Diajuka
Me
Pr
%
i
!" !" # " $
(
iajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh:
Sari Indah Anatta Setiawan
075314069
% %
& '
) )
'
nted as Partial Fullfillment of the Requirements
To Obtain the Degree
n Study Program of Informatics Engineering
By:
Sari Indah Anatta Setiawan
iii '
!" !" # " $
Oleh:
Sari Indah Anatta Setiawan
075314069
Telah disetujui oleh:
Dosen Pembimbing
Ridowati Gunawan, S.Kom., M.T.
iv
' '
!" !" # " $
Dipersiapkan dan ditulis oleh:
Sari Indah Anatta Setiawan
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,
v
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
vii
Studi Kasus pada SMA Kristen Bentara Wacana
viii
% '
' - % )
' &
)
Studies on Christian High School Bentara Wacana
!"#
$ % " %
& ' ( ) $ " "
*++, *+-+" & &
. # $
!.",./ .0"!0/ % 0 & " & %" 1 &
% "
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,
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
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
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
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
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
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
xvi
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
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 4.10 Gambar Implementasi Halaman (2) ... 69
Gambar 4.11 Gambar Implementasi Halaman (3) ... 70
Gambar 4.12 Gambar Implementasi Halaman (4) ... 70
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
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
xx %
LAMPIRAN I Stored procedure ……… 172
LAMPIRAN II Hasil perbandingan Prediksi………... 185
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
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
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
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
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
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
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
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
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,
* 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.
* 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
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
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
* 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
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:
(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:
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)
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
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
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
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.
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
diterima siswa ketika pengumuman kelulusan, dan ditentukan oleh
pemerintah berdasarkan standar penilaian yang telah ditentukan.
Gambar 3.1 merupakan gambaran dari proses menggunakan
37 4 , 37 2 1 !
! "# $
! "# % & % '
( " '
)!
)!
*
+
! "# )!
*
(
)! *
( "
)!
*
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
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
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
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
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
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( / 3 3= Kegiatan Aktor Respon Sistem
"0( / ,= Super admin
menampilkan “nama
pengguna” dan “sandi” serta
& ' “daftar sebagai” yang harus diisikan oleh super admin.
3 ! != Ubah Data 5
( 1 = Super Admin
! ( ! != Use case ini menggambarkan proses dimana super admin
melakukan proses perubahan data dari yang ada, baik
% maupun status .
(1" Super admin telah berhasil login dan masuk ke sistem. 00! = Use case ini hanya dapat dilakukan oleh super admin.
"0( / 3 3= Kegiatan Aktor Respon Sistem
"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
! 3 2 "= Use case ini berhenti apabila super admin telah berhasil
mengubah data atau super admin membatalkan proses
pengubahan.
3 ! != Hapus Data 5
( 1 = Super Admin
! ( ! != Use case ini menggambarkan proses dimana super admin
melakukan proses penghapusan .
(1" Super admin telah berhasil login dan masuk ke sistem. 00! = Use case ini hanya dapat dilakukan oleh super admin.
"0( / 3 3= Kegiatan Aktor Respon Sistem
"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
3 ! != Input Data
( 1 = Super Admin
! ( ! != Use case ini menggambarkan proses dimana super admin
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( / 3 3= Kegiatan Aktor Respon Sistem
"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
3 ! != Proses
( 1 = Super Admin
! ( ! != Use case ini menggambarkan proses dimana super admin
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( / 3 3= Kegiatan Aktor Respon Sistem
"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 ! " := >
3 ! != Evaluasi Sistem
( 1 = Super Admin
! ( ! != Use case ini menggambarkan proses dimana super admin
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( / 3 3= Kegiatan Aktor Respon Sistem
"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
3 ! != Input 4 Nilai
( 1 = Super Admin, Admin
! ( ! != Use case ini menggambarkan proses dimana super admin
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( / 3 3= Kegiatan Aktor Respon Sistem
"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
3 ! != Lihat pohon
( 1 = Super Admin, Admin
! ( ! != Use case ini menggambarkan proses dimana super admin
atau admin dapat melihat pohon keputusan yang telah terbentuk. Super admin dapat langsung melakukan use case
ini setelah melakukan proses .
(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 setelah melakukan proses
"0( / 3 3= Kegiatan Aktor Respon Sistem
"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
( 1 = Super Admin, Admin
! ( ! != Use case ini menggambarkan proses dimana super admin
atau admin melakukan proses prediksi nilai ujian.
(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 setelah melakukan proses pembentukan pohon keputusan.
"0( / 3 3= Kegiatan Aktor Respon Sistem
"0( / ,= Super admin mengklik menu
“ ! ( ”.
"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
! ( ! != Use case ini menggambarkan proses dimana melakukan proses prediksi nilai ujian.
(1" 5 telah menyiapkan nilai yang harus dimasukkan untuk proses prediksi.
00! = >
"0( / 3 3= Kegiatan Aktor Respon Sistem
"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.
4 4 0 3 ( : 1. Diagram Aktifitas 7
2. Diagram Aktifitas 1 5
3. Diagram Aktifitas 5 5
4. Diagram Aktifitas Hapus 5
5. Diagram Aktifitas 1
6. Diagram Aktifitas Proses
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
,
8. Diagram Aktifitas 1 4 Nilai
0 3 4 ,+ 0 3 ( : 2
9. Diagram Aktifitas Lihat Pohon
10. Diagram Aktifitas Prediksi Nilai Ujian (untuk dan )
11. Diagram Aktifitas Prediksi Nilai Ujian (untuk )
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
5
1
/ 2 4 5 " / $ / / $ . " /
. 0 6 , /
/ 2 4 $ !
. 7 8 7 0
8 7 + 7 0 8 0 ,
6 " 6 ,
6 " . 7
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 ,
4 ! "
Berikut ini adalah desain fisik dari basis data yang dirancang. Dalam desain
basis data ini tidak terbentuk relasi antar entitas.
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
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
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
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
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
e. Halaman Bantuan, yang akan menampilkan tutorial pengguna dalam
mengoperasikan sistem
37 4 , 37 ! " ' 2 3 " " "
f. Halaman Konfirmasi jika akan keluar dari halaman
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
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
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
.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
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 "
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
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 %
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
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
37 @ 37 3 2!3!" ' 2 3 " ,$
Jika tombol 37 2 ? diklik, maka dapat mencari data pada direktori yang telah disiapkan.