TA : Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode K-Means Clustering.

(1)

SISTEM PENDUKUNG KEPUTUSAN PENGADAAN BUKU PERPUSTAKAAN STIKOM SURABAYA MENGGUNAKAN METODE

K-MEANS CLUSTERING

TUGAS AKHIR

Nama : Arief Rahman Susanto NIM : 05.41010.0197

Program : S1 (Strata Satu) Jurusan : Sistem Informasi

SEKOLAH TINGGI

MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER SURABAYA

2012

STIKOM

(2)

K-MEANS CLUSTERING

TUGAS AKHIR

Diajukan sebagai salah satu syarat untuk menyelesaikan Program Sarjana Komputer

Oleh :

Nama : Arief Rahman Susanto NIM : 05.41010.0197

Program : S1 (Strata Satu) Jurusan : Sistem Informasi

SEKOLAH TINGGI

MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER SURABAYA

2012

STIKOM

(3)

iv

DAFTAR ISI

Halaman

ABSTRAK ... i

KATA PENGANTAR ... ii

DAFTAR ISI ... iv

DAFTAR TABEL ... vii

DAFTAR GAMBAR ... ix

DAFTAR LAMPIRAN ... xi

BAB I. PENDAHULUAN ... 1

1.1 Latar Belakang Masalah ... 1

1.2 Perumusan Masalah ... 2

1.3 Batasan Masalah ... 2

1.4 Tujuan ... 3

1.5 Sistematika Penulisan ... 4

BAB II. LANDASAN TEORI ... 6

2.1 Perpustakaan…. ... 6

2.2 Dewey Decimal Classification …... 8

2.2.1 Komponen DDC ... 9

2.2.2 Cara Kerja Sistem DDC ... 10

2.2.3 Keunggulan dan Kelemahan DDC ... 11

2.3 Sistem Pendukung Keputusan ... 13

STIKOM

(4)

v

2.5 Algoritma K-Means …... 16

2.6 SQL ... 21

2.7 Visual Basic 2005 ... 22

BAB III. PERANCANGAN SISTEM ... 23

3.1 Analisis Permasalahan ……... 23

3.2 Model Pengembangan ... 24

3.3 Metode Penelitian ………... 24

3.3.1 Studi Pustaka ………... 24

3.3.2 Wawancara ………... 25

3.3.3 Analisa Data ………... 25

3.4 Perancangan Sistem ... 25

3.4.1 Flowchart Algoritma K-Means ... 26

3.4.2 Sistem Flow Lama Menentukan Buku yang Akan Dibeli ... 27

3.4.3 Sistem Flow Menentukan Buku yang Akan Dibeli ... 28

3.4.4 Rancangan Input Output …………... 30

BAB IV. IMPLEMENTASI DAN EVALUASI ... 35

4.1 Instalasi Program dan Pengaturan Sistem ... 35

4.2 Implementasi Sistem ... 35

4.2.1 Form Utama ………... 35

4.2.2 Form Login ... 36

4.2.3 Form DDC ... 37

STIKOM

(5)

vi

Halaman

4.2.4 Form Pinjaman ... 37

4.2.5 Form Import Data Pinjaman Buku ... 38

4.2.6 Form K-Means ... 39

4.2.7 Form History ... 40

4.2.8 Ubah Kata Kunci ... 40

4.2.9 Form Pengguna ... 41

4.2.10 Form Laporan ... 41

4.3 Uji Coba dan Evaluasi Sistem ... 42

4.3.1 Uji Coba Fungsi Aplikasi …... 42

4.3.2 Uji Coba Kasus Perhitungan K-Means ... 46

A. Test Case

Dengan Dua

Cluster

……….. 47

B. Test Case

Dengan Tiga

Cluster

………. 65

C. Test Case

Dengan Empat

Cluster

………. 74

BAB V. PENUTUP ... 100

5.1 Kesimpulan ... 100

5.2 Saran ... 102

DAFTAR PUSTAKA ………. 103

Lampiran 1 Biodata Penulis …... 104

Lampiran 2 Listing Program 1 ... 105

STIKOM

(6)

Solusi pemanfaatan teknologi komputer sebagai alat bantu dalam mendukung kegiatan operasional suatu bidang usaha memudahkan manusia dalam mendapatkan data atau informasi secara cepat, tepat dan akurat sehingga efektivitas dan efisiensi kerja tercapai. STIKOM Surabaya merupakan salah satunya sekolah tinggi yang memanfaatkan teknologi komputer untuk mendukung kegiatan operasional sehari-harinya, contohnya adalah pemanfaatan teknologi komputer dalam proses pengadaan koleksi buku di perpustakaan.

Dalam membantu proses pengadaan buku di perpustakaan STIKOM surabaya maka dibuatkan sebuah sistem pendukung keputusan dengan menggunakan metode K-Means Clustering.

Dari hasil uji coba dan analisa yang dilakukan membuktikan bahwa aplikasi yang dibuat dapat melakukan pengelompokan buku berdasarkan DDC

(Dewey Decimal Classification), angkatan studi mahasiswa dan jumlah pinjaman

menggunakan metode K-Means Clustering.

Kata Kunci : K-Means, K-Means Clustering, Perpustakaan, DDC

STIKOM

(7)

BAB I PENDAHULUAN

1.1Latar belakang masalah

Pada proses pengadaan koleksi buku baru, perpustakaan STIKOM Surabaya masih mengalami permasalahan. Permasalahan tersebut antara lain adalah petugas perpustakaan belum dapat mengetahui buku apa yang paling banyak dipinjam dalam periode tertentu dan untuk pembelian buku baru selama ini hanya berdasarkan usulan dari anggota perpustakaan yang diajukan ke kaprodi. Hal ini dapat dipakai oleh petugas perpustakaan untuk memperoleh informasi buku yang lebih akurat dengan menerapkan metode K-means.

K-means adalah algoritma clustering untuk data mining yang diciptakan

tahun 70an dan berguna untuk melakukan clustering secara unsupervised learning

(pembelajaran yang tidak terawasi) dalam suatu kumpulan data berdasarkan parameter tertentu. Menurut Kardi (2007), K-means adalah sebuah algoritma untuk mengklasifikasikan atau mengelompokkan objek-objek (dalam hal ini data) berdasarkan parameter tertentu ke dalam sejumlah group, sehingga dapat berjalan

STIKOM

(8)

lebih cepat daripada hierarchical clustering (jika k kecil) dengan jumlah variable yang besar dan menghasilkan cluster yang lebih rapat.

Dengan adanya Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode K-means Clustering

dapat bermanfaat bagi petugas perpustakaan karena memperoleh informasi pembelian buku baru yang sesuai dengan minat mahasiswa dan jumlah buku yang dipinjam. Maka dari itu diperlukan sebuah sistem yang dapat menentukan buku apa yang akan dibeli agar bisa bermanfaat bagi anggota perpustakaan berdasarkan tiap angkatan dalam periode tertentu.

1.2Perumusan masalah

Berdasarkan latar belakang di atas dirumuskan permasalahan sebagai berikut :

1. Bagaimana membuat aplikasi yang dapat melakukan pengelompokan kategori buku berdasarkan kategori DDC, angkatan studi mahasiswa dan jumlah peminjaman mulai 1 Januari 2011 sampai dengan 31 Desember 2011 menggunakan metode k-means.

2. Bagaimana membuat perancangan aplikasi yang dapat melakukan pengelompokan kategori buku berdasarkan metode k-means clustering.

1.3Batasan masalah

1. Sistem informasi yang dibuat merupakan aplikasi berbasis desktop. 2. Sistem yang dibuat tidak membahas transaksi peminjaman buku.

STIKOM

(9)

3. Sistem yang dibuat hanya memberikan informasi buku pada anggota intern perpustakaan STIKOM.

4. Data transaksi peminjaman diambil dari data yang sudah ada pada periode 1 Januari 2011 sampai dengan 31 Desember 2011.

5. Data angkatan studi mahasiswa diambil dari angkatan 2008-2011. 6. Data mahasiswa diambil dari program studi Sistem Informasi.

7. Aplikasi ini tidak menangani transaksi pembelian buku baru yang sudah pernah dipesan sebelumnya.

8. Batasan DDC menyesuaikan dengan yang ada di perpustakaan STIKOM.

1.4Tujuan

Berdasarkan perumusan masalah yang ada maka tujuan dari tugas akhir ini adalah:

1. Membuat aplikasi yang dapat melakukan pengelompokan kategori buku berdasarkan kategori DDC, angkatan studi mahasiswa dan jumlah peminjaman mulai 1 Januari 2011 sampai dengan 31 Desember 2011 menggunakan metode k-means.

2. Membuat perancangan aplikasi yang dapat melakukan pengelompokan kategori buku berdasarkan metode k-means clustering.

1.5Sistematika Penulisan

Penyusunan laporan Tugas Akhir ini dapat dikelompokkan sebagai berikut:

BAB I PENDAHULUAN

Pada bab ini menjelaskan secara garis besar tentang latar belakang

STIKOM

(10)

masalah, perumusan masalah, pembatasan masalah, tujuan dan sistematika penulisan tugas akhir ini.

BAB II LANDASAN TEORI

Pada bab ini menjelaskan secara singkat tentang teori-teori dasar yang digunakan dalam membantu menyelesaikan permasalahan. Pada bab ini dijelaskan tentang beberapa landasan teori yang digunakan antara lain : perpustakaan, dewey decimal classification, sistem pendukung keputusan, clustering, algoritma k-means, sql,

visual basic2005.

BAB III ANALISIS DAN PERANCANGAN SISTEM

Pada bab ini berisi penjelasan tentang langkah-langkah untuk pemecahan masalah dalam tugas akhir termasuk: menganalisis permasalahan, tujuan penelitian, penyelesaiannya, gambaran sistem yang akan di buat dalam System Flow, Design Input dan Output,

Test CaseDesignInput dan Output.

BAB IV HASIL ANALISIS DAN PERANCANGAN SISTEM

Pada Bab ini menjelaskan tentang implementasi dari program, berisikan langkah-langkah implementasi dari penggunaan program dan hasil implementasi dari program, serta analisis terhadap kinerja program tersebut beserta analisis uji perhitungan metode Perbandingan Eksponensial.

STIKOM

(11)

BAB V PENUTUP

Bab ini berisi kesimpulan yang menjawab pernyataan dalam perumusan masalah dan beberapa saran yang bermanfaat dalam pengembangan program di waktu yang akan datang.

STIKOM

(12)

2.1Perpustakaan

Menurut Undang-undang Perpustakaan (UU nomor 43 tahun 2007) disebutkan bahwa perpustakaan adalah institusi pengelola koleksi karya tulis, karya cetak, dan/ atau karya rekam secara profesional dengan sistem yang baku guna memenuhi kebutuhan pendidikan, penelitian, pelestarian, informasi, dan rekreasi para pemustaka. Sedangkan menurut Sulistyo-Basuki (1991: 3) perpustakaan adalah: sebuah ruangan, bagian sebuah gedung, ataupun gedung itu sendiri yang digunakan untuk menyimpan buku dan terbitan lainnya yang biasanya disimpan menurut tata susunan tertentu untuk digunakan pembaca, bukan untuk dijual.

Institusi merupakan struktur dan mekanisma aturan dan kerjasama sosial yang mengawal perlakuan dua atau lebih individu. Institusi bisa juga berarti lembaga yaitu badan (organisasi) yang bermaksud melakukan suatu penyelidikan keilmuan atau melakukan suatu usaha. Pengelola berasal dari kata to manage yang berarti mengurus, mengatur, melaksanakan, mengelola. Jadi pengelola adalah seseorang yang mengurus, mengatur, melaksanakan, mengelola. Koleksi berarti kumpulan benda yang digemari. Dengan demikian maka koleksi karya tulis, karya cetak dan/ atau karya rekam adalah kumpulan informasi yang berbentuk tulisan tangan, buku cetakan maupun yang direkam dalam berbagai media termasuk media elektronik dan digital. Profesional berarti memerlukan kepandaian khusus untuk menjalankan. Dengan demikian “mengelola koleksi karya tulis, karya cetak

STIKOM

(13)

dan atau karya rekam secara profesional” berarti mengurus, mengatur, melaksanakan, mengelola kumpulan informasi dalam berbagai bentuk atau format dimana dalam melakukan pengelolaannya tersebut diperlukan keahlian khusus. Baku berarti sesuatu yang dipakai dasar ukuran (nilai, harga, dsb) standar. Jadi sistem baku merupakan sistem yang digunakan sebagai dasar dalam melakukan pengelolaan koleksi karya tulis, karya cetak dan atau karya rekam. Pemustaka menurut UU 43 tahun 2007 adalah pengguna perpustakaan, yaitu perseorangan, kelompok orang, masyarakat, atau lembaga yang memanfaatkan fasilitas layanan perpustakaan.

Dengan demikian maka makna dari kedua definisi yang dikutip pada awal tulisan ini adalah: perpustakaan merupakan institusi atau lembaga tempat menyimpan informasi dalam bentuk buku dan bentuk-bentuk lain yang disimpan menurut aturan tertentu yang baku untuk digunakan oleh orang lain (bukan hanya digunakan oleh pribadi) secara gratis untuk bermacam-macam tujuan atau kebutuhan seperti untuk pendidikan, penelitian, pelestarian, informasi, dan rekreasi. Mari kita bandingkan dengan definisinya Wikipedia yang mendefinikan perpustakaan sebagai berikut:”A library is a collection of sources, resources, and services, and the structure in which it is housed; it is organized for use and maintained by a public body, an institution, or a private individual. In the more traditional sense, a library is a collection of books. It can mean the collection, the building or room that houses such a collection, or both.” Jadi makna beberapa definisi tersebut memiliki pengertian yang sama yakni: (1) merupakan kumpulan bahan perpustakaan; (2) dikelola secara profesional dengan sistem tertentu (baku);

STIKOM

(14)

(3) dikelola oleh lembaga atau institusi dan atau individu; (4) diselenggarakan untuk kebutuhan pemustaka.

2.2Dewey Decimal Classification

Dewey Decimal Classification adalah merupakan salah satu sistem

pengklasifikasian koleksi buku yang ditemukan oleh Melvil Dewey. Nama lengkapnya Melville Louis Kassuth Dewey (1851-1931). Pada 1874 Dewey sebagai pustakawan di Amhers College, Massachuseetts, Tahun 1876 ia menerbitkan DDC edisi pertama dengan judul “A classification and subject index for a library”. Terbit pertama kali hanya sebanyak 42 halaman yang berisi 12 halaman pendahuluan, 12 halaman bagan dan 18 halaman indeks. Sejak edisi pertama diterbitkan, DDC terus menerus mengikuti perkembangan ilmu pengetahuan. Banyak subyek-subyek baru yang ditambahkan. Adakalanya notasi mengalami perluasan dan perubahan lokasi karena perkembangan subyek tersebut. Kelestarian DDC sampai dapat mencapai umur lebih seabad dan banyak pemakainya di dunia, disebabkan karena DDC secara berkala ditinjau kembali dan diterbitkan edisi barunya. Lembaga yang mengawasi dan mendukung penerbitan DDC ialah “The Lake Placed Education Foundation” dan “The Library of

Congress” di Amerika Serikat sarana komunikasi diterbitkan “Decimal

Classification, adition, notes, decisions” (disingkat DC). DDC dalam

pengembangannya menggunakan sistem desimal angka arab sebagai simbol notasinya.

STIKOM

(15)

2.2.1 Komponen DDC

Dalam klasifikasi Persepuluhan Dewey ini terdapat 3 komponen, yaitu Bagan, indeks Relatif, dan Tabel-tabel. Untuk lebih jelasnya dapat diperhatikan pada uraian berikut ini.

A. Bagan (Schedules)

Klasifikasi Dewey adalah bagan klasifikasi sistem hirarki yang menganut prinsip “desimal” untuk membagi semua bidang ilmu pengetahuan. Ilmu pengetahuan dibagi ke dalam 9 kelas utama, yang diberi kode/lambang angka (selanjutnya disebut notasi). Seperti telah dijelaskan pada halaman sebelumnya. Dalam DDC ini semakin khusus suatu subyek, semakin panjang notasinya. Karena banyak angka yang ditambahkan pada notasi dasarnya. Pembagiannya dari umum ke khusus.

B. Indeks Relatif (Relative Index)

Untuk membantu mencari notasi suatu subyek dalam DDC terdapat ‘Indeks Relatif’. Pada indeks relatif ini terdaftar sejumlah istilah yang disusun berabjad. Istilah-istilah tersebut mengacu ke notasi yang terdapat dalam bagan. Dalam indeks ini didaftar sinonim untuk suatu istilah, hubungan-hubungan dengan subyek lainnya. Bila suatu subyek telah ditemukan dalam indeks relatif, hendaklah ditentukan lebih lanjut aspek dari subyek yang bersangkutan. Cara yang paling cepat untuk menentukan notasi suatu subyek adalah melalui indeks relatif. Tetapi menentukan notasi hanya melalui dan berdasarkan indeks relatif saja tidak dapat dibenarkan. Setelah suatu subyek diperoleh notasinya dalam indeks relatif, harus diadakan pengecekan dengan notasi yang terdapat dalam

STIKOM

(16)

bagan. Dengan demikian dapat diketahui apakah notasi tersebut betul-betul sesuai dengan karya yang sedang diklasifikasikan.

C. Tabel-Tabel

Kecuali pembagian kelas secara desimal dengan notasi yang terdaftar dalam bagan, DDC juga mempunyai sarana lain. Untuk membagi/ memperluas subyek lebih lanjut, yaitu dengan menyediakan sejumlah tabel pembantu atau

auxiliary tables. Notasi pada table-tabel tersebut hanya dapat digunakan dalam rangkaian dengan notasi yang terdapat dalam bagan. Dengan kata lain, notasi yang terdapat dalam tabel tidak pernah berdiri sendiri, selalu dirangkaikan dengan notasi dalam bagan.

2.2.2 Cara Kerja Sistem DDC

Dewey membagi berbagai disiplin pengetahuan yang ada ke dalam sepuluh kelas utama (main class) dengan satu “Generalities”. Selanjutnya, kelas-kelas utama tersebut dibagi lagi ke dalam sepuluh divisi, dan setiap divisi dibagi lagi ke dalam sepuluh section. Ke-sepuluh kelas utama tersebut adalah :

1. 000 Generalities.

2. 100 Philosophy, psychology. 3. 200 Religion.

4. 300 Social Science (incl. economics). 5. 400 Language.

6. 500 Natural Science.

7. 600 Technology (incl. medicine, management). 8. 700 Art (incl. architecture, paintings, photography). 9. 800 Literature.

STIKOM

(17)

10.900 History geography, biography.

Kelas utama 000 digunakan untuk karya-karya yang tidak terbatas pada satu disiplin ilmu saja, misalnya ensiklopedia. Kelas ini juga digunakan untuk bidang yang berhubungan dengan pengetahuan dan informasi, misalnya ilmu komputer, ilmu perpustakaan. Angka pertama pada nomor-nomor tersebut menunjukkan

main class. Masing-masing main class terdiri dari 10 divisi, juga menggunakan nomor 0-9. Angka yang menunjukkan divisi adalah angka kedua. Misalnya, 600 digunakan untuk buku-buku yang membahas tentang teknologi/ ilmu terapan secara umum, 610 untuk ilmu kedokteran, 620 untuk ilmu teknik, 630 untuk pertanian.

Masing-masing divisi dibagi lagi menjadi 10 section, juga menggunakan nomor 0-9. Angka ketiga dalam nomor DDC menunjukkan section. Misal, 610 digunakan untuk karya umum di bidang kedokteran, 611 untuk anatomi manusia, 612 untuk fisiologi manusia, 613 untuk bidang promosi kesehatan. Selanjutnya, setelah tiga nomor utama tersebut, angka desimal dapat digunakan sejauh diperlukan. Misalnya, 611.1 untuk buku yang membahas tentang organ-organ kardiovaskular, 611.2 untuk buku yang membahas tentang organ-organ pernafasan.

2.2.3 Keunggulan Dan Kelemahan DDC

a. keunggulan

1. DDC merupakan sistem yang praktis dan paling banyak digunakan di dunia karena kehandalannya.

2. Indeks relatif menyatukan subjek yang sama dengan aspek berlainan yang tersebar dalam berbagai disiplin ilmu.

STIKOM

(18)

3. Notasi dengan angka Arab dikenal secara universal. Pustakawan dengan latar belakang budaya dan bahasa yang berbeda dengan mudah dapat menyesuaikan sistem tersebut.

4. Urutan numeric kasat mata memudahkan penjajaran dan penempatan buku-buku di rak.

5. Penggunaan notasi desimal memungkinkan perluasa pembagian sub divisi tanpa batas.

6. Revisi berkala dengan interval teratur menjamin kemutakhiran bagan klasifikasi DDC.

b. Kelemahan

1. Disiplin ilmu yang berakitan sering kali terpencar. Misalnya 300 ilmu-ilmu sosial terpisah dari 900 Geografi dan Sejarah. Pada bidang lain, kelas 400 Bahasa terpisah dari 800 Sastra.

2. Penempatan beberapa subjek tertentu dipermasalahkan. Misalnya ilmu perpustakaan pada kelas karya umum 000, psikologi sebagai sub divisi dari filsafat 100 dan olahraga serta hiburan dan kesenian 700.

3. Pada kelas 800, karya literer oleh pengarang yang sama disebarkan berdasarkan bentuk literer. Padahal para pakar menginginkannya menjadi satu.

4. Basis sepuluh dalam DDC membatasi kemampuan perluasan sistem notasi. Karena, dari sepuluh divisi hanya Sembilan yang dapat diperluas untuk member tempat subjek yang bertingkat sama dalam hirarki. Bila sebuah subjek dibagi dalam 10 subdivisi, perluasan hanya mampu menampung 9 subdivisi yang setara. Padahal dalam kenyataan subdivisi

STIKOM

(19)

yang ada lebih dari 9 sehingga beberapa subdivisi terpaksa mengalah turun lebih rendah menjadi subdivisi-subdivisi.

5. Laju pertumbuhan ilmu pengetahuan tidak sama sehingga membuat struktur ilmu pengetahuan tidak seimbang. Ada kelas yang dianggap statis seperti Agama dan Filsafat, ada pula yang tumbuh cepat seperti kelas 300 ilmu-ilmu sosial, 500 Sains dan 600 Teknologi. Pada kelas 300, 500 dan 600 ada kesan terlalu padat.

6. Perluasan sebuah subjek dapat dilakukan dengan sistem desimal, tetapi anehnya angka baru untuk subjek baru tidak dobel disisipkan antara nomor koordinat (yaitu nomor antara divisi, misalnya 610 dan 620) walaupun memang tempat yang layak ada diantara nomor koordinat. DDC melakukan penambahan subjek baru dengan memasukkannya pada subdivisi dari subjek yang telah ada.

7. Karena kemampuan perluasan tidak terbatas berkat sistem desimal, hasilnya ialah angka yang cukup panjang untuk beberapa subjek. Angka yang panjang menyulitkan penempatan buku di rak.

2.3Sistem Pendukung Keputusan

Sistem Pendukung Keputusan atau yang biasa disebut Decision Support

System (DSS) adalah sebuah sistem yang ditujukan untuk mendukung para

pengambil keputusan manajerial untuk masalah semiterstruktur. Scott Morton mendefinisikan DSS sebagai “sistem berbasis computer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur” (Gory dan Scott Morton, 1971). Seperti yang disebutkan oleh Turban (2005: 136) yaitu DSS

STIKOM

(20)

dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka. DSS ditujukan untuk keputusan-keputusan yang memerlukan penilaian atau pada keputusan-keputusan yang sama sekali tidak dapat didukung oleh algoritma. Sebagai istilah umum DSS digunakan untuk menggambarkan semua sistem terkomputerisasi yang mendukung pengambilan keputusan pada suatu organisasi. Tujuan utama dari DSS yaitu untuk mendukung dan meningkatkan pengambilan keputusan (Turban, 2005: 138).

Sesuai dengan konsep DSS diatas, maka menurut Turban (2005: 20) yang membedakan DSS dengan Sistem Informasi Manajemen adalah “Organisasi bisa saja memiliki suatu sistem manajemen pengetahuan untuk memandu seluruh personelnya dalam memecahkan masalah, ia dapat memiliki DSS tersendiri untuk pemasaran, keuangan, dan akuntansi, sistem SCM untuk produksi, dan beberapa sistem pakar untuk membuat diagnosis dan help desk perbaikan”. Jadi bisa dikatakan perbedaan antara Sistem Pendukung Keputusan

(SPK) dengan Sistem Informasi Manajemen (SIM) dapat dilihat pada Tabel F.1.1.

Tabel 2.1. Perbedaan Antara Sistem Pendukung Keputusan dengan Sistem Informasi Manajemen (Laudon, 2005)

Sistem Pendukung Keputusan (SPK) Sistem Informasi Manajemen (SIM) Memberikan serangkaian kemampuan

baru untuk keputusan-keputusan non rutin dan kendali pengguna.

Menghasilkan laporan regular terjadwal dan baku berdasarkan data yang diambil dan dirangkum dari sistem pemrosesan transaksi (SPT) milik organisasi. Sebuah laporan SIM pada umumnya menunjukkan ringkasan penjualan perbulan untuk masing-masing wilayah penjualan utama.

STIKOM

(21)

Menekankan perubahan, fleksibilitas, dan respon cepat. Dengan adanya SPK tidak perlu susah payah menghubungkan pengguna dengan alur informasi terstruktur, menghasilkan model-model, asumsi dan pertanyaan khusus yang semakin diperluas serta menampilkan grafik.

Memberikan kepada manajer laporan berdasarkan aliran rutin data dan membantu kendali umum perusahaan.

SPK menyelesaikan semi terstruktur dan menganalisis masalah tak terstruktur.

Menyelesaikan masalah-masalah terstruktur.

2.4Clustering

Metode data mining dapat diklasifikasikan berdasarkan fungsi atau aplikasi dimana mereka digunakan. Teknik data mining yang digunakan dalam menyelesaikan tugas akhir ini adalah menggunakan teknik cluster analisis.

Clustering adalah sekumpulan data yang memiliki kesamaan terhadap data lain yang ada dalam satu cluster dan tidak memiliki kesamaan dengan objek di cluster

yang berbeda (Han, 2007:383). Clustering atau yang biasa disebut data segmentation di dalam sebuah aplikasi karena clustering membagi data yang sangat besar ke dalam kelompok-kelompok berdasarkan kepada kesamaan yang ada.

Clustering juga dapat digunakan untuk outlier detection, dimana jarak terluar lebih menarik dari kasus-kasus yang biasanya. Sebagai cabang dari statistika, analisis cluster telah lebih luas dipelajari dalam beberapa tahun, mengutakaman pada distance-based cluster analysis (Han, 2007: 384). Perangkat analisis cluster berdasarkan pada k-means, k-medoids, dan beberapa metode

STIKOM

(22)

lainnya yang juga dibangun ke dalam banyak paket software analisis statistik, seperti S-Plus, SPSS, dan SAS.

Metode clustering pada dasarnya melakukan segmentasi atau pengelompokkan suatu populasi data yang heterogen menjadi beberapa sub group atau cluster. Metode ini dikategorikan ke dalam teknik undirect knowledge atau

unsuppervised learning karena tidak membutuhkan proses pelatihan untuk

klasifikasi awal data dalam masing-masing group atau cluster. Ada beberapa kategori pendekatan clustering (Gunadarma, 2008), diantaranya :

a. Algoritma Partisi : mempartisi objek-objek ke dalam k cluster dan realokasi objek-objek secara iteratif untuk memperbaiki clustering.

b. Algoritma Hirarkis : Agglomerative dimana setiap objek merupakan

cluster, gabungan dari cluster-cluster membentuk cluster yang besar

dan Divisive dimana semua objek berada dalam suatu cluster,

pembagian cluster tersebut membentuk cluster-cluster yang kecil. c. Metode berbasis densitas : berbasis koneksitas dan fungsi densitas dan

noise disaring, kemudian temukan cluster-cluster dalam bentuk

sembarang.

d. Metode berbasis grid : kuantitas ruang objek ke dalam struktur grid.

e. Berbasis Model : menggunakan model untuk menemukan keadaan data yang baik.

2.5Algoritma K-means

K-means adalah algoritma clustering untuk data mining yang diciptakan

tahun 70an dan berguna untuk melakukan clustering secara unsupervised learning

(pembelajaran yang tidak terawasi) dalam suatu kumpulan data berdasarkan

STIKOM

(23)

parameter tertentu. Menurut Kardi, K-means adalah sebuah algoritma untuk mengklasifikasikan atau mengelompokkan objek-objek (dalam hal ini data) berdasarkan parameter tertentu ke dalam sejumlah group.

K-means memiliki propeti : selalu ada K cluster, paling tidak memiliki satu data dalam tiap cluster, cluster ini merupakan non-hierarki dan tidak akan terjadi overlap, dan setiap member dari sebuah cluster berdekatan di-cluster

terhadap cluster lainnya karena kedekatan tidak selalu melibatkan pusat dari

cluster itu. Kelebihan dari K-meanscluster adalah : (Kardi, 2007)

a. Dengan jumlah variable yang besar, K-means dapat berjalan lebih cepat daripada hierarchical clustering (jika k kecil).

b. K-means memungkinkan menghasilkan cluster yang lebih rapat

daripada hierarchical clustering, terutama jika cluster berupa bola. Selain memiliki kelebihan, K-means juga memiliki kekurangan. Kekurangan dari algoritma K-means ini adalah : (Kardi, 2007)

a. Kesulitan dalam membandingkan kualitas dari hasil cluster (seperti untuk perbedaan pembagian awal atau nilai dari K yang mempengaruhi hasil).

b. Jumlah cluster yang tepat dapat membuat kesulitan dalam memprediksi berapakah K seharusnya.

c. Tidak akan bekerja dengan baik dengan cluster yang tidak berbentuk bulat.

d. Pembagian awal yang berbeda dapat menghasilkan akhir cluster yang berbeda. Hal ini membantu untuk menjalankan kembali program

STIKOM

(24)

menggunakan nilai K yang berbeda, untuk perbandingan hasil akhir yang diperoleh.

Berikut adalah langkah-langkah dalam memproses algoritma K-means : (Larose, 2007)

1. Langkah pertama : tentukan terlebih dahulu jumlah k-cluster yang diinginkan.

2. Langkah kedua : lakukan inisialisasi untuk menentukan pusat cluster. 3. Langkah ketiga : untuk tiap baris yang ada, temukan pusat cluster yang

terdekat. Untuk menghitung distance atau jarak antara data dengan pusat cluster digunakan rumus Distance Euclidian :

(Sumber : Kantardzic, 2003) Dimana Xi adalah data, Mk adalah centroid dari tiap-tiap cluster dan p

adalah jumlah kriteria yang ada.

4. Langkah keempat : menentukan grup berdasarkan jarak terpendek. 5. Langkah kelima : untuk tiap k cluster, temukan centroid (means) dari

cluster tersebut dan update lokasi dari pusat cluster ke dalam nilai

centroid baru.

(Sumber : Jurnal Sistem dan Informatika Vol. 3, 2007) Dimana M k adalah mean yang baru, N k adalah jumlah dari pola pada

cluster k, dan X jk adalah pola nomor urutan k yang menjadi anggota

cluster.

STIKOM

(25)

6. Langkah keenam : ulangi langkah ketiga 3 sampai ke 5 hingga batas nilai iterasi atau nilai toleransi (selisih M lama dan baru yang diperbolehkan untuk menghentikan algoritma) yang ditentukan atau masih ada data yang berpindah.

Algoritma ini akan berhenti apabila centroid tidak berubah lagi. Dengan kata lain, algoritma berhenti ketika semua cluster C1, C2, C3…..Ck, dan semua baris dimiliki oleh setiap pusat cluster dalam cluster tersebut. Alternative lain, algoritma akan berhenti ketika beberapa

criteria telah diketemukan, seperti tidak adanya pengurangan yang signifikan di dalam sum of squared errors:

(Sumber : Larose, 2005) Dimana p € Ci mewakili tiap data di dalam cluster ke-I dan mi mewakili centroid

dari cluster ke-i.

Dari hasil cluster yang dihasilkan oleh algoritma K-means ini masih belum diketahui cluster mana yang potensial. Untuk mencari cluster yang potensial terdapat berbagai cara. Salah satunya adalah menggunakan Distance Ecludian, akan tetapi ecludian untuk mencari cluster yang potensial dicari dengan menghitung jarak centroid tiap-tiap cluster dengan titik nol sehingga rumus ecludiannya menjadi seperti rumus di bawah ini.

(Sumber : Kantardzic, 2003)

STIKOM

(26)

Dimana adalah centroid dari tiap-tiap cluster dan p adalah jumlah kriteria.

Dalam hal manfaat, algoritma ini tidak menjamin hasil yang optimal. Kualitas hasil akhir bergantung kepada besarnya jumlah cluster, dan dalam latihannya dapat lebih buruk dari hasil optimal. Semenjak algoritma ini menjadi lebih cepat, metode yang biasanya menjalankan algoritma ini dalam beberapa waktu dan menghasilkan cluster terbaik.

Start

Tentukan Jumlah Cluster

Menentukan Titik Tengah (Centroid)

Titik Tengah (Centroid)

Menghitung Jarak Masing-masing

Titik Terhadap Centroid

Nilai Jarak Titik Terhadap

Centroid

Menentukan Grup Berdasar Jarak

Terpendek

Data Grup Menghitung Titik Tengah Tiap Grup

Nilai Titik Tengah

Grup SSE > 0.001

Ya Tidak End

Hitung Nilai SSE Nilai SSE

Gambar 2.1. FlowchartK-meansClustering.

STIKOM

(27)

2.6SQL

SQL (Structured Query Language) merupakan bahasa query yang

digunakan untuk mengakses database relasional. SQL sekarang sudah menjadi bahasa database standart dan hampir semua sistem database memahaminya. SQL terdiri dari berbagai jenis statemen. Semuanya didesain agar dia memungkinkan untuk dapat secara interaktif berhubungan dengan database.

Penggunaan SQL pada DBMS (Database Management System) sudah cukup luas. SQL dapat dipakai oleh berbagai kalangan, misalnya DBA (Database

Administrator), programmer ataupun pengguna. Hal ini disebabkan karena :

a. SQL sebagai bahasa administrasi database

Dalam hal ini SQL dipakai oleh DBA untuk menciptakan serta mengendalikan pengaksesan database.

b. SQL sebagai bahasa query interaktif

Pengguna dapat memberikan perintah-perintah untuk mengakses database

yang sesuai dengan kebutuhannya.

c. SQL sebagai bahasa pemrograman database

Pemrogram dapat menggunakan perintah-perintah SQL dalam program aplikasi yang dibuat.

d. SQL sebagai bahasa client/ server

SQL juga dipakai untuk mengimplementasikan sistem client/ server. Sebuah client dapat menjalankan suatu aplikasi yang mengakses database. Dalam hal ini sistem operasi antara server dan client bisa berbeda.

STIKOM

(28)

Disamping hal tersebut diatas, SQL juga diterapkan pada internet atau intranet untuk mengakses database melalui halaman-halaman web untuk mendukung konsep web dinamis.

2.7Visual Basic 2005

Visual Basic 2005 merupakan salah satu aplikasi pemrograman visual

yang dibuat oleh Microsoft. Visual Basic 2005 merupakan bagian dari sebuah

suite aplikasi pemrograman bernama VisualStudio2005. Suite aplikasi ini adalah

suite aplikasi paling mutakhir yang dibuat oleh Microsoft dan sudah

menggunakan .NET Framework terbaru yaitu .NET Framework 2.0.

VisualBasic menggunakan pendekatan Graphical User Interface (GUI)

yang lebih nyaman dan lebih mudah digunakan oleh pengguna. Banyak sekali kelebihan yang dimiliki oleh VisualBasic2005 dibandingkan versi terdahulunya, misalnya ADO.NET 2.0 fasilitas ClickOnce, serta penambahan berbagai control baru seperti NotifyIcon, NumericUpDown dan lain-lain. Visual Basic 2005 juga sudah sangat mendukung konsep pemrograman berorientasi objek (Object Oriented Programming). Dalam Visual Basic 2005 akan dikenal konsep objek, kelas (class), pewarisan (inheritance), namespace dan lain-lain.

STIKOM

(29)

BAB III

ANALISIS DAN PERANCANGAN SISTEM

3.1Analisis Permasalahan

Perpustakaan merupakan salah satu gudang ilmu pengetahuan bagi sebagian masyarakat. Perpustakaan STIKOM Surabaya merupakan salah satu tempat bagi para mahasiswa maupun dosen untuk belajar dan menambah pengetahuannya melalui buku-buku yang ada. Pihak perpustakaan harus senantiasa menambah buku baru ataupun menambah jumlah buku yang telah ada sesuai dengan kebutuhan dan anggaran yang disediakan.

Saat ini perpustakaan STIKOM Surabaya telah mampu mengelola sirkulasi perpustakaan secara komputerisasi. Semua transaksi peminjaman, pengembalian dan pencarian koleksi telah berjalan dengan baik. Akan tetapi pihak perpustakaan masih mengalami kesulitan dengan jenis buku yang harus mereka beli agar sesusai dengan kebutuhan dosen dan mahasiswa. Karena belum adanya sistem yang menangani masalah ini, akhirnya pihak perpustakaan menentukan jenis buku baru yang akan mereka beli dengan cara melihat daftar usulan buku dari mahasiswa dan dosen. Daftar usulan buku yang ada biasanya berisikan puluhan jenis buku yang berbeda. Pihak perpustakaan biasanya memilih beberapa diantaranya untuk dibeli tanpa ada metode perhitungan yang jelas sehingga terkadang dapat menyebabkan kurang maksimalnya keputusan yang telah diambil. Berdasarkan keterangan di atas, maka proses-proses penentuan jenis buku baru yang akan dibeli tersebut dapat dilakukan melalui perhitungan dengan

STIKOM

(30)

metode K-means clustering sehingga dapat diperoleh alternatif-alternatif yang lebih sesuai dengan kebutuhan.

3.2 Model Pengembangan

Tugas akhir ini berupa proyek pembuatan aplikasi penentuan buku baru pada perpustakaan dengan menggunakan desktop. Desktop ini dibuat sebagai media informasi seperti:

transaksi peminjaman, data buku, data mahasiswa, dan informasi-informasi yang di butuhkan lainnya sehingga dalam memenuhi kebutuhan informasi dapat terpecahkan.

Database

Gambar 3.1. Blok diagram sistem pengadaan buku perpustakaan

3.3 Metode Penelitian

Untuk membantu penyelesaian permasalahan dalam tugas akhir ini penulis menggunakan beberapa metode penelitian yaitu:

3.3.1 Studi Pustaka

Studi Pustaka yaitu kegiatan penelitian yang mengacu pada buku-buku yang berkaitan dengan permasalahan dalam penelitian dan mendukung kelengkapan informasi yang dibutuhkan. Studi pustaka dilakukan sebagai langkah

STIKOM

(31)

awal mencari gambaran mengenai aplikasi yang dibuat dan juga mendapatkan informasi, teori pendukung dan juga data-data yang diperlukan.

3.3.2 Wawancara

Setelah memperoleh dan mempelajari bahan referensi yang diperlukan, maka langkah berikutnya adalah proses pengumpulan data. Pada tahap ini, wawancara dilakukan untuk mengetahui kondisi real dari proses transaksi peminjaman buku. Wawancara dilakukan terhadap bagian yang bersangkutan yaitu bagian peminjaman.

3.3.3 Analisa Data

Pada tahap ini dilakukan analisa data dari hasil survei dan wawancara yang telah dilakukan sebelumnya. Data-data yang akan dianalisis dengan metode k-meansclustering adalah :

1. Data DDC buku yang dipinjam. 2. Data peminjam sesuai dengan NIM. 3. Jumlah peminjaman selama tahun 2011.

Selanjutnya data-data tersebut diolah ke dalam sistem sehingga dapat diperoleh gambaran umum dari hasil pengolahan data tadi.

3.4 Perancangan Sistem

Dalam perancangan sistem ini dapat memberikan gambaran tentang sistem yang dibuat. Beberapa tahap dalam perancangan sistem yaitu:

a. Flowchart b. Sistem Flow

c. Desain Input dan Output

STIKOM

(32)

3.4.1 Flowchart Algoritma K-Means

Tahap-tahap perhitungan algoritma K-means clustering dapat dilihat pada gambar 3.2

Gambar 3.2. Flowchart Metode K-means Clustering sesuai dengan Sistem Pendukung keputusan Penentuan Buku Perpustakaan STIKOM Surabaya

STIKOM

(33)

Pada gambar 3.2 adalah flowchart dari metode K-means Clustering sesuai dengan program sistem pendukung keputusan penentuan buku perpustakaan STIKOM Surabaya. Pertama yang dilakukan adalah inisialisasi data, dimana Xi

adalah jumlah peminjam sesuai dengan DDC dan angkatan. Setelah dilakukan inisialisasi data, tentukan jumlah cluster yang diinginkan, dalam hal ini jumlah

cluster adalah sesuai dengan jumlah topik DDC. Setelah diketahui jumlah cluster, tentukan titik tengah sesuai dengan jumlah topik DDC dengan menggunakan rumus Mk. Kemudian masuk ke proses menghitung jarak dengan menggunakan

rumus D(Xi, Mk), apabila data yang digunakan untuk menghitung jarak belum

habis, akan berulang ke proses menghitung jarak, jika sudah habis maka lanjut ke proses menentukan grup berdasarkan jarak terpendek. Setelah diketahui grup, maka hitung centroid tiap grup dengan menggunakan rumus Mk. Jika grup belum

habis, akan berulang menghitung centroid tiap grup dan apabila grup sudah habis, maka masuk proses hitung nilai error (SSE) dan akan timbul decision lagi. Apakah SSE > 0.001? Jika iya, kembali ke proses menghitung jarak dan jika tidak maka flowchart akan berhenti.

3.4.2 Sistem Flow Lama Menentukan Buku yang Akan Dibeli

Sistem flow yang selama ini dilakukan pihak perpustakaan adalah pertama bagian perpustakaan mengambil data usulan dari database usulan. Setelah itu data usulan buku akan digunakan untuk proses memilih jenis buku baru yang akan dipilih yang dilakukan secara manual. Output dari proses memilih jenis buku baru ini berupa daftar buku yang akan dipilih.

STIKOM

(34)

Gambar 3.3. Sistem Flow Lama Menentukan Buku yang Akan Dibeli

3.4.3 Sistem Flow Menentukan Buku yang Akan Dibeli

Pertama petugas perpustakaan melakukan proses menghitung jumlah peminjam. Proses ini mengambil database DDC, Angkatan dan Transaksi pinjaman 2011. Hasil dari proses yaitu jumlah peminjam yang akan dimasukkan ke dalam database. Jika seluruh tanggal yang dipilih dalam satu periode belum habis, maka akan kembali ke proses menghitung jumlah peminjam. Jika sudah habis, maka akan dilanjutkan ke proses clustering K-Means. Proses ini akan mengambil database jumlah peminjam. Output dari proses clustering ada dua,

STIKOM

(35)

pertama adalah angkatan dan DDC yang direkomendasikan, kedua adalah semester dan DDC yang direkomendasikan.

Gambar 3.4. Sistem Flow Menentukan Buku yang Akan Dibeli

STIKOM

(36)

3.4.4 Rancangan Input Output

Merancang desain input dilakukan setelah mengetahui informasi-informasi apa saja yang akan terlibat dalam sistem. Dalam melakukan rancangan antar muka ini diharapkan mampu memenuhi aspek-aspek, seperti mudah dimengerti dan sederhana, tidak harus melalui prosedur yang terlalu lama.

Untuk memberikan gambaran awal tentang interface Pengadaan Buku Perpustakaan STIKOM Surabaya dari desain aplikasi, maka berikut ini adalah bentuk rancangan input dan output dari sistem yang nantinya akan diimplementasikan dalam bentuk aplikasi

A. Desain Form Login

Form Login digunakan untuk melakukan login, sehingga user dapat mengakses form utama. Dengan melakukan login, user dapat melakukan tugasnya masing-masing sesuai dengan hak akses yang diberikan kepadanya.

Gambar 3.5. Form Login

B. Desain Form Menu

Pada form ini tersedia 9 menu yaitu menu Login / Logout, DDC untuk menampilkan input DDC dan keterangannya, menu Pinjaman untuk menampilkan data pinjaman dan import file dari excel, Perhitungan yaitu untuk menampilkan

User Name :

Passw ord :

OK CANCEL

STIKOM

(37)

proses dari metode Means, History untuk melihat history dari perhitungan K-Means, Ubah Password untuk mengubah password dari pengguna, Pengguna untuk menambah daftar pengguna sistem.

Gambar 3.6. Form Menu Utama

C. Desain Form DDC

Pada desain form DDC, terdapat kategori pencarian untuk mencari DDC dengan kriteria cari antara lain semua, DDC, nama dan keterangan. Kemudian terdapat data grid untuk menampilkan data DDC, nama dan keterangan. Pada bagian bawah terdapat tombol tambah untuk menambah data DDC, ubah untuk

KELUAR

SPK Pengadaan Buku Baru

DDC

PEM INJAM AN

PERHITUNG AN

HISTORY

UBAH PASSWORD

PENGGUNA

STIKOM

(38)

DDC

Kat egori Pencarian :

TAM BAH UBAH HAPUS TUTUP

mengubah data DDC yang ada, hapus untuk menghapus data DDC dan yang terakhir tombol tutup untuk menutup tampilan form DDC.

Gambar 3.7. Form DDC

D. Desain Form Pinjaman

Pada desain form pinjaman terdapat kategori pencarian yang terdiri dari semua, ID, induk, NIM, tanggal pinjam, jam pinjam, tanggal kembali 1, tanggal kembali 2, judul urut, DDC. Terdapat data grid untuk menampilkan data ID, induk, NIM, tanggal pinjam, jam pinjam, tanggal kembali 1, tanggal kembali 2, judul urut, DDC dan hapus. Tombol import berfungsi untuk mengambil data

DDC Nama Keterangan

STIKOM

(39)

DDC

Kat egori Pencarian :

IM PORT HAPUS TUTUP

pinjaman, tombol hapus untuk menghapus data dan tombol tutup untuk menutup tampilan form pinjaman.

Gambar 3.8. Form Pinjaman

E. Desain Form Perhitungan

Pada form K-Means, terdapat tanggal pinjaman untuk memilih tanggal yang diinginkan dan juga tahun angkatan berapa yang selanjutnya ditampilkan pada datagrid berupa DDC, nama, jumlah pinjaman angkatan berapa yang diinginkan. Setelah itu masukkan cluster berapa yang diinginkan dengan menekan tombol tambah, lalu masukkan nilai cluster. Tombol hitung untuk memulai proses clustering k-means.

ID Induk NIM Tgl pnjm

Jam pnjm

Tgl kmbli 1

Tgl kmbli 2

Jdul urut

DDC Hapus

STIKOM

(40)

Tanggal Pinjaman

TUTUP K-M EANS

Tahun Angkat an

S/ D

TAM BAH HAPUS

HITUNG

Gambar 3.9. Form Perhitungan

DDC Nama Jmlh Pnjmn Angkat an

CLUSTER ANGKATAN ANGKATAN

STIKOM

(41)

BAB IV

IMPLEMENTASI DAN EVALUASI

4.1 Instalasi Program dan Pengaturan Sistem

Implementasi program merupakan hasil implementasi dari analisa dan desain sistem yang telah dibuat sebelumnya. Tahap ini merupakan pembuatan perangkat lunak yang disesuaikan dengan rancangan atau desain sistem yang telah dibuat. Sebelumnya pengguna harus mempersiapkan kebutuhan-kebutuhan dari program yang akan diimplementasikan baik dari segi perangkat keras maupun perangkat lunak komputer.

Beberapa tahapan instalasi dan pengaturan (setting) sistem yang harus dilakukan adalah sebagai berikut :

a. Instal sistem operasi Microsoft Windows Xp Professional.

b. Instal aplikasi database Microsoft SQL Server 2005 profesional, attach

database yang dibutuhkan.

4.2. Implementasi Sistem

Aplikasi yang dibangun terdiri atas beberapa form yang membantu interaksi antara pengguna dengan aplikasi. Adapun form-form tersebut adalah sebagai berikut:

4.2.1 Form Utama

Pada saat pertama kali muncul form utama akan dalam keadaan pasif dimana menu yang hanya bisa diakses adalah menu Login. Untuk mengaktifkan menu-menu lain, user harus login terlebih dahulu.

STIKOM

(42)

Gambar 4.1. Form Utama

4.2.2 Form Login

Gambar 4.2 Form Login

Form login ini digunakan untuk mengakses program. Apabila user tidak

login terlebih dahulu maka tidak dapat mengakses program.

STIKOM

(43)

4.2.3 Form DDC

Pada form DDC, ditampilkan keseluruhan data DDC. Ada fasilitas cari data DDC berdasarkan semua, DDC, nama dan keterangan. Keseluruhan data DDC ditampilkan pada datagrid. Tombol tambah untuk menambah data DDC, ubah untuk mengubah data DDC, hapus untuk menghapus data DDC dan tutup untuk menutup tampilan.

Gambar 4.3 Form DDC

4.2.4 Form Pinjaman

STIKOM

(44)

pinjaman, tombol hapus untuk menghapus data dan tombol tutup untuk menutup tampilan form pinjaman.

Gambar 4.4 Form Pinjaman

4.2.5 Form Import Data Pinjaman Buku

Form ini berfungsi untuk mengambil data dari database excel yang sesuai dengan format tertentu. Apabila tidak sesuai maka file tidak dapat diambil. Data yang ditampilkan terdiri dari induk, NIM, tanggal pinjam, jam pinjam, tanggal kembali 1, tanggal kembali 2, judul urut, DDC dan hapus.

STIKOM

(45)

Gambar 4.5 Form Import Data Pinjaman Buku

4.2.6 Form K-Means

Gambar 4.6 Form K-Means

Form ini memproses data pinjaman sesuai dengan K-Means clustering. Data yang dipilih bisa sesuai dengan tanggal berapa sampai tanggal berapa. Lalu angkatan yang dipilih bisa dari 2008 saja ataupun dari 2008 sampai dengan 2011. Pada proses ini cluster awal bisa ditentukan sejumlah berapa cluster dan nilainya

STIKOM

(46)

juga bisa ditentukan. Pada tombol hitung, maka akan dilakukan proses clustering sesuai dengan berapa iterasi. Hasil akhir akan langsung dapat dilihat.

4.2.7 Form History

Gambar 4.7 Form History

Form history ini digunakan untuk melihat history tanggal berapa saat melakukan proses clustering K-Means. Hasil dari proses history ini bisa dilihat pada form laporan.

4.2.8 Form Ubah Kata Kunci

Gambar 4.8 Form Ganti Kata Kunci

STIKOM

(47)

Form ubah kata kunci ini digunakan untuk mengubah kata kunci pada user

setelah melakukan login.

4.2.9 Form Pengguna

Gambar 4.9 Form pengguna

Form ini digunakan untuk melihat pengguna siapa saja. Dapat juga menambah pengguna, mengubah pengguna dan menghapus. Untuk menghapus pengguna, hanya pengguna admin yang dapat menghapus.

4.2.10 Form Laporan

Form ini digunakan untuk melihat dari hasil proses K-Means Clustering. Terdapat nilai dari beberapa cluster untuk beberapa DDC yang dihasilkan.

STIKOM

(48)

Gambar 4.10 Form Laporan Perhitungan

4.3Uji Coba dan Evaluasi Sistem

Evaluasi dan pengujian sistem dimaksudkan untuk menguji sistem dan aplikasi yang telah dibangun telah sesuai dengan yang diharapkan. Pada tahap ini, dilakukan pengujian apakah semua input dari setiap kejadian pada aplikasi dapat menghasilkan output sesuai dengan yang diharapkan

Uji coba yang dilakukan adalah uji coba fungsi aplikasi dan uji coba perhitungan K-Means Clustering.

4.3.1 Uji Coba Fungsi Aplikasi

Uji coba ini dilakukan untuk melihat apakah program yang dibuat sudah sesuai dengan yang diharapkan, apakah fungsi-fungsi yang ada pada aplikasi sudah berjalan dengan baik dan benar.

A. Uji Coba Form Login

Proses login dilakukan dengan memasukkan username dan password. Sistem akan melakukan proses pengecekan terhadap username dan password yang dimasukkan. Proses login dinyatakan berhasil jika form menu Utama terbuka, dan

STIKOM

(49)

dinyatakan gagal jika ada pesan “User tidak terdaftar” atau “Password Anda salah”.

Gambar 4.11. Login Gagal

Tabel 4.1. Tabel Rancangan Test Case FormLogin

No Tujuan ingin dicapai

Ukuran Keberhasilan Hasil uji coba Kesimpulan 1 User dan Password

sesuai.

User bisa masuk dan mengakses form Menu Utama

Ketika User dan

Password yang dimasukkan sesuai, user

masuk ke Menu Utama

Sukses

Gambar 4.1

2 password salah maka tidak dapat mengakses aplikasi.

Password salah akan muncul pesan peringatan “Nama pengguna atau

password salah”

Ketika password salah muncul pesan dan user

gagal masuk ke Menu Utama

Sukses

Gambar 4.11

3 User tidak terdaftar maka tidak dapat mengakses aplikasi

User tidak terdaftar akan muncul pesan peringatan “Nama pengguna atau

password salah”

Ketika User tidak terdaftar muncul pesan dan user gagal masuk ke Menu Utama

Sukses

Gambar 4.11

B. Uji Coba Form DDC

Pada Form DDC terdapat proses tambah DDC, ubah DDC dan hapus DDC. Pada proses tambah DDC akan berhasil jika telah memasukkan nomer DDC dan nama DDC.

STIKOM

(50)

Gambar 4.12. Peringatan DDC Belum Diisi

Gambar 4.13. Peringatan Nama Belum Diisi Tabel 4.2 Tabel Rancangan Test CaseForm DDC

No Tujuan ingin dicapai

Input Output Output

Sistem 1 Tambah data DDC Pilih tombol Tambah

DDC dan isi nomer DDC, nama DDC dan keterangan.

Menghasilkan data DDC baru.

Sukses

Gambar 4.3

2 Menghindari menekan tombol Simpan tanpa memasukkan nomer DDC terlebih dahulu

Tekan tombol Simpan tanpa memasukkan nomer DDC terlebih dahulu

Muncul peringatan kesalahan “DDC belum dipilih”

Gambar 4.12

3 Menghindari menekan tombol Simpan tanpa memasukkan nama DDC terlebih dahulu

Tekan tombol Simpan tanpa memasukkan nama DDC terlebih dahulu

Muncul peringatan kesalahan “Nama belum dipilih”

Gambar 4.13

4 Mengubah data DDC

Tekan tombol Ubah DDC dan masukkan nama DDC yang akan

Menghasilkan data DDC baru yang telah diubah.

Gambar 4.3

STIKOM

(51)

No Tujuan ingin dicapai

Input Output Output

Sistem diubah

C. Uji Coba Form Peminjaman

Pada form peminjaman terdapat tombol import untuk mengambil data transaksi peminjaman dari file excel. Jika file excel yang diimport tidak sesuai dengan format, maka akan muncul pesan gagal.

Gambar 4.14. Import Peminjaman Gagal

Tabel 4.3 Tabel Rancangan Test CaseForm Peminjaman

No Tujuan ingin dicapai

Input Output Output

Sistem 1 Import data

Peminjaman

Pilih tombol Import peminjaman dan pilih tombol Buka File dan masukkan file sesuai format. (Gambar 4.5)

Menghasilkan data peminjaman baru.

Gambar 4.4

2 Hapus data Peminjaman

Pilih data transaksi peminjaman lalu tekan tombol hapus.

Menghasilkan data peminjaman baru yang telah dihapus.

Gambar 4.4

3 Memasukkan file import peminjaman tidak sesuai format

Masukkan file yang tidak sesuai format pada saat memilih tombol import

Muncul peringatan kesalahan

Gambar 4.14

STIKOM

(52)

4.3.2 Uji Coba Kasus Perhitungan K-Means

Gambar 4.15. Test Case Perhitungan K-Means

Pada uji coba perhitungan K-Means dilakukan dengan cara memilih tanggal peminjaman 7 Mei 2012 sampai dengan 17 September 2012 dan tahun angkatan 2009 sampai dengan 2010. Lalu masukkan berapa cluster yang akan dihitung sebagai pusat cluster awal dalam hal ini masukkan 3 cluster. Setelah itu masukkan nilai cluster dengan menekan tombol Random. Nilai cluster pertama adalah C1 = (4, 185, 8) dan nilai clusterkedua adalah C2 = (5, 45, 8). Setelah itu tekan tombol hitung untuk langsung memulai proses penghitungan K-Means.

STIKOM

(53)

Gambar 4.16. Hasil Test Case Perhitungan K-Means

A. Test Case Dengan Dua Cluster

Pada proses test case perhitungan manual dengan dua cluster dan tanggal pinjaman 7 Mei 2012 sampai dengan 12 Mei 2012 dapat dilihat pada proses perhitungan berikut:

Tabel 4.4 Tabel Data Pinjaman Dua Cluster

Angkatan Kode

Angkatan DDC

Kode DDC

Jumlah Pinjaman

1 2008 4 005.74 6 3

2 2008 4 005.13 37 1

3 2008 4 004.21 52 2

4 2008 4 006.68 67 2

5 2008 4 657 157 1

6 2008 4 001.42 177 1

7 2008 4 005.30

6 8 185 8

8 2008 4 153.6 190 1

9 2008 4 155.5 191 1

10 2008 4 232.2 193 1

11 2008 4 248 195 1

STIKOM

(54)

Angkatan Kode

Angkatan DDC

Kode DDC

Jumlah Pinjaman 12 2008 4 371.26 199 1

13 2008 4 428.00

76 202 1

14 2008 4 428.07

6 203 2

15 2008 4 616.89 207 2

16 2008 4 629.89

2 212 1

17 2008 4 658.40

3 8 219 1

18 2008 4 658.40

3.8 221 1

19 2008 4 004.6 237 3

20 2009 5 005.74 6 1

21 2009 5 005.36

9 O 23 1

22 2009 5 005.13

3 B 36 2

23 2009 5 004.67 45 8

24 2009 5 657.48 165 1

25 2009 5 658.3 174 1

26 2009 5 003.2 179 2

27 2009 5 003.56 180 1

28 2009 5 005.30

6.8 186 1

29 2009 5 005.75

6 5 187 4

30 2009 5 241 194 1

31 2009 5 370.40

2 85 198 1

32 2009 5 373.28 200 2

33 2009 5 395.54 201 1

34 2009 5 651.3 214 3

35 2009 5 651.37

4 1 215 2

36 2009 5 658.05

4 6 217 2

37 2009 5 658.40 222 1

STIKOM

(55)

Angkatan Kode

Angkatan DDC

Kode DDC

Jumlah Pinjaman

38 2009 5 658.5 223 1

39 2009 5 701.8 225 1

40 2009 5 808.83

1 235 1

41 2009 5 813 236 1

42 2009 5 004.6 237 1

Tabel 4.5 DDC

DDC Nama Kode

1 006.5 cakewalk 1

2 006.3-006.31 artificial intelligence machine learning 2

3 005.8 computer security, virus 3

4 005.758 5 cold fusion 4

5 005.75-005.756 html, btrieve 5

6 005.74 database 6

7 005.73 data structure 7

8 005.72 xml, wap 8

9 005.72 1 frontpage 9

10 005.72 2 dreamweaver 10

11 005.72 3 sendmail & .net framework 11

12 005.711 novell netware 12

13 005.453 clipper 13

14 005.447 69 1 mysql 14

15 005.447 69 linux 15

16 005.447 6 windows nt 16

17 005.447 6 intranet 17

18 005.446 os/2 18

19 005.446 1 dos 19

20 005.43 operating systems 20

21 005.43 1 unix 21

22 005.369 sp spss 22

23 005.369 O ms office 23

24 005.369 E excel & application 24

STIKOM

(56)

DDC Nama Kode

25 005.302-005.369 ms project, visio 25

26 005.3 windows 95, 2000, me, xp & vista 26

27 005.265 assembly 27

28 005.262 D delphi 28

29 005.2-005.26 programming - digital microcomputer 29

30 005.14-005.15 debugging, testing, software documentation 30

31 005.133 PR 1 bahasa prolog 31

32 005.133 PR pascal programming language 32

33 005.133 J 1 java 33

34 005.133 CO cobol 34

35 005.133 C c programming language 35

36 005.133 B visual basic 36

37 005.13 programming language 37

38 005.117 object oriented programming 38

39 005.11-005.17 special tech. of programming 39

40 005.1 software engineering 40

41 004.77 output peripherals 41

42 004.69 internet, email 42

43 004.68 local area network 43

44 004.67 1 asp 44

45 004.67 microsoft outlook 45

46 004.67 2 internet development 46

47 004.63-004.66 modem, network architecture 47

48 004.62 tcp/ip 48

49 004.607 7 networking 49

50 004.33-004.35 processing models & storage 50

51 004.22 computer organizations 51

52 004.21 system analysis & design 52

53 004.165 digital microprocessor 53

54 004.16 mikrokomputer, microprocessor 54

55 004.019 human - computer interaction 55

56 003.56-003.7 operations research - decision 56

57 004 computer science 57

58 003.2-003.4 forecasting and simulation 58

59 003-003.1 operations research 59

60 020-099 library & publishing 60

STIKOM

(57)

DDC Nama Kode

61 006.6 computer graphics 61

62 006.677 websites 62

63 006.6 1 multimedia 63

64 006.68 1 coreldraw 9 64

65 006.68 2 photoshop 65

66 006.68 3 power point 66

67 006.68 corel dream & photopaint 67

68 006.68 9 macromedia freehand & firework 68

69 006.696 3ds max 69

70 006.786 9 1 macromedia director 70

71 006.786 9 macromedia flash 71

72 100-155.9 psychology 72

73 156-200 logic, religion, etiquette 73

74 210-293 christian, catholic 74

75 294-296 buddha, hindu 75

76 302.34 social interaction in primary group 76

77 297 islam 77

78 303-309 social processes 78

79 302.35 organization behavior 79

80 320 pancasila 80

81 330-330.153 economics 81

82 332 financial economics & banks 82

83 330.2-331 labor economics 83

84 330.154 mathematical economics 84

85 339 macroeconomics 85

86 338.7-338.9 business economics 86

87 333-337 public finance, cooperation 87

88 338.1-338.5 production economics 88

89 355-359 kewiraan 89

90 350-354 public administration 90

91 340-349 law, governments 91

92 360 social problem 92

93 370-371 elementary education 93

94 380-399 trade, comm., transportation 94

95 372-373 intermediate education 95

96 374-379 higher education 96

STIKOM

(58)

DDC Nama Kode

97 400-424 language, english-writing 97

98 425 english-grammar 98

99 428 english-application 99

100 495-499 asia language 100

101 428,076 toefl 101

102 510 mathematics 102

103 511 matematika diskrit 103

104 511.2 engineering mathematic 104

105 511.3-511.6 automata, graph, combinatorial 105

106 511.8 algoritma 106

107 512-512.4 algebra 107

108 512.5 aljabar linear 108

109 512.7-512.9 algebra-intermediate 109

110 515.35 diferential equations 110

111 515.7-515.9 transformation laplace 111

112 515.15 kalkulus-geometris analysis 112

113 519.2-519.3 probabilities 113

114 519.4 1 numerical method 114

115 519.4 numerical analysis 115

116 519.5 statistic 116

117 519.501-519.509 mathematic for business 117

118 519.7-529 linear programming, inventory, storage 118

119 519.51-519.6 statistical mathematics 119

120 547 organic chemistry 120

121 535-539 chemical physics 121

122 530 physics 122

123 520 autocad 123

124 600-619 technology (applied sciences) 124

125 621.042-621.1 energy engineering 125

126 621.3 electric, electronic, magnetic 126

127 621.37-621.38 measurement of electrical 127

128 621.34-621.36 magnetic engineering, applied optics 128

129 621.319-621.39 2 transmission & circuitry 129

130 621.381 electronics 130

131 621.381 1 digital electronics 131

132 621.381.51 electronic circuit 132

STIKOM

(59)

DDC Nama Kode

133 621.381 2 microelectroncis 133

134 621.381.01-621.381 3 digital design system 134

135 621.381.52-621.381.54 semiconductor, transistor 135

136 621.381 501-621.381

509 components of circuits 136

137 621.381 5 integrated electronics 137

138 621.381 5 1 orcad & databook 138

139 621.381.7-621.381.9 prog. Logic & design 139

140 621.382-621.389 comm. Engineer & signal processing 140

141 621.382-621.389 wireless & signal process 141

142 621.39 electronic digital computer, microprocessor 142

143 621.392 system analys & design, computer

architecture 143

144 621.480 nuclear engineering 144

145 621.398-621.399 analog digital & computer device 145

146 621.395-621.397 logic circuit & storage 146

147 624-628 installation & sanitary 147

148 629.2-629.80 automatic control system 148

149 650 business management 149

150 630 agriculture and related technologies 150

151 629.895 computer process control 151

152 651.8-651.9 office automation 152

153 651.7 communication, correspondence 153

154 651-651.5 office management 154

155 652 processes of written communication 155

156 652.5 ms word 2002 156

157 657 accounting 157

158 652.5 wordstar, wordperfect, amipro 158

159 657.028 accounting information system 159

160 657.42 cost accounting 160

161 657.3 financial statement 161

162 657.044-657.046 intermediate accounting 162

163 657.042 elementary accounting 163

164 657.7 inventori 164

165 657.48 financial accounting 165

166 657.45 auditing 166

STIKOM

(60)

DDC Nama Kode

167 657.8 accounting for banking 167

168 658 management 168

169 658.01-658.1 organization management 169

170 658,154 budgeting 170

171 658.151-658.152 management accounting & invest 171

172 658.15 financial management 172

173 658.401-658.402 strategic management 173

174 658.3 personnel management 174

175 658.403 decision support 175

176 658.403 management science 176

177 001.42 Statistical Method 177

178 003 System 178

179 003.2 Forecasting and Forcasts 179

180 003.56 Decision Theory 180

181 004.678 Internet 181

182 005.133 J Java Programming 182

183 005.113 B Visual Basic 6 183

184 005.14 Debugging 184

185 005.306 8 Computer Programming 185

186 005.306.8 Computer Programming 186

187 005.756 5 Html 187

188 006.3 Artificial Intelligent 188

189 006.37 Computer Vision 189

190 153.6 Communication 190

191 155.5 Psychology of young people twelve to

twenty 191

192 158 Applied psychology 192

193 232.2 Christ as Logos (Word of God) 193

194 241 Christian ethics 194

195 248 Christian experience, practice, life 195

196 297.5 Islam 196

197 342.083 Citizenship and nationality 197

198 370.402 85 Education 198

199 371.26 Examinations and Tests 199

200 373.28 Cooperative education 200

201 395.54 Table manners 201

STIKOM

(61)

DDC Nama Kode

202 428.0076 English 202

203 428.076 English 203

204 511.3 Mathematical logic (Symbolic logic) 204

205 515.3 Differential calculus and equations 205

206 519.24 Probability distribution 206

207 616.89 Disturbi mentali 207

208 621.367 Technological photography and photo-optics 208

209 621.381 535 Telegrafia 209

210 629.8 Automatic control engineering 210

211 629.88 Automatic control engineering 211

212 629.892 Robots 212

213 650.1 Personal success in business 213

214 651.3 Office management 214

215 651.374 1 Secretarial and related services 215

216 657.028 5 Accounting 216

217 658.054 6 Computer applications 217

218 658.151 1 Financial control 218

219 658.403 8 Decision making and information

management 219

220 658.403 801 1 Information management Systems 220

221 658.403.8 Information management 221

222 658.404 Project management 222

223 658.5 Management of production 223

224 658.787 Inventory control 224

225 701.8 Inherent features 225

226 701.85 Color 226

227 741 Drawing and drawings 227

228 741.58 Cartoon animation 228

229 743.6 Drawing animals 229

230 745.4 Pure and applied design and decoration 230

231 770 Photography, photographs & computer art 231

232 771 Techniques, equipment & materials 232

233 778.8 Special effects and trick photography 233

234 796.815 2 Judo 234

235 808.831 Short stories 235

236 813 American fiction in English 236

STIKOM

(62)

DDC Nama Kode

237 004.6 computer network 237

Langkah pertama tentukan pusat cluster. Disini kita tentukan C1 = (4, 185, 8); C2 = (5, 45, 8). Untuk menentukan pusat cluster awal, diambil dari jumlah pinjaman terbanyak pada tiap angkatan.

Langkah kedua hitung jarak setiap data yang ada terhadap setiap pusat

cluster.

Jarak DDC 005.74 angkatan 2008 dengan pusat cluster pertama: C12 = √(4-4)² + √(6-185)² + √(3-8)² = 179.069818785858

Jarak data DDC 005.74 dengan pusat cluster kedua: C12 = √(4-5)² + √(6-45)² + √(3-8)² = 39.3319208785943

Tabel 4.6 Perhitungan Data Dua Cluster Iterasi 1

Angkatan Kode

Angkatan DDC

Kode DDC

Jumlah Pinjaman

C1 C2 Cluster

1 2008 4 005.74 6 3

179.069 8187858 58

39.3319 2087859 43

2 2008 4 005.13 37 1

148.165 4480639 8

10.6770 7825203 13

3 2008 4 004.21 52 2

133.135 2695569 43

9.27361 8495495 7

4 2008 4 006.68 67 2

118.152 4439019 35

22.8254 2442102 67

5 2008 4 657 157 1 28.8617

3937932

112.222 9922965

STIKOM

(63)

Angkatan Kode

Angkatan DDC

Kode DDC

Jumlah Pinjaman

C1 C2 Cluster

36 88

6 2008 4 001.42 177 1

10.6301 4581273 47 132.189 2582625 38 C1

7 2008 4 005.30

6 8 185 8

140.003 5713830 19

8 2008 4 153.6 190 1

8.60232 5267042 63 145.172 3114095 8 C1

9 2008 4 155.5 191 1

9.21954 4457292 89 146.171 1325809 58 C1

10 2008 4 232.2 193 1

10.6301 4581273 47 148.168 8226314 83 C1

11 2008 4 248 195 1

12.2065 5561573 37 150.166 5741768 12 C1

12 2008 4 371.26 199 1

15.6524 7584249 85 154.162 2521890 49 C1

13 2008 4 428.00

76 202 1

18.3847 7631085 02 157.159 1549990 01 C1

14 2008 4 428.07

6 203 2

18.9736 6596101 03 158.117 0452544 57 C1

15 2008 4 616.89 207 2

22.8035 0850198 28 162.114 1573089 78 C1

STIKOM

SURABAYA

(64)

Angkatan Kode

Angkatan DDC

Kode DDC

Jumlah Pinjaman

C1 C2 Cluster

16 2008 4 629.89

2 212 1

27.8926 5136196 27 167.149 6335622 67 C1

17 2008 4 658.40

3 8 219 1

34.7131 0991541 96 174.143 6188896 97 C1

18 2008 4 658.40

3.8 221 1

36.6742 4164178 45 176.141 9881799 91 C1

19 2008 4 004.6 237 3

52.2398 3154643 59 192.067 6963989 52 C1

20 2009 5 005.74 6 1

179.139 6103601 88 39.6232 2551231 79 C2

21 2009 5 005.36

9 O 23 1

162.154 2475546 05 23.0867 9276123 04 C2

22 2009 5 005.13

3 B 36 2

149.124 1093854 38 10.8166 5382639 2 C2

23 2009 5 004.67 45 8

140.003 5713830 19

0 C2

24 2009 5 657.48 165 1

21.2132 0343559 64 120.203 9932780 94 C1

25 2009 5 658.3 174 1

13.0766 9683062 2 129.189 7828777 49 C1

26 2009 5 003.2 179 2 8.54400 134.134 C1

STIKOM

(65)

Angkatan Kode

Angkatan DDC

Kode DDC

Jumlah Pinjaman

C1 C2 Cluster

3745317 53

2610968 58

27 2009 5 003.56 180 1

8.66025 4037844 39 135.181 3596617 52 C1

28 2009 5 005.30

6.8 186 1

7.14142 8428542 85 141.173 6519326 46 C1

29 2009 5 005.75

6 5 187 4

4.58257 5694955 84 142.056 3268566 38 C1

30 2009 5 241 194 1

11.4455 2314225 96 149.164 3389017 63 C1

31 2009 5 370.40

2 85 198 1

14.7986 4858694 87 153.160 0470096 56 C1

32 2009 5 373.28 200 2

16.1864 1405623 86 155.116 0855617 5 C1

33 2009 5 395.54 201 1

17.4928 5568453 59 156.156 9723067 14 C1

34 2009 5 651.3 214 3

29.4448 6372867 09 169.073 9483184 8 C1

35 2009 5 651.37

4 1 215 2

30.6104 5573002 79 170.105 8493997 19 C1

36 2009 5 658.05

4 6 217 2

32.5729 9494980 172.104 6193453 C1

STIKOM

SURABAYA

(1)

C4 = (7, 130, 3) dan SSE 0.001. Proses K-Means Clustering berhenti pada iterasi ke-12 dengan hasil pengelompokan 4 cluster yaitu:

1. Cluster 1 untuk angkatan 2009 dengan DDC:

Office management, secretarial and related services, computer applications, project management, management of production, inherent features, short stories, American fiction in English, dan computer network.

2. Cluster 2 untuk angkatan 2009 dengan DDC:

Database, ms office, visual basic, dan Microsoft outlook. 3. Cluster 3 untuk angkatan 2011 dengan DDC:

English grammar, algoritma, kalkulus geometric analysis, physics, electronics.

4. Cluster 4 untuk angkatan 2008 dengan DDC:

Accounting, statistical method, computer programming, communication, psychology of young people twelve to twenty, Christ as logos.

Dari hasil uji coba di atas baik secara sistem dan manual menghasilkan data yang sama, selain itu uji coba juga dilakukan dengan menggunakan data yang sama tetapi diolah dengan nilai-nilai parameter yang berbeda dan menghasilkan pengelompokan yang berbeda pula, karena DDC pada kelompok atau cluster tertentu ada kemungkinan akan berpindah pada kelompok lain, ini menunjukkan bahwa sistem sudah berjalan dengan benar.

STIKOM

(2)

100

5.1 Kesimpulan

Dari serangkaian uji coba dan analisa yang telah dilakukan pada aplikasi Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode K-Means Clustering, dapat diambil kesimpulan sebagai berikut :

1. Aplikasi Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode K-Means Clustering mampu menghasilkan output berupa data-data DDC yang sudah dikelompokkan berdasarkan cluster-cluster yang terbentuk serta memberikan informasi tahun angkatan terbanyak yang melakukan transaksi peminjaman pada cluster-cluster tersebut.

2. Dari hasil uji coba yang telah dilakukan dengan menggunakan data yang sama tetapi diolah dengan nilai-nilai parameter yang berbeda dapat menghasilkan pengelompokan data yang berbeda pula, hal ini disebabkan DDC tersebut ada kemungkinan berpindah pada kelompok lain, ini menunjukkan bahwa sistem sudah berjalan dengan benar.

3. Dari hasil uji coba dan analisa yang dilakukan membuktikan bahwa aplikasi yang dibuat dapat melakukan pengelompokan kategori buku berdasarkan metode k-means clusering.

4. Kesimpulan yang dapat diambil dari hasil test case pertama dengan jumlah cluster 2 sebagai berikut:

STIKOM

(3)

a. Cluster 1 untuk angkatan 2009 dengan DDC:

Financial accounting, personnel management, forecasting and forcasts, decision theory, computer programming, html, Christian ethics, education, cooperative education, table manners, office management, secretarial and related services, computer applications, project management, management of production, inherent features, short stories, American fiction in English, dan computer network.

b. Cluster 2 juga untuk angkatan 2009 dengan DDC: Database, ms office, visual basic, dan Microsoft outlook.

5. Kesimpulan yang dapat diambil dari hasil test case kedua dengan jumlah cluster 3 sebagai berikut:

a. Cluster 1 untuk angkatan 2009 dengan DDC:

b. Cluster 2 juga untuk angkatan 2009 dengan DDC: Database, ms office, visual basic, dan Microsoft outlook. c. Cluster 3 untuk angkatan 2010 dengan DDC:

Corel dream & photopaint.

6. Kesimpulan yang dapat diambil dari hasil test case ketiga dengan jumlah cluster 4 sebagai berikut:

STIKOM

(4)

a. Cluster 1 untuk angkatan 2009 dengan DDC:

Office management, secretarial and related services, computer applications, project management, management of production, inherent features, short stories, American fiction in English, dan computer network. b. Cluster 2 untuk angkatan 2009 dengan DDC:

Database, ms office, visual basic, dan Microsoft outlook. c. Cluster 3 untuk angkatan 2010 dengan DDC:

Corel dream & photopaint.

d. Cluster 4 untuk angkatan 2009 dengan DDC:

Financial accounting, personnel management, forecasting and forcasts, decision theory, computer programming, html, Christian ethics, education, cooperative education, table manners.

5.2 Saran

Adapun saran-saran yang dapat digunakan untuk mengembangkan aplikasi yang telah dibuat adalah sebagai berikut :

1. Aplikasi yang dibuat dapat memberikan rekomendasi kepada manajemen perpustakaan dalam menentukan DDC apa yang paling diminati oleh tahun angkatan tertentu, sehingga diharapkan bisa memberikan solusi bagi manajemen perpustakaan dalam pengadaan buku baru.

2. Transaksi pemesanan buku di buat lebih detail agar dapat di gunakan juga sebagai sistem informasi perpustakaan.

3. Dibuatkan suatu sistem pembelian buku baru yang disatukan dengan sistem pengadaan buku.

STIKOM

(5)

4. Pengembangan aplikasi pengadaan buku baru dengan metode lain agar dapat digunakan sebagai pembanding.

5. Aplikasi ini dapat dikembangkan menjadi sistem pakar, dimana hasil yang akan dihasilkan diharapkan akan lebih baik.

STIKOM

(6)

DAFTAR PUSTAKA

Basuki, Sulistyo. 1991. Pengantar Ilmu Perpustakaan. Gramedia Pustaka Utama

ervhint_hunter. 2011. Arsitektur PostgresQL,

(http://www.docstoc.com/docs/109390549/Arsitektur-PostgresQL---001, diakses 7 April 2012).

Gunadarma. 2005. Teknik-teknik Data Mining. (http://staffsite.gunadarma.ac.id/, diakses 10 April 2012).

Han, Jiawei and Micheline Kamber. 2007. Data Mining: Concepts and Techniques. San Fransisco : Mogan Kaufman Publhisers.

Kardi. 2007. K-means Clustering Tutorial,

(http://people.revoledu.com/kardi/index.html, diakses 2 April 2012).

Kantardzic, Mehmed. 2003. Data Mining: Concepts, Models, Methods, and Algorithms. New Jerysey : A John Wiley & Sons, Inc.

Larose, Daniel T. 2005. Discovering Knowledge In Data An Introduction To Data Mining. New Jersey : A John Wiley & Sons, Inc.

Laudon, Kenneth C. And Jane P.Laudon. 2005. Sistem Informasi Manajemen : Mengelola Perusahaan Digital. Yogyakarta : Penerbit Andi.

Saleh, Ir. Abdul Rahman, M.Sc. 2010. Definisi Perpustakaan,

http://rahman.staff.ipb.ac.id/2010/12/07/definisi-perpustakaan/, diakses 25 April 2010).