T1 672007189 BAB III

19

Bab 3

Metode dan Perancangan Sistem

3.1

Metode Pengembangan Sistem

Metode penelitian yang digunakan pada pembuatan aplikasi ini adalah model prototype. Model prototype merupakan suatu teknik untuk mengumpulkan informasi tertentu mengenai kebutuhan-kebutuhan informasi pengguna secara cepat, dengan metode prototyping ini pengembang dan pelanggan dapat saling berinteraksi selama proses pembuatan sistem. Secara lengkap, alur model prototype akan digambarkan seperti pada Gambar 3.1.

Gambar 3.1 Prototype Model (Pressman, 2001).

Gambar 3.1 merupakan gambaran tahapan umum dari prototype model. Berikut adalah penjelasan dari tahap–tahap prototype model.

3.1.1 Pengumpulan Kebutuhan (Requirements)

Tahap requirements, user mencari dan mengumpulkan data yang dibutuhkan sistem yang nantinya digunakan untuk aplikasi tersebut. Hal ini sangat dibutuhkan karena aplikasi harus dapat berinteraksi dengan perangkat – perangkat lain seperti hardware, database serta user. Keuntungan dari model prototype ini, yaitu kesalahan yang mungkin akan terjadi dapat dideteksi lebih dini jadi aplikasi yang dihasilkan dapat sesuai dengan yang diinginkan.

Guna mendapatkan data yang dibutuhkan untuk mendukung dalam merancang aplikasi tersebut menggunakan beberapa metode, antara lain :

1. Metode Observasi

Metode observasi dilakukan dengan mengadakan wawancara secara langsung dengan Bapak George Nikijuluw, selaku Koordinator KPTA periode 2010-2011 dan Bapak Adriyanto Juliastomo Gundo selaku Koordinator KPTA Fakultas Teknik Informasi UKSW Salatiga, dengan beberapa pertanyaan yang berhubungan dengan tahap – tahap pemilihan dosen pembimbing yang selama ini dilakukan. Selain itu, penulis juga mendapatkan data dari Bapak Johan Tambotoh, selaku Kapuslit yang memberikan daftar bidang minat dosen serta minat pengembangan staff pengajar di FTI. Berdasarkan hasil wawancara tersebut diperoleh hasil bahwa penentuan dosen pembimbing didapat dengan mencocokkan bidang pengembangan dosen dengan minat pengembangan mahasiswa.

2. Metode Referensi

Metode referensi dilakukan melalui artikel dan buku-buku yang membahas tentang algoritma Iterative Dichotomizer Three, Sistem Pendukung Keputusan serta mengambil data dari internet yang menyediakan informasi yang berhubungan dengan tema tersebut.

Pengumpulan kebutuhan yang dilakukan juga berkaitan dengan kebutuhan software dan hardware yang digunakan dalam membangun aplikasi. Spesifikasi hardware yang dipakai saat pembuatan aplikasi adalah :

- Prosesor Intel Core 2 Duo 2.2 Gb - RAM 2 GB

- Harddisk 320 GB

Spesifikasi software yang dipakai adalah : - Netbeans 7.0

- Windows 7 32 bit

- Rational Rose Enterprise Edition - Jdk 6.0-windows

- phpMyAdmin 3.3.9 - WampServer 2.1 3.1.2 Perancangan (Design)

Melakukan tahap perancangan sistem dan perangkat lunak dengan menggunakan data dari analisa kebutuhan yang telah dilakukan. Perancangan aplikasi ini disajikan dalam bentuk UML (Unified Modeling Language). UML (Unified Modeling Language) disebut sebagai bahasa pemodelan bukan metode dan disebut juga

sebagai bahasa untuk menggambarkan sistem. UML (Unified Modeling Language) akan digambarkan dengan menggunakan bagan alir sistem yang menunjukkan bagaimana sistem secara fisik nantinya akan ditempatkan dan diterapkan sehingga dapat menunjukkan arah aliran data suatu proses.

3.1.3 Evaluasi Prototype

Setelah prototype selesai dirancang maka tahap selanjutnya adalah melakukan evaluasi prototype, pada tahap ini user mengevaluasi prototype yang telah dibuat. Evaluasi ini akan digunakan untuk memperjelas kebutuhan program. Jika tujuan umum yang telah dibuat di tahap paling awal belum tercapai, maka proses perbaikan dimulai kembali dari tahap awal dan dilanjutkan ke tahap berikutnya. Proses ini berakhir setelah tujuan umum telah tercapai.

3.2 Perancangan Sistem

Aplikasi ini ditujukan guna membantu mahasiswa yang akan mengerjakan tugas akhir serta KPTA sebagai saran dalam pemilihan dosen pembimbing. Sistem ini dirancang untuk membantu memberikan saran calon dosen pembimbing yang sesuai dengan judul tugas akhir mahasiswa. Perancangan sistem menggunakan Unified Modelling Language (UML).

3.2.1 Use Case Diagram

Use Case merupakan peringkat tertinggi dari fungsionalitas yang dimiliki oleh sistem. Dapat dikatakan juga, use case merupakan gambaran bagaimana user akan memanfaatkan sistem

yang ada. Use case diagram untuk aplikasi ini dapat dilihat pada Gambar 3.2.

Gambar 3.2 Use Case Diagram

Gambar 3.2 menjelaskan bahwa Admin/Koordinator KPTA dapat melakukan berbagai aktivitas seperti olah data dosen (hapus, daftar kata kunci, tambah dan edit dosen), kata kunci (hapus dan tambah kata kunci), berita (hapus dan tambah berita), bidang pengembangan (daftar kata kunci, daftar anggota, hapus dan tambah bidang pengembangan). Sedangkan mahasiswa hanya dapat melakukan konsultasi topik dan melihat kandidat dosen yang sesuai topik yang diinputkan.

3.2.2 Sequence Diagram

Sequence diagram menggambarkan interaksi antar objek di dalam dan di sekitar sistem (termasuk pengguna, display, dan sebagainya) berupa message yang digambarkan terhadap waktu. Sequence diagram terdiri atas dimensi vertikal (waktu) dan dimensi horizontal (objek-objek yang terkait). Sequence diagram biasa digunakan untuk menggambarkan skenario atau rangkaian langkah-langkah yang dilakukan sebagai response dari sebuah event untuk menghasilkan output tertentu.

Aktivitas – aktivitas yang dapat dilakukan admin pada sistem antara lain dapat melakukan pengolahan data (meliputi tambah, ubah dan hapus) yang dipilh pada menu yang disediakan. Gambar 3.3 menunjukkan sequence diagram admin saat tambah dosen.

Gambar 3.3 Sequence Diagram Tambah Dosen

Gambar 3.3 menjelaskan tentang proses yang terjadi ketika admin ingin melakukan pengolahan data dosen. Awalnya admin

harus login dengan memasukkan username dan password untuk menjaga kerahasiaan data. Admin dapat melakukan tambah dosen dengan menginpukan seluruh data dosen yang diperlukan. Ketika data selesai dinputkan maka pada database akan diperbarui secara otomatis.

Gambar 3.4 Tambah Bidang Pengembangan

Gambar 3.4 menjelaskan tentang alur kerja sistem saat admin akan menambah bidang pengembangan. Setelah admin berhasil login, admin memilih menu bidang pengembangan. Pada menu bidang pengembangan admin dapat menambah bidang pengembangan yang masuk terdapat di FTI.

Gambar 3.5 Tambah Berita

Gambar 3.5 menjelaskan tentang cara kerja sistem saat admin ingin menambah berita. Admin dapat langsung masuk ke menu berita dan menginputkan judul, prakata serta isi pada berita yang akan ditampilkan.

Gambar 3.6 menjelaskan tentang proses yang terjadi ketika mahasiswa ingin menggunakan aplikasi ini. Mahasiswa dapat melakukan konsultasi judul skripsi dengan menginputkan judul skripsi yang ingin diajukan. Sistem akan melakukan pengecekan ke database untuk memilih kandidat dosen yang sesuai dengan judul skripsi yang diinputkan.

Gambar 3.6 Sequence Diagram Konsultasi 3.2.3 Activity Diagram

Activity diagram digunakan untuk mendokumentasikan alur kerja pada sebuah sistem. Admin merupakan aktor yang dapat mengelola semua data. Untuk activity diagram dapat dilihat pada Gambar 3.7.

Gambar 3.7 Activity Diagram Tambah Kata Kunci

Gambar 3.7 menjelaskan bahwa admin harus melakukan login terlebih dahulu saat menjalankan aplikasi. Setelah berhasil login, admin dapat memilih menu pada aplikasi antara lain : beranda, master data, bidang pengembangan, dosen, berita, konsultasi dan logout. Untuk menambah kata kunci, admin memilih master data, Kata Kunci. Pada menu menambah Kata Kunci disediakan dalam bahasa indonesia dan inggris.

Gambar 3.8 Activity Diagram Tambah Dosen

Gambar 3.8 menjelaskan tentang proses yang dilakukan oleh admin untuk menambah data dosen. Setelah admin berhasil login, admin memilih menu dosen. Pada menu dosen, admin dapat menambahkan dosen dengan mengisi data dosen yang disediakan sistem.

Gambar 3.9 Activity Diagram Konsultasi Penentuan Pembimbing Skripsi Gambar 3.9 menjelaskan tentang proses mencari calon dosne pembimbing. User dapat langsung menginputkan judul skripsi pada menu konsultasi tanpa harus menginputkan nim dan password terlebih dahulu. Setelah user selesai menginputkan judul, maka akan ditemukan calon dosen pembimbing yang sesuai berdasarkan pohon yang dibuat.

Gambar 3.10 Activity Diagram Lihat Berita, Beranda, Daftar Anggota Dan Daftar Keyword

Gambar 3.10 menjelaskan tentang aktivitas yang dapat dilakukan oleh user. User hanya dapat melihat daftar anggota bidang pengembangan, daftar kata kunci bidang pengembangan, berita dan beranda.

3.2.4 Class Diagram

Class diagram merupakan diagram yang digunakan untuk menampilkan kelas-kelas yang ada dalam sistem yang berupa obyek dan sedang dikembangkan dari kelas satu ke kelas saling berelasi. Setiap kelas dalam class diagram terdiri dari nama kelas, atribut, dan operasi dari kelas tersebut. Pada class diagram tabel dosen berhubungan dengan tabel fungsional, pendidikan_terakhir, bidang_pengembangan dan keyword. Tabel keyword berhubungan dengan bidang_pengembangan dan dosen. Tabel formulir, login dan berita tidak berelasi dengan tabel lainnya. Class diagram dapat dilihat pada Gambar 3.11.

Gambar 3.11 Class Diagram 3.3 Rumusan Perhitungan ID3

Dalam perancangan aplikasi sistem konsultasi dosen pembimbing menggunakan algoritma Iterative Dichotomizer Three (ID3) guna mempermudah dalam penentuan rule atau aturan yang dipakai pada aplikasi. Untuk menentukan aturan yang dipakai pada aplikasi diperlukan sampel data seperti pada Tabel 3.1

Atribut tujuan adalah status dengan value Ditolak atau Diterima, sedangkan atribut adalah Sudah S2, Bidang Pengembangan, Keahlian, Kapasitas Membimbing dan Studi Lanjut S3.

Tabel 3.1 Beberapa Contoh TA dan Status Penerimaannya

No

Judul Skripsi Dosen

Status Sesuai dengan Keahlian ? Masuk dalam Bid. Pengembangan ? Sudah S2 ? Kapasitas Membimbing Studi Lanjut S3 ?

1 Tidak Tidak Sudah Belum Penuh Ya Tolak 2 Ya Ya Sudah Belum Penuh Tidak Terima 3 Tidak Tidak Belum Belum Penuh Tidak Terima 4 Tidak Tidak Sudah Belum Penuh Tidak Terima 5 Ya Ya Belum Belum Penuh Tidak Terima 6 Ya Ya Sudah Belum Penuh Ya Terima 7 Ya Ya Sudah Belum Penuh Ya Terima 8 Tidak Tidak Belum Belum Penuh Tidak Tolak 9 Ya Tidak Belum Penuh Tidak Terima 10 Ya Ya Sudah Belum Penuh Ya Terima 11 Ya Ya Sudah Belum Penuh Ya Terima 12 Ya Ya Belum Belum Penuh Tidak Terima 13 Tidak Ya Sudah Belum Penuh Ya Tolak 14 Tidak Ya Belum Belum Penuh Tidak Tolak 15 Ya Ya Sudah Belum Penuh Ya Terima 16 Ya Tidak Sudah Belum Penuh Tidak Terima 17 Tidak Tidak Sudah Penuh Tidak Tolak 18 Ya Ya Sudah Belum Penuh Tidak Terima 19 Ya Ya Belum Belum Penuh Tidak Terima 20 Ya Ya Sudah Belum Penuh Ya Terima 21 Ya Ya Belum Penuh Tidak Tolak 22 Ya Ya Belum Belum Penuh Tidak Terima 23 Tidak Ya Sudah Belum Penuh Ya Terima 24 Ya Ya Belum Belum Penuh Tidak Terima 25 Tidak Tidak Sudah Belum Penuh Tidak Tolak 26 Ya Ya Belum Belum Penuh Tidak Terima 27 Ya Ya Sudah Penuh Tidak Terima 28 Tidak Tidak Belum Belum Penuh Tidak Terima 29 Tidak Tidak Sudah Belum Penuh Tidak Terima 30 Ya Tidak Belum Belum Penuh Tidak Tolak 31 Ya Ya Sudah Belum Penuh Tidak Terima

32 Tidak Tidak Belum Belum Penuh Tidak Terima 33 Ya Ya Sudah Belum Penuh Tidak Terima 34 Ya Tidak Sudah Penuh Tidak Terima 35 Ya Ya Sudah Belum Penuh Ya Tolak 36 Tidak Tidak Belum Belum Penuh Tidak Tolak 37 Ya Ya Sudah Belum Penuh Tidak Terima 38 Ya Ya Sudah Belum Penuh Tidak Terima 39 Ya Ya Sudah Belum Penuh Tidak Terima 40 Ya Ya Belum Belum Penuh Tidak Terima 41 Ya Ya Sudah Belum Penuh Tidak Terima 42 Tidak Tidak Sudah Belum Penuh Tidak Tolak 43 Ya Ya Belum Belum Penuh Tidak Terima 44 Tidak Ya Sudah Belum Penuh Ya Terima 45 Ya Ya Belum Belum Penuh Tidak Terima

46 Ya Ya Sudah Penuh Ya Terima

47 Ya Ya Belum Belum Penuh Tidak Tolak 48 Tidak Tidak Belum Belum Penuh Tidak Terima 49 Tidak Tidak Belum Belum Penuh Tidak Tolak 50 Tidak Tidak Belum Belum Penuh Tidak Tolak 51 Ya Ya Sudah Belum Penuh Tidak Terima 52 Tidak Tidak Sudah Belum Penuh Tidak Terima 53 Ya Ya Sudah Penuh Tidak Terima 54 Tidak Tidak Belum Belum Penuh Tidak Tolak 55 Ya Ya Belum Belum Penuh Tidak Terima 56 Tidak Ya Belum Belum Penuh Ya Tolak 57 Ya Tidak Belum Penuh Tidak Tolak 58 Ya Ya Sudah Penuh Tidak Terima 59 Tidak Ya Sudah Belum Penuh Tidak Terima 60 Ya Ya Sudah Belum Penuh Tidak Terima 61 Ya Tidak Belum Belum Penuh Tidak Terima 62 Ya Ya Belum Penuh Tidak Tolak 63 Ya Ya Sudah Belum Penuh Tidak Terima 64 Tidak Tidak Sudah Belum Penuh Tidak Terima 65 Ya Ya Sudah Belum Penuh Tidak Terima 66 Tidak Tidak Belum Belum Penuh Tidak Terima 67 Ya Ya Sudah Belum Penuh Tidak Terima 68 Tidak Tidak Belum Penuh Tidak Tolak

69 Ya Ya Belum Belum Penuh Tidak Terima 70 Tidak Ya Sudah Belum Penuh Ya Terima 71 Tidak Ya Belum Penuh Tidak Tolak 72 Tidak Tidak Belum Belum Penuh Tidak Terima 73 Tidak Tidak Sudah Penuh Tidak Terima 74 Tidak Tidak Belum Belum Penuh Tidak Terima 75 Tidak Tidak Sudah Belum Penuh Ya Terima 76 Tidak Ya Sudah Penuh Ya Terima 77 Tidak Tidak Sudah Belum Penuh Ya Terima 78 Tidak Ya Belum Belum Penuh Tidak Terima 79 Tidak Tidak Sudah Belum Penuh Ya Terima 80 Tidak Tidak Belum Belum Penuh Ya Terima

3.3.1 Perhitungan Algoritma dan Mekanisme Kasus 3.3.1.1 Entropy (S)

Entropy digunakan sebagai suatu parameter untuk mengukur homogenitas dari suatu kumpulan sampel data seperti pada Persamaan 2.1      

 p p p p

S

Entropy( ) log₂ log_{2 (2.1)}

S adalah koleksi dari 80 contoh dengan 60 contoh positif dan 20 contoh negatif, ditulis dengan notasi [60+,20-]. Nilai positif di sini maksudnya value Status = Terima, sedangkan negatif maka value Status = Tolak.

Pencarian Nilai Enthrophy:

Enthrophy :

Entropy = [60+,20-] = - (60/80) log2 (60/80) - (20/80) log2 (20/80) = 0,811278124

Catatan :

 Entropy(S) = 0, jika semua contoh pada S berada dalam kelas yang sama.

 Entropy(S) = 1, jika jumlah contoh positif dan jumlah contoh negatif dalam S adalah sama.

 0 < Entropy(S) < 1, jika jumlah contoh positif dan jumlah contoh negatif dalam S tidak sama.

3.3.1.2 Information Gain

Gain (S,A) adalah ukuran dalam mengukur efektivitas suatu atribut dalam mengklasifikasikan data seperti pada Persamaan 2.2



  ( ) | | | | ) ( ) ,

( Entr opy Sv

S Sv S Entr opy A S Gain (2.2) 1. Value (Keahlian) = Ya, Tidak

SYa = [42+, 8-], |SYa| = 50

STidak = [18+, 12-], |STidak| = 30

Entropy SYa = [42+,8-]

= - (42/50) log2 (42/50) - (8/50) log2 (8/50) = 0,63431

Entropy STidak = [18+,12-]

= - (18/30) log2 (18/30) - (12/30) log2 (12/30) = 0,970951

Gain Keahlian= Gain(S, Keahlian)

= Entropy(S) - (50/80)Entropy(SYa) - (30/80)Entropy(STidak)

= 0,050728

SYa = [40+, 8-], |SYa| = 48

STidak = [20+, 12-], |STidak| = 32

Entropy SYa = [40+,8-]

= - (40/48) log2 (40/48) - (8/48) log2 (8/48) = 0,650022

Entropy STidak = [20+,12-]

= - (20/32) log2 (20/32) - (12/32) log2 (12/32) = 0,954434

Gain Masuk dalam Bid.Pengembangan = Gain(S, Masuk dalam Bid.Pengembangan)

= Entropy(S) - (48/80)Entropy(SYa) - (32/80)Entropy(STidak)

= 0,039491

3. Value (Sudah S2) = Sudah, Belum S Sudah = [38+, 6-], |SSudah | = 44

SBelum = [22+, 14-], |SBelum| = 36

Entropy SSudah = [38+,6-]

= - (38/44) log2 (38/44) - (6/44) log2 (6/44) = 0,574636

Entropy SBelum = [22+,14-]

= - (22/36) log2 (22/36) - (14/36) log2 (14/36) = 0,964079

Gain Sudah S2= Gain(S, Sudah S2)

= Entropy(S) - (44/80)Entropy(SSudah) - (36/80)Entropy(SBelum)

4. Value (Kapasitas Membimbing) = Penuh, Tidak SPenuh = [8+, 6-], |SPenuh| = 14

STidak = [52+, 14-], |STidak| = 66

Entropy SPenuh = [8+,6-]

= - (8/14) log2 (8/14) - (6/14) log2 (6/14) = 0,985228

Entropy STidak = [52+,14-]

= - (52/66) log2 (52/66) - (14/66) log2 (14/66) = 0,745518

Gain Kapasitas Membimbing = Gain(S, Kapasitas Membimbing) = Entropy(S) - (14/80)Entropy(SPenuh) - (66/80)Entropy(STidak)

= 0,023811

5. Value (Studi Lanjut S3) = Ya, Tidak SYa = [15+, 4-], |SYa| = 19

STidak = [45+, 16-], |STidak| = 61

Entropy SYa = [15+,4-]

= - (15/19) log2 (15/19) - (4/19) log2 (4/19) = 0,742488

Entropy STidak = [45+,16-]

= - (45/61) log2 (45/61) - (16/61) log2 (16/61) = 0,83019

Gain Studi Lanjut S3= Gain(S, Studi Lanjut S3)

= 0,001917

Setelah semua atribut diketahui nilai gainnya, maka diketahui gain tertinggi yang nilainya mendekati angka 1 yaitu gain pada atribut Sudah S2. Dengan begitu atribut Sudah S2 dijadikan sebagai root. Untuk menghitung node di bawahnya dihitung nilai value sudah dan value belum pada atribut Sudah S2 dengan menghitung semua kemungkinan pada semua atribut.

 Entropy Sudah S2(Sudah) = [22+,14-]

= - (22/36) log2 (22/36) - (14/36) log2 (14/36) = 0,964078765

1. Value (Keahlian) = Ya, Tidak SYa = [25+, 1-], |SYa| = 26

STidak = [13+, 5-], |STidak| = 18

Entropy SYa = [25+,1-]

= - (25/26) log2 (25/26) - (1/26) log2 (1/26) = 0,235193382

Entropy STidak = [13+,5-]

= - (13/18) log2 (13/18) - (5/18) log2 (5/18) = 0,852405179

Gain Keahlian= Gain(S, Keahlian)

= Entropy(S) - (26/44)Entropy(SYa) - (18/44)Entropy(STidak)

= 0,086946581

2. Value (Masuk dalam Bid.Pengembangan) = Ya, Tidak SYa = [28+, 2-], |SYa | = 30

STidak = [10+, 4-], |STidak| = 14

= - (28/30) log2 (28/30) - (2/30) log2 (2/30) = 0,353359335

Entropy STidak = [10+,4-]

= - (10/14) log2 (10/14) - (4/14) log2 (4/14) = 0,863120569

Gain Masuk dalam Bid.Pengembangan = Gain(S, Masuk dalam Bid.Pengembangan)

= Entropy(S) - (30/44)Entropy(SYa) - (14/44)Entropy(STidak)

= 0,059079607

3. Value (Kapasitas Membimbing) = Penuh, Tidak SPenuh = [7+, 1-], |SPenuh| = 8

STidak = [31+, 5-], |STidak| = 36

Entropy SPenuh = [7+,1-]

= - (7/8) log2 (7/8) - (1/8) log2 (1/8) = 0,543564443

Entropy STidak = [31+,5-]

= - (31/36) log2 (31/36) – (5/36) log2 (5/36) = 0,581321499

Gain Kapasitas Membimbing = Gain(S, Kapasitas Membimbing) = Entropy(S) - (8/44)Entropy(SPenuh) - (36/44)Entropy(STidak)

= 0,000179118

4. Value (Studi Lanjut S3) = Ya, Tidak SYa = [14+, 3-], |SYa| = 17

STidak = [24+, 3-], |STidak| = 27

= - (14/17) log2 (14/17) - (3/17) log2 (3/17) = 0,672294817

Entropy STidak = [24+,3-]

= - (24/27) log2 (24/27) - (3/27) log2 (3/27) = 0,503258335

Gain Studi Lanjut S3= Gain(S, Studi Lanjut S3)

= Entropy(S) - (17/44)Entropy(SYa) - (27/44)Entropy(STidak)

= 0,006067813

Berdasarkan hasil dari perhitungan entropy dari semua atribut dengan atribut tujuan value terima pada atribut Sudah S2 didapat kesimpulan bahwa node di bawah atribut Sudah S2 dengan value sudah adalah atribut keahlian.

 Entropy Sudah S2(Belum) = [22+,14-]

= - (22/36) log2 (22/36) - (14/36) log2 (14/36) = 0,964078765

1. Value (Keahlian) = Ya, Tidak SYa = [13+, 5-], |SYa| = 18

STidak = [9+, 9-], |STidak| = 18

Entropy SYa = [13+,5-]

= - (13/18) log2 (13/18) - (5/18) log2 (5/18) = 0,852405

Entropy STidak = [9+,9-]

= - (9/18) log2 (9/18) - (9/18) log2 (9/18) = 1

Gain Keahlian= Gain(S, Keahlian)

= Entropy(S) - (18/36)Entropy(SYa) - (18/36)Entropy(STidak)

2. Value (Masuk dalam Bid.Pengembangan) = Ya, Tidak SYa = [12+, 6-], |SYa | = 18

STidak = [10+, 8-], |STidak| = 18

Entropy SYa = [12+,6-]

= - (12/18) log2 (12/18) - (6/18) log2 (6/18) = 0,918296

Entropy STidak = [10+,8-]

= - (10/18) log2 (10/18) - (8/18) log2 (8/18) = 0,991076

Gain Masuk dalam Bid.Pengembangan = Gain(S, Masuk dalam Bid.Pengembangan)

= Entropy(S) - (18/36)Entropy(SYa) - (18/36)Entropy(STidak)

= 0,009393

3. Value (Kapasitas Membimbing) = Penuh, Tidak SPenuh = [15+, 9-], |SPenuh| = 24

STidak = [7+, 5-], |STidak| = 12

Entropy SPenuh = [15+,9-]

= - (15/24) log2 (15/24) - (9/24) log2 (9/24) = 0,954434

Entropy STidak = [7+,5-]

= - (7/12) log2 (7/12) – (5/12) log2 (5/12) = 0,979869

Gain Kapasitas Membimbing = Gain(S, Kapasitas Membimbing) = Entropy(S) - (24/36)Entropy(SPenuh) - (12/36)Entropy(STidak)

4. Value (Studi Lanjut S3) = Ya, Tidak SYa = [1+, 1-], |SYa| = 2

STidak = [21+, 13-], |STidak| = 34

Entropy SYa = [1+,1-]

= - (1/2) log2 (1/2) - (1/2) log2 (1/2) = 1

Entropy STidak = [21+,13-]

= - (21/34) log2 (21/34) - (13/34) log2 (13/34) = 0,959687

Gain Studi Lanjut S3= Gain(S, Studi Lanjut S3)

= Entropy(S) - (2/36)Entropy(SYa) - (34/36)Entropy(STidak)

= 0,002152

Berdasarkan hasil dari perhitungan entropy dari semua atribut dengan atribut tujuan value terima pada atribut Sudah S2 didapat kesimpulan bahwa node di bawah atribut Sudah S2 dengan value belum adalah atribut keahlian. Percarian node di bawah atribut keahlian dengan cara melakukan perhitungan entropy dan pencarian nilai gain dari atribut masuk dalam bidang pengembangan, kapasitas membimbing dan studi lanjut S3 dengan value ya pada atribut keahlian.

Entropy = [38+,6-]

= - (38/44) log2 (38/44) - (6/44) log2 (6/44) =

1. Value (Masuk dalam Bid.Pengembangan) = Ya, Tidak SYa = [34+, 4-], |SYa | = 38

STidak = [4+,2-], |STidak| = 6

= - (34/38) log2 (34/38) - (4/38) log2 (4/38) = 0,485461

Entropy STidak = [4+,2-]

= - (4/6) log2 (4/6) - (2/6) log2 (2/6) = 0,918296

Gain Masuk dalam Bid.Pengembangan = Gain(S, Masuk dalam Bid.Pengembangan)

= Entropy(S) - (38/44)Entropy(SYa) - (6/44)Entropy(STidak)

= 0,030152

2. Value (Kapasitas Membimbing) = Penuh, Tidak SPenuh = [10+, 3-], |SPenuh| = 13

STidak = [28+, 3-], |STidak| = 31

Entropy SPenuh = [10+,3-]

= - (10/13) log2 (10/13) - (3/13) log2 (3/13) = 0,77935

Entropy STidak = [28+,3-]

= - (28/31) log2 (28/31) - (3/31) log2 (3/31) = 0,458686

Gain Kapasitas Membimbing = Gain(S, Kapasitas Membimbing) = Entropy(S) - (13/44)Entropy(SPenuh) - (31/44)Entropy(STidak)

= 0,021208

3. Value (Studi Lanjut S3) = Ya, Tidak SYa = [7+, 1-], |SYa| = 8

Entropy SYa = [7+,1-]

= - (7/8) log2 (7/8) - (1/8) log2 (1/8) = 0,543564

Entropy STidak = [31+,5-]

= - (31/36) log2 (31/36) - (5/36) log2 (5/36) = 0,581321

Gain Studi Lanjut S3= Gain(S, Studi Lanjut S3)

= Entropy(S) - (8/44)Entropy(SYa) - (36/44)Entropy(STidak)

= 0,000179

Berdasarkan hasil dari tiga atribut diketahui bahwa gain masuk dalam bid.pengembangan mendekati angka satu, maka node di bawah atribut masuk dalam keahlian adalah atribut masuk dalam bid.pengembangan. Pencarian selanjutnya dilakukan guna mencari node di bawah atribut masuk dalam bid.pengembangan dengan value ya pada atribut masuk dalam bid.pengembangan.

Entropy = [34+,4-] = - (34/38) log2 (34/38) - (4/38) log2 (4/38) = 0,485461

1. Value (Kapasitas Membimbing) = Penuh, Tidak SPenuh = [4+, 2-], |SPenuh| = 6

STidak = [30+, 2-], |STidak| = 32

Entropy SPenuh = [4+,2-]

= - (4/6) log2 (4/6) - (2/6) log2 (2/6) = 0,918296

Entropy STidak = [30+,2-]

= - (30/32) log2 (30/32) - (2/32) log2 (2/32) = 0,33729

Gain Kapasitas Membimbing = Gain(S, Kapasitas Membimbing) = Entropy(S) - (6/38)Entropy(SPenuh) - (32/38)Entropy(STidak)

= 0,056433

2. Value (Studi Lanjut S3) = Ya, Tidak SYa = [7+, 1-], |SYa| = 8

STidak = [27+, 3-], |STidak| = 30

Entropy SYa = [7+,1-]

= - (7/8) log2 (7/8) – (1/8) log2 (1/8) = 0,543564

Entropy STidak = [27+,3-]

= - (27/30) log2 (27/30) - (3/30) log2 (3/30) = 0,468996

Gain Studi Lanjut S3= Gain(S, Studi Lanjut S3)

= Entropy(S) - (8/38)Entropy(SYa) - (30/38)Entropy(STidak)

= 0,000766

Perhitungan dari atribut kapasitas membimbing dan studi lanjut S3 diketahui bahwa gain kapasitas membimbing mendekati angka satu, maka atribut kapasitas membimbing berada di bawah node masuk dalam bid.pengembangan. atribut studi lanjut S3 merupakan atribut terbawah pada pohon keputusan yang terbentuk, sedangkan pada cabang belum S2 tidak dilakukan pemeriksaan atribut studi lanjut S3 karena pendidikan terakhirnya sudah jelas masih S1.

Gambar 3.12 Pohon Yang Terbentuk Berdasarkan Sampel

Gambar 3.12 merupakan alur pohon keputusan yang terbentuk berdasarkan sampel data pada Tabel 3.1 dengan penjelasan sebagai berikut :

- Atribut Sudah S2, digunakan untuk mengecek pendidikan terakhir calon dosen pembimbing dengan acuan Kepmenkowasbangpan Nomor 38/1999 (Depdiknas, 2008) yang menyatakan bahwa dosen harus memiliki pendidikan minimal S2. Dosen dengan pendidikan S2 atau S3 dijadikan sebagai calon pembimbing 1 dan dosen dengan pendidikan S1 dijadikan sebagai calon pembimbing 2.

- Atribut Keahlian, tahap ini berjalan setelah ditemukan daftar dosen dengan pendidikan terakhir S2. Pada tahap ini dilakukan pengecekan dengan melihat daftar keyword masing-masing dosen. Dosen dengan keyword terbanyak akan muncul sebagai kandidat.

- Atribut Bidang Pengembangan (root). Pada atribut bidang pengembangan kata yang dicek pertama kali adalah kata dibelakang kata berbasis (based). Kemudian dicek lagi berdasarkan jumlah kata kunci (keyword) terbanyak yang berada pada database keyword bidang pengembangan. Setelah ditemukan bidang pengembangan yang memiliki keyword terbanyak maka akan ditemukan dosen yang berada di bawah bidang pengembangan tersebut berdasarkan abjad. - Atribut Kapasitas Membimbing, digunakan untuk melihat

kapasitas bimbingan dosen. Kapasitas bimbingan dosen diasumsikan penuh apabila dosen tersebut sedang membimbing 70 mahasiswa dengan perhitungan :

Jam Kerja Dosen/hari = 8 jam

Jam Bimbingan/hari = 15 menit/mahasiswa

Apabila dalam sehari dosen membimbing 14 mahasiswa, maka butuh 3,5 jam setiap harinya untuk melakukan bimbingan dengan mahasiswa. Bila dihitung keseluruhan maka perhitungannya :

14 mahasiswa x 5 hari = 70 mahasiswa/minggu

- Atribut Studi Lanjut S3, digunakan untuk mengecek aktifitas studi dosen yang sedang melakukan pendidikan S3. Pada tahap ini dosen yang sedang studi S3 akan ditanyakan lagi apakah bersedia menerima tambahan bimbingan atau tidak. Sedangkan dosen yang tidak studi S3 akan langsung dianggap mau menerima bimbingan. Tahap pemeriksaan ini hanya dilakukan untuk dosen dengan pendidikan terakhir S2.

Setelah proses pencarian kandidat calon dosen pembimbing selesai dan nama dosen muncul, maka akan dilakukan pengecekan tahap akhir guna mencari pasangan calon dosen pembimbing (pembimbing 1 dan pembimbing 2) dengan ketentuan sebagai berikut :

- Dosen dengan pendidikan terakhir S3, maka dijadikan sebagai kandidat pembimbing 1. Jika terdapat dosen dengan pendidikan S3 lebih dari satu, maka dilihat jabatan fungsionalnya. Dosen dengan jabatan fungsional tertinggi dijadikan calon pembimbing 1 sedangkan dosen dengan jabatan fungsional di bawahnya dijadikan calon pembimbing 2.

- Apabila masih ditemukan kandidat dosen dengan pendidikan terakhir dan jabatan fungsional yang sama, maka ditentukan dengan mencocokkan keyword yang paling banyak dimiliki dosen tersebut. Dengan kata lain, dosen yang memiliki keyword terbanyak yang sesuai dengan judul dijadikan sebagai pembimbing 1 dan dosen dengan keyword terbanyak kedua dijadikan pembimbing 2.

- Pada pencarian berdasarkan pohon ditemukan kandidat dosen pembimbing 1 dan pembimbing 2 dengan pendidikan terakhir S2 dan S1, maka dosen dengan pendidikan terakhir S2 dijadikan sebagai calon pembimbing 1 dan dosen dengan pendidikan terakhir S1 dijadikan calon pembimbing 2.

3.3.2 Mekanisme Penentuan Dosen Pembimbing

Gambar 3.13 Mekanisme Penentuan Dosen Pembimbing

Gambar 3.13 menjelaskan tentang mekanisme penentuan dosen pembimbing saat pengguna memasukkan judul skripsi. Setelah judul diinputkan maka akan dilakukan pemecahan kata dan diseleksi per kata dari seluruh judul yang dimasukkan. Kemudian kata yang ada di cek dengan kata kunci yang terdapat pada database. Apabila terdapat kata kunci yang sesuai maka dosen yang memiliki keahlian tersebut dijadikan sebagai kandidat dosen pembimbing. 3.3.3 Kelebihan dan Kekurangan ID3

Seperti yang telah dijelaskan di atas bahwa ID3 merupakan algoritma matematika yang digunakan untuk menghasilkan pohon. Berikut ini menrupakan kelebihan dari algoritma Iterative Dichotomizer Three (ID3) :

- Membangun pohon keputusan dengan cepat. - Membangun pohon keputusan yang pendek.

- Hanya membutuhkan beberapa tes atribut hingga semua data diklasifikasikan.

Setelah mengetahui kelebihan dari algoritma ID3, berikut merupakan kekurangan dari algoritma ID3 antara lain :

- Jika contoh yang diteliti terlalu kecil/sederhana mungkin membuat data over-classified.

- Hanya satu atribut yang dapat dites dalam satu waktu untuk membuat keputusan.

- Membangun pohon keputusan yang pendek.

- Mengelompokkan data yang berkelanjutan mungkin terhitung mahal, sebanyak pohon yang harus dibuat untuk melihat dimana menghentikan proses kelanjutannya.

3.4 Perancangan Database

Dalam aplikasi ini database merupakan kebutuhan utama, perancangan database yang efektif dan efisien akan sangat membantu dalam penggunaannya. Database sistem ini akan diberi nama bimbingan yang nantinya digunakan untuk meletakkan tabel-tabel pada database program.

Aplikasi Penentuan Dosen Pembimbing ini memiliki tujuh tabel yaitu Tabel bidang_pengembangan, Tabel dosen, Tabel dosen_bidang_pengembangan,Tabel keyword_dosen, Tabel login, Tabel keyword_bidang_pengembangan, Tabel mas_fungsional, Tabel mas_keyword, Tabel berita, Tabel mas_pendidikan_terakhir, Tabel formulir.

Tabel 3.2 Tabel berita

Kolom Tipe Panjang Keterangan

Id int 11 primary key

Judul varchar 100

Prakata varchar 200

Isi text

Tabel berita menyimpan data mengenai berita yang berisi id, judul, prakata dan isi. Id merupakan primary key yang dijadikan sebagai identitas pada tabel berita.

Tabel 3.3 Tabel bidang_pengembangan

Kolom Tipe Panjang Keterangan

Id int 11 primary key

bidang_pengembangan varchar 50

Tabel bidang_pengembangan menyimpan data dengan field id dan bid_pengembangan. Id merupakan primary key yang dijadikan sebagai identitas pada tabel bidang_pengembangan.

Tabel dosen mempunyai field nik, nama lengkap, alamat, no_telepon, email, pendidikan_terakhir, fungsional, studi_lanjut, bimbingan dan kuota . Nik merupakan primary key yang dijadikan sebagai identitas pada tabel dosen. Field bimbingan merupakan field yang menyimpan data mengenai kesanggupan membimbing dosen yang sedang menjalani studi lanjut S3.

Tabel 3.4 Tabel dosen

Kolom Tipe Panjang Keterangan

Nik varchar 9 primary key

nama_lengkap varchar 50

Alamat text

no_telepon varchar 15

Email varchar 50

pendidikan_terakhir Int 11

Fungsional Int 11

studi_lanjut Int 11

Bimbingan Int 11

Kuota Int 11

Tabel 3.5 Tabel dosen_bidang_pengembangan

Kolom Tipe Panjang Keterangan

Id int 11 primary key

Nik varchar 9 foreign key

bidang_pengembangan int 11

Tabel dosen_bidang_pengembangan mempunyai field id, nik, dan bidang_pengembangan. Id merupakan primary key yang dijadikan sebagai identitas pada tabel dosen_bidang_pengembangan. Field nik dan bidang_pengembangan merupakan foreign key yang berhubungan dengan tabel dosen dan bidang_pengembangan.

Tabel keyword_bidang_pengembangan mempunyai field id, keyword dan bidang_pengembangan. Id merupakan primary key yang dijadikan sebagai identitas pada tabel keyword_bidang_pengembangan. Field keyword dan bidang_pengembangan dijadikan sebagai foreign key yang

menghubungkan dengan tabel mas_keyword dan bidang_pengembangan.

Tabel 3.6 Tabel keyword_bidang_pengembangan

Kolom Tipe Panjang Keterangan

Id Int 11 primary key

Keyword Int 11

bidang_pengembangan Int 11

Tabel 3.7 Tabel keyword_dosen

Kolom Tipe Panjang Keterangan

Id Int 11 primary key

Nik Varchar 9 foreign key

Keyword Int 11

Tabel keyword_dosen mempunyai field id, nik dan keyword. Id merupakan primary key yang dijadikan sebagai identitas pada tabel keyword_dosen. Field nik dan keyword dijadikan sebagai foreign key yang menghubungkan dengan tabel mas_keyword dan dosen.

Tabel login mempunyai field username dan password. Username merupakan primary key yang dijadikan sebagai identitas pada tabel login. Apabila admin ingin mengganti username dan password, admin dapat langsung merubahnya di tabel login.

Tabel 3.8 Tabel login

Kolom Tipe Panjang Keterangan Username Varchar 10 primary key

Tabel 3.9 Tabel mas_fungsional

Kolom Tipe Panjang Keterangan

Nilai Int 11 primary key

Fungsional Varchar 15

Tabel mas_fungsional mempunyai field nilai dan fungsional. Nilai merupakan primary key yang dijadikan sebagai identitas pada tabel mas_fungsional. Field fungsional berisi data mengenai jabatan fungsional yang terdapat pada perguruan tinggi meliputi asisten ahli, lektor, lektor kepala dan guru besar.

Tabel 3.10 Tabel mas_keyword

Kolom Tipe Panjang Keterangan

Id int 11 primary key

keyword_indonesia varchar 100 keyword_inggris varchar 100

Tabel mas_keyword mempunyai field id, keyword_indonesia dan keyword_inggris. Id merupakan primary key yang dijadikan sebagai identitas pada tabel mas_keyword.

Tabel 3.11 Tabel mas_pendidikan_terakhir

Kolom Tipe Panjang Keterangan

Nilai int 11 primary key

pendidikan_terakhir varchar 5

Tabel mas_pendidikan_terakhir mempunyai field nilai dan pendidikan_terakhir. Pada tabel ini menyimpan data pendidikan terakhir dosen seperti S1, S2 dan S3.

Kolom Tipe Panjang Keterangan

id int 11 primary key

nama varchar 50

nim varchar 9

telepon varchar 40

progdi varchar 30

konsentrasi varchar 30

judul text

bidang_pengembangan varchar 50 pembimbing_1 varchar 50 pembimbing_2 varchar 50

tanggal date

paper varchar 50

foto varchar 50

Tabel formulir mempunyai field id, nama, nim, telepon, progdi, konsentrasi, judul, bidang_pengembangan, pembimbing_1, pembimbing_2, tanggal, paper dan foto. Id merupakan primary key yang dijadikan sebagai identitas pada tabel formulir. Tabel formulir akan menyimpan data proposal mahasiswa yang telah dikirimkan. 3.4.1 Relasi Antar Tabel

Pada relasi antar tabel terdapat sepuluh tabel yaitu Tabel bidang_pengembangan, Tabel dosen, Tabel dosen_bidang_pengembangan, Tabel keyword_dosen, Tabel keyword_bidang_pengembangan, Tabel login, Tabel mas_fungsional, Tabel mas_keyword, Tabel berita, Tabel mas_pendidikan_terakhir, Tabel formulir. Relasi tabel pada database dapat dilihat pada Gambar 3.14.

Gambar 3.14 Relasi Antar Tabel 3.5 Perancangan Tampilan

1. Halaman Utama

Halaman utama merupakan halaman yang pertama kali muncul saat aplikasi dibuka. Pada halaman utama ini terdapat 4 menu yaitu Beranda, Bidang Pengembangan, Konsultasi, Tentang. Rancangan tampilan untuk halaman utama dapat dilihat pada Gambar 3.15.

Gambar 3.15 merupakan tampilan awal saat user membuka aplikasi. Pada beranda berisi informasi serta pengumuman yang berkaitan dengan KPTA FTI UKSW.

2. Menu Login

Perancangan ini hanya dipakai oleh Admin saja, karena mahasiswa sebagai user hanya menggunakan aplikasi ini tanpa harus menyimpan datanya.

Gambar 3.16 Form Login Admin

Admin harus menginputkan username dan password yang telah disimpan pada database. Jika username dan password tidak sesuai dengan yang tersimpan pada database maka pada form login admin akan kembali pada kondisi sebelum admin menginputkan username dan password.

3. Menu Form Tambah Dosen

Pada menu tambah dosen, admin dapat menginputkan data dosen yang ingin disimpan dalam database.

Gambar 3.17 Form Tambah Dosen

Gambar 3.17 menunjukkan halaman untuk menambahkan data dosen meliputi NIK, Nama, alamat, no telp, email, pendidikan terakhir, jabatan fungsional, jumlah bimbingan dan apakah studi lanjut.

4. Menu Tambah Keyword

Gambar 3.18 Form Tambah Kata Kunci

Gambar 3.18 merupakan tampilan untuk menambah kata kunci/keyword. Pada menu tambah kata kunci disediakan dalam dua bahasa sebagai alternatif untuk topik skripsi berbahasa inggris. 5. Menu Tambah Bidang Pengembangan

Gambar 3.19 merupakan tampilan untuk menambah bidang pengembangan yang terdapat pada Fakultas Teknologi Informasi UKSW. Admin dapat langsung menambahkan bidang pengembangan tanpa harus memasukkan id bidang pengembangan.

Gambar 3.19 Form Tambah Bidang Pengembangan 6. Menu Tambah Berita

Gambar 3.20 Menu Tambah Berita

Gambar 3.20 menjelaskan tentang rancangan tampilan menu tambah berita. Pada tambah berita terbagi menjadi 3 bagian yaitu judul, prakata (ulasan singkat) dan isi (isi keseluruhan berita). Pada menu tambah berita, berisi pengumuman yang berhubungan dengan KPTA.

7.

Menu Konsultasi

Gambar 3.21 merupakan rancangan tampilan menu konsultasi. Pada menu konsultasi, pengguna dapat menginputkan judul skripsi yang akan diajukan. Setelah menekan button cari maka akan tampil kandidat calon dosen pembimbing yang sesuai dengan judul yang diinputkan.

bidang_pengembangan varchar 50

pembimbing_1 varchar 50

pembimbing_2 varchar 50

tanggal date

paper varchar 50

foto varchar 50

Tabel formulir mempunyai field id, nama, nim, telepon, progdi, konsentrasi, judul, bidang_pengembangan, pembimbing_1, pembimbing_2, tanggal, paper dan foto. Id merupakan primary key

yang dijadikan sebagai identitas pada tabel formulir. Tabel formulir akan menyimpan data proposal mahasiswa yang telah dikirimkan.

3.4.1 Relasi Antar Tabel

Pada relasi antar tabel terdapat sepuluh tabel yaitu Tabel

bidang_pengembangan, Tabel dosen, Tabel

dosen_bidang_pengembangan, Tabel keyword_dosen, Tabel keyword_bidang_pengembangan, Tabel login, Tabel mas_fungsional, Tabel mas_keyword, Tabel berita, Tabel mas_pendidikan_terakhir, Tabel formulir. Relasi tabel pada

Gambar 3.14 Relasi Antar Tabel

3.5 Perancangan Tampilan

1. Halaman Utama

Halaman utama merupakan halaman yang pertama kali muncul saat aplikasi dibuka. Pada halaman utama ini terdapat 4 menu yaitu Beranda, Bidang Pengembangan, Konsultasi, Tentang. Rancangan tampilan untuk halaman utama dapat dilihat pada Gambar 3.15.

menyimpan datanya.

Gambar 3.16 Form Login Admin

Admin harus menginputkan username dan password yang telah disimpan pada database. Jika username dan password tidak sesuai dengan yang tersimpan pada database maka pada form login

admin akan kembali pada kondisi sebelum admin menginputkan

username dan password.

3. Menu Form Tambah Dosen

Pada menu tambah dosen, admin dapat menginputkan data dosen yang ingin disimpan dalam database.

Gambar 3.17 Form Tambah Dosen

Gambar 3.17 menunjukkan halaman untuk menambahkan data dosen meliputi NIK, Nama, alamat, no telp, email, pendidikan terakhir, jabatan fungsional, jumlah bimbingan dan apakah studi lanjut.

4. Menu Tambah Keyword

Gambar 3.18 Form Tambah Kata Kunci

Gambar 3.18 merupakan tampilan untuk menambah kata kunci/keyword. Pada menu tambah kata kunci disediakan dalam dua bahasa sebagai alternatif untuk topik skripsi berbahasa inggris. 5. Menu Tambah Bidang Pengembangan

Gambar 3.19 merupakan tampilan untuk menambah bidang pengembangan yang terdapat pada Fakultas Teknologi Informasi UKSW. Admin dapat langsung menambahkan bidang pengembangan tanpa harus memasukkan id bidang pengembangan.

Gambar 3.20 Menu Tambah Berita

Gambar 3.20 menjelaskan tentang rancangan tampilan menu tambah berita. Pada tambah berita terbagi menjadi 3 bagian yaitu judul, prakata (ulasan singkat) dan isi (isi keseluruhan berita). Pada menu tambah berita, berisi pengumuman yang berhubungan dengan KPTA.

7.

Menu Konsultasi

Gambar 3.21 merupakan rancangan tampilan menu konsultasi. Pada menu konsultasi, pengguna dapat menginputkan judul skripsi yang akan diajukan. Setelah menekan button cari maka akan tampil kandidat calon dosen pembimbing yang sesuai dengan judul yang diinputkan.