggris

I A C A

II B B B

III B B A

IV B A B

V B B A

Tabel 3.2 merupakan hasil transformasi data dari tabel 3.1.

(42)

4 4 *

Pada tahap ini, data>data yang telah diolah pada tahap sebelumnya akan

dianalisis dan diolah menggunakan metode pohon keputusan, yaitu

menggunakan algoritma C4.5.

Langkah awal dari tahap ini adalah menentukan variabel>variabel yang

akan digunakan, yaitu variabel dan . Penjabaran dari variabel>

variabel tersebut antara lain sebagai berikut:

1) Variabel , yang terdiri dari:

a. Nilai beberapa mata pelajaran pada rapor tiap semester sejak kelas X

sampai kelas XII semester gasal.

i. Untuk jurusan IPA: Matematika, Bahasa Indonesia, Bahasa

Inggris, Kimia, Fisika, dan Biologi.

ii. Untuk jurusan IPS: Matematika, Bahasa Indonesia, Bahasa

Inggris, Ekonomi, Geografi, dan Sosiologi.

b. Nilai uji coba nasional

Merupakan nilai yang didapat siswa ketika pemerintah melakukan

uji coba nasional di seluruh sekolah yang ada di Indonesia, untuk

memberikan persiapan kepada siswa yang akan menghadapi ujian

nasional.

2) Variabel , yaitu nilai kelulusan dari masing>masing siswa.

Nilai ini akan menjadi nilai prediksi yang didapat oleh siswa yang

(43)

diterima siswa ketika pengumuman kelulusan, dan ditentukan oleh

pemerintah berdasarkan standar penilaian yang telah ditentukan.

Gambar 3.1 merupakan gambaran dari proses menggunakan

(44)

37 4 , 37 2 1 !

! "# $

! "# % & % '

( " '

)!

*

+

! "# )!

*

(

)! *

( "

)!

*

(45)

Setelah melalui tahap penambangan data ini, diharapkan dapat ditemukan

suatu pola yang bisa digunakan untuk memprediksi nilai kelulusan siswa dari

sekolah yang bersangkutan pada Ujian Nasional.

4 4 4 < 2

Tahap berikutnya setelah terbentuknya pohon keputusan adalah mengukur

akurasi sistem. Proses pengukuran akan dilakukan menggunakan metode

dan .

Cara pengukuran menggunakan adalah dengan membagi data

ke dalam >fold. Nilai n dapat ditentukan sesuai keinginan, dan pengelompokan

data akan dilakukan secara tetapi jumlah data dari tiap kelompok harus

setara. Masing>masing kelompok akan mengalami posisi sebagai dan

sebagai secara bergantian"

1. Metode pengukuran dengan nilai fold = 3

(46)

Tahap III

Hal yang sama akan dilakukan pada dengan nilai fold = 5

2. Metode pengukuran adalah dengan membagi data ke

dalam 2 kelompok dengan proporsi pembagian 1/2 untuk dan

1/2 untuk atau 2/3 untuk dan 1/3 untuk

. Pada penelitian ini akan dilakukan pengukuran dengan proporsi

2/3 untuk dan 1/3 untuk

Group 2

Group 3

(47)

2

7

4 37 " 3 3 !3

Pada subbab ini akan dijelaskan gambaran dari sistem yang akan dibangun, berupa diagram , narasi , diagram

aktifitas, diagram kelas, dan desain antarmuka sistem.

4 , 0 3

0 3 4 , 0 3 5

Diagram 3.1 merupakan diagram dari . 5 memiliki wewenang untuk melakukan prediksi nilai dan melihat nilai

yang telah ditentukan oleh atau " Sementara diagram 3.2 merupakan diagram dari dan .

3 dan memiliki wewenang yang berbeda seperti yang terlihat pada diagram 3.2.

Prediksi Nilai

Lihat Range Nilai

(48)

2

8

0 3 4 * 0 3

Pada subbab 3.4.2 akan dijelaskan narasi atau skenario dari masing>masing di atas.

Admin Login

Super Admin

Input Range Nilai

Logout Prediksi Nilai Ujian

Input data User

Ubah data User Hapus data User

Input Data Training

Proses data mining

Evaluasi sistem

(49)

4 *

3 ! != Login

( 1 = Super Admin, Admin

! ( ! != Use case ini menggambarkan proses dimana admin atau

super admin melakukan login sebelum masuk ke sistem.

Admin atau super admin harus memasukkan dan

% untuk dapat masuk ke sistem.

(1" Admin telah memiliki % .

00! = Use case ini digunakan apabila ada admin atau super admin yang ingin masuk ke dalam sistem.

"0( / 3 3= Kegiatan Aktor Respon Sistem

"0( / ,= Admin dan meminta Admin untuk

memasukkan dan kembali ke menu LOG IN.

2 > "0( / = Jika dan % yang dimasukkan tidak sesuai maka sistem akan memberikan peringatan dan secara otomatis kembali ke menu Login. ! 3 2 "= Use case ini berhenti apabila Admin telah berhasil masuk ke

(50)

3 ! != Input Data 5

( 1 = Super Admin

! ( ! != Use case ini menggambarkan proses dimana super admin

melakukan proses pembuatan baru, baik admin ataupun super admin.

(1" Super admin telah berhasil login dan masuk ke sistem. 00! = Use case ini hanya dapat dilakukan oleh super admin.

"0( / ,= Super admin

menampilkan “nama

pengguna” dan “sandi” serta

& ' “daftar sebagai” yang harus diisikan oleh super admin.

(51)

3 ! != Ubah Data 5

melakukan proses perubahan data dari yang ada, baik

% maupun status .

"0( / ,= Super admin harus mengklik salah satu

yang akan diubah dahulu. Lalu super admin mengklik tombol “ 7 /”.

"0( / *= Sistem akan menampilkan halaman menu kelola admin.

"0( / =Sistem

menampilkan “nama

pengguna” dan “sandi” serta

& ' “daftar sebagai”.

"0( / 6=Sistem akan

mengisikan data pada

“nama pengguna” dan “sandi” serta & ' “daftar sebagai” yang tersedia.

"0( / 9= Sistem akan menampilkan peringatan

bahwa berhasil diubah

dan menampilkan data

bahwa % lama yang dimasukkan tidak sesuai dengan

(52)

! 3 2 "= Use case ini berhenti apabila super admin telah berhasil

mengubah data atau super admin membatalkan proses

pengubahan.

3 ! != Hapus Data 5

melakukan proses penghapusan .

"0( / ,= Super admin harus mengklik salah satu

yang akan dihapus

pada tabel yang

menampilkan tabel yang berisi data

"0( / 6= Sistem akan menampilkan peringatan bahwa berhasil dihapus. "0( / 2 ! " := 2 > "0( / = Super admin mengklik tombol BATAL,

sehingga sistem akan mengosongkan nama

pengguna dan sandi

(53)

3 ! != Input Data

memasukkan data yang kemudian akan dipakai

untuk proses .

(1" Super admin telah berhasil login dan masuk ke sistem, serta

telah menyiapkan data yang akan dimasukkan.

00! = Use case ini hanya dapat dilakukan oleh super admin. ?

harus berbentuk .csv dan memiliki nama sesuai dengan ketentuan.

"0( / ,= Super admin mengklik menu “

" "0”.

"0( / 4= Super admin

mengklik tombol “ 37 2

? ” pada setiap pelajaran.

"0( / =Super admin melakukan pencarian yang sesuai pada direktori.

"0( / *= Sistem akan menampilkan halaman data

.

"0( / =Sistem

menampilkan yang

dapat memudahkan super

admin untuk memasukkan .

"0( / 6= Sistem akan menampilkan data yang telah dimasukkan super admin pada tabel dan menyimpannya ke dalam & .

"0( / 2 ! " := 2 > "0( / 6= Sistem akan menampilkan peringatan jika

super admin tidak memasukkan yang sesuai dan

meminta super admin untuk memasukkannya kembali. ! 3 2 "= Use case ini berhenti apabila super admin telah berhasil

(54)

3 ! != Proses

melakukan proses terhadap data yang telah

dimasukkan.

(1" Super admin telah berhasil login dan masuk ke sistem. 00! = Use case ini hanya dapat dilakukan oleh super admin jika

data telah dimasukkan ke dalam & .

"0( / ,= Super admin

melakukan proses dan

transformasi data dan

kemudian akan menampilkan data hasil transformasi di dalam tabel.

"0( / 6= Sistem akan menampilkan pemberitahuan bahwa pohon keputusan telah berhasil dibentuk.

"0( / 2 ! " := >

(55)

3 ! != Evaluasi Sistem

melakukan proses pengukuran akurasi terhadi pohon keputusan yang berhasil dibentuk.

(1" Super admin telah berhasil login dan masuk ke sistem. 00! = Use case ini hanya dapat dilakukan oleh super admin jika

telah melakukan proses .

"0( / ,= Super admin yang telah terbentuk dan tombol untuk menghitung akurasi.

"0( / 6= Sistem akan menampilkan

yang berisi hasil perhitungan akurasi sistem.

"0( / 9=Sistem akan kembali ke halaman lihat pohon.

"0( / 2 ! " := >

! 3 2 "= Use case ini berhenti apabila sistem telah menampilkan hasil

(56)

3 ! != Input 4 Nilai

atau admin dalam memasukkan range nilai yang akan

dipakai untuk proses data.

(1" Super admin atau admin telah berhasil login dan masuk ke sistem.

00! = Use case ini hanya dapat dilakukan oleh super admin atau admin dan harus dilakukan sebelum melakukan proses

"0( / ,= Super admin atau admin mengklik menu “ "0! 2 ”.

"0( / 4= Super admin atau admin memasukkan angka>angka yang menjadi batas awal dan akhir dari kategori nilai kemudian

harus diisi angka dari masing> masing kategori nilai.

"0( / =Sistem akan mengecek ke & apakah data nilai sudah ada di

& . Jika sudah ada, maka

(57)

3 ! != Lihat pohon

atau admin dapat melihat pohon keputusan yang telah terbentuk. Super admin dapat langsung melakukan use case

ini setelah melakukan proses .

00! = Use case ini hanya dapat dilakukan oleh super admin atau admin dan harus dilakukan setelah melakukan proses

"0( / ,= Super admin atau admin mengklik menu “ / 1/1"”. yang telah terbentuk dari hasil

proses .

"0( / =Sistem akan kembali ke halaman menu utama.

"0( / 2 ! " := 2 > "0( / *= Sistem akan menampilkan peringatan bahwa pohon keputusan belum terbentuk.

! 3 2 "= Use case ini berhenti apabila sistem telah berhasil

menyimpan data nilai atau membatalkan proses

penyimpanan atau pengubahan nilai.

3 ! != Prediksi Nilai Ujian

atau admin melakukan proses prediksi nilai ujian.

00! = Use case ini hanya dapat dilakukan oleh super admin atau admin dan harus dilakukan setelah melakukan proses pembentukan pohon keputusan.

"0( / ,= Super admin mengklik menu

(58)

“ ! ( ”.

"0( / 4= Super admin

mengklik tombol “ 37 2

? ” pada setiap pelajaran.

"0( / =Super admin melakukan pencarian yang sesuai pada direktori.

"0( / ?= Super admin atau admin mengklik

tombol “ ! ( ”

"0( / @= Super admin atau admin dapat langsung mencetak hasil prediksi dengan mengklik tombol “ ! (”.

nilai.

"0( / =Sistem

menampilkan yang

dapat memudahkan super

admin untuk memasukkan .

"0( / 6= Sistem akan menampilkan data yang telah dimasukkan super admin pada tabel dan menyimpannya ke dalam & .

"0( / 9= Sistem akan melakukan proses prediksi dengan mengecek data terhadap pola yang telah terbentuk dan menampilkan hasil prediksi pada tabel.

"0( / ,+=Sistem akan menampilkan halaman laporan dan Super admin atau admin dapat langsung mencetak hasil prediksi.

"0( / 2 ! " := 2 > "0( / 6= Sistem akan menampilkan peringatan bahwa yang dimasukkan tidak sesuai.

! 3 2 "= Use case ini berhenti apabila sistem telah berhasil menampilkan hasil prediksi.

3 ! != Prediksi Nilai Ujian

(59)

! ( ! != Use case ini menggambarkan proses dimana melakukan proses prediksi nilai ujian.

(1" 5 telah menyiapkan nilai yang harus dimasukkan untuk proses prediksi.

00! = >

"0( / ,= mengklik yang harus diisi kemudian mengklik tombol melihat range nilai yang ditentukan oleh sekolah dengan mengklik tombol “ / "0! 2 ”.

menampilkan nilai

"0( / ,+: Sistem akan mengosongkan kembali

yang ada di halaman prediksi

"0( / 2 ! " := 2 > "0( / 6= Sistem akan menampilkan peringatan bahwa yang dimasukkan tidak sesuai.

(60)

4 4 0 3 ( : 1. Diagram Aktifitas 7

(61)

2. Diagram Aktifitas 1 5

(62)

3. Diagram Aktifitas 5 5

(63)

4. Diagram Aktifitas Hapus 5

(64)

5. Diagram Aktifitas 1

(65)

6. Diagram Aktifitas Proses

(66)

7. Diagram Aktifitas Evaluasi Sistem

,

mengklik menu “ " "0”

menampilkan halaman data

mengklik tombol “ / 1/1"”

memilih jumlah

pada & & lalu mengklik tombol “' "0 ( ”

menampilkan yang berisi hasil perhitungan akurasi sistem menampilkan pohon keputusan

yang telah terbentuk dan tombol untuk menghitung akurasi

mengklik tombol 1( pada

kembali ke halaman lihat pohon

,

(67)

8. Diagram Aktifitas 1 4 Nilai

0 3 4 ,+ 0 3 ( : 2

9. Diagram Aktifitas Lihat Pohon

(68)

10. Diagram Aktifitas Prediksi Nilai Ujian (untuk dan )

(69)

11. Diagram Aktifitas Prediksi Nilai Ujian (untuk )

(70)

5

0

Diagram 3.14 adalah diagram kelas dari sistem yang akan dibangun. Seluruh kelas memiliki hubungan asosiasi antara kelas yang

satu dengan kelas yang lainnya. Rincian atribut dan dari masing>masing kelas akan dijabarkan pada subbab 4.4 Implementasi

Diagram Kelas.

. /

. 0 , .

. / 0 1 . / " 0 1

. / 2, ' & 3

(71)

5

1

/ 2 4 5 " / $ / / $ . " /

. 0 6 , /

/ 2 4 $ !

. 7 8 7 0

8 7 + 7 0 8 0 ,

6 " 6 ,

6 " . 7

(72)

5

2

0 3 4 , 0 3 !2

0 , 7 0 . 0 , 0

6 ,

0 , 0 7 0 0 , / 2 4 0 , /8

/ 2 4 5 "

. 6 ,

(73)

4 ! "

Berikut ini adalah desain fisik dari basis data yang dirancang. Dalam desain

basis data ini tidak terbentuk relasi antar entitas.

(74)

4 6 ! " " 3 ( !3

Pada desain antarmuka sistem ini akan ditampilkan desain dari tiap

yang akan dibentuk.

1. Halaman Utama

37 4 4 37 ! " ' 2 3 " 3

2. Halaman Konfirmasi 7

37 4 37 ! " ' 2 3 " 1": 3

Jika dan salah memasukkan " 3 !"00 " atau " ,

maka akan muncul pesan dialog sebagai berikut:

. /

0 , /8

9 : 2

; , 0

" , # 0

0 , /8

. 6 +

4

0 4

(75)

37 4 37 ! " ! "0 " 2 /

3. Halaman 3

Jika benar memasukkan " 3 !"00 " atau " , maka akan masuk ke halaman berikut:

37 4 6 37 ! " ' 2 3 " ! 3 "

a. Halaman Menu untuk hampir sama seperti halaman menu

untuk . Yang berbeda adalah, pada bagian fungsi 3!" ,

memiliki tambahan fungsi, yaitu mengelola data .

Pengelolaan yang dapat dilakukan oleh adalah sebagai

berikut:

*6

<<< " 0 <<<<

9 6

(76)

1) Halaman tambah data

37 4 ? 37 ! " ' 2 3 " 37 /5

2) Halaman ubah data

37 4 9 37 ! " ' 2 3 " 7 /5

3) Halaman hapus data

(77)

b. Halaman lain yang dimiliki oleh sama seperti yang

dimiliki oleh , maka halaman>halaman tersebut akan dijelaskan

pada bagian halaman .

4. Halaman 3

Jika benar memasukkan " 3 !"00 " atau " , maka akan masuk ke halaman berikut:

37 4 ,+ 37 ! " ' 2 3 " 3 3 "

c. Halaman Menu, terdiri dari tiga fungsi yang masing>masing memiliki

tampilan sebagai berikut:

1) Halaman 1 Data

37 4 ,, 37 ! " ' 2 3 "

<<< 0 <<<<

9 6

,

9 6

5 " 7

6

6 ' 6 3 6 = 6 >

, 1 7 1

(78)

2) Halaman 1 4 Nilai

37 4 ,* 37 ! " ' 2 3 " 2

d. Halaman Lihat, terdiri dari dua fungsi yang masing>masing memiliki

tampilan sebagai berikut:

1) Halaman Tampil Pohon

(79)

e. Halaman Bantuan, yang akan menampilkan tutorial pengguna dalam

mengoperasikan sistem

37 4 , 37 ! " ' 2 3 " " "

f. Halaman Konfirmasi jika akan keluar dari halaman

(80)

5. Halaman 5

37 4 ,6 37 ! " ' 2 3 " 3

a. Halaman Prediksi, menampilkan formulir yang harus diisi oleh

pengguna agar dapat melihat hasil prediksi

(81)

b. Halaman Hasil Prediksi, menampilkan hasil prediksi nilai UN

berdasarkan nilai yang dimasukkan pengguna pada Halaman Prediksi

37 4 ,9 37 ! " ' 2 3 " ' 2 ! (

. . 0 ,

. 0 , /8

" , # 0

$ %

$&

5 0 BC='> DE

, 4

9<5 0 4

9<5 4

9 4

1 , 4

6 4

9

@ 9

(82)

62 &

Penelitian ini telah diimplementasikan menjadi sebuah aplikasi yang siap

digunakan, yang dibangun dengan tahapan>tahapan berikut:

, ! : ( ! "0( ! " ! "0( " (

Bahasa Pemrograman : Java NetBeans IDE 6.5

DBMS : MySql 5.0

Frameworks : UsuLibrary (yang dibangun oleh: Eko Kurniawan

Khanedy, :

http://swingusu.googlecode.com/ s/UsuLibrary.sr

c.zip)

* 3 2!3!"

Data yang dipakai pada penelitian ini didapat dari SMA Kristen Bentara

Wacana, yaitu data nilai rapor tahun ajaran 2008/2009 dan 2009/2010 serta nilai

(83)

.xls yang kemudian ditransformasi ke dalam bentuk yang berekstensi .csv dan

dikelompokan ke dalam tiap>tiap pelajaran, dengan tujuan agar dapat digunakan

pada sistem yang telah dibangun.

4 3 2!3!"

5 yang telah dirancang pada bab sebelumnya telah

diimplementasikan ke dalam sebuah sistem dengan tampilan antarmuka sebagai

berikut:

1. Halaman Utama

37 , 37 3 2!3!" ' 2 3 " 3

Pada halaman ini, yang ingin menggunakan sistem diberi

pilihan untuk masuk sebagai atau hanya ingin melakukan prediksi

nilai. Jika memilih masuk sebagai , maka akan memiliki

beberapa wewenang yang tidak dimiliki oleh lain. Seperti yang telah

disebutkan pada bab sebelumnya, bahwa tiap jenis memiliki

(84)

2. Halaman Login

37 * 37 3 2!3!" ' 2 3 "

Jika memilih untuk masuk sebagai admin, maka harus

memiliki dan % yang harus diisikan pada halaman ini.

Jika tidak mengisi 3 !"00 " dan " , maka akan muncul peringatan sebagai berikut:

37 4 37 3 2!3!" ' 2 3 " ! "0 "

(85)

3. Halaman Menu Utama Super Admin

Jika telah berhasil masuk ke sistem menggunakan 3 !"00 " dan " yang dimiliki, dan sistem mendeteksinya sebagai

, maka halaman selanjutnya yang akan muncul adalah sebagai

berikut:

37 37 3 2!3!" ' 2 3 " !" 3 ! 3 "

memiliki wewenang untuk mengelola data admin,

mengelola data range nilai, melakukan , melakukan prediksi

(86)

Berikut ini adalah tampilan antarmuka dari fungsi>fungsi yang dimiliki

oleh :

a. Halaman Kelola Admin

Pada menu ini, memiliki wewenang untuk mengelola lain

yang dapat menggunakan sistem. Wewenang yang dimiliki antara lain

adalah menambah data baru, baik sebagai maupun

, mengubah % , dan menghapus data . Berikut

ini adalah tampilan menu untuk tambah baru:

37 37 3 2!3!" ' 2 3 " !212 3 " ,$

Jika tombol 37 / diklik, maka baru akan segera

ditambahkan dan dimasukkan ke dalam basis data, dan jika tombol

2diklik maka seluruh yang ada akan dikosongkan dan proses

tambah tidak dapat dilakukan. Untuk mengubah %

(87)

37 6 37 3 2!3!" ' 2 3 " !212 3 " *$

5 terlebih dahulu harus mengklik salah satu data yang ada di

tabel untuk melakukan perubahan % ataupun status. Setelah

dipilih, harus memasukan % lama dari yang akan

diubah, karena jika tidak proses data tidak akan berhasil dan

sistem akan menampilkan peringatan sebagai berikut:

37 ? 37 3 2!3!" ' 2 3 " ! "0 " 2 /

b. Halaman Range Nilai

Sebelum melakukan proses , harus dipastikan range nilai

telah diisi. Hal ini bertujuan untuk memudahkan proses transformasi

(88)

nilai harus berupa angka, bukan dalam bentuk huruf. Berikut ini adalah

tampilah dari halaman "0! " 2 :

37 9 37 3 2!3!" ' 2 3 " 2

c. Halaman Data Mining

Pada halaman ini, memiliki wewenang untuk melakukan

proses dengan melakukan proses input data

terlebih dahulu, yaitu dengan mengklik tombol 37 2 ? pada masing>masing pelajaran. Sebelum mengklik tombol

" "0, harus melakukan praproses pada data yang telah dimasukkan dengan mengklik tombol > 1 ! dan sistem akan melakukan dan transformasi data, sehingga data siap untuk

(89)

37 @ 37 3 2!3!" ' 2 3 " ,$

Jika tombol 37 2 ? diklik, maka dapat mencari data pada direktori yang telah disiapkan.