… 4.1 MAT29
Menyelesaikan persamaan trigonometri.
4.1.4. Transformasi Data Data Transformation
Terdapat dua tahap dalam transformasi data. Tahap pertama yaitu dengan melakukan normalisasi perbedaan interval. Proses normalisasi dilakukan dengan
menggunakan rumus min-max normalization sebagai berikut:
′
= − �
�
�
�
− �
�
�
��
�
− �
�
�
+ �
�
�
Keterangan: = nilai sebelum ternormalisasi
′
= nilai setelah ternormalisasi �
�
= nilai minimal dari atribut A �
�
= nilai maksimal dari atribut A �
�
�
= nilai minimal terbaru dari atribut A �
��
�
= nilai maksimal terbaru dari atribut A
Pada penelitian ini, atribut yang digunakan memiliki data yang memiliki interval yang sama, yaitu 0
– 100, sehingga tahap ini tidak dilakukan. Tahap kedua dalam transformasi data yaitu mengubah data numerik menjadi
TUNTAS dan TIDAK TUNTAS. TUNTAS berarti data tersebut memiliki nilai lebih besar sama dengan nilai daya serap minimal yang telah ditentukan
sebelumnya. Sedangkan TIDAK TUNTAS berarti data tersebut memiliki nilai lebih kecil dari nilai daya serap minimal yang telah ditentukan sebelumnya.
Contoh data daya serap hasil Ujian Nasional mata pelajaran Matematika SMA jurusan IPA di Daerah Istimewa Yogyakarta hasil transformasi data dengan
menggunakan nilai daya serap minimal sebesar 60 terlampir pada lampiran 2. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4.2. PERANCANGAN PERANGKAT LUNAK PENAMBANGAN DATA
4.2.1. Perancangan Umum
4.2.1.1. Input Sistem
Data input dari sistem yang akan dibangun berasal dari file dengan ekstensi .xls dan .csv yang dapat dipilih langsung oleh pengguna user dari direktori
Komputer atau dari tabel yang terdapat di dalam database. Sebelum melakukan proses asosiasi, pengguna juga diharuskan untuk mengisi nilai minimum support
dan minimum confidence terlebih dahulu pada textfield yang telah disediakan.
4.2.1.2. Proses Sistem
Proses sistem yang akan dibangun terdiri dari beberapa tahapan untuk dapat menemukan aturan rule yang berfungsi untuk menemukan pola keterkaitan
antar kompetensi di suatu mata pelajaran. Proses tersebut yaitu: 1.
Pemilihan atribut data yang akan digunakan dalam proses data mining 2.
Menentukan minimum support dan minimum confidence yang berfungsi dalam menentukan aturan asosiasi
3. Proses asosiasi untuk menemukan hubungan antar indikator pencapaian
kompetensi pada mata pelajaran Matematika. Proses umum yang terjadi pada sistem digambarkan dalam diagram
flowchart yang digambarkan pada Gambar 4.1. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 4.1 Diagram Flowchart
4.2.1.3. Output Sistem
Sistem akan memberikan keluaran atau output berupa frequent k-itemset beserta dengan nilai support-nya yang sesuai dengan minimum support dan tabel
asosiasi yang sesuai dengan minimum confidence. Selain itu sistem juga akan menampilkan rules yang telah dihasilkan dari proses asosiasi yang telah dilakukan.
4.2.2. Diagram Use Case
Suatu sistem selalu memiliki interaksi antar pengguna dengan sistem itu sendiri yang digambarkan dalam bentuk diagram use case. Diagram use case
terlampir pada lampiran 3. Pengguna dalam sistem yang akan dibangun ini hanya ada satu,
diinisialisaikan denga n nama “User”. Interaksi utama yang dilakukan pengguna
terhadap sistem ada tiga, yaitu: memasukkan data, proses asosiasi menggunakan algoritma apriori, dan menyimpan hasil asosiasi. Ketiga interaksi tersebut harus
dijalankan secara berurutan. Selain interaksi tersebut, sebuah interaksi yang merupakan pilihan yang ditawarkan setelah melakukan proses memasukkan data.
Interaksi tersebut adalah menyeleksi atribut data.
4.2.2.1. Gambaran Umum Use Case
Diagram use case pada lampiran 4 memiliki gambaran umum dari masing- masing use case. Gambaran umum dari masing-masing use case tersebut terlampir
pada lampiran 4.
4.2.2.2. Narasi Use Case
Diagram use case pada lampiran 1 juga memiliki narasi yang merupakan penjelasan lebih lengkap dari masing-masing use case. Narasi tersebut terlampir
pada lampiran 5.
4.2.3. Diagram Aktivitas
Terdapat empat diagram aktivitas yang merupakan aktivitas dari use case memasukkan data, seleksi atribut, asosiasi dengan aloritma apriori, dan simpan
hasil asosiasi. Diagram aktivitas sistem terlampir pada lampiran 6.
4.2.4. Diagram Kelas Analisis
Diagram kelas analisis terkampir pada lampiran 7. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4.2.5. Diagram Sekuen
Terdapat enam diagram sequence yaitu memasukkan data dari file, memasukkan data dari database MySQL, memasukkan data dari database Oracle,
seleksi atribut, asosiasi menggunakan algoritma apriori, dan menyimpan hasil asoisiasi. Diagram sequence terlampir pada lampiran 8.
4.2.6. Diagram Kelas Disain
Diagram kelas desain terlampir pada lampiran 9.
4.2.7. Algoritma per Method
Rincian algoritma per method terlampir pada lampiran 10.
4.2.8. Perancangan Struktur Data
Perancangan struktur data dalam system asosiasi ini dimaksudkan untuk mengonstruksi informasi yang tersedia. Struktur data dapat membantu pengolahan
data yang lebih efisien. Pada penelitian ini digunakan konsep struktur data ArrayList.
ArrayList adalah sebuah kelas yang dapat melakukan penyimpanan data berupa list objek berbentuk array yang ukurannya dapat berubah secara dinamis
sesuai dengan jumlah data yang dimasukkan. Perbedaan paling mendasar antara Array dan ArrayList adalah :
1. Untuk menyimpan data dalam Array biasa, maka harus mendeklarasikan
jumlah elemen maksimal yang dapat menampung data. Hal ini menyebabkan keterbatasan penggunaan data. Jika data yang digunakan
bersifat fleksibel, maka Array tidak dapat digunakan. 2.
ArrayList dapat menampung sejumlah data secara dinamis, sehingga seberapapun jumlah datanya dapat ditampung oleh ArrayList tanpa
memperhatikan berapa jumlah maksimal elemen yang dapat ditampung. Perhatikan ilustrasi Arraylist pada gambar 4.2 berikut ini :
Gambar 4.2 Ilustrasi Konsep ArrayList
Pada penelitian ini, kompetensi suatu mata pelajaran sebagai elementData. Setiap kompetensi yang saling terhubung dengan kompetensi lainnya akan berada
dalam index yang sama pada ArrayList. Sebagai contoh, akan dijelaskan pada gambar 4.3 berikut ini :
Gambar 4.3 Perancangan ArrayList
Kategori