View of IMPLEMENTASI NAÏVE BAYES PADA SISTEM INFORMASI PEMBAYARAN SEKOLAH BERBASIS WEB DI SEKOLAH MENENGAH KEJURUAN NEGERI 1 JOMBANG

IMPLEMENTASI NAÏVE BAYES PADA SISTEM INFORMASI PEMBAYARAN SEKOLAH BERBASIS WEB DI SEKOLAH MENENGAH KEJURUAN NEGERI 1

JOMBANG

Supriyanto

Teknik Informatika, Fakultas Teknologi Informasi, Universitas Hasyim Asy’ari Email: riyan060898@gmail.com

Achmad Imam Agung

Fakultas Teknologi Informasi, Universitas Hasyim Asy’ari Email: imamagung@unhasy.com

Mahrus Ali

Teknik Informatika, Fakultas Teknologi Informasi, Universitas Hasyim Asy’ari Email: mahrusali@gmail.com

Abstrak

Penyimpanan semua data baik dalam bentuk informasi atau dokumen dahulu hanya menggunakan buku yang disimpan secara manual dalam lemari penyimpanan dokumen yang pastinya membutuhkan tempat lebih luas, akan tetapi sejak berkembangnya teknologi sekarang menggunakan database untuk menyimpan data pembayaran sekolah. Pada penelitian inidilakukan di SMK Negeri 1 Jombang. Proses perhitungan menggunakan metode naïve bayes untuk mengklasifikasikan setiap transaksi siswa yang lunas dan belum lunas. Hasil dari penelitian ini berupa sistem informasi pembayaran sekolah berbasis web yang diharapkan dapat memudahkan transaksi di SMK Negeri 1 jombang khususnya di bidang administrasi, serta dapat mengklasifikasikan setiap transaksi siswa yang lunas dan belum lunas. Penelitian bertujuan untuk membangun sistem yang terkomputerisasi yang dapat membantu proses transaksi. Dalam penelitian digunakan metode penelitian tindakan. Terdapat empat tahapan dalam metode penelitian ini yaitu: perencanaan, tindakan, observasi dan refleksi. Dari uji akurasi didapatkan tingkat keakurasian sistem yang telah dibangun mencapai 100%.

Kata kunci: Sistem Informasi, Naïve Bayes, Pembayaran Sekolah

Abstract

The storage of all data, both in the form of information or documents, used to only use books that were stored manually in document storage cabinets, which of course needed more space, but since the development of technology now uses databases to store school payment data. This research was conducted at SMK Negeri 1 Jombang. The calculation process uses the naïve Bayes method to classify each student transaction that is paid off and not yet paid off. The results of this study are in the form of a web-based school payment information system which is expected to facilitate transactions at SMK Negeri 1 Jombang, especially in the administration sector, and to classify every student transaction that is paid off and not yet paid off. The research aims to build a computerized system that can help process transactions. The research used the action research method. There are four stages in this research method, namely: planning, action, observation and reflection. From the accuracy test, the system that has been built is 100% accurate.

Keywords: Information Systems, naïve bayes, school payments

PENDAHULUAN

Penyimpanan semua data baik dalam bentuk informasi atau dokumen dahulu hanya menggunakan buku yang disimpan secara manual dalam lemari penyimpanan dokumen yang pastinya membutuhkan tempat yang lebih luas, akan tetapi sejak berkembangnya teknologi sekarang data pembayaran sekolah disimpan dalam bentuk database karena lebih efektif. Demi meningkatkan produktifitas dalam pelayanan yang lebih efektif, masing-masing lembaga pendidikan pastinya memiliki kebutuhan yang berbeda dalam setiap bidangnya. Dengan adanya sistem informasi ini akan membantu dalam mengolah data pembayaran sekolah (Abdur Rochman, dkk. 2018).

Sistem informasi pembayaran sekolah yang dibangun ini diharapkan dapat diimplementasikan dan dapat membantumengurangi permasalahan yang tengah dihadapi SMKN 1 Jombang khususnya dalam hal administrasi pembayaran sekolah. Dengan adanya sistem informasi ini pembayaran sekolah dapat berjalan lebih baik. Metode yang sesuai dalam mengklasisfikasikan data pembayaran adalah naive bayes.

Dengan adanya variabel yang harus di olah dalam sistem informasi tersebut, algoritma ini sangat tepat digunakan untuk pengklasifikasian data pembayaran dalam sistem informasi tersebut (Haditsah Annur., 2018). Diharapkan dengan adanya menu pengklasifikasian data pembayaran siswa yang lunas dan nunggak dalam sistem informasi pembayaran ini semoga bermanfaat bagi tata usaha khusunya pada administrasi pembayaran di SMKN 1 Jombang.

Berdasarkan pemikiran tersebut, demi memberikan solusi agar proses pembayaran siswa berjalan dengan lancar dan lebih efektif maka dibangun sebuah sistem yang diharapkan dapat membantu pihak yang terlibat khususnya pada bidang administrasi pembayaran sekolah, dengan demikian dibangun sebuah sistem informasi pembayran sekolah berbasis WEB di Sekolah Menengah Kejuruan Negeri 1 Jombang menggunakan metode Naive Bayes.

METODE

Metode yang digunkan dalam penelitian menggunakan metode action research (penelitian tidakan). Metode yang dikembangkan oleh Kurt Lewin ini terdiri atas empat tahap yakni: perencanaan, tindakan, observasi dan refleksi.

1). Perencanaan, Pada tahap ini dilakukan analisis permasalahan yang terjadi di lapangan, dilanjutkan penyusunan rencana alternatif solusi untuk memecahkan permasalahan yang ada.

2). Tindakan, Dalam tahap ini, peneliti melakukan tindakan terhadap apa yang sudah direncanakan pada tahap perencanaan.

3). Observasi, Tahap ini, peneliti melakukan pengamatan terhadap hasil berupa sistem yang telah dibangun.

4). Refleksi, Tahap terakhir adalah refleksi, merupakan tahap evaluasi dan menarik kesimpulan terhadap hasil pengamatan (observing) yang dilakukan.

Model perhitungan yang digunakan adalah model Naïve Bayes. Menurut Syarli (dalam Syarli, 2016), Naive Bayes adalah sebuah metode yang mengklasifikasikan probabilitas yang menghitung nilai dari sekumpulan probabilitas berdasarkan jumlah frekuensi dan kombinasi nilai pada dataset yang ada.

Dengan menggunakan teorema Bayes, semua atribut dapat di asumsikan tidak saling ketergantungan.

Naive Bayes merupakan penyederhanaan dimana nilai atribut saling bebas jika memiliki nilai output.

Dengan kata lain, diberikan nilai output, probabilitas mengamati secara bersama adalah produk dari probabilitas individu. Persamaan dari teorema Bayes adalah :

1. Pengumpulan Data

Teknik pengumpulan data menggunakan teknik wawancara terhadap staf administrasi pembayaran sekolah. Dalam metode pengumpulan data telah didapatkan data sekunder berupa data pembayaran sistem manual sebelumnya. Sasaran penelitian yakni pada staf sekolah terutama pada bidang administrasi sekolah..

2. Rancangan Sistem

Perancangan sistem dilakukan sebagai langkah awal dalam membangun sistem. Perancangan sistem dalam penelitian ini dengan tahapan merancang flowchart, dilanjutkan dengan pembuatan UML (Unified Modeling Language).

A. Flowchart

Gambar 1 Flowchart Sistem Pembayaran

B. Usecase Diagram

Gambar 2 Usecase Diagram Sistem Pembayaran

3. Atribut

Tabel 1 Atribut

Kode Atribut Bobot

1 Registrasi Ulang Lunas Belum.Lunas

2 Komite Lunas Belum.Lunas

3 Seragam Lunas Belum.Lunas

4 SPP Lunas Belum.Lunas

5 Insidentil Lunas Belum.Lunas

HASIL DAN PEMBAHASAN 1. Hasil Penelitian

Hasil yang didapat dari penelitian berupa sistem informasi pembayaran sekolah berbasis web kedalam bahasa pemrograman Hypertext Processor (PHP) dengan MySQL sebagai pengolah database. Sistem yang telah dibangun berguna untuk mengelola data atribut, data transaksi, serta dapat melakukan perhitungan dengan Naïve bayes. Sehingga menghasilkan model pengklasifikasian pembayaran siswa yang lunas dan belum lunas.

Gambar 3 Tampilan Halaman Menu Login

Gambar 4 Tampilan Halaman Admin

Gambar 5 Tampilan Halaman Siswa

Gambar 6 Tampilan Halaman Kepala Sekolah

Gambar 7 Tampilan Halaman Form Perhitungan

Gambar 8 Tampilan Halaman Menu Perhitungan

2. Pembahasan A. Data Uji

Perhitungan dilakukan dengan menggunakan data uji, dengan menentukan setiap siswa yang lunas dan belum pada setiap atribut. Pada contoh perhitungan ini menggunakan 5 data uji dengan masing-masing siswa sudah ditentukan lunas dan belum pada setiap atributnya, pada contoh perhitungan dibawah ini yang merupakan atribut sebagai nilai yang dicari adalah atribut insidentil. Berikut merupakan tabel data uji:

Tabel 2 Data Uji

No Nama Siswa Registrasi Komite Seragam SPP Insidental

1 Siswa 1 Lunas Lunas Lunas Lunas Lunas

2 Siswa 2 Lunas Lunas Lunas Lunas Belum

3 Siswa 3 Lunas Lunas Lunas Belum Lunas

4 Siswa 4 Lunas Lunas Belum Lunas Lunas

5 Siswa 5 Lunas Belum Lunas Lunas Lunas

B. Probabilitas Setiap Atribut

Perhitungan dilakukan dengan membandingkan semua atribut dengan atribut yang dicari yaitu insidentil. Sehingga didapatkan nilai total sebagai berikut:

Tabel 3 perhitungan berdasarkan atribut yang dicari berdasarkan data uji.

Atribut Nilai Atribut Atribut dicari :

insidentil

Jumlah dataset

Jumlah Dataset Dicari

Total Nilai

Registrasi Ulang Lunas Lunas 4 4 1

Belum Lunas 1 1 1

Komite Lunas Lunas 3 4 0,75

Belum Lunas 1 1 1

Seragam Belum Lunas Lunas 1 4 0,25

Belum Lunas 0 1 0

SPP Lunas Lunas 3 4 0,75

Belum Lunas 1 1 1

C. Hasil Probabilitas Semua Atribut

Perhitungan dilakukan dengan cara mengkalikan hasil dari perhitugan probabilitas yang sudah ditemukan dengan jumlah dataset yang dicari. Maka berdasarkan perhitungan didapatkan nilai dari probabilitas lunas lebih besar 0,5625. Dengan demikian dapat ditarik hasil bahwa kemungkinan siswa tersebut lunas pembayaran dengan nilai kemungkinan 0,5625.

Tabel 4. Perhitungan Hasil Akhir

Atribut Dicari Nilai atribut Total Nilai Jumlah Dataset

Dicari Hasil Akhir

Insidentil Lunas 0,140625 4 0,5625

Belum Lunas 0 1 0

D. Akurasi

Uji akurasi untuk mengetahui tingkat akurasi sistem informasi pembayaran sekolah berbasis web dengan membandingkan hasil perhitungan[] sistem dengan manual.

Tabel 5 Hasil Perbandingan

Nilai Atribut Perhitungan Manual

Perhitungan Sistem

Keterangan

Lunas,Lunas,Lunas,Lunas 1,6875 1,6875 Sesuai Lunas,Lunas,Lunas,Belum 0,5625 0,5625 Sesuai Lunas,Lunas,Belum,Belum 0,1875 0,1875 Sesuai Lunas,Belum,Belum,Belum 0,0625 0,0625 Sesuai

Belum, Belum, Belum, Belum 0 0 Sesuai

Dari hasil perbandingan pada Tabel 5, dapat dilanjutkan ke perhitungan untuk memperoleh tingkat keakurasian sistem, dengan rumus sebagai berikut.

Akurasi = 5/5*100 Akurasi = 100%

Dari hasil perhitungan akurasi, didapatkan tingkat akurasi sistem pembayaran sekolah yang telah dibangun mencapai 100% .

PENUTUP Simpulan

1. Perancangan sistem informasi pembayaran sekolah berbasis web dilakukan dengan tahapan pembuatan rancangan sistem, yang meliputi analisis kebutuhan sistem, pembuatan flowchart, dan kemudian dilakukan perancangan sistem. Setelah perancangan sistem kemudian dilanjutkan pada proses pengujian. Proses pengujian fungsionalitas sistem menggunakan blackbox testing. Dari hasil pengujian blackbox menunjukkan bahwa seluruh modul didalam sistem berjalan dengan baik.

2. Naïve Bayes digunakan sebagai metode perhitungan didalam sistem informasi pembayaran sekolah berbasis web untuk mengklasifikasikan transaksi siswa yang lunas dan belum lunas. Proses perhitungan menggunakan 5 kriteria, yaitu: registrasi ulang, komite, spp, seragam, dan insidentil.

Proses perhitungan dilakukan dengan tahapan: menentukan salah satu atribut yang akan dicari, kemudian input masing-masing keterangan dari setiap atribut, maka akan diproses dan menampilkan hasil lunas atau belum lunas. Pada perhitungan ini digunakan sebagai syarat mengikuti ujian dengan ketentuan siswa tersebut sudah melunasi semua transaksi.

Saran

1. Perlunya melakukan pemeliharaan sistem agar sistem tetap terjaga, dengan melakukan perbaikan pada sistem jika terjadi kesalahan atau error pada sistem.

2. Pengembangan sistem informasi ini juga dapat dikembangkan dengan cara mengkomparasikan dengan metode perhitungan lainnya, sehingga dapat dibandingkan hasil akhir dalam perhitungan.

3. Karena menyangkut data yang sangat privasi seperti data transaksi, maka perlu dibuat keamanan sistem yang lebih baik lagi untuk menjaga keamanan data dari gangguan.

DAFTAR PUSTAKA

Rochman Abdur, Achmad Sidik, Nada Nazahah. 2018. “Perancangan Sistem Informasi Administrasi Pembayaran SPP Siswa Berbasis Web di SMK Al-Amanah”. Jurnal Sisfotek Global. Vol. 8 (1) : 2088-1762.

Annur Haditsah. 2018. “Klasifikasi Masyarakat Miskin Menggunakan Metode Naïve Bayes”. Jurnal Ilmiah. Vol. 10 (2) : hal 160-165.

Syarli. 2016. “Metode Naïve Bayes Untuk Prediksi Kelulusan”. Jurnal Ilmiah Ilmu Komputer. Vol. 2 (1) : 2503-3932.