3.1.2 Use case Diagram
Diagram use case digunakan untuk menggambarkan interaksi antara pengguna dengan sistem. Pengguna sistem ini sebanyak satu orang. Fungsi yang
dapat dijalankan oleh pengguna sistem ini adalah fungsi memasukkan data dalam bentuk file .xls, atau .csv. Fungsi berikutnya itu seleksi atribut dan distribusi
atribut. Fungsi berikutnya yaitu fungsi proses clustering dengan memasukkan nilai k,w,i dan e. Fungsi berikutnya yaitu fungsi lihat grafik plot hasil clustering,
dan simpan hasil clustering. Fungsi terakhir yaitu fungsi lihat bantuan. Gambar dari use case diagram aplikasi dapat dilihat pada Gambar 3.1.
Gambar 3.1 Use Case Diagram
3.1.3 Input Sistem
Sistem clustering dengan algoritma Fuzzy C-Means hanya dapat menerima masukan dari pengguna berupa file berekstensi .xls atau .csv yang berisi data nilai
ujian nasional dan nilai sekolah pada sekolah menengah atas di Daerah Istimewa Yogyakarta. Data diambil pada tahun 2011-2014 khususnya jurusan IPA dan IPS.
3.1.4 Proses Sistem
Sistem implementasi algoritma Fuzzy C-Means untuk pengelompokan sekolah menengah atas di DIY berdasarkan nilai ujian nasional dan nilai sekolah
ini memiliki beberapa tahapan proses. Pertama, pengguna memasukkan data yang
akan diolah dalam bentuk file berformat .xls atau .csv. Kedua, pengguna dapat melakukan seleksi atribut serta melihat distribusi atribut. Seleksi atribut
digunakan untuk memilih atribut tertentu yang akan dihapus. Distribusi atribut digunakan untuk melihat variasi nilai dalam setiap atribut berserta jumlahnya
dalam bentuk tabel. Tahap kedua ini merupakan tahap pilihan sehingga tidak harus dikerjakan. Ketiga, pengguna harus memasukkan jumlah cluster k, jumlah
pembobotw, maksimum iterasii, toleransi kesalahanGalate. Kemudian sistem akan melakukan proses clustering sesuai dengan algoritma Fuzzy C-Means
sebagai berikut : 1. Membentuk matriks partisi awal keanggotaan Uik yg nilai awalnya acak,
i= banyak data, k = banyak klusterantara0 -1, 2. Menghitung pusat vektor tiap-tiap cluster untuk matrik partisi tersebut,
3. Menghitung fungsi objektif , 4. Memodifikasi matriks partisi sebagai berikut.
5. Memeriksa kondisi untuk berhenti,P
t
c - P
t-1
c Eps atau t MaxIter,
Jika Ya berhenti, dan jika Tidak maka ulangi dari langkah ke-2. 6. Menampilkan hasil dari algoritma Fuzzy C-Means berupa fungsi objektif
Pt, matriks keanggotaan ยต
ik
dan pusat kluster V
kj
.
Gambar 3.2 Flowchart Algoritma Fuzzy C-Means Kusumadewi,2010.
3.1.5 Output Sistem
Keluaran yang diperoleh dari sistem yang dibangun adalah data-data yang sudah dikelompokkan dan hasil grafik clustering data sekolah.
Bentuk matriks partisi awal keanggotaan Uik yg nilai awalnya acak, i= banyak
data, k = banyak klusterantara 0-1
TIDAK
YA
3.1.6 Kebutuhan Perangkat Lunak