Peralatan Penelitian Tahap-tahap Penelitian

27 PERINGKAT Nilai Akreditasi dalam bentuk huruf

3.2 Peralatan Penelitian

Penelitian dilakukan menggunakan spesifikasi perangkat sebagai berikut : 1. Spesifikasi software a. Netbeans versi 8.0 b. OS Windows 7 64 bit 2. Spesifikasi hardware Notebook Laptop a. Processor AMD A6-4400M APU 2,7 GHz b. Ram 4 GB c. VGA AMD Radeon HD 7520G d. Layar 14 inch e. Harddisk 500 GB

3.3 Tahap-tahap Penelitian

1. Studi Kasus Nilai Ujian Nasional merupakan nilai yang dihasilkan dari Ujian Nasional untuk mengukur standar pendidikan yang ada di Indonesia. Nilai Indeks Integritas Ujian Nasional merupakan penilaian kejujuran dalam pelaksanaan Ujian Nasional. Nilai Akreditasi merupakan pengakuan oleh badan berwenang terhadap sekolah-sekolah yang memiliki syarat kebakuan dan kriteria tertentu. Demi menyelenggarakan pendampingan dan pengembangan suatu sekolah berdasarkan kriteria nilai Ujian Nasional, nilai Indeks Integritas, dan nilai Akreditasi, diperlukan suatu informasi mengenai sekolah-sekolah yang memiliki karakteristik berbeda dibandingkan dengan sekolah lainnya. Untuk mendapatkan informasi tersebut, maka digunakanlah pendeteksian outlier dari kumpulan sekolah dengan data yang sudah disediakan, berdasarkan ketiga nilai di atas. 28 Penelitian ini diharapkan dapat menemukan menghasilkan informasi mengenai sekolah yang memiliki karakter berbeda dengan yang lainnya, sehingga dapat menyelenggarakan pendampingan dan pengembangan terhadap sekolah tersebut. 2. Penelitian Pustaka Pada tahap ini, dilakukan penelitian pustaka digunakan untuk memperoleh informasi dan menggali teori mengenai teknik penambangan data. Dalam penelitian ini penulis mempelajari referensi-referensi yang berkaitan dengan teknik penambangan data deteksi outlier khususnya algoritma MixCBLOF dan referensi lainnya yang berguna bagi sistem yang akan dibangun. 3. Knowledge Discovery in Database KDD Pada tahap penelitian ini dilakukan jika tahap-tahap sebelumnya sudah dilakukan. Oleh karena itu, tahap ini sangat diperlukan karena penelitian ini berada pada bidang penambangan data sehingga harus menggunakan teknik KDD Knowledge Discovery in Database . Proses KDD terdiri dari data cleaning , data integration , data transformation , data mining , pattern evaluation , dan knowledge presentation . Pada tahap awal dilakukan data cleaning dan data integration pada data SMA se-DIY sehingga data tersebut siap untuk ditambang. Proses awal ini dilakukan secara manual menggunakan alat bantu Microsoft Excel. Kemudian untuk proses selanjutnya yaitu data selection , data transformation , dan data mining dilakukan di dalam perangkat lunak yang dibuat. Kemudian proses pattern evaluation dan knowledge presentation dilakukan setelah perangkat lunak selesai dibangun karena kedua proses ini membutuhkan hasil dari alat uji tersebut. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 29 4. Pengembangan Perangkat Lunak a. Metode Pengembangan Sistem Metode yang digunakan penulis untuk melakukan pengembangan sistem menggunakan metode waterfall . Metode waterfall merupakan salah satu metode yang populer karena tidak asing untuk didengar oleh oleh kalangan pengembang sistem. Menurut Kristanto 2004, metode waterfall ini diperkenalkan oleh Winston Royce pada tahun 1970. Inti dari metode ini yaitu model klasik yang sederhana dengan aliran sistem yang linier. Langkah-langkah metode waterfall sebagai berikut : 1. Requirement dan Spesification Pada tahapan ini merupakan analisa kebutuhan sistem yang diperlukan dalam pengembangan sistem dengan cara mengumpulkan data. Selanjutnya, jika analisa kebutuhan sistem sudah terpenuhi, kemudian merencanakan jadwal pengembangan software . 2. Design Tahap desain sistem membagi kebutuhan-kebutuhan menjasi sistem perangkat lunak atau perangkat keras. Proses tersebut menghasilkan sebuah arsitektur sistem keseluruhan. Desain perangkat lunak termasuk menghasilkan fungsi sistem perangkat lunak dalam bentuk yang mungkin ditransformasi ke dalam satu atau lebih program yang dapat dijalankan. Tahapan ini merupakan tahap untuk menentukan alur software sampai pada tahap algoritma yang detil. 3. Implementation Tahap ini desain perangkat lunak disadari sebagai sebuah program lengkap atau unit program. Desain perangkat lunak yang sudah dibuat kemudian diubah ke dalam bentuk kode-kode program. Diakhir tahap ini, tiap modul ditesting tanpa diintegrasikan. 4. Integration 30 Unit program diintegrasikan dan diuji menjadi sistem yang lengkap untuk meyakinkan bahwa persyaratan perangkat lunak telah dipenuhi. 5. Operation mode retirement Tahap ini adalah tahap yang terpanjang. Sistem dipasang dan digunakan. Pemeliharaan termasuk pembetulan kesalahan yang tidak ditemukan pada langkah sebelumnya. Perbaikan implemenetasi unit sistem dan peningkatan jasa sistem sebagai kebutuhan baru ditemukan. b. Pengujian Pengujian dilakukan dengan alat uji yang sudah dibuat pada tahap sebelumnya. Metode untuk pengujian sistem ini adalah metode pengujian black box . Pengujian black box berisi pengujian dengan pengisian data secara benar. Hasil yang diperoleh dari alat uji kemudian dibandingkan dengan hasil penghitungan manual untuk memperoleh validasi dari alat pengujian tersebut. 5. Analisis dan Pembuatan Laporan Analisis yang dilakukan adalah analisis hasil dari perangkat lunak yang dibuat berdasarkan penerapan algoritma MixCBLOF. Analisis yang dimaksud adalah melakukan analisis dari pola yang terbentuk, artinya mendapatkan nilai masukan k jumlah kluster, nilai α dan β untuk mendapatkan hasil outlier yang optimal dan sesuai dengan data dari dinas pendidikan provinsi Yogyakarta. Hasil dari semua pengujian tersebut disusun ke dalam sebuah laporan tugas akhir. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 31 BAB IV PEMROSESAN AWAL DAN PERANCANGAN PERANGKAT LUNAK PENAMBANGAN DATA

Dokumen yang terkait

POBYE PENGARUH PENGALAMAN KERJA, INDEPENDENSI, OBYEKTIFITAS, INTEGRITAS, DAN KOMPETENSI TERHADAP KUALITAS HASIL PEMERIKSAAN DI INSPEKTORAT PROVINSI DAERAH ISTIMEWA YOGYAKARTA.

0 3 14

Penerapan algoritma MixCBLOF berbasis klaster untuk identifikasi outlier pada data hasil ujian nasional, indeks integritas, dan akreditasi SMA di Daerah Istimewa Yogyakarta.

1 5 140

Penerapan algoritma apriori untuk analisis daya serap hasil ujian nasional matematika SMA jurusan IPA di Yogyakarta.

0 1 13

Penerapan algoritma apriori untuk analisis daya serap hasil ujian nasional mata pelajaran Matematika SMA jurusan IPA di Daerah Istimewa Yogyakarta.

0 12 206

Penerapan algoritma fp-growth untuk analisis pola asosiasi daya serap hasil jian nasional mata pelajaran Bahasa Indonesia SMA di Yogyakarta.

1 11 122

Pengelompokan Sekolah Menengah Atas di Provinsi Daerah Istimewa Yogyakarta berdasarkan nilai Ujian Nasional menggunakan algoritma K-Means Clustering.

1 1 87

Pengelompokan Sekolah Menengah Atas di Provinsi Daerah Istimewa Yogyakarta berdasarkan nilai Ujian Nasional menggunakan algoritma agglomerative hierarchical clustering.

11 55 123

Deteksi outlier untuk nilai ujian Sekolah Menengah Atas (Sma) menggunakan Algoritma Influenced Outlierness (INFLO).

0 1 373

Penerapan metode enhanced class outlier distance based untuk identifikasi outlier pada data hasil ujian nasional, indeks integritas dan akreditasi sekolah menengah atas

1 6 143

Provinsi Daerah Istimewa Yogyakarta UU NO 13 2012

0 0 23