Functional Decomposition Diagram FDD Data Flow Diagram DFD
merupakan level tertinggi dari DFD yang menggambarkan seluruh input ke sistem atau output dari sistem. Diagram konteks akan memberi gambaran tentang
keseluruan sistem. Sistem dibatasi oleh boundary dapat digambarkan dengan garis putus. Dalam diagram konteks hanya ada satu proses. Tidak boleh ada store dalam
diagram konteks.
Data Flow Diagram DFD adalah suatu diagram yang menggunakan notasi- notasi untuk menggambarkan arus dari data sistem, yang penggunaannya sangat
membantu untuk memahami sistem secara logika, tersruktur dan jelas. DFD merupakan alat bantu dalam menggambarkan atau menjelaskan proses kerja suatu
sistem.
DFD sering digunakan untuk menggambarkan suatu sistem yang telah ada atau sistem baru yang akan dikembangkan secara logika tanpa mempertimbangkan
lingkungan fisik di mana data tersebut mengalirmisalnya lewat telepon, surat dan sebagainya atau lingkungan fisik di mana data tersebut akan disimpan misalnya
file kartu, microfiche, hard disk, tape, diskette, dll. DFD merupakan alat yang digunakan pada metodologi pengembangan sistem yang terstruktur structured
analysis and design
Gambar 2.3 Simbol-simbol pada DFD
2.1.9 Evaluasi Cluster Menggunakan Silhoutte Index
Silhouette Index SI dapat digunakan untuk melakukan validasi terhadap sebuah data, cluster tunggal satu cluster dari sejumlah cluster, atau bahkan
keseluruhan cluster. Metode ini yang paling banyak digunakan untuk memvalidasi cluster yang menggabungkan nilai kohesi dan separasi. Untuk menghitung nilai SI
dari sebuah data ke-i, ada 2 komponen yaitu a
i
dan b
i
. a
i
adalah rata-rata jarak data ke-i terhadap semua data lainnya dalam satu cluster, dan b
i
didapatkan dengan menghitung rata-rata jarak data ke-i terhadap semua data dari cluster yang lain tidak
dalam satu cluster dengan data ke-i, kemudian diambil yang terkecil Tan et al, 2006, Petrovic, 2003 pada Prasetyo, 2014: 283-284.
Berikut formula untuk mnghitung : =
−
∑ ,
�
, = , , … ,
�= �≠
…………………………..6.7.1 ,
�
adalah jarak data ke-i dengan data ke-r dalam satu cluster j, sedangkan m
j
adalah jumlah dalam cluster ke-j. Berikut formula untuk meghitung :
=
= ,…, ≠
{
�
∑ ,
�
}, = , , … ,
�
�= �≠
…………….6.7.2
Untuk mendapatkan =
− ax { , }
……………………….6.7.3
Nilai a
i
mengukur seberapa tidak mirip sebuah data dengan cluster yang diikutinya, nilai yang semakin kecil menandakan semakin tepatnya data tersebut
berada dalam cluster tersebut. Nilai b
i
yang besar menandakan bahwa data tersebut semakin tepat berada daam cluster tersebut. Nilai SI negative a
i
b
i
menandakan bahwa data tersebut tidak tepat berada dalam cluster tersebut karena lebih dekat
dengan cluster yang lain. SI bernilai 0 atau mendekati 0 berarti data tersebut posisinya berada di perbatasan di antara dua cluster.
Untuk nilai SI dari sebuah cluster didapatkan dengan menghitung rata-rata nilai SI semua data yang bergabung dalam cluster tersebut, seperti pada persamaan berikut:
=
j
∑
=
……………………….6.7.4 Seentara nilai SI global didapatkan dengan menghitung rata-rata nilai SI dari semua
cluster seperti pada persamaan berikut:
= ∑
=
……………………….6.7.5 k adalah jumlah cluster.