Sistem Pendukung Keputusan Penentuan Kelayakan Calon Asisten Laboratorium Berbasis Android Menggunakan Algoritma Iterative Dichotomiser 3 (Id3)
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN CALON ASISTEN LABORATORIUM BERBASIS ANDROID MENGGUNAKAN
ALGORITMA ITERATIVE DICHOTOMISER 3 (ID3)
SKRIPSI
VITO ERPINDO 101401027
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MEDAN 2015
(2)
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN CALON ASISTEN LABORATORIUM BERBASIS ANDROID MENGGUNAKAN
ALGORITMA ITERATIVE DICHOTOMISER 3 (ID3)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Komputer
VITO ERPINDO 101401027
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MEDAN 2015
(3)
PERSETUJUAN
Judul : SISTEM PENDUKUNG KEPUTUSAN PENENTUAN
KELAYAKAN CALON ASISTEN LABORATORIUM BERBASIS ANDROID MENGGUNAKAN
ALGORITMA ITERATIVE DICHOTOMISER 3 (ID3)
Kategori : SKRIPSI
Nama : VITO ERPINDO
Nomor Induk Mahasiswa : 101401027
Program Studi : SARJANA (S1) ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Ade Candra, ST, M.Kom Dr. Poltak Sihombing, M.Kom
NIP. 19790904 200912 1 002 NIP. 19620317 199103 1 001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
Dr. Poltak Sihombing, M.Kom NIP. 196203171991021001
(4)
PERNYATAAN
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN CALON ASISTEN LABORATORIUM BERBASIS ANDROID MENGGUNAKAN
ALGORITMA ITERATIVE DICHOTOMISER 3 (ID3) SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, April 2015
Vito Erpindo 101401027
(5)
PENGHARGAAN
Alhamdulillahirrabbil’alamin, penulis ucapkan rasa syukur yang tiada hentinya ke hadirat Allah SWT. yang telah memberikan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi ini. Shalawat beriring salam penulis persembahkan kepada Nabi Besar Muhammad SAW. Dengan segala kerendahan hati, pada kesempatan ini penulis menyampaikan terima kasih kepada semua pihak yang telah membantu penyelesaian skripsi ini. Penulis mengucapkan terima kasih kepada:
1. Bapak Prof. Dr. Syahril Pasaribu, DTMH, MSc(CTM), SpA(K) sebagai Rektor Universitas Sumatera Utara (USU).
2. Bapak Dr. Muhammad Zarlis sebagai Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom sebagai Ketua Program Studi S1 Ilmu Komputer dan sekaligus sebagai Dosen Pembimbing I.
4. Ibu Maya Silvi Lydia, BSc. MSc sebagai Sekretaris Program Studi S1 Ilmu Komputer.
5. Bapak Ade Candra, ST, M.Kom sebagai Dosen Pembimbing II. 6. Bapak Prof. Dr. Muhammad Zarlis sebagai Dosen Pembanding I. 7. Bapak Handrizal, S.Si, M.Comp.Sc sebagai Dosen Pembanding II.
8. Seluruh dosen serta staf pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI USU.
9. Kedua orang tua tercinta, Ibunda Rayni dan Ayahanda Ir. Efri Edianto, Abangda Jodie Edianto, S.AB, dan Adinda Fernanda Edianto.
10.Teman-teman HADEUH(Angga, Bowo, Danny, Fadhil, Fajrul, Janwandi, Nanda, Rizki, Teguh, Saddam, Singgih) yang selalu ada memberikan semangat dan dorongan tekad yang kuat sehingga penulis selesai mengerjakan skripsi ini.
11.Teman-teman seperjuangan stambuk 2010 serta abang-abang dan kakak-kakak senior yang ada di Program Studi S1 Ilmu Komputer yang telah memberikan dukungan moril maupun materil kepada penulis dalam penyusunan skripsi ini.
(6)
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna, oleh karena itu penulis menerima kritik dan saran dari semua pihak yang bersifat membangun dan menyempurnakan skripsi ini. Penulis berharap semoga skripsi ini dapat memberi manfaat bagi penulis sendiri pada khususnya dan pembaca pada umumnya.
Medan, April 2015
(7)
ABSTRAK
Pengujian kelayakan calon asisten laboratorium di IKLC bertujuan untuk mendapatkan asisten – asisten dengan kualitas terbaik. Penentuan kelayakan dilakukan berdasarkan kriteria yang telah ditentukan seperti seleksi berkas,
microteaching dan wawancara. Untuk membantu proses penentuan kelayakan maka
dibutuhkan sebuah sistem pendukung keputusan. Metode yang digunakan adalah Algoritma Iterative Dichotomiser 3. Pada penelitian ini hasil perhitungan dari metode akan diuji dengan data calon asisten laboratorium yang dimiliki oleh IKLC. Metode ini berhasil mencocokkan 20 data hasil perhitungan dengan data dari IKLC, dimana terdapat 9 orang calon lulus menjadi asisten dan 11 orang calon tidak lulus menjadi asisten. Sistem ini dapat digunakan untuk membantu menyelesaikan permasalahan dalam menentukan kelayakan calon asisten laboratorium di IKLC (Ilmu Komputer Laboratory Center).
Katakunci: Sistem Pendukung Keputusan, Algoritma Iterative Dichotomiser 3, IKLC
(8)
DECISION SUPPORT SYSTEM OF LABORATORY ASSISTANT CANDIDATE PROPERNESS USING ITERATIVE
DICHOTOMISER 3 (ID3) ALGORITHM BASED ON ANDROID
ABSTRACT
Proper test of laboratory assistant candidate aims to get the best quality assistant in IKLC. The test is based on determined criterion such as file selection, microteaching and interview. Decision support system is needed to assist the proper test. The method used is Iterative Dichotomiser 3 Algorithm. In this research, the result of the method will be tested with data of laboratory assistant candidate that possessed by IKLC. . This method successfully matched the result of 20 data with the data from IKLC, where 9 candidates are pass becoming an assistant and 11 are not pass. This system can be used to assist the proper test of laboratory assistant candidate problem of IKLC (Ilmu Komputer Laboratory Center).
(9)
DAFTAR ISI
Halaman
Persetujuan iii
Pernyataan iv
Penghargaan v
Abstrak vii
Abstract viii
Daftar Isi ix
Daftar Tabel xiii
Daftar Gambar xiv
Bab 1 Pendahuluan
1.1. Latar Belakang 1
1.2. Rumusan Masalah 2
1.3. Batasan Masalah 2
1.4. Tujuan Penelitian 3
1.5. Manfaat Penelitian 3
1.6. Metodologi Penelitian 3
1.7. Sistematika Penulisan 4
Bab 2 Tinjauan Pustaka
2.1. Sistem Pendukung Keputusan 6
2.1.1. Defenisi Sistem Pendukung Keputusan 6
2.2. Metode Decision Tree 7
2.2.1. Manfaat Decision Tree 8
2.3. Algoritma Iterative Dichotomiser 3 (ID3) 8
2.3.1.Langkah – langkah Algoritma ID3 9
2.4. Android 13
(10)
Bab 3 Analisis dan Perancangan Sistem
3.1. Analisis Sistem 15
3.1.1. Analisis Masalah 15
3.1.2. Analisis Kebutuhan Sistem 16
3.1.2.1. Kebutuhan Fungsional Sistem 16 3.1.2.2. Kebutuhan Non-Fungsional Sistem 16
3.1.3. Pemodelan 17
3.1.3.1. Use Case Diagram 17
3.1.3.2. Activity Diagram 22
3.1.3.3. Analisis Proses Sistem 24
3.1.3.4. Flowchart Algoritma ID3 26
3.2. Perancangan Sistem 26
3.2.1. Antarmuka Menu Utama 27
3.2.2. Antarmuka Pengujian Berkas 27
3.2.3. Antarmuka Micro 1 28
3.2.4. Antarmuka Micro 2 30
3.2.5. Antarmuka Micro 3 32
3.2.6. Antarmuka Micro 4 34
3.2.7. Antarmuka Micro 5 36
3.2.8. Antarmuka Wawancara dan Pengujian 38
3.2.9. Antarmuka Hasil 39
3.2.10. Antarmuka Ubah Data 40
Bab 4 Implementasi dan Pengujian Sistem
4.1. Implementasi Sistem 42
4.1.1. Implementasi Algoritma ID3 42
4.2. Antarmuka Sistem 50
4.2.1. Tampilan Menu Awal 50
4.2.2. Tampilan Pengujian Berkas 51
4.2.3. Tampilan Micro 1 51
4.2.4. Tampilan Micro 2 52
4.2.5. Tampilan Micro 3 53
(11)
4.2.7. Tampilan Micro 5 54
4.2.8. Tampilan Wawancara dan Pengujian 54
4.2.9. Tampilan Data 55
4.2.10. Tampilan Hasil 56
4.2.11. Tampilan Bantuan 56
4.3 . Pengujian Sistem 57
4.3.1 Pengujian Perhitungan dalam Menentukan Kelayakan
Calon Asisten Laboratorium di IKLC 58
4.3.2 Pengujian Proses Tambah Data Pengujian 65
4.3.3 Pengujian Proses Ubah Data 66
Bab 5. Kesimpulan dan Saran
5.1. Kesimpulan 67
5.2. Saran 67
Daftar Pustaka 68
LAMPIRAN A : Listing Program A
LAMPIRAN B : Curriculum Vitae B
(12)
DAFTAR TABEL
Halaman
Tabel 2.1. Contoh Data 9
Tabel 3.1. Tabel Use Case Proses Uji 18
Tabel 3.2. Tabel Use Case Proses Input Nilai Kriteria Pengujian 19
Tabel 3.3. Tabel Use Case Proses Normalisasi Nilai Kriteria 19
Tabel 3.4. Tabel Use Case Proses Simpan Hasil Normalisasi 19
Tabel 3.5. Tabel Use Case Proses Uji Kelayakan 20
Tabel 3.6. Tabel Use Case Proses Algoritma ID3 20
Tabel 3.7. Tabel Use Case Proses Hitung Entropy 21
Tabel 3.8. Tabel Use Case Proses Hitung Information Gain 21
Tabel 4.1. Bobot Kriteria 42
Tabel 4.2. Data Atribut Target 44
Tabel 4.3. Entropy IPK 44
Tabel 4.4. Entropy Nilai Mata Kuliah 45
Tabel 4.5. Entropy Microteaching 45
Tabel 4.6. Entropy Wawancara 46
Tabel 4.7. Hasil Perhitungan Algoritma ID3 untuk menentukan node awal 47
Tabel 4.8. Entropy IPK untuk edge 2 47
Tabel 4.9. Entropy Nilai Mata Kuliah untuk edge 2 48
Tabel 4.10. Entropy Microteaching untuk edge 2 48
Tabel 4.11. Hasil Perhitungan Algoritma ID3 untuk node Cabang dari edge 2 49
Tabel 4.12. Bobot Kriteria Hasil Normalisasi 57
Tabel 4.13. Pengujian Perhitungan dalam Menentukan Kelayakan Calon Asisten
(13)
DAFTAR GAMBAR
Halaman
Gambar 2.1. Node awal Decision Tree 11
Gambar 2.2. Hasil Decision Tree 12
Gambar 3.1. Diagram Ishikawa untuk Analisis Masalah Sistem 16
Gambar 3.2. Use case Diagram Sistem Pendukung Keputusan dalam
Menentukan Kelayakan Calon Asisten Laboratorium 18
Gambar 3.3. Activity Diagram untuk Proses Uji 22
Gambar 3.4. Activity Diagram dalam Proses Hitung Entropy 23
Gambar 3.5. Activity Diagram dalam Proses Hitung Information Gain 24
Gambar 3.6. Sequence Diagram dalam Proses Penentuan Kelayakan dengan
Algoritma ID3 25
Gambar 3.7. Flowchart Algoritma ID3 26
Gambar 3.8. Antarmuka Perancangan Sistem Menu Utama 27 Gambar 3.9. Antarmuka Perancangan Sistem Pengujian Berkas 28
Gambar 3.10. AntarmukaPerancangan Sistem Micro 1 29
Gambar 3.11. AntarmukaPerancangan Sistem Micro 2 31
Gambar 3.12. AntarmukaPerancangan Sistem Micro 3 33
Gambar 3.13. AntarmukaPerancangan Sistem Micro 4 35
Gambar 3.14. AntarmukaPerancangan Sistem Micro 5 37
Gambar 3.15. AntarmukaPerancangan Sistem Wawancara dan Pengujian 38
Gambar 3.16. AntarmukaPerancangan Sistem Hasil 39
Gambar 3.17. AntarmukaPerancangan Sistem Ubah Data 41
Gambar 4.1. Decision Tree untuk node Awal 47
Gambar 4.2. Hasil Decision Tree 49
Gambar 4.3. Menu Awal 51
Gambar 4.4. Pengujian Berkas 51
Gambar 4.5. Micro 1 52
Gambar 4.6. Micro 2 52
Gambar 4.7. Micro 3 53
(14)
Gambar 4.9. Micro 5 54
Gambar 4.10. Wawancara dan Pengujian 55
Gambar 4.13. Data 55
Gambar 4.14. Hasil 56
Gambar 4.15. Bantuan 57
Gambar 4.17. Hasil Proses Tambah Data Pengujian 65
(15)
ABSTRAK
Pengujian kelayakan calon asisten laboratorium di IKLC bertujuan untuk mendapatkan asisten – asisten dengan kualitas terbaik. Penentuan kelayakan dilakukan berdasarkan kriteria yang telah ditentukan seperti seleksi berkas,
microteaching dan wawancara. Untuk membantu proses penentuan kelayakan maka
dibutuhkan sebuah sistem pendukung keputusan. Metode yang digunakan adalah Algoritma Iterative Dichotomiser 3. Pada penelitian ini hasil perhitungan dari metode akan diuji dengan data calon asisten laboratorium yang dimiliki oleh IKLC. Metode ini berhasil mencocokkan 20 data hasil perhitungan dengan data dari IKLC, dimana terdapat 9 orang calon lulus menjadi asisten dan 11 orang calon tidak lulus menjadi asisten. Sistem ini dapat digunakan untuk membantu menyelesaikan permasalahan dalam menentukan kelayakan calon asisten laboratorium di IKLC (Ilmu Komputer Laboratory Center).
Katakunci: Sistem Pendukung Keputusan, Algoritma Iterative Dichotomiser 3, IKLC
(16)
DECISION SUPPORT SYSTEM OF LABORATORY ASSISTANT CANDIDATE PROPERNESS USING ITERATIVE
DICHOTOMISER 3 (ID3) ALGORITHM BASED ON ANDROID
ABSTRACT
Proper test of laboratory assistant candidate aims to get the best quality assistant in IKLC. The test is based on determined criterion such as file selection, microteaching and interview. Decision support system is needed to assist the proper test. The method used is Iterative Dichotomiser 3 Algorithm. In this research, the result of the method will be tested with data of laboratory assistant candidate that possessed by IKLC. . This method successfully matched the result of 20 data with the data from IKLC, where 9 candidates are pass becoming an assistant and 11 are not pass. This system can be used to assist the proper test of laboratory assistant candidate problem of IKLC (Ilmu Komputer Laboratory Center).
(17)
BAB 1 PENDAHULUAN
1.1. Latar Belakang
Laboratorium komputer merupakan tempat berlangsungnya praktikum sebagai salah satu kegiatan akademik di Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara. Dalam pelaksanaan kegiatan praktikum, dibutuhkan tenaga asisten laboratorium. Asisten laboratorium adalah para mahasiswa yang dipilih melalui proses seleksi.
Ilmu Komputer Laboratory Center (IKLC) merupakan pusat laboratorium yang mengatur kegiatan – kegiatan praktikum di Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara, salah satunya dalam melakukan proses penyeleksian asisten laboratorium yang baru. Akan tetapi, penilaian yang dilakukan masih bersifat manual. Oleh karena itu, dibutuhkan sebuah sistem yang mampu mendukung para penguji dalam memberikan keputusan terhadap kelayakan calon asisten laboratorium.
Smartphone/telepon pintar adalah telepon genggam yang dapat membantu para
pengguna dalam mendapatkan informasi dan memenuhi kebutuhan dengan cepat dan mudah. Ada berbagai macam sistem operasi yang mendukung smartphone, salah
satunya android. Android mempunyai beberapa kelebihan dibandingkan dengan sistem operasi lain, yaitu bersifat open source, sistem operasinya dapat diubah sesuai
keinginan sendiri dan memberikan kemudahan dalam pengembangan dan pembuatan sistem yang berbasis Android.
Penentuan kelayakan dapat dilakukan dengan bermacam-macam metode, salah satunya adalah metode Decision Tree. Decision Tree merupakan salah satu metode
(18)
terdiri dari node keputusan yang dihubungkan dengan cabang-cabang dari simpul akar
sampai ke node daun (akhir). Pada node keputusan attribut akan diuji, dan setiap hasil
akan menghasilkan cabang. Setiap cabang akan diarahkan ke node lain atau ke node
akhir untuk menghasilkan suatu keputusan (Larose, 2005). Pada metode Decision Tree
terdapat beberapa Algoritma seperti Iterative Dichotomiser 3(ID3) dan C 4.5.
Dari uraian diatas akan dibangun sebuah aplikasi Sistem Pendukung Keputusan (SPK) yang dapat mendukung para pengguna untuk mendapatkan keputusan terhadap kelayakan para calon asisten laboratorium, didalam teknologi smartphone yang
menggunakan Algoritma ID3 untuk membentuk Decision Tree sebagai metode
pendukung keputusan berbasis Android.
1.2. Rumusan Masalah
Rumusan masalah pada penelitian ini adalah bagaimana menentukan kelayakan calon asisten laboratorium dengan menggunakan algoritma Iterative Dichotomiser 3(ID3).
1.3. Batasan Masalah
Agar fokus penelitian tidak menyimpang dari rumusan masalah yang telah ditetapkan, maka dibuat batasan masalah sebagai berikut:
1. Menggunakan Algoritma Iterative Dichotomiser 3 (ID3) untuk membentuk Decision Tree.
2. Menggunakan bahasa pemrograman java (eclipse).
3. Sistem yang dibangun hanya untuk menentukan layak atau tidak layaknya seseorang menjadi asisten laboratorium di IKLC (Ilmu Komputer Laboratory Center).
4. Kriteria yang digunakan adalahseleksi berkas (IPK & nilai mata kuliah yang akan diambil), microteaching(penyampaian materi, pemakaian alat bantu,
organisasi penyampaian materi), wawancara.
5. Studi kasus dilakukan kepada calon asisten laboratorium IKLC.
6. Sistem ini dapat berjalan pada sistem operasi Android versi 2.2 (Froyo) sampai versi 4.2 (Jelly Bean).
(19)
1.4. Tujuan Penelitian
Tujuan penelitian ini adalah menyediakan aplikasi sistem pendukung keputusan untuk menentukan kelayakan calon asisten laboratorium menggunakan algoritma Iterative Dichotomiser 3(ID3) berbasis Android.
1.5. Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini adalah untuk menghasilkan aplikasi sistem pendukung keputusan berbasis Android yang dapat digunakan oleh para penguji untuk menentukan kelayakan calon asisten laboratorium dengan menggunakan algoritma Iterative Dichotomiser 3(ID3).
1.6. Metodologi Penelitian
Penelitian ini menerapkan beberapa metode penelitian sebagai berikut: 1. Studi Literatur
Pada tahap ini penulisan dimulai dengan proses pengumpulan bahan referensi baik dari buku, artikel, jurnal, makalah maupun melalui media internet mengenai sistem pendukung keputusan, Android, algoritma ID3serta beberapa referensi lainnya untuk menunjang pencapaian tujuan skripsi.
2. Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data calon asisten laboratorium IKLC dalam penentuan kelayakan calon asisten laboratorium serta kebutuhan yang diperlukan.
3. Analisis dan Perancangan Sistem
Pada tahap ini dilakukan analisis terhadap permasalahan yang ada, batasan sistem, kinerja sistem, cara kerja sistem serta kebutuhan sistem yang diperlukan dalam membangun sistem pendukung keputusan berbasis Android dengan pengaplikasian algoritma ID3dalam penentuan kelayakan calon asisten laboratorium.
4. Implementasi Sistem
Pada tahap ini sistem diimplementasikan dalam sebuah aplikasi sistem pendukung keputusan menggunakan algoritma ID3 dan berbasis Android.
(20)
5. Pengujian Sistem
Pada tahap ini akan dilakukan pengujian terhadap sistem yang telah dibangun serta menguji kebenaran dari algoritma ID3 untuk menentukan kelayakan calon asisten laboratorium.
6. Dokumentasi Sistem
Pada tahap ini dilakukan pembuatan dokumentasi sistem mulai dari tahap awal hingga pengujian sistem, untuk selanjutnya dibuat dalam bentuk laporan penelitian (skripsi).
1.7. Sistematika Penulisan
Sistematika dalam penulisan skripsi ini adalah sebagai berikut:
BAB 1 PENDAHULUAN
Pada bab ini dijelaskan latar belakang masalah dari penelitian yang dilakukan beserta batasannya, tujuan dan manfaat penelitian, metodologi penelitian dan sistematika penulisan skripsi ini.
BAB 2 TINJAUAN PUSTAKA
Pada bab ini dijelaskan teori-teori dasar yang mendukung penelitian seperti Sistem Pendukung Keputusan, Metode Decision Tree, Algoritma ID3 dan Android.
BAB 3 ANALISIS DAN PERANCANGAN
Pada bab ini dijelaskan perancangan Sistem Pendukung Keputusan pada smartphone
berbasis Android menggunakan Algoritma ID. Model Unified Modeling Language (UML) yang digunakan antara lain adalah use case diagram, activity diagram, sequence diagram dan perancangan tampilan antarmuka sistem.
BAB 4 IMPLEMENTASI DAN PENGUJIAN APLIKASI
Pada bab ini dijelaskan hasil pengujian aplikasi dari penelitian berupa tampilan dari aplikasi Sistem Pendukung Keputusan untuk Menentukan Kelayakan Asisten Laboratorium Menggunakan Algoritma ID3.
(21)
BAB 5 KESIMPULAN DAN SARAN
Pada bab ini dijelaskan hasil penelitian yang berisi kesimpulan dan saran yang nantinya akan dikembangkan atau melanjutkan penelitian yang berkaitan dengan masalah dalam penelitian ini.
(22)
BAB 2
TINJAUAN PUSTAKA
2.1. Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Systems (DSS)
pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Systems (Tampubolon, 2010).
Sistem pendukung keputusan (SPK) dirancang sedemikian rupa sehingga bersifat interaktif dengan pemakainya. Maksud dan tujuan dari adanya SPK, yaitu untuk mendukung pengambil keputusan memilih alternatif keputusan yang merupakan hasil pengolahan informasi - informasi yang diperoleh/tersedia dengan menggunakan model-model pengambil keputusan serta untuk menyelesaikan masalah-masalah bersifat terstruktur, semi terstruktur dan tidak terstruktur (Mulyono, 1996).
2.1.1. Definisi Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) secara sederhana adalah sebuah sistem yang digunakan sebagai alat bantu menyelesaikan masalah untuk membantu pengambil keputusan (manajer) dalam menentukan keputusan tetapi tidak untuk menggantikan kapasitas manajer namun hanya memberikan pertimbangan. SPK ditujukan untuk keputusan-keputusan yang memerlukan penilaian atau pada keputusan-keputusan yang sama sekali tidak dapat didukung oleh algoritma (Turban & Jay, 1998).
SPK merupakan sistem informasi berbasis komputer interaktif yang dapat memberikan alternatif dan solusi bagi pengambil dan pembuat keputusan. Jadi pada umumnya SPK merupakan pengembangan lebih lanjut dari Sistem Informasi Manajemen terkomputerisasi yang dirancang sedemikian rupa sehingga bersifat interaktif dengan pemakainya. Interaktif dengan tujuan untuk memudahkan integrasi antara berbagai komponen dalam proses pengambilan keputusan seperti prosedur,
(23)
kebijakan, analisis, pengalaman dan wawasan manajer untuk mengambil keputusan yang lebih baik (Manurung, 2012).
2.2. Metode Decision Tree
Pohon keputusan merupakan salah satu metode klasifikasi yang sangat menarik yang melibatkan konstruksi pohon keputusan yang terdiri dari node keputusan yang dihubungkan dengan cabang-cabang dari simpul akar sampai ke node daun (akhir). Pada node keputusan attribut akan diuji, dan setiap hasil akan menghasilkan cabang. Setiap cabang akan diarahkan ke node lain atau ke node akhir untuk menghasilkan suatu keputusan (Larose, 2005).
Setiap cabang dari Decision Tree menunjukkan kemungkinan keputusan.
Struktur pohon menunjukkan bagaimana satu pilihan mengarah kepada pilihan yang selanjutnya, sehingga penggunaan cabang menunjukkan bahwa setiap pilihan memiliki hubungan mutually exclusive. Cabang-cabang terjauh pada strukur pohon
(leaf) menunjukkan hasil akhir keputusan yang diambil (Hilman & Wibisono, 2012).
Pencarian solusi dengan bantuan Decision Tree dimulai dengan mempersiapkan
sekumpulan kasus. Seluruh kumpulan kasus tersebut akan dibagi menjadi 2 (Podgorelec,Kokol, Stiglic & Rozman, 2002), yaitu :
1. Training set, dimana digunakan untuk menginduksi Decision Tree.
2. Testing set, dimana digunakan untuk mengecek akurasi dari solusi yang telah didapatkan.
Kelebihan dari metode Decision Tree adalah (Simarmata, 2005):
1. Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik.
2. Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sampel diuji hanya berdasarkan kriteria atau kelas tertentu.
3. Fleksibel untuk memilih fitur dari internal node yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Kefleksibelan metode pohon keputusan ini
(24)
meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional. 4. Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya sangat
banyak, seorang penguji biasanya perlu untuk mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan kriteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.
2.2.1. Manfaat Decision Tree
Konsep dari pohon keputusan adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan. Manfaat utama dari penggunaan pohon keputusan adalah kemampuannya untuk mem-break down proses pengambilan keputusan yang
kompleks menjadi lebih simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan (Manurung, 2012).
Pohon Keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variable target. Pohon keputusan memadukan antara eksplorasi data dan pemodelan, sehingga sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain. Sering terjadi tawar menawar antara keakuratan model dengan transparansi model. Dalam beberapa aplikasi, akurasi dari sebuah klasifikasi atau prediksi adalah satu-satunya hal yang ditonjolkan, misalnya sebuah perusahaan direct mail membuat sebuah model yang akurat untuk memprediksi anggota mana yang berpotensi untuk merespon permintaan, tanpa memperhatikan bagaimana atau mengapa model tersebut bekerja (Manurung, 2012).
2.3. Algoritma Iterative Dichotomiser 3 (ID3)
ID3 adalah algoritma Decision Tree learning (algoritma pembelajaran pohon
keputusan) yang paling dasar. Algoritma ini melakukan pencarian secara menyeluruh (greedy) pada semua kemungkinan pohon keputusan. Algoritma ID3 dapat
(25)
diimplementasikan menggunakan fungsi rekursif (fungsi yang memanggil dirinya sendiri) (Suyanto, 2007).
2.3.1. Langkah- langkah Algoritma ID3
Penentuan kelayakan menggunakan Algoritma ID3 dapat dilihat dalam contoh kasus berikut. Diketahui data seperti didalam tabel dibawah ini, permasalahan nya adalah bagaimana mendapatkan ketentuan(rule) untuk mencari kelayakan seseorang dalam membeli sebuah motor.
Tabel 2.1. Contoh Data
Umur Pendapatan Pelajar Pinjaman Membeli
Motor
<=16 Tinggi Tidak Tidak Tidak
<=16 Tinggi Tidak Ya Tidak
17..19 Rendah Ya Ya Ya
17..19 Tinggi Tidak Tidak Ya
>19 Sedang Tidak Tidak Ya
>19 Rendah Ya Tidak Ya
>19 Rendah Ya Ya Tidak
Langkah-langkah untuk menentukan ketentuan(rule) dari tabel diatas menggunakan Algoritma ID3 :
1. Tentukan keadaan yang mungkin terjadi dari setiap atribut yang ada pada data.
2. Hitung Entropy awal dengan rumus (Chahal, 2013):
Entropy (S) = −��� ∗ � �2 ��� − � ∗ � �2 �
Keterangan : S = himpunan atribut
��� = atribut yang bernilai “Ya” � = atribut yang bernilai “Tidak”
(26)
3. Hitung Entropy dan Information Gain dari setiap atribut untuk menentukan
node awal dengan rumus (Chahal, 2013):
Information Gain (S. A) = � � � − |� | |�|
∈��� � (�) � �(� )
Keterangan : � = atribut � = jumlah kasus
� = jumlah kasus pada partisi ke-r
|� |
|�|
∈��� � (�) = menghitung jumlah partisi
4. Node awal didapatkan dari atribut yang memiliki nilai Information Gain tertinggi.
5. Ulangi langkah ketiga untuk menentukan node cabang selanjutnnya hingga
seluruh kriteria keputusan digunakan.
Entropy awal :
Jumlah Instance Total = 7 Jumlah Instance Ya = 4 Jumlah Instance Tidak = 3
Entropy (S) = −��� ∗ � �2 ��� − � ∗ � �2 �
= − 4
7 � �2 4
7 −
3 7 � �2
3 7
= − 0.57 (−0.811) – 0.43 (−1.218)
= 0.986
Entropy dan Information Gain per Atribut untuk node awal: Umur
Entropy (Umur<=16) = − 0
2 � �2 0 2 −
2 2 � �2
2 2
= 0 Entropy (Umur 17..19) = 0 Entropy (Umur >19) = 0.915
Information Gain (Umur) = � � � − |� |
|�|
∈��� � (�) � �(� )
= 0.986 – 2
7 x 0 – 2
7 x 0 – 3
7 x 0.915
(27)
Pendapatan
Entropy (Pendapatan = Tinggi) = 0.915 Entropy (Pendapatan = Sedang) = 0 Entropy (Pendapatan = Rendah) = 0.915 Information Gain(Pendapatan) = 0.202
Pelajar
Entropy (Pelajar = Tidak) = 1 Entropy (Pelajar = Ya) = 0.915 Information Gain(Pelajar) = 0.023
Pinjaman
Entropy (Pinjaman= Tidak) = 0.811 Entropy (Pinjaman= Ya) = 0.915 Information Gain(Pinjaman) = 0.131
Hasil Information Gain dari seluruh atribut = Umur = 0.594
Pendapatan = 0.202 Pelajar = 0.023
Pinjaman = 0.131
Karena atribut Umur memiliki nilai Information Gain paling tinggi maka atribut Umur dijadikan node awal, dan Decision Tree nya sebagai berikut :
Gambar 2.1. Node awal Decision Tree
Kemudian hitung Entropy dan Information Gain per atribut untuk menentukan node
cabang dari edge >19.
(28)
Jumlah Instance Ya = 2 Jumah Instance Tidak = 1
Pendapatan
Entropy (Pendapatan = Tinggi) = 0 Entropy (Pendapatan = Sedang) = 0 Entropy (Pendapatan = Rendah) = 1 Information Gain(Pendapatan) = 0.319
Pelajar
Entropy (Pelajar = Tidak) = 1 Entropy (Pelajar = Ya) = 0 Information Gain(Pelajar) = 0.319
Pinjaman
Entropy (Pinjaman= Tidak) = 0.915 Entropy (Pinjaman= Ya) = 0 Information Gain(Pinjaman) = 0.376
Hasil Information Gain dari seluruh atribut = Pendapatan = 0.319
Pelajar = 0.319
Pinjaman = 0.376
Karena atribut Pinjaman memiliki nilai Information Gain paling tinggi maka atribut Pinjaman dijadikan node cabang untuk edge >19. Decision Tree nya sebagai berikut :
(29)
Dan didapatkan rules dari pohon keputusan diatas:
IF Umur = <=16 THEN beli = Tidak IF Umur = 17..19 THEN beli = Ya
IF Umur = >19^Pinjaman = Tidak THEN beli = Ya IF Umur = <19^Pinjaman = Ya THEN beli = Tidak
2.4. Android
Android adalah sistem operasi berbasis linux yang digunakan untuk telepon seluler/mobile seperti telepon pintar/smartphone dan komputer tablet (PDA). Android
menyediakan platform terbuka bagi para pengembang untuk menciptakan aplikasi mereka sendiri yang digunakan oleh bermacam piranti bergerak (Ardhana, 2014).
Android didirikan pada tahun 2003 di Palo Alto, California, USA (Kasman, 2013). Pendiri Android adalah Andy Rubin, Rich Miner, Nick Sears dan Chris White. Sejak didirikan sampai saat ini, Android telah berkembang dan memiliki 13 versi sistem operasi,yaitu:
1. Android Beta 2. Android 1.0 3. Android 1.1
4. Android 1.5 (Cupcake) 5. Android 1.6 (Donut) 6. Android 2.0/2.1 (Éclair)
7. Android 2.2 (Froyo : Frozen Yoghurt) 8. Android 2.3 (Gingerbread)
9. Android 3.0/3.1 (Honeycomb)
10. Android 4.0 (ICS : Ice Cream Sandwich) 11. Android 4.1 (Jelly Bean)
12. Android 4.4 (Kitkat) 13. Android 5.0 (Lollipop)
2.4.1. Arsitektur Aplikasi Android
Arsitektur Aplikasi Android memiliki beberapa lapisan yang mendukung fungsi-fungsi spesifik dari sistem operasi, yaitu (Safaat, 2012) :
(30)
1. Linux kernel, berperan sebagai abstraction layer antara hardware dan
keseluruhan software.
2. Android Runtime, berisi Core Libraries dan Dalvik Virtual Machine. Core Libraries mencakup serangkaian inti library Java. Dalvik Virtual Machine
member kekuatan pada sistem Android dan di optimalkan untuk telepon seluler.
3. Libraries, berisi satu set library-library dalam bahasa C/C++ yang digunakan
oleh berbagai komponen yang ada pada sistem Android. Di dalamnya
meliputi : System C Library, Media Libraries, Surface Manager, LibWebCore, SGL, 3D Libraries, FreeType, dan SQL Lite.
4. Application Framework, mencakup program untuk mengatur fungsi-fungsi dasar smartphone. Di dalamnya terdapat servis dan sistem yang meliputi:
satu setViews, Content Providers, Resource Manager, Notification Manager dan Activity Manager.
5. Application, lapisan yang paling sering diakses oleh pengguna melalui user interface.
(31)
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1. Analisis Sistem
Analisis sistem bertujuan untuk melakukan identifikasi persoalan-persoalan yang akan muncul dalam pembuatan sistem, hal ini dilakukan agar pada saat proses perancangan aplikasi tidak terjadi kesalahan yang berarti, sehingga sistem yang dirancang dapat berjalan dengan baik, tepat guna dan ketahanan dari sistem tersebut akan lebih terjaga serta selesai tepat pada waktu yang telah ditentukan.
Sistem ini akan melakukan perhitungan dalam menentukan kelayakan calon asisten laboratorium di IKLC. Sistem ini dirancang dengan menggunakan Algoritma Iterative Dichotomiser 3 (ID3) dalam menentukan kelayakan calon asisten laboratorium IKLC.
3.1.1. Analisis Masalah
IKLC melakukan perekrutan asisten laboratorium setiap satu semester. Perekrutan dilakukan dengan cara melakukan pengujian kepada para calon asisten untuk menentukan kelayakan dari masing – masing calon asisten. Hasil dari pemilihan ini adalah terpilihnya calon- calon yang layak menjadi asisten laboratorium di IKLC. Hal tersebut tentunya didasari oleh berbagai kriteria yang telah ditentukan dalam proses penentuan kelayakan calon asisten laboratorium, yaitu pengujian berkas, micro teaching dan wawancara.
Dengan adanya Sistem Pendukung Keputusan dalam menentukan kelayakan calon asisten laboratorium, proses perhitungan akan menjadi lebih mudah dan lebih akurat. Karena sistem ini hanya ditujukan untuk permasalahan menentukan kelayakan calon asisten laboratorium di IKLC, maka sistem yang dibangun adalah sistem yang berbasis Android.
(32)
Untuk mengidentifikasi masalah tersebut digunakan diagram Ishikawa (fishbone diagram). Diagram Ishikawa adalah sebuah alat grafis yang digunakanuntuk mengeksplorasi dan
menampilkan pendapat tentang komponen inti suatu kondisi di dalam organisasi. Diagram ini juga dapat menyusuri sumber-sumber penyebab atas suatu masalah (Russel, Stuart J. & Norvig, P. 2003).
Gambar 3.1 Diagram Ishikawa untuk Analisis Masalah Sistem
3.1.2. Analisis Kebutuhan Sistem
Analisis kebutuhan sistem meliputi analisis kebutuhan fungsional sistem dan analisis kebutuhan nonfungsional sistem.
3.1.2.1. Kebutuhan Fungsional Sistem
Kebutuhan fungsional yang harus dimiliki oleh Sistem Pendukung Keputusan dalam menentukan asisten laboratorium di IKLC adalah :
1. Sistem dapat menerima inputan data calon asisten dan bobot kriteria.
2. Sistem dapat menampilkan detail data dan mengetahui calon yang layak atau calon yang tidak layak untuk menjadi asisten laboratorium berdasarkan algoritma ID3.
3.1.2.2. Kebutuhan Non-Fungsional Sistem
(33)
1. Sistem dapat melakukan perhitungan menentukan kelayakan calon asisten laboratorium dengan kecepatan komputasi yang tinggi.
2. Sistem harus mudah digunakan sehingga dapat dioperasikan dengan baik oleh pengguna.
3.1.3. Pemodelan
Pemodelan sistem dilakukan untuk memperoleh gambaran yang lebih jelas tentang objek apa saja yang akan berinteraksi dengan sistem, serta hal-hal apa saja yang harus dilakukan oleh sebuah sistem sehingga sistem dapat berfungsi dengan baik sesuai dengan kegunaannya.
Pada penelitian ini digunakan UML (Unified Modeling Language) sebagai bahasa
pemodelan untuk mendesain dan merancang Sistem Pendukung Keputusan dalam menentukan kelayakan calon asisten laboratorium di IKLC. Model UML yang digunakan antara lain use case diagram, activity diagram, dan sequence diagram.
3.1.3.1. Use Case Diagram
Use Case Diagram adalah sebuah diagram yang dapat merepresentasikan interaksi yang terjadi
antara user dengan sistem. Use Case Diagram akan menjelaskan fungsi apa saja yang dikerjakan
(34)
Pengguna
Gambar 3.2 Use Case Diagram Sistem Pendukung Kepufusan dalam
Menentukan Kelayakan Calon Asisten Laboratorium
Use Case proses Uji dapat dinyatakan dalam Tabel3.1.
Tabel3.1- Tabel Use Case Proses Uji
Menentukan Kelayakan Calon Asisten Laboratorium
Name Proses Uji
Actors Description Basic Flow
Alternate Fla'*' Pre Conditian Post Condition
User yang telah ditentukan
Use Case ini mendeskripsikan proses penentuan kelayakan calon asisten laboratorium
User memasukkan nilai pengujian pada setiap kriteria penilaian
dan menekan menu hasil
User dapat melihat bantuan dan tentang
(35)
Use Case proses Input Nilai Kriteria Pengujian dapat dinyatakan dalam Tabel 3.2.
Tabel 3.2. Tabel Use Case Proses Input Nilai Kriteria Pengujian
Name Proses Input Nilai Kriteria Pengujian
Actors User yang telah ditentukan
Description Use Case ini mendeskripsikan proses memasukkan seluruh
nilai kriteria penilaian
Basic Flow User memasukkan nilai kriteria penilaian dan menekan tombol
simpan untuk menyimpan data kedalam database
Alternate Flow -
Pre Condition User dapat melihat tampilan awal
Post Condition Sistem mendapatkan nilai kriteria penilalian yang akan
dimasukkan database
Use Case proses Normalisasi Nilai Kriteria dapat dinyatakan dalam Tabel 3.3.
Tabel 3.3. Tabel Use Case Proses Normalisasi Nilai Kriteria
Name Proses Normalisasi Nilai Kriteria
Actors User yang telah ditentukan
Description Use Case ini mendeskripsikan proses normalisasi nilai kriteria
pengujian
Basic Flow Sistem menormalisasi nilai kriteria pengujian yang telah
dimasukkan
Alternate Flow -
Pre Condition User memasukkan nilai kriteria penilaian
Post Condition Sistem mendapatkan hasil normalisasi nilai kriteria pengujian
Use Case proses Simpan Hasil Normalisasi dapat dinyatakan dalam Tabel 3.4.
Tabel 3.4. Tabel Use Case Proses Simpan Hasil Normalisasi
Name Proses Simpan Hasil Normalisasi
(36)
Description Use Case ini mendeskripsikan proses menyimpan nilai kriteria
pengujian yang telah di normalisasi
Basic Flow Sistem menyimpan nilai hasil normaliasi ke dalam database
Alternate Flow -
Pre Condition Sistem menormalisasi nilai kriteria pengujian
Post Condition Nilai hasil normalisasi tersimpan kedalam database
Use Case proses Uji Hasil Kelayakan dapat dinyatakan dalam Tabel 3.5.
Tabel 3.5. Tabel Use Case Proses Uji Kelayakan
Name Proses Uji Kelayakan
Actors User yang telah ditentukan
Description Use Case ini mendeskripsikan proses pengujian kelayakan
calon asisten laboratorium
Basic Flow User menekan tombol hasil dan sistem akan melakukan
pengujian kelayakan data calon asisten laboratorium dengan Algoritma ID3
Alternate Flow -
Pre Condition Sistem menyimpan data hasil normalisasi kedalam database
Post Condition User mendapatkan hasil kelayakan calon asisten laboratorium
Use Case proses Algoritma ID3, dapat dinyatakan dalam Tabel 3.6.
Tabel 3.6. Tabel Use Case Proses Algoritma ID3
Name Proses Algoritma ID3
Actors User yang telah ditentukan
Description Use Case ini mendeskripsikan proses penentuan rule dengan
Algoritma ID3
Basic Flow Sistem menghitung seluruh entropy dan Information Gain data
kriteria yang telah dimasukkan dan mendapatkan rule akhir
Alternate Flow -
Pre Condition -
(37)
Use Case proses Hitung Entropy dapat dinyatakan dalam Tabel 3.7.
Tabel 3.7. Tabel Use Case Proses Hitung Entropy
Name Proses Hitung Entropy
Actors User yang telah ditentukan
Description Use Case ini mendeskripsikan proses perhitungan entropy
seluruh data kriteria penilaian
Basic Flow Sistem menghitung seluruh entropy data kriteria yang telah
dimasukkan
Alternate Flow -
Pre Condition User memasukkan data kriteria penilaian
Post Condition Sistem mendapatkan hasil perhitungan entropy dari seluruh
kriteria penilaian
Use Case proses Hitung Information Gain, dapat dinyatakan dalam Tabel 3.8.
Tabel 3.8. Tabel Use Case Proses Hitung Information Gain
Name Proses Hitung Information Gain
Actors User yang telah ditentukan
Description Use Case ini mendeskripsikan proses perhitungan information
gain seluruh data kriteria penilaian
Basic Flow Sistem menghitung seluruh information gain dari seluruh
entropy
Alternate Flow -
Pre Condition Sistem melakukan perhitungan entropy
Post Condition Sistem mendapatkan hasil entropy dengan information gain
(38)
3.1.3.2. Activi4t Diagram
Proses U.ii, dapat dilihat Activity Diagram pada Gambar 3.3 berikut.
GamLrar 3.3 Activity Diagram dalam Proses Uji
Pada proses ini, pengguna akan memasukkan nilai kriteria pengujian. Sistem
akan menormalisasi nilai kriteria pengujian dan menyimpannya kedalam database.
Sistem kemudian akan melakukan pengujian kelayakan calon asisten dengan
Algoritma ID3 dan akan menampilkan hasil pengujian tersebut. Pengguna juga dapat
melakukan pengujian lain.
Sistern menyimpan data hasil normalisasi kedalam database
Sistem melakukan pengujian
kelayakan dengan Algoritma lD3
Sislern menampilkan hasil kelayakan calon asisten
laboratorium
Pengguna ingin
(39)
Pro.ses Hitung Entropy, dapat dilihat ,4ctir.'iQ' Diagram pada Gambar 3.4 berikut.
Pada proses ini, pengguna akan memasukkan data kriteria penilaian yang telah didapatkan dari narasumber. Sistem akan menghitung entropy dari setiap node.
Perhitungan entropy selesai ketika seluruh node telah dihitung entropy nya.
Proses Hitung Information Gain, dapat dilihat Activity Diagram pada Gambar
3.5 berikut.
Pengguna memasukkan data kriteria
Sistem melakukan perhitungan
entropy node
Seluruh node berhasil dihitung
Gambar 3.4 Activity dalam Proses Hitung Entropy
I
O
Diagram(40)
Sistem mendapatkan rule akhir
Gambar 3.5 Activity Diagram dalam Proses Hitung Informatin Gain
Pada proses ini, sistem akan mangambil data hasil perhitungan entropy. Sistem
akan melakukan perhitungan information gain untuk mendapatkan information gain
tertinggi yang akan dijadikan sebagai node awal dan node cabang. Sistem kemudian mendapatkan rule akhir dari pohon keputusan yang terbentuk. Jika rule akhir belum terbentuk maka sistem akan mengambil lagi data hasil perhitungan dari entropy dan
melakukan perhitungan kembali.
3.1.3.3. Analisis Proses Sistem
Berikut ini akan dijelaskan mengenai proses memasukkan data dan proses perhitungan yang terjadi dalam menentukan kelayakan calon asisten laboratorium di IKLC dengan menggunak an Se que nc e di agram.
(41)
Pada proses Penentuan Kelayakan Calon Asisten Laboratorium, sistem dapat
melakukan perhitr"lngan dengan algoritma ID3. Sequence diagratz untuk proses penentuan kelayakan calon asisten laboratorium dengan algoritma ID3 diperlihatkan
pada Gambar 3.6.
-o_
,N\ UU
PerE$m
t,**o*-
TlSis-ptr'I l--I'
_l
titlmffiarlt_l ---T---l-_--T_-_ :HituBhtroaimGaifl-T
+
SnTpac fBsq
ffi6is6i
I I
n
tt
U
- - - ---
--
- - - --ryHesrryg
Gambar 3.6 Sequence Dicgram Dalam Proses Penentuan Kelayakan Calon Asisten Laboratorium dengan Algoritma ID3
Pada Sequence diagranr
di
atas terlihat bahwa pengguna mengakses fonn pengujian, kemudian sistem akan menampilkan form pengujian berkas. Penggunakemudian akan memasukkan data pengujian berkas dan sistem akan menyimpan datanya ke dalam database. Sistem kemudian akan menampilkan data yang sudah
disimpan didalam database. Pengguna kemudian akan memilih data yang akan
dilakukan pengujian selanjutnya dan memasukkan seluruh data untuk seluruh
alternatif kriteria ke dalam database. Selanjutnya sistem akan menampilkan teks "Data
berhasil disimpan". Kemudian pengguna mengakses form data
dan
sistemmenampilkan data yang telah disimpan. Pengguna rnemilih data yang ingin dilakukan perhitungan dan sistem akan menampilkan hasil perhitungan dengan algoritma ID3.
ftJed(hrdida@(a1 I
i-I I
I 6*ffi6rEk* tilai itrisa
Fr{qim I
Mffiaddm dala k.itsia I
Mirliaed i
Pshns€tr rnde a.d
T-lm'r's _l
I *---l---er*rcpy I
I I I
t snnsikfri mde {brEEn
(42)
3.1.3.4. Flowchart Algoritma ID3
Berikut adalahflowchart yang menggambarkan langkah-langkah dalam menghitung Algoritma ID3.
Gambar 3,7 Flowcharl Algoritma ID3
3.2. Perancangan Sistem
Proses perancangan antarmuka (interface) sebuah sistem adalah proses yang cukup penting dalam perancangan sebuah sistem. Sebuah antarmuka harus dirancang dengan
memperhatikan faktor pengguna sehingga sistem yang dibangun dapat memberikan
kenyamanan dan kemudahan untuk digunakan oleh pengguna. Erffqp,, l.lil = *.Pro * Iollt Fros - tr*t* * Iap F*
Infsmrriln &fo {5' l{! = efiFop}'{s} - Ir61sri-*t4ff ft*roeyqsa
g,:1rr rA 5ir*:i 3 rr i1;rg
(43)
3.2.1. Antarmuka Menu Utama
Antarmuka Menu Utama adalah tampilan yang muncul setelah tampilan splash screen menghilang. Pada tampilan ini disajikan form yang akan di pilih untuk memulai aplikasi.
Sistem Pe.*dukuilg Keputusan Cal,on Asistq L&o€torium IKLC
Deia
Bantuan
Gambar 3.8 Antarmuka Perancangan Sistem Menu Utama Keterangan :
l.
Button PengujianBerupa tombol yang berfungsi untuk menambah data baru dan memasukkan nilai kriteria.
2.
Button DataBerupa tombol yang berfungsi untuk menampilkan data yang telah dimasukkan kedalam database dan hasil perhitungan.
3.
Button BantuanBerupa tombol yang berfungsi mengarahkan pengguna ke form petunjuk
penggunaan aplikasi.
4.
Button TentangBerupa tombol yang berfungsi menampilkan identitas perancang sistem.
3.2.2. Antarmuka Pengujian Berkas
Pada Tampilan Pengujian Berkas, akan ditampilkan Text Field dan pengguna diminta untuk memasukkan identitas calon dan nilai kriteria pengujian yang sudah ditentukan. Selanjutnya pengguna mengakses tombol Simpan untuk menyimpan data yang telah ditambah yang hasilnya akan ditampilkan pada list database.
(44)
Penguiian Berkas
Nama fO---l
Nim lg---l
ftrarar<uridr,€--Nilai
rPK re--]
Nilis&ffi Kil---V...r
rG;'moan I fKernbatA
€---(,
Gambar 3.9 Antarmuka Perancangan Sistem Penguiian Berkas
Keterangan:
1.
Text Field NamaBerfungsi untuk memasukkan nama calon.
2.
Text Field NimBerfungsi untuk memasukkan nim calon.
3.
Text Field Mata KuliahBerfungsi untuk memasukkan nama mata kuliah yang diambil.
4.
Text Field Nilai IPKBerfungsi untuk memasukkan nilai IPK.
5.
Spinner Nilai Mata KuliahBerfungsi untuk memilih nilai mata kuliah.
6.
Button SimpanBerupa tombol yang berfungsi untuk menyimpan data ke dalam database
7.
Button KembaliBerupa tombolyang berfungsi untuk kembali ke tampilan menu awal.
3.2.3. Antarmuka Micro
I
Pada Tampilan Micro
l,
akan ditampilkan Spinner dan pengguna diminta untuk memilih nilai pada setiap kriteria yang sudah ditentukan.(45)
Gambar 3.10 Antarmuka Perancangan Sistem Micro
I
Keterangan:
1.
Spinner Perencanaan Kegiatan PembelajaranBerfungsi untuk memilih bobot kriteria perencanaan kegiatan pembelajaran
2.
Spinner Keterampilan Membuka KelasBerfungsi untuk memilih bobot kriteria keterampilan membuka kelas
3.
Spinner Vokal / Pengunaan bahasaBerfungsi untuk memilih bobot kriteria vokal / penggunaan bahasa
4.
Spinner Sikap / KewibawaanBerfungsi untuk memilih bobot kriteria sikap / kewibawaan
5.
Spinner Interaksi dengan PraktikkanBerfungsi untuk memilih bobot kriteria interaksi dengan praktikkan
6.
Spinner Kepercayaan diri dalam mengajarBerfungsi untuk memilih bobot kriteria kepercayaan diri dalam mengajar
7.
Spinner Pembangkitan Topik DiskusiBerfungsi untuk memilih bobot kriteria pembangkitan topik diskusi
8.
Spinner Kepantasan dan Kesopanan BerpakaiankTBaSi.g P4uii 1
(46)
Berfungsi untuk memilih bobot kriteria kepantasan dan kesopananberpakaian
9.
Spinner Gambar / Ilustrasi / AnalogiBerfungsi untuk memilih bobot kriteria gambar / ilustrasi / analogi 10. Spinner Powerpoint / Modul
Berfungsi untuk memilih bobot kriteria powerpoint / modul I 1. Spinner Obyek Riil / Contoh (Alat Peraga dll)
Berfungsi untuk memilih bobot kriteria obyek riil i contoh (alat pemga, dll)
12. Spinner Alur Penyampaian Materi
Berfungsi untuk ntemilih bobot kriteria alur penyampaian materi 13. Spinner Relevansi Materidengan Pemaparan
Berfhngsi untuk memilih bobot kriteria relevansi materi dengan pemaparan 14. Spinner Penguasaan Materi
Berfungsi untuk memilih bobot kriteria Penguasaan Materi
I5. Spinner Penguasaan dan Mengorganisasi Kelas
Berfungsi untuk memilih bobot kriteria penguasaan dan mengorganisasi kelas 16. Button Simpan
Berupa tombol yang berfungsi menyimpan data kedalam database 17. Button Kembali
Berupa tombol yang berfungsi mengarahkan pengguna ke form sebelumnya
3.2.4. Antarmuka Micro 2
Pada Tampilan Micro 2. akan ditampilkan Spinner dan pengguna diminta untuk memilih nilai pada setiap kriteria yang sudah ditentukan.
(47)
Gambar 3.11 Antarmuka Perancangan Sistem Micro 2
Keterangan:
l.
Spinner Perencanaan Kegiatan PembelajaranBerfungsi untuk memilih bobot kriteria perencanaan kegiatan pembelajaran
2.
Spinner Keterampilan Membuka KelasBerfungsi untuk memilih bobot kriteria keterampilan membuka kelas
3.
Spinner Vokal / Pengunaan bahasaBerfungsi untuk memilih bobot kriteria vokal / penggunaan bahasa
4.
Spinner Sikap / KewibawaanBerfungsi untuk memilih bobot kriteria sikap / kewibawaan
5.
Spinner Interaksi dengan PraktikkanBerfungsi untuk memilih bobot kriteria interaksi dengan praktikkan
6.
Spinner Kepercayaan diri dalam mengajarBerfungsi untuk memilih bobot kriteria kepercayaan diri dalam mengajar
7.
Spinner Pembangkitan Topik DiskusiBerfungsi untuk memilih bobot kriteria pembangkitan topik diskusi
8.
Spinner Kepantasan dan Kesopanan BerpakaianMso Teading Pensuat 2
1, Penyampaia mdd / kmunik6i, peffiaee
(48)
9.
Berfungsi untuk memilih bobot kriteria gambar / ilustrasi i analogi 10. Spinner Powerpoint / Modul
Berfungsi untuk memilih bobot kriteria powerpoint / modul
I l. Spinner Obyek Riil / Contoh (Alat Peraga, dll)
Berfungsi untuk memilih bobot kriteria obyek tiil / contoh (alat peraga, d11)
12. Spinner Alur Penyampaian Materi
Berftrngsi untuk memilih bobot kriteria alur penyampaian materi
13. Spinner Relevansi Materi dengan Pemaparan
Berfungsi untuk memilih bobot kriteria relevansi materi dengan pemaparan 14. Spinner Penguasaan Materi
Berfungsi untuk memilih bobot kriteria Penguasaan Materi 15. Spinner Penguasaan dan Mengorganisasi Kelas
Berfungsi untuk memilih bobot kriteria penguasaan dan mengorganisasi kelas
16. Button Simpan
Berupa tombol yang berfungsi menyimpan data kedalam database 17. Button Kembali
Berupa tombol yang berfungsi mengarahkan pengguna ke form sebelumnya
3.2.5. Antarmuka Micro 3
Pada Tampilan Micro 3, akan ditampilkan Spinner dan pengguna diminta untuk memilih nilai pada setiap kriteria yang sudah ditentukan.
(49)
Gambar 3.12 Antarmuka Perancangan Sistem Micro 3
Keterangan:
L
Spinner Perencanaan Kegiatan PembelajaranBerfungsi untuk memilih bobot kriteria perencanaan kegiatan pembelajaran
2.
Spinner Keterampilan Membuka KelasBerfungsi untuk memilih bobot kriteria keterampilan membuka kelas
3.
Spinner Vokal /Pengunaan bahasaBerfungsi untuk memilih bobot kriteria vokal/ penggunaan bahasa
4.
Spinner Sikap i KewibawaanBerfungsi untuk memilih bobot kriteria sikap / kewibawaan
5.
Spinner Interaksi dengan PraktikkanBerfungsi untuk memilih bobot kriteria interaksi dengan praktikkan
6.
Spinner Kepercayaan diri dalam mengajarBerfungsi untuk memilih bobot kriteria kepercayaan diri dalam mengajar
7.
Spinner Pembangkitan Topik DiskusiBerfungsi untuk memilih bobot kriteria pembangkitan topik diskusi
8.
Spinner Kepantasan dan Kesopanan BerpakaianMso Tea&ing Penquji 3
1- Fffiy€mpaian mdd / kffiunikasi / petutmal.!€
(50)
9.
SpinnerBerfungsi untuk memilih bobot kriteria gambar / ilusttasi / analogi
10. Spinner Powerpoint / Modul
Berfungsi untuk memilih bobot kriteria powerpoint /modul
1l. Spinner Obyek Riil / Contoh (Alat Peraga dll)
Berfungsi untuk memilih bobot kriteria obyek riil I contoh (alat pemga. dll)
12. Spinner Alur Penyampaian Materi
Berfungsi untuk memilih bobot kriteria alur penyampaian materi 13. Spinner Relevansi Materi dengan Pemaparan
Berfungsi untuk memilih bobot kriteria relevansi materi dengan pemaparan
14. Spinner Penguasaan Materi
Berfungsi untuk memilih bobot kriteria Penguasaan Materi
15. Spinner Penguasaan dan Mengorganisasi Kelas
Berfungsi untuk memilih bobot kriteria penguasaan dan mengorganisasi kelas
16. Button Simpan
Berupa tombol yang berfungsi menyimpan data kedalam database 17. Button Kembali
Berupa tombol yang berfungsi mengarahkan pengguna ke form sebelumnya
3.2.6. Antarmuka Micro 4
Pada Tampilan Micro 4, akan ditampilkan Spinner dan pengguna diminta untuk memilih nilai pada setiap kriteria yang sudah ditentukan.
(51)
Mlrc Te-*ine Penguii 4
1- Penyffipaian mat€d / komunik6i / PE€ncanaan Kqiatan Pamdqs.atl
I V*al I Penggunaan bahasa
3 / kdbawaafl
6d&t*metu*r (3-' --," 6 topak diskusi
a
491 Obyek dill codd {Ald P@s, or, !}
1't
-__--*12:;= Palara'rsi ,flrr6d lGm-n
1=I
Jv
15 ( 16 >impan I I Kembs{ 17 )
Gamtrar 3.13 Antarmuka Perancangan Sistem Micro 4 Keterangan:
l.
Spinner Perencanaan Kegiatan PembelajaranBerfungsi untuk memilih bobot kriteria perencanaan kegiatan pernbelajaran
2.
Spinner Keterampilan Membuka KelasBerfungsi untuk memilih bobot kriteria keterampilan membuka kelas
3.
Spinner Vokal / Pengunaan bahasaBerfungsi untuk memilih bobot kriteria vokal / penggunaan bahasa
4.
Spinner Sikap / KewibarvaanBerfungsi untuk memilih bobot kriteria sikap / kew'ibawaan
5.
Spinner Interaksi dengan PraktikkanBerfungsi untuk memilih bobot kriteria interaksi dengan praktikkan
6.
Spinner Kepercayaan diri dalam mengajarBerfungsi untuk memilih bobot kriteria kepercayaan diri dalam mengajar
7.
Spinner Pembangkitan Topik DiskusiBerfungsi untuk rnemilih bobot kriteria pembangkitan topik diskusi
8.
Spinner Kepantasan dan Kesopanan Berpakaian(52)
9.
AnalogiBerfungsi untuk memilih bobot kriteria gambar I ilustrasi / analogi 10. Spinner Powerpoint / Modul
Berfungsi untuk memilih bobot kriteria powerpoint / modul
I L Spinner Obyek Riil / Contoh (Alat Peraga. dll)
Berfungsi untuk memilih bobot kriteria obyek riil / contoh (alat perag4 d11)
12. Spinner Alur Penyampaian Materi
Berfungsi untuk memilih bobot kriteria alur penyampaian materi 13. Spinner Relevansi Materi dengan Pemaparan
Berfungsi untuk memilih bobot kriteria relevansi materi dengan pemaparan 14. Spinner Penguasaan Materi
Berfungsi untuk memilih bobot kriteria Penguasaan Materi 15. Spinner Penguasaan dan Mengorganisasi Kelas
Berfungsi untuk memilih bobot kriteria penguasaan dan mengorganisasi kelas
16. Button Simpan
Berupa tombolyang berfungsi menyimpan data kedalam database 17. Button Kembali
Berupa tombol yang berflingsi mengarahkan pengguna ke form sebelumnya
3.2.7. Antarmuka Micro 5
Pada Tampilan Micro 5, akan ditampilkan Spinner dan pengguna diminta untuk memilih nilai pada setiap kriteria yang sudah ditentukan.
(53)
ssoT€ading
1 Penvanrpaian mdd / komunjkasi / I Vokal / Perrggunaan bl.Isa
PBkttkkil dad
(5 ) 6 7 dan
a 2 Pffialahan / Psakai<h alat hntu
Gamhr/ llEt€si rAl€l€i
(r-c/mdda 10 Oby* dil / codd (AIal Perega, dl)
=
) --'---'z 11
Q3r-=\/ q3r ---414 )-7
15
G6>ffiF;-l [xmu(tz)
Gambar 3.14 Antarmuka Perancangan Sistem Micro 5
Keterangan:
1.
Spinner Perencanaan Kegiatan PembelajaranBerfungsi untuk memilih bobot kriteria perencanaan kegiatan pembelajaran
2.
Spinner Keterampilan Membuka KelasBerfungsi untuk memilih bobot kriteria keterampilan membuka kelas
3.
Spinner Vokal I Pengunaan bahasaBerfungsi untuk memilih bobot kriteria vokal / penggunaan bahasa
4.
Spinner Sikap i KewibawaanBerfungsi untuk memilih bobot kriteria sikap / kewibarvaan
5.
Spinner Interaksi dengan PraktikkanBerfungsi untuk memilih bobot kriteria interaksi dengan praktikkan
6.
Spinner Kepercayaan diri dalam mengajarBerfungsi untuk memilih bobot kriteria kepercayaan diri dalam mengajar
7.
Spinner Pembangkitan Topik DiskusiBerfungsi untuk memilih bobot kriteria pembangkitan topik diskusi
8.
Spinner Kepantasan dan Kesopanan Berpakaian(54)
9.
Spinner Gambar /Berfungsi untuk memilih bobot kriteria gambar / ilustrasi / anatogi
10. Spinner Powerpoint / Modul
Berfungsi untuk memilih bobot kriteria powerpoint / modul
1l
Spinner Obyek Riil / Contoh (AIat Peraga, dll)Berfungsi untuk memilih bobot kriteria obyek riil / contoh (alat peraga, d11)
i2. Spinner Alur Penyampaian Materi
Berfungsi unttrk memilih bobot kriteria alur penyampaian materi 13. Spinner Relevansi Materi dengan Pemaparan
Berfungsi untuk memilih bobot kriteria relevansi materi dengan pemaparan
14. Spinner Penguasaan Materi
Berfungsi untuk memilih bobot kriteria Penguasaan Materi 15. Spinner Penguasaan dan Mengorganisasi Kelas
Berfungsi untuk memilih bobot kriteria penguasaan dan mengorganisasi kelas
16. Button Simpan
Berupa tombol yang berfungsi menyimpan data kedalam database
17. Button Kembali
Berupa tombol yang berfungsi mengarahkan pengguna ke form sebelumnya
3.2.8. Antarmuka Wawancara dan Pengujian
Pada Tampilan Wawancara dan Pengujian, akan ditampilkan Spinner dan pengguna
diminta untuk memilih nilai pada setiap kiteria yang sudah ditentukan.
lllIa*aneE
pens.ai
1
rcll---Vl Pensuii2
RAT---7 P€qsf,ii 3 l€---VlPsrsuii4 fG)----V
Pqlsuii 5 ffS-'V
(55)
Keterangan:
l.
Spinner Penguji 1Berfungsi untuk memilih bobot kriteria penguji I
2.
Spinner Penguji 2Berfungsi unfuk memilih bobot kriteria penguji 2
3.
Spinner Penguji 3Berfungsi untuk memilih bobot kriteria penguji 3
4.
Spinner Penguji 4Berfungsi untuk memilih bobot kriteria penguji 4
5.
Spinner Penguji 5Berfungsi untuk memilih bobot kriteria penguji 5
6.
Button SimpanBerupa tombol yang berfungsi untuk menyimpan data kedalam database
7.
Button Uji MicroBerupa tombol yang berfungsi untuk melakukan perhitungan seluruh data
microteaching
8.
Button KembaliBerupa tombolyang berfungsi untuk kembali ke form menu all'al
3.2.9. Antarmuka Hasil
Pada Tampilan Hasil, akan ditampilkan Text Yiew dan pengguna dapat melihat data yang telah di simpan dalam database.
Gambar 3.16 Antarmuka Perancangan Sistem Hasil bd PengutEd
H
r
----Ti-\r----T2)
Mmr*it Kday# f---ft) I Keftbri f lo ) | "tJ
(56)
Keterangan:
1.
Text View IdBerfungsi menampilkan id dari data
2.
Text View NamaBerfungsi Menampilkan nama dari data yang telah di masukkan
3.
Text View NimBerfungsi menampilkan nirn dari data yang telah di masukkan
4.
Text View Mata KuliahBerfungsi menampilkan mata kuliah dari data yang telah dimasukkan
5.
Text View IPKBerfungsi menampilkan ipk dari data yang telah dikonversi
6.
Text View Nilai Mata KuliahBerfungsi menampilkan nilai mata kuliah dari data yang telah di konversi
7.
Text View Micro TeachingBerfungsi menampilkan nilai micro teaching dari data yang telah di konversi
8.
Text View WarvancaraBerfungsi menampilkan nilai wawancara dari data yang telah di konversi
9.
Text View Hasil KelayakanBerfirngsi menampilkan hasil kelayakan calon setelah dilakukan perhitungan 10. Button Kembali
Berfungsi mengarahkan pengguna ke form menu awal
3.2.10. Antarmuka Ubah Data
Pada Tampilan Ubah Data, akan ditampilkan Text Field untuk mengubah data yang
telah dimasukkan kedalam database. Selanjutnya pengguna mengakses tombol
Simpan untuk menyimpan data yang telah diubah yang hasilnya akan ditampilkan
(57)
Gambar 3.tr7 Antarmuka Perancangan Sistem LTbah Data
Keterangan :
1.
Text Field NamaBerfungsi untuk memasukkan nama calon.
2.
Text Field NimBerfungsi untuk memasukkan nim calon.
3.
Text Field Mata KuliahBerfungsi untuk memasukkan nama mata kuliah yang diambil.
4.
Text Field NilailPKBerfungsi untuk memasukkan nilai IPK.
5.
Spinner Nilai Mata KuliahBerfungsi untuk memilih nilai mata kuliah.
6.
Button PerbaruiBerupa tombol yang berfungsi untuk menyimpan data yang telah diperbarui ke dalam database
7.
Button KembaliBerupa tombol yang berfungsi untuk kembali ke tampilan menu awal.
P6gutan Eerkas
l1}:..1
Nturr
fe---_.l
kffi
r$-j
^rihrrK
l13r---l
&"*** f€I---au
Fsrarui-l fr<mbeifl.(58)
BAB 4
IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1. Implementasi Sistem
Implementasi Sistem merupakan tahapan yang harus dilalui dalam proses pengembangan perangkat lunak dari suatu sistem. Tahap ini dilakukan setelah terlebih dahulu melalui tahap Analisis dan Perancangan Sistem yang telah diuraikan pada bab sebelumnya.
4.1.1. Implementasi Algoritma ID3
Penerapan algoritma ID3 dalam sistem yang dibuat adalah pada proses perhitungan dengan algoritma ID3 dalam menentukan kelayakan calon asisten laboratorium di IKLC. Pegujian – pengujian yang dilakukan akan dijadikan alternatif dalam menentukan apakah calon layak atau tidak layak untuk menjadi asisten laboratorium di IKLC.
Adapun langkah pertama yang dilakukan adalah melakukan normalisasi nilai kriteria dari seluruh alternatif yang telah dimasukkan kedalam sistem. Selanjutnya data hasil proses normalisasi tersebut dikonversi dengan bobot dari kriteria yang ditentukan. Selanjutnya hasil konversi data di hitung sesuai dengan rumus algoritma ID3 yang perhitungannya dilakukan dengan cara manual yang menghasilkan rule. Selanjutnya, rule tersebut lah yang diimplementasikan ke sistem dalam menentukan kelayakan calon asisten laboratorium di IKLC. Berikut adalah tabel bobot dari kriteria yang telah ditetapkan dapat dilihat pada Tabel 4.1.
Tabel 4.1 Bobot Kriteria
Nama IPK Nilai Mata
Kuliah Microteaching Wawancara Kelayakan
A01 3,66 A 211 15 T
A02 3,09 A 201 8 T
A03 3,55 A 187 15 T
(59)
A05 3,34 A 95 0 F
A06 3,59 A 202 13 T
A07 3,52 A 167 11 T
A08 3,34 B+ 0 0 F
A09 3,80 A 180 14 T
A10 2,98 A 0 0 F
A11 3,68 A 161 7 F
A12 3,58 A 139 5 F
A13 3,51 A 146 8 F
A14 3,72 A 166 14 T
A15 3,72 A 188 9 F
A16 3,65 A 156 10 F
A17 3,39 A 163 12 T
A18 3,65 A 164 11 T
A19 3,34 A 151 8 F
A20 3,56 A 128 8 F
Parameter Atribut 1. IPK
1. < = 2,99 (TL) 2. > = 3,00 (L) 2. Nilai Mata Kuliah
1. B,+ B, C+, C, D, E (TL) 2. A (L)
3. Microteaching 1. < = 100 (TL)
2. 101 – 200 (dapat dipertimbangkan) 3. = 201 (L)
Nilai Microteaching didapatkan dari hasil penilaian 5 orang penguji untuk seluruh kriteria pengujian seperti :
1. Penyampaian materi: perencanaan kegiatan pembelajaran, keterampilan membuka kelas, vocal, sikap, interaksi denga praktikkan, kepercayaan diri, pembangkitan topik dikusi, kesopanan berpakaian.
2. Pemilihan/ pemakaian alat bantu: Gambar/ilustrasi/analogi, powerpoint/modul, obyek riil/contoh (alat peraga,dll).
(60)
3. Organisasi/integrasi penyampaian materi: Alur penyampaian materi, relevansi materi dengan pemaparan, penguasaan materi, penguasaan dan mengorganisasi kelas.
Setiap kriteria pengujian akan diberi nilai A sampai D, dimana A=3, B=2, C=1, D=0. 4. Wawancara
1. < = 6 (TL)
2. 7 – 10 (dapat dipertimbangkan) 3. > = 11 (L)
Nilai Wawancara didapatkan dari hasil penilaian 5 orang penguji, setiap penguji dapat memberikan nilai A= sangat kompeten, B= kompeten, C= belum kompeten, D= tidak kompeten, dimana A=3, B=2, C=1, D=0.
Berikut adalah tabel data Atribut Target dalam menentukan kelayakan calon asisten laboratorium.
Tabel 4.2 Data Atribut Target
Atribut Target Deskripsi
True Calon Layak Menjadi Asisten
False Calon Tidak Layak Menjadi Asisten
Berikut adalah langkah-langkah dalam perhitungan manual dengan Algoritma ID3: Hitung Entropi awal
1. Jumlah Instance = 20
2. Jumlah Instance Positive = 9 3. Jumlah Instance Negative = 11
� � = −�+ � �2�+− �−� �2�−
= − 9
20 � �2 9
20 −
11 20 � �2
11 20 = −0.45 � �2 0.45 – 0.55 � �2 0,55 = − 0.45 (-1.152) – 0.55 (-0.8622) = 0.518 + 0.474
= 0.992 Hitung Entropy IPK
Tabel 4.3 Entropy IPK
Atribut IPK
1 Positive = 0, negative = 1
(61)
� �(1) = −�+ � �2�+− �−� �2�− = − 0
1 � �2
0
1 −
1
1 � �2
1 1
= 0
� �(2) = −�+ � �2�+− �−� �2�−
=− 9
19 � �2 9
19 −
10 19 � �2
10 19
= 0.998
Information Gain IPK
=� � − 1 � � 1 − 2 � � 2 − 3 � � 3
= 0.992− 1
20∗0.216 − 19
20∗0.998
= 0.033
Hitung Entropy Nilai Mata Kuliah
Tabel 4.4 Entropy Nilai Mata Kuliah
Atribut Nilai Mata Kuliah
1 Positive = 0, negative = 1
2 Positive = 9, negative = 10
� �(1) = −�+ � �2�+− �−� �2�−
= − 0
1 � �2
0
1 −
1
1 � �2
1 1
= 0
� �(2) = −�+ � �2�+− �−� �2�−
=− 9
19 � �2 9
19 −
10 19 � �2
10 19
= 0.998
Information Gain Nilai Mata Kuliah
=� � − 2 � � 2 −
1
� � 1
= 0.992− 1
20∗0.216 − 19
20∗0.998
= 0.033
Hitung Entropy Microteaching
Tabel 4.5 Entropy Microteaching
Atribut Microteaching
1 Positive = 0, negative = 3
2 Positive = 6, negative = 8
(62)
� �(1) = −�+ � �2�+− �−� �2�−
= − 0
3 � �2 0
3 −
3 3 � �2
3 3 = 0
� �(2) = −�+ � �2�+− �−� �2�−
= − 6
14 � �2 6
14 −
8 14 � �2
8 14 = 0.985
� �(3) = −�+ � �2�+− �−� �2�−
= − 3
3 � �2 3
3 −
0 3 � �2
0 3 = 0
Information Gain Microteaching
=� � − 1 � � 1 − 2 � � 2 − 3 � � 3
= 0.992− 3
20∗0 − 14
20∗0.985 − 3 20∗0 = 0.302
Hitung Entropy Wawancara
Tabel 4.6 Entropy Wawancara
Atribut Wawancara
1 Positive = 0, negative = 4
2 Positive = 1, negative = 7
3 Positive = 8, negative = 0
� �(1) = −�+ � �2�+− �−� �2�−
= − 0
4 � �2 0
4 −
4 4 � �2
4 4
= 0
� �(2) = −�+ � �2�+− �−� �2�−
= − 1
8 � �2 1
8 −
7 8 � �2
7 8 = 0.544
� �(3) = −�+ � �2�+− �−� �2�−
= − 8
8 � �2 8
8 −
0 8 � �2
0 8
= 0
Information Gain Wawancara
=� � − 1 � � 1 −
2
� � 2 − 3
� � 3
= 0.992− 4
20∗0 − 8
20∗0.985 − 8 20∗0 = 0.774
(63)
Berikut adalah gain yang dihasilkan dari setiap atribut untuk menentukan node awal
setelah dilakukan perhitungan dari seluruh kriteria.
Tabel 4.7 Hasil Perhitungan Algoritma ID3 untuk menentukan node awal
Atribut Gain
IPK 0.033
Nilai Mata Kuliah 0.033
Microteaching 0.302
Wawancara 0.774
Karena atribut Wawancara memiliki nilai gain tertinggi, maka atribut tersebut dijadikan node awal, sehingga Decision Tree menjadi.
Gambar 4.1 Decision Tree untuk node awal
Selanjutnya hitung entropy dan gain per atribut untuk menentukan node cabang dari edge
2.
Jumlah instance untuk atribut Wawancara = 8 Jumlah instance True = 1
Jumlah instance False = 7
Entropy IPK untuk edge 2
Tabel 4.8 Entropy IPK untuk edge 2
Atribut IPK
1 Positive = 0, negative = 0
(1)
android:text="" /> <TextView
android:id="@+id/textView6"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:layout_gravity="center"
android:text="Nama : Vito Erpindo"
android:textColor="#ffffff"
android:textStyle="bold" /> <TextView
android:id="@+id/textView7"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:text="" /> <TextView
android:id="@+id/textView8"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:layout_gravity="center"
android:text="Nim : 101401027"
android:textColor="#ffffff"
android:textStyle="bold" /> <TextView
android:id="@+id/textView9"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:text="" /> <TextView
android:id="@+id/textView10"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:layout_gravity="center"
android:text="S-1 Ilmu Komputer Universitas Sumatera Utara"
android:textColor="#ffffff"
android:textStyle="bold" /> <TextView
android:id="@+id/textView13"
android:layout_width="304dp"
android:layout_height="wrap_content"
android:layout_weight="0.84"
android:text="" /> <LinearLayout
android:layout_width="match_parent"
android:layout_height="wrap_content" > <TextView
android:id="@+id/textView12"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:text=" " /> <ImageView
(2)
A-58
android:layout_width="74dp"
android:layout_height="match_parent"
android:layout_gravity="center"
android:src="@drawable/usu1" /> <TextView
android:id="@+id/textView11"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:text=" " />
<ImageView
android:id="@+id/covere"
android:layout_width="78dp"
android:layout_height="78dp"
android:layout_gravity="center"
android:src="@drawable/logo_depan" /> </LinearLayout>
</LinearLayout>
//Source Code AndroidManifest.xml
<?xml version="1.0" encoding="utf-8"?>
<manifest xmlns:android="http://schemas.android.com/apk/res/android"
package="example.iklc"
android:versionCode="1"
android:versionName="1.0" > <uses-sdk
android:minSdkVersion="8"
android:targetSdkVersion="17" /> <application
android:allowBackup="true"
android:icon="@drawable/ic_launcher"
android:label="@string/app_name"
android:theme="@style/AppTheme" > <activity
android:name=".MainActivity"
android:label="@string/app_name" > <intent-filter>
<action android:name="android.intent.action.MAIN" /> <category
android:name="android.intent.category.LAUNCHER" /> </intent-filter>
</activity>
<activity android:name=".Wawancara"
android:label="@string/app_name"> <intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Pengujian"
(3)
<intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Listuji"
android:label="@string/app_name"> <intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Micro1"
android:label="@string/app_name"> <intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Micro2"
android:label="@string/app_name"> <intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Micro3"
android:label="@string/app_name"> <intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Micro4"
android:label="@string/app_name"> <intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Micro5"
android:label="@string/app_name"> <intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Data"
android:label="@string/app_name"> <intent-filter>
(4)
A-60
<category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Hasil"
android:label="@string/app_name"> <intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Bantuan"
android:label="@string/app_name"> <intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Menuawal"
android:label="@string/app_name"> <intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Ubah"
android:label="@string/app_name"> <intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity>
<activity android:name=".Tentang"
android:label="@string/app_name"> <intent-filter>
<action android:name="android.intent.action.VIEW" /> <category
android:name="android.intent.category.DEFAULT" /> </intent-filter>
</activity> </application> </manifest>
(5)
CURRICULUM VITAE
---
Data Pribadi
Nama
: Vito Erpindo
Tempat/Tanggal Lahir: Bekasi / 18 Desember 1992
Tinggi/Berat Badan : 169 cm / 64 kg
Agama
: Islam
Kewarganegaraan
: Indonesia
Alamat Sekarang
: Jl. Eka Rasmi Perumahan Famili Asri Blok Fm no 1 Medan
Alamat Orang Tua
: Jl. Eka Rasmi Perumahan Famili Asri Blok Fm no 1 Medan
Telp/ Hp
: 085694452884
: kiditona@gmail.com
---
Riwayat Pendidikan
[2009
–
2013]
: S1 Ilmu Komputer Universitas Sumatera Utara, Medan
[2007
–
2009]
: SMA Harapan 1 Medan
[2006
–
2007]
: SMA Islam PB. Soedirman Bekasi
[2003
–
2006]
: SMP Tunas Jaka Sampurna Bekasi
[1997
–
2003]
: SD Tunas Jaka Sampurna Bekasi
---
Keahlian/Kursus
Keahlian Bahasa
:
[2000
–
2011]
: Kursus Bahasa Inggris LBPP-LIA
Keahlian Komputer :
Pemrograman
: Matlab, PHP, Java, C++
Database
: MySQL, SQlite
(6)