47
5.1.1.2 Halaman Bantuan
Halaman bantuan adalah halaman yang akan ditampilkan ketika
user
memilih tombol bantuan pada setiap halaman, yaitu halaman awal, halaman input data, halaman
k-medoids, dan halaman informasi. Halaman ini berisi petunjuk penggunaan sistem. Tampilan halaman bantuan ditunjukkan pada gambar 5.2 berikut.
Gambar 5.2 Halaman Bantuan 5.1.1.3
Halaman Informasi
Halaman informasi adalah halaman yang akan ditampilkan ketika
user
memilih tombol tentang pada setiap halaman, yaitu halaman awal, halaman input data, halaman k-medoids, dan halaman informasi. Halaman ini berisi informasi mengenai
sistem. Tampilan halaman informasi ditunjukkan pada gambar 5.3 berikut. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
48
Gambar 5.3 Halaman Informasi 5.1.1.4
Halaman Input Data
Halaman ini merupakan halaman yang digunakan unuk mempersiapkan data yang akan diproses yang berasal dari berkas .xls. Pengolahan awal data dimaksudkan
agar format data sesuai dengan proses
clustering
yang akan dilakukan. Agar dapat diproses, data yang dimasukkan harus dengan format
numeric
atau angka. Tampilan halaman input data ditunjukkan pada gambar 5.4 berikut.
49
Gambar 5.4 Halaman Input Data
Pengguna dapat menekan tombol
“Pilih Berkas” untuk memasukkan berkas
berekstensi .xls. Hasil setelah berkas data dimasukkan seperti pada gambar 5.5 berikut.
Gambar 5.5 Halaman Input Data berkas .xls
50 Kemudian pengguna dapat memilih atribut yang tidak akan digunakan dalam
clustering
dengan memberikan tanda centang pada
checkbox
di kolom Seleksi Atribut, seperti pada gambar 5.6 berikut.
Gambar 5.6 Halaman Input Data hapus atribut
Kemudian pengguna dapat menekan tombol
“Hapus Atribut” dan atribut yang
dihapus akan hilang dari tabel data. Kemudian pengguna dapat menekan tombol
“Clustering” untuk melanjutkan ke halaman k-medoid. Tampilan penanda hapus
atribut ditunjukkan seperti gambar 5.7 berikut.
Gambar 5.7 Halaman Input Data Hapus Atribut
51
5.1.1.5 Halaman K-Medoids
Halaman ini merupakan halaman selanjutnya setelah menekan tombol
“Clustering” pada halaman input data. Halaman ini berisi implementasi dari algoritma
Partitioning Around Medoids
PAMK-Medoids untuk mengelompokan sekolah menengah atas berdasarkan nilai daya serap ujian nasional.
Isi dari halaman ini adalah tampilan data yang telah melewati tahap penghapusan atribut pada halaman input data, parameter masukan untuk proses
clustering
yaitu Jumlah Cluster, dan kolom hasil untuk menampilkan hasil dari proses
clustering
. Tampilan halaman K-Medoids ditunjukkan seperti gambar 5.8 berikut.
Gambar 5.8 Halaman K-Medoids
Pada halaman k-medoids, telah terisi secara
default
parameter untuk melakukan proses
clustering
berupa Jumlah Cluster. Pengguna dapat merubah nilai parameter dengan cara menghapus kemudian menginputkan kembali nilai untuk jumlah
cluster
yang diinginkan. Pemberian nilai
default
pada halaman ini dimaksudkan agar jika pengguna lupa memasukkan nilai jumlah
cluster
pada sistem maka nilai
default
yang akan digunakan untuk proses
clustering
. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
52 Pengguna dapat melakukan proses
clustering
dengan menekan tombol
“Process”, yang hasilnya akan ditampilkan pada kolom hasil. Tampilan hasil proses
clustering
ditunjukkan pada Gambar 5.9 berikut.
Gambar 5.9 Halaman K-Medoids Clustering
Pengguna dapat menyimpan hasil proses
clustering
seperti yang ditampilkan pada kolom Hasil ke dalam bentuk dokumen berekstensi .txt atau .doc.
5.2 Evaluasi Hasil
5.2.1 Uji Coba Perangkat Lunak Black Box
5.2.1.1 Rencana Pengujian Black Box
Pada tabel 5.2 akan dijelaskan rencana pengujian dengan menggunakan metode
black box.
53
Tabel 5.2 Rencana Pengujian Black Box
No
Usecase
Butir Uji Kasus Uji
1 Input berkas
Pengujian memasukkan
data
file
berekstensi .xls UC-01
Pengujian memasukkan
data selain
file
berekstensi .xls
UC-02
2 Seleksi atribut
Penguji menghapus atribut yang tidak diinginkan
UC-03
3 Proses Clustering dengan
algoritma PAM Pengujian
melakukan proses
clustering
UC-04
4 Simpan hasil clustering
Pengujian menyimpan hasil pengelompokkan ke dalam
file
bertipe .doc UC-05
5.2.1.2 Prosedur Pengujian Black Box dan Kasus Uji
Setelah menyusun rencana pengujian pada tabel 5.2 maka, akan dilakukan prosedur pengujian serta kasus uji yang terlampir pada lampiran 3.
5.2.1.3 Evaluasi Pengujian Black Box
Seluruh hasil pengujian
black box
pada lampiran 3 menunjukkan bahwa perangkat lunak sudah dapat berjalan dengan baik dan sesuai dengan perancangan
yang sudah dibuat. Hal ini dapat dilihat dari semua fungsi yang sudah berjalan sesuai dengan yang diharapkan.
54
5.2.2 Pengujian Perbandingan Hasil Hitung Manual dengan Hasil
Perangkat Lunak
Data uji yang dilakukan secara manual dan sistem yaitu dengan banyak data sejumlah 29 atribut dan 20 data. Data uji yang digunakan dicuplik dari data nilai daya
serap Ujian Nasional Matematika SMA jurusan IPA di DIY tahun ajaran 20142015. Contoh input data yang digunakan sebagai data uji ditunjukkan pada lampiran 4.
5.2.2.1 Perhitungan Manual
Pengujian perhitungan manual menggunakan dataset daya serap Ujian Nasional SMA mata pelajaran Matematika jurusan IPA di DIY tahun 20142015
sejumlah 29 atribut dan 20 data. Proses perhitungan manual dilakukan dengan menggunakan aplikasi Microsoft Excel dengan hasil pengelompokkan 3 kolompok.
Proses perhitungan manual beserta dengan hasilnya dapat dilihat pada lampiran 5.
5.2.2.2 Perhitungan Perangkat Lunak
Pengujian perhitungan perangkat lunak menggunakan data yang sama dengan perhitungan manual yaitu menggunakan dataset daya serap Ujian Nasional SMA mata
pelajaran Matematika jurusan IPA di DIY tahun 20142015 sejumlah 29 atribut dan 20 data. Hasil perhitungan perangkat lunak dapat dilihat pada gambar 5.9 berikut.