4-unikom-a-a
Transcript of 4-unikom-a-a
ANALISI ALGORTIMA K-MEANS UNTUK SISTEM PENDUKUNG
KEPUTUSAN PENJURUSAN SISWA DI MAN BINONG SUBANG
Arim Wijaya
Universitas Komputer Indonesia
Jl. Dipati Ukur No.112 Bandung 40132
Email : [email protected]
ABSTRAK
MAN Binong, merupakan salah satu sekolah madrasah aliyah negeri di kabupaten
Subang yang mengadakan penjurusan siswa kelas X (sepuluh) yang akan melanjutkan study ke
kelas XI (sebelas). Kendala yang sering ditemukan dalam proses penjurusan di MAN Binong yaitu
sulitnya menentukan siswa mana yang memenuhi kriteria untuk menempati jurusan tertentu. Hal
ini dikarenakan proses penjurusan masih dilakukan dengan manual, sehingga membutuhkan
waktu yang cukup lama dan dinilai kurang efisien.
Pada penelitian ini akan diangkat suatu kasus yaitu menganalisis algoritma K-Means
untuk sistem pendukung keputusan penjurusan siswa di MAN Binong Subang. Algoritma K-Means
dapat mengelompokkan (segmentasi) data yang mempunyai atribut dan mempunyai jumlah data
yang banyak, sehingga dapat dimanfaatkan dalam sistem penentuan penjurusan siswa yang sesuai
dengan kemampuan akademik siswa.
Berdasarkan hasil analisis terhadap algoritma K-Means untuk sistem pendukung
keputusan penjurusan, maka kesimpulan yang dapat diambil adalah algoritma K-Means kurang
tepat untuk sistem pendukung keputusan penjurusan tetapi algoritma K-Means lebih tepat untuk
mengelompokan data siswa berdasarkan data nilai yang bisa memberikan gambaran untuk
penjurusan siswa.
Kata kunci : Analisis, Sistem Pendukung Keputusan, K-Means, Penjurusan, Nilai
1. PENDAHULUAN
1.1 Identifikasi Masalah Sulitnya menentukan siswa mana yang
memenuhi kriteria untuk menempati jurusan
tertentu.
1.2 Maksud dan Tujuan Adapun maksud dari penulisan tugas
akhir ini adalah menganalisis algoritma K-
Means untuk sistem pendukung keputusan
penjurusan siswa di MAN Binong Suban
Adapun tujuan yang ingin dicapai adalah
untuk menguji tepat atau tidaknya algoritma
k-means dalam sistem pendukung keputusan
penjurusan siswa.
1.3 Manfaat Manfaat yang didapat dalam anlisis
algortima k-means dalam sistem pendukung
keputusan penjurusan siswa ini adalah
mampu memberikan gambaran untuk
penjurusan siswa.
2. MODEL, ANALISA, DESAIN,
DAN IMPLEMENTASI
2.1 Model 1. Tahap pengumpulan data
a. Studi pustaka
b. Studi lapangan
b.1 Wawancara
b.2 Observasi
2. Tahap pengembangan perangkat lunak.
a. System engineering
b. Requirement analysis
c. System Design (perancangan)
d. System Coding (pengkodean)
e. System Testing (pengujian)
f. System Maintenance (pemeliharaan)
2.2 Analisis Masalah Berdasakan pada analisis dan hasil
wawancara terhadap apa yang dibutuhkan
dalam mengalisis algoritma k-means ini
maka dapat dievaluasi hal berikut :
Proses pengambilan keputusan penjurusan
siswa pada MAN Binong masih dilakukan
secara manual, yaitu dengan mengumpulkan
nilai semester dari masing-masing wali kelas
X kepada guru bimbingan konseling (bagian
penjurusan) lalu mereka menganalisis dan
menghitung hasilnya serta mencocokkannya
dengan kriteria jurusan tertentu. Hal ini
menyulitkan guru bimbingan konseling
(bagian penjurusan) MAN Binong dalam
penjurusan siswa serta membutuhkan waktu
yang cukup lama untuk menganalisisnya.
2.3 Analisis Algoritma K-Means
K-Means termasuk dalam partitioning
clustering yaitu setiap data harus masuk
dalam cluster tertentu dan memungkinkan
bagi setiap data yang termasuk dalam cluster
tertentu pada suatu tahapan proses, pada
tahapan berikutnya berpindah ke cluster
yang lain. K-Means memisahkan data ke k
daerah bagian yang terpisah, dimana k
adalah bilangan integer positif. Algoritma
K-Means sangat terkenal karena kemudahan
dan kemampuannya untuk mengklasifikasi
data besar dan outlier dengan sangat cepat
Berikut adalah langkah-langkah algoritma
K-Means :
1. Penentuan pusat cluster awal Dalam menentukan n buah pusat
cluster awal dilakukan pembangkitan
bilangan random yang merepresentasikan
urutan data input. Pusat awal cluster
didapatkan dari data sendiri bukan dengan
menentukan titik baru, yaitu dengan
menrandom pusat awal dari data.
2. Perhitungan jarak dengan pusat
cluster Untuk mengukur jarak antara data
dengan pusat cluster digunakan Euclidian
distance.
Algoritma perhitungan jarak data dengan
pusat cluster
1) Ambil nilai data dan nilai pusat
cluster
2) Hitung Euclidian distance data
dengan tiap pusat cluster
3. Pengelompokkan data Jarak hasil perhitungan akan
dilakukan perbandingan dan dipilih jarak
terdekat antara data dengan pusat cluster,
jarak ini menunjukkan bahwa data tersebut
berada dalam satu kelompok dengan pusat
cluster terdekat.
Algoritma pengelompokkan data
1. Ambil nilai jarak tiap pusat cluster
dengan data
2. Cari nilai jarak terkecil
3. Kelompokkan data dengan pusat
cluster yang memiliki jarak
terkecil.
4. Penentuan pusat cluster baru Untuk mendapatkan pusat cluster
baru bisa dihitung dari rata-rata nilai
anggota cluster dan pusat cluster. Pusat
cluster yang baru digunakan untuk
melakukan iterasi selanjutnya, jika hasil
yang didapatkan belum konvergen. Proses
iterasi akan berhenti jika telah memenuhi
maksimum iterasi yang dimasukkan oleh
User atau hasil yang dicapai sudah
konvergen (pusat cluster baru sama dengan
pusat cluster lama).
Algoritma penentuan pusat cluster baru
1. Cari jumlah anggota tiap cluster
2. Hitung pusat baru dengan rumus
Pusat cluster baru =
x1+x2+x3+…+xn+xp
Juml + 1
Dimana :
x1, x2, x3,…xn =
anggota cluster
xp = pusat lama
wawancara, dan psikotest serta 1 crisp
output yaitu departemen.
1. Komposisi Aturan
Dalam menentukan inferensi fuzzynya secara
umum dapat dituliskan sebagai berikut :
µf (xi) = max (µf (xi) , µk (xi))
Keterangan :
µf (xi) : nilai keanggotaan fuzzy sampai
aturan ke – i
µk (xi) : nilai keanggotaan konsekuen fuzzy
aturan ke – i
2. Penegasan (Defuzzifikasi)
Proses defuzzifikasi dapat dituliskan
sebagai berikut :
Keterangan :
Z = nilai rata – rata terbobot
µf = nilai keanggotaan fuzzy sebagai
hasil dari komposisi aturan
Xi = nilai domain
2.3.1 Proses Clustering Algoritma K-
Means
Pada tahap ini akan dilakukan proses
utama yaitu segmentasi data nilai yang
diakses dari database yaitu sebuah metode
clustering algoritma K-Means. Berikut ini
merupakan diagram flowchart dari algoritma
K-Means dengan asumsi bahwa parameter
input adalah jumlah data set sebanyak n data
dan jumlah inisialisasi centroid K=2 sesuai
dengan jumlah jurusan yang ada di MAN
Binong yaitu IPA dan IPS.
Gambar 3.3 adalah gambar flow chart
proses K-Means pada aplikasi penentuan
penjurusan berdasarkan nilai semester.
Mulai
Jumlah Attribut = 8
Jumlah Centroid = 2
Random Centroid
awal
Hitung setiap data dengan
setiap centorid
Pengelompokan data
berdasarkan jarak terdekat
Update centroid cluster
baru
Optimal jarak?
Selesai
Interaksi = 50?
Hitung setiap data dengan
setiap centorid
Ya
Tidak
Tidak
Ya Gambar 1 Flow Chart Proses Algoritma K-
Means
2.4 Desain 1. Entity Relationship Diagram (ERD)
ERD Sistem pendukung keputusan
penjurusan ini digambarkan pada gambar 2.
Memiliki
Kelas Thn AjaranMemiliki
Siswa Nilai Mata_Pelajaran
memiliki Bobot_nilai
NIS
Kd_kelas
kdmp
Kd_thnajaran
kdmp
Id_nilaiNIS
Hasil_Penjurusan Menghasilkan
User
mengolah
1
1
Memiliki
id
N
N
Id_hasil_penjurusan
Id_user
Memiliki
N
1
Jurusan
memiliki
1
memiliki
memiliki
11
N
N
1 1
1
N
1
N
N
N
N
1
kodejurusan
N
Gambar 1. Entiry Relationship Diagram
2. Relasi Tabel
Skema relasi analisis algoritma k-measn
untuk sistem pendukung keputusan
penjurusan dapat dilihat pada gambar 3.
pelamar
PK kd_pelamar
nama_pelamar
ktp
tp_lahir
tgl_lahir
jns_kelamin
alamat
no_tlp
agama
pendididkan_akhir
FK1 kd_keahlian
FK2 kd_jurusan
penilaian
PK id_penilaian
nilai
FK2 username
FK1 kd_seleksi
FK3 kd_pelamar
total_nilai
status_kelulusan
kriteria_seleksi
PK kd_seleksi
jenis_seleksi
FK1 periode
departemen
PK kd_departemen
nama_departemen
range_nilai
kebutuhan
user
PK username
password
level
status
standarnilai_kriteriaseleksi
PK kd_standarnilai
tpe
bts_atas
bts_bawah
FK1 kd_seleksi
kriteria_penempatan_departemen
PK kd_kriteria_penempatan
jenis
bobot
FK1 periode
keahlian
PK kd_keahlian
keahlian
FK1 kd_departemen
tahun_periode
PK periode
nilai_minimum
jurusan
PK kd_jurusan
nama
penempatan
PK kd_penempatan
keahlian
wawancara
psikotest
FK1 kd_pelamar
FK2 kd_kriteria_penempatan
FK3 kd_departemen
Gambar 2. Skema Relasi
3. Diagram Konteks
Diagram konteks sistem pendukung
keputusan penerimaan karyawan pada
departemen tertentu di PT. Pindad (Persero)
dapat dilihat pada gambar 3.
Sistem pendukung
keputusan penerimaan
karyawanadminPegawai
bidminku
Data login
Data tahun periode
Data user
Data departemen
Data kriteria seleksi
Data standar nilai kriteria seleksi
Data kriteria penempatan departemen
Data jurusan
Data keahlian
Info login invalid
Info tahun periode
Info user
Info departemen
Info kriteria seleksi
Info standar nilai kriteria seleksi
Info kriteria penempatan departemen
Info jurusan
Info keahlian
Data login
Data tahun periode
Data pelamar
Data password yang diubah
Data penilaian
Info login invalid
Info tahun periode
Info pelamar
Info password yang diubah
Info penilaian Gambar 3. Diagram Konteks
4. Data Flow Diagram (DFD)
DFD sistem pendukung keputusan
penerimaan karyawan pada departemen
tertentu di PT. Pindad (Persero) dapat dilihat
pada gambar 4.
1.0
Login admin
user
2.0
Pengolahan data master
Data login
Data tahun periode
Info login invalid
Info tahun periode Data login
Info login invalid
Data user
Data password yang diubah
Info user
Info password yang diubah
Da
ta k
ea
hlia
n
Da
ta k
rite
ria
pe
ne
mp
ata
n
de
pa
rte
me
n
Da
ta s
tan
da
r n
ila
i krite
ria
se
leksi
Da
ta k
rite
ria
se
leksi
Da
ta d
ep
arte
me
n
Da
ta u
se
r
Da
ta ju
ru
sa
n
info
ke
ah
lia
n
Info
krite
ria
pe
ne
mp
ata
n
de
pa
rte
me
n
Info
sta
nd
ar n
ila
i krite
ria
se
leksi
info
krite
ria
se
leksi
Info
de
pa
rte
me
n
Info
ju
ru
sa
n
departemen
Da
ta
de
pa
rte
me
n
Info
de
pa
rte
me
n
pelamar
Da
ta p
ela
ma
r
Info
pe
lam
ar
kriteria
seleksi
Da
ta k
rite
ria
se
leksi
Info
krite
ria
se
leksi
3.0
Pengolahan nilai
pegawai bidminku
Data login
Info login invalid
Data pelamar
Data password yang diubah
Info pelamar
Info password yang diubah
Request data departemen
Info departemen
Request data pelamar
Info pelamar
Request data kriteria seleksi
Info kriteria seleksi
Data penilaian
Data penempatan
Info penilaian
Info penempatan
penilaian
Da
ta p
en
ila
ian
Info
pe
nila
ian
Standar nilai
Kriteria seleksi
Da
ta s
tan
da
r n
ila
i
krite
ria
se
leksi
Info
sta
nd
ar n
ila
i
krite
ria
se
leksi
Request data standar
nilai kriteria seleksi
info data standar nilai
kriteria seleksi
penempatan
Da
ta p
en
em
pa
tan
info
pe
ne
mp
ata
nRequest data user
info user
Data login valid
Da
ta lo
gin
va
lid
Kriteria
penempatan
departemen
Da
ta k
rite
ria
pe
ne
mp
ata
n
de
pa
rte
me
n
info
krite
ria
pe
ne
mp
ata
n
de
pa
rte
me
n
Info kriteria penempatan departemen
Request kriteria penempatan departemen
keahlian
Da
ta k
ea
hlia
n
info
ke
ah
lia
n
request data keahlian
Info keahlian
Tahun_periode
Lo
gin
va
lid
se
ba
ga
i a
dm
in
da
n p
eg
aw
ai
bid
min
ku
Login valid sebagai
pegawai bidminku
jurusan
Da
ta ju
ru
sa
n
Da
ta ju
ru
sa
n
4.0
Laporan
Da
ta c
eta
k la
po
ra
n
info
ce
tak la
po
ra
n
Data login valid
5.0
Periode
Data tahun periodeinfo tahun periode
Da
ta ta
hu
n p
erio
de
info
ta
hu
n p
erio
de
Da
ta ta
hu
n p
erio
de
info
ta
hu
n p
erio
de
Da
ta ta
hu
n p
erio
de
Da
ta ta
hu
n
pe
rio
de
Data tahun periode
Gambar 4. DFD Level 1
5. Perancangan Antarmuka
Gambar gedung sekolah
.:Halaman Utama:.
File Pengolahan Data Penjurusan Siswa Laporan
MADRASAH ALIYAH NEGERI BINONG
_ U X
Gambar 5. Antarmuka Menu Utama
1.4 Implementasi Tahap implementasi dilakukan setelah
melakukan tahap analisis perancangan pada
sistem.
1. Implementasi perangkat keras
Perangkat keras yang diperlukan untuk
mengimplementasikan perangkat lunak dari
dapat dilihat pada tabel 3.
Tabel 1 Perangkat keras yang digunakan
Perangkat Server Client
Processor Kecepatan
800 MHz
Kecepatan
500 MHz
RAM 1 GHz 512 MHz
Harddisk 80 Gb 80 Gb
Monitor Resolusi
1024 x 768
Resolusi
1024 x 768
VGA 128 Mb 128 Mb
Lan Card 10/100
Mbps 10/100 Mbps
2. Implementasi perangkat lunak
Perangkat lunak yang digunakan untuk
mengimplementasikan dapat dilihat pada
tabel 4.
Tabel 2 Perangkat Lunak yang digunakan
Perangkat Lunak Keterangan
Sistem Operasi Windows XP
Profesional SP III
Bahasa Pemograman Delphi 7
Database Server MySQL 5.0.51b
3. Implementasi antarmuka
Implementasi antarmuka sistem pendukung
keputusan penerimaan karyawan adalah
sebagai berikut.
a. Tampilan antarmuka Login
b. Tampilan halaman utama
3. HASIL DAN DISKUSI
Berdasarkan hasil wawancara dengan
pegawai bagian penjurusan dapat
disimpulkan bahwa sistem yang dibangun
dapat membantu bagian penjurusan
4. KESIMPULAN DAN SARAN
2.1 Kesimpulan Bahwa proses penjurusan siswa di MAN
Binong Subang dengan menggunakan
algoritma K-Means kurang optimal,
dikarenakan akan banyak waktu yang tersita.
2.2 Saran Berdasarkan kesimpulan di atas, hal yang
diharapakan kedepan adalah dalam proses
penjurusan siswa di MAN Binong Subang
dapat dipilih algoritma/metode yang lebih
cocok dengan konsep proses penjurusan
siswa di MAN Binong Subang, sehingga
proses penjurusan di MAN Binong Subang
lebih optimal dan bisa membantu guru BK
dalam menentukan penjurusan siswa.
5. DAFTAR PUSTAKA
[1] Agus, M, (2002), Belajar Sendiri
Borland Delphi 7, Jakarta : Exex
Media Komputido.
[2] Agusta, Yudi. Pebruari 2007. “K-
Means Penerapan, Permasalahan dan
Metode Terkait”. Jurnal Sistem dan
Informatika Vol.3 : 47-60.
[3] Barakhbah, Ali Ridho. 2006. Workshop
Data Mining - Cluster Analysis.:
PENS-ITS Surabaya.
[4] Forta, Ben, (2000), Belajar Sendiri
SQL, Yogyakarta :Andi
[5] Fathansyah (2007), Basis Data,
Informatika, Bandung.
[6] http://www-
2.cs.cmu.edu/~awm/tutorials/kmeans.h
tml pada tanggal 21 Maret 2010 Pukul
21.15WIB
[7] Jogiyanto, HM. (2005), Analisis dan
Desain Sistem Informasi: Pendekatan
Terstruktur Teori dan Praktek Aplikasi
Bisnis, Andi, Yogyakarta.
[8] Rismawan, Tedy. Juni 2008 . “Aplikasi
K-Means untuk Pengelompokan
Mahasiswa Berdasarkan Nilai Body
Mass Index (BMI) & Ukuran
Kerangka”. Jurnal Seminar Nasional
Aplikasi Teknologi Informasi ISSN:
1907-5022
[9] Prayitno (2009), Penentuan Bidang
Konsentrasi Studi Tugas Akhir
Berdasarkan Nilai Matakuliah Dengan
Klasterisasi Kmeans, Proyek Akhir,
PENS-ITS Surabaya
[10] Pressman, Roger S. (2002), Rekayasa
Perangkat Lunak: Pendekatan
Praktisi Buku 1, Andi Offset,
Yogyakarta.