26
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Metode Pengembangan Perangkat Lunak Berdasarkan Model Proses
Dalam mengembangkan APNS, disini akan dijelaskan tahapan-tahapan pengembangan perangkat lunak sesuai dengan acuan model proses sequensial linier seperti yang telah disebutkan pada Bab III sebelumnya. Menurut model proses ini, tahapan dalam pengembangan APNS ini adalah sebagai berikut:
4.1.1
Analisis Aplikasi Pencarian Nilai Siswa (APNS)
Tahapan analisis adalah tahapan yang menjadi core dalam pengembangan sistem dimana penulis memahami ruang lingkup sistem dan keberadaan sistem terhadap sistem-sistem lainnya. Analisis terhadap APNS ini terdiri dari beberapa bagian, yaitu:
a. Deskripsi sistem
APNS ini adalah suatu aplikasi yang dapat melakukan pencarian dengan menggunakan algoritma genetika. Algoritma genetika akan di implementasikan pada pencarian nilai siswa.
APNS ini bisa digunakan di Sekolah Menengah Atas (SMA). APNS akan mengambil data masukan dari sistem induk. Berikut adalah ilustrasi dari APNS:
kumpulan
data
sekolah
proses
input data
database
sekolah
proses
pencarian
data oleh
user
aplikasi web
based
input datadata tersimpandata
sekolah
diambil
Gambar 4.1. Gambaran Umum APNS Terhadap Sistem Lainnya
b. Analisis Input
APNS ini membutuhkan data input berupa nama siswa, pelajaran, guru dan nilai. Datanya ini berasal dari input yang dilakukan oleh user. Data input ini nantinya akan digunakan untuk proses pencarian data.
c. Algoritma Genetika
Pencarian nilai siswa pada APNS ini menggunakan Algoritma Genetika. Dengan menggunakan parameter 20 untuk nilai ukuran populasi, 0,8 untuk nilai peluang crossover dan 0,01 untuk nilai peluang mutasi.
Langkah-langkah algoritma genetika dalam pencarian nilai siswa ini adalah sebagai berikut:
1. Pembangkitan populasi awal secara acak. Populasi ini berisikan individu yang disebut dengan kromosom. Kromosom ini merupakan suatu solusi yang terbentuk dari komponen-komponen penyusun yang disebut dengan gen. Kromosom ini dapat berupa bilangan numerik, biner, simbol ataupun karakter.
2. Setelah populasi awal terbentuk, maka akan dicari lagi populasi baru yang merupakan hasil evolusi dari kromosom-kromosom melalui proses iterasi yang disebut dengan istilah generasi. Nantinya pada setiap generasi, kromosom akan melalui proses evaluasi dengan menggunakan alat ukur yang disebut dengan fungsi fitness. Nilai fitness dari suatu kromosom dapat menunjukkan kualitas kromosom dalam populasi tersebut. Pada saat nilai fitness pada populasi awal ditemukan, lalu kromosom akan melalui proses seleksi. Untuk kromosom yang memiliki nilai fitness yang paling tinggi selanjutnya akan digunakan pada langkah selanjutnya.
3. Setelah melakukan seleksi pada kromosom, selanjutnya akan dilakukan operator crossover (penyilangan) dengan cara menggabungkan 2 kromosom generasi sekarang yang bertindak sebagai induk (parent) untuk membentuk offspring (anak).
4. Selain operator crossover, ada pula operator mutasi yang dapat merubah gen-gen yang ada dalam kromosom dengan gen-gen yang baru.
5. Setelah dilakukan mutasi, lalu dilakukan pengevaluasian nilai fitness pada setiap individu.
6. Setelah pengevaluasian nilai fitnes, maka terbentuklah satu populasi baru.
Untuk populasi dari generasi yang baru dibentuk nantinya kromosom parent dan offspring akan diseleksi nilai fitnessnya, dan akan menolak kromosom-kromosom yang lainnya sehingga ukuran populasi atau jumlah kromosom dari suatu populasi akan selalu berjumlah konstan. Setelah melalui beberapa generasi, maka algoritma ini akan menemukan kromosom terbaik yang memiliki nilai fitness terbaik yaitu 1 yang merupakan suatu solusi pencarian.
Dimisalkan, pada suatu database sekolah terdapat tabel nilai dengan beberapa siswa dan pelajaran. Lalu akan dicari nilai siswa dari siswa yang bernama Aan Siti Fatonah dengan pelajaran Biologi.
Tabel 4.1 Nilai Siswa
Pelajaran
Nama Siswa
Kelas
Nilai
Remedial
Matematika
Aan Siti Fatonah
3A
8
0
Matematika
Aang Sudrajat
3A
6
0
Biologi
Aan Siti Fatonah
3A
7
0
Biologi
Aang Sudrajat
3A
5
0
Bahasa Indonesia
Aan Siti Fatonah
3A
9
0
Bahasa Indonesia
Aang Sudrajat
3A
7
0
Dalam pencarian nilai siswa, langkah pertama yang dilakukan adalah membangkitkan generasi awal secara acak. Yaitu dibentuknya individu-individu baru secara acak yang terbentuk dari huruf atau karakter yang ada.
Tabel 4.2 Karakter Yang Tersedia
Karakter Yang Tersedia
a, A, b, B, c, C, d, D, e, E, f, F, g, G, h, H, i, I, j, J, k, K, l, L, m, M, n, N, o, O, p, P, q, Q, r, R, s, S, t, T, u, U, v, V, w, W, x, X, y, Y, z, Z, .
Tabel 4.3 Generasi Awal
No.
Individu
Nilai Fitness
1
nneFnMGwwQQhXOL
0
2
OneFnMGwwQihXOL
0
3
OneFnMGwwQQhOL
0
4
OneFnMGwHQQhXOL
0
5
OneFnMGwwQQhXGL
0
6
OnaFnMGwwQQhXOL
0
7
OneFnMGwwQQhXOp
0
8
OneFnMGwwQQhXoL
0
9
OnewnMGwwQQhXOL
0
10
OneFnMGwwQMhXOL
0
11
OneFnMJGwwQQhXOL
0
12
OnzFnMGwwQQhXOL
0
13
OneFnMGwwQahXOL
0.0625
No.
Individu
Nilai Fitness
14
OnMFnMGwwQQhXOL
0
15
OneFnMGwwQQhXCL
0
16
OneFnMGwwQQhXOL
0
17
OnNFnMGwwQQhXOL
0
18
OneunMGwwQQhXOL
0
19
OnepnMGwwQQhXOL
0
20
OneFnMGwwQehXOL
0
Setelah terbentuk generasi awal, maka akan dilakukan seleksi dengan cara mencari nilai fitness yang paling tinggi.
Tabel 4.4 Individu Yang Diseleksi
No.
Individu
Nilai Fitness
1
nneFnMGwwQQhXOL
0
2
OneFnMGwwQihXOL
0
3
OneFnMGwwQQhOL
0
4
OneFnMGwHQQhXOL
0
5
OneFnMGwwQQhXGL
0
6
OnaFnMGwwQQhXOL
0
7
OneFnMGwwQQhXOp
0
8
OneFnMGwwQQhXoL
0
9
OnewnMGwwQQhXOL
0
10
OneFnMGwwQMhXOL
0
No.
Individu
Nilai Fitness
11
OneFnMJGwwQQhXOL
0
12
OnzFnMGwwQQhXOL
0
13
OneFnMGwwQahXOL
0.0625
14
OnMFnMGwwQQhXOL
0
15
OneFnMGwwQQhXCL
0
16
OneFnMGwwQQhXOL
0
17
OnNFnMGwwQQhXOL
0
18
OneunMGwwQQhXOL
0
19
OnepnMGwwQQhXOL
0
20
OneFnMGwwQehXOL
0
Dilihat dari hasil generasi awal diatas, lalu diambil individu yang memiliki nilai fitness yang paling tinggi untuk dijadikan induk pada pembentukan generasi yang baru, yaitu individu OneFnMGwwQahXOL dengan nilai fitness 0.0625.
Setelah terpilih individu dengan nilai fitness tertinggi, dilakukanlah crossover dengan cara menyilangkan gen dari individu dengan nilai fitness tertinggi sebagai induk 1 yaitu OneFnMGwwQahXOL dengan individu yang sudah ada sebagai induk 2, yaitu OnMFnMGwwQQhXOL.
Induk 1
O
n
E
F
N
M
G
w
w
Q
a
h
X
O
L
Induk 2
O
n
M
F
N
M
G
w
w
Q
Q
h
X
O
L
Anak
O
n
e
F
N
M
G
w
w
Q
Q
h
X
O
L
Gambar 4.2 Crossover Antar Dua Induk
Pada gambar diatas, bisa dilihat terjadinya persilangan antara 2 individu OneFnMGwwQahXOL dan OnMFnMGwwQQhXOL. Persilangan terjadi pada huruf ke-3 dan ke-11, yaitu antara huruf e dan M, dan huruf a dan Q. Dan hasil dari persilangan tersebut berupa individu baru yaitu OneFFnMGwwQQhXOL.
Setelah dua individu tersilangkan gennya, lalu dilakukanlah mutasi dengan cara mengganti gen pada individu yang baru terbentuk tadi OneFFnMGwwQQhXOL dengan gen yang baru.
Gen asal
O
n
e
F
n
M
G
w
w
Q
Q
h
X
O
L
Gen baru
M
j
Anak
O
n
M
F
n
M
j
w
w
Q
Q
h
X
O
L
Gambar 4.3 Mutasi Gen
Proses crossover dan mutasi tersebut akan terus dilakukan sampai individunya mencapai satu generasi.
Setelah individunya mencapai satu generasi, lalu akan dicari individu dengan nilai fitness tertinggi. Jika nilai fitness ada yang mencapai angka 1, maka pencarian akan dihentikan karena solusi dari pencarian telah ditemukan. Jika nilai fitnessnya belum mencapai angka 1, maka langkah-langkah pencarian akan dilakukan lagi sampai menemukan individu yang memiliki nilai fitnessnya 1.
Tabel 4.5 Generasi x, Percobaan ke-n
No.
Individu
Nilai Fitness
1
Aan iti FatLnah
0.875
2
Aan Sini UatLnah
0.8125
3
Aam Fiti Fatonah
0.875
4
Aan SRti FatCnah
0.875
5
AZn SBti FaZonah
0.8125
6
Aan SOti Fadonmh
0.8125
7
Aan AitY FTtonah
0.8125
8
Aan Fkti Fatonyh
0.8125
9
Aan Kiti oatojah
0.8125
10
AaT pDti Fatonah
0.8125
11
Aan iti Catonah
0.8175
12
Aan Siti Fatonah
1
13
Aan SitimFatonah
0.9375
No.
Individu
Nilai Fitness
14
Aan SBti Fatovah
0.875
15
Aan SOti Hatonah
0.875
16
AAn Aiti Fatonah
0.875
17
Aan Giti Fatonah
0.9375
18
Aan Kkti Fztonah
0.8125
19
Aan pitS Fatonah
0.875
20
Aan piqi Fatonax
0.8125
Pada tabel 4.5 diasumsikan bahwa generasi x setelah mencapai percobaan ke-n individu, nilai fitness yang paling tinggi yaitu 1 telah ditemukan. Maka untuk x = 1,...n, dan setelah nilai fitnessnya = 1 pembentukan generasi baru akan dihentikan. Lalu individu yang sudah ditemukan yaitu berupa nama siswa Aan Siti Fatonah akan langsung dikoneksikan ke dalam database untuk mencari nilainya dari pelajaran biologi. Setelah dikoneksikan maka hasilnya nilai ditemukan.
Percobaan pencarian nilai siswa Aan Siti Fatonah pada mata pelajaran Biologi ini telah dilakukan sebanyak 20 kali percobaan pencarian dan didapatkanlah hasil yaitu banyaknya generasi dan percobaannya tidaklah selalu sama. Hal itu disebabkan karena adanya pembangkitan gen kromosom secara random, crossover dan mutasi.
Tabel 4.6 Hasil Pencarian Nilai Siswa
Pelajaran
Nama Siswa
Kelas
Nilai
Remedial
Biologi
Aan Siti Fatonah
3A
7
0
Pada tabel 4.6 bisa dilihat hasil dari pencarian nilai siswa dengan nama Aan Siti Fatonah kelas 3A telah ditemukan pada generasi x dengan hasil percobaan ke-n yaitu dengan nilai Biologinya 7 dan nilai remedialnya 0. Untuk proses lebih lengkapnya bisa dilihat pada lampiran.
d. Analisis Output
Data output yang dihasilkan oleh APNS ini adalah data nilai siswa yang dicari berdasarkan dari pencarian yang telah dilakukan pada saat input data.
e. Analisis Proses
Analisis proses ini tertuang dalam DFD (Data Flow Diagram) yang terdiri dari beberapa level. Berikut adalah penjabarannya:
· Level 0 (Context Diagram).
Gambar 4.4 DFD level 0 (Context Diagram)
Pada level 0 (Context Diagram) ini, Terdapat satu entitas, yaitu Administrator, 1 bubble process, APNS dan tiga aliran data, yaitu: login, sumber data, dan hasil data. Pengguna yang akan berhubungan langsung dengan perangkat lunak adalah user. User akan login, lalu memasukan sumber data ke dalam APNS, dan terjadilah proses pencarian yang menghasilkan data pencarian.
· Level 1.
Gambar 4.5 DFD Level 1 Aplikasi Pencarian Nilai Siswa
Pada DFD Level 1 ini, terdapat lima buah proses yang dimiliki oleh Aplikasi Pencarian Nilai Siswa. Pertama, proses autentifikasi. Proses ini adalah proses autentikasi data user yang login di APNS. Kedua adalah proses olah data guru. Proses ini adalah proses pengolahan data guru. Ketiga adalah proses olah data siswa. Proses ini adalah proses pengolahan data siswa. Keempat adalah proses olah data pelajaran. Proses ini adalah proses pengolahan data pelajaran. Kelima adalah proses olah data nilai. Proses ini adalah proses pengolahan data nilai.
(Untuk penjelassan DFD level selanjutnya bisa dilihat di dokumen teknis.)
4.1.2Desain Aplikasi Pencarian Nilai Siswa (APNS)
Tahapan desain atau perancangan adalah tahapan dimana APNS dirancang baik secara basis data maupun secara tampilan (interface). Berikut adalah penjelasannya:
a. Desain Perancangan Basis Data APNS
Dalam pengembangan APNS ini, digunakan delapan buah entitas yang direpresentasikan ke dalam delapan buah tabel. Entitas-entitas tersebut adalah:
1. Data Guru. Atribut-atribut yang melekat pada entitas ini adalah: nip (primary key), nama, alamat, no_telp.
2. Data Siswa. Atribut-atribut yang melekat pada entitas ini adalah: nis (primary key), nama dan kelas.
3. Data Pelajaran. Atribut-atribut yang melekat pada entitas ini adalah: kp (primary key), pelajaran nama_guru dan kelas.
4. Data Nilai. Atribut-atribut yang melekat pada entitas ini adalah: no (primary key), pelajaran, kelas dan nama_siswa, nilai dan remedial.
5. Data Kelas. Atribut-atribut yang melekat pada entitas ini adalah: no (primary key), dan kelas.
b. Desain Perancangan Tampilan Antarmuka (interface) APNS
Dalam pengembangan APNS ini, dirancanglah design tampilan antarmuka APNS ini dengan bertujuan untuk mempermudah user dalam penggunaannya.
Gambar 4.6 Struktur Perancangan Antarmuka APNS
(Untuk penjelasan perancangan antarmuka APNS selengkapnya bisa dilihat di dokumen teksis).
4.1.3 Implementasi Aplikasi Pencarian Nilai Siswa (APNS)
a. Implementasi Basis Data APNS
Berikut ini adalah pembahasan hasil pengimplementasian basis data pada APNS.
1) Tabel Guru
Fungsi
: Menyimpan data-data guru.
Jenis
: Tabel Induk/referensi
Primary key: nip
Foreign key: -
Struktur Tabel:
No.
Nama Atribut
Tipe
Size
Keterangan
1.
nip
char
18
2.
nama_guru
varchar
40
3.
alamat
varchar
75
4.
no_tlp
varchar
20
2) Tabel Pelajaran
Fungsi
: Menyimpan data-data nama pelajaran
Jenis
: Tabel Induk/referensi
Primary key: kp
Foreign key: -
Struktur Tabel:
No.
Nama Atribut
Tipe
Size
Keterangan
1.
kp
integer
10
2.
pelajaran
varchar
35
3.
nama_guru
varchar
35
4.
kelas
varchar
10
3) Tabel siswa
Fungsi
: Menyimpan data-data siswa
Jenis
: Tabel Induk/referensi
Primary key: nis
Foreign key: -
Struktur Tabel:
No.
Nama Atribut
Tipe
Size
Keterangan
1.
nis
integer
5
2.
nama_siswa
varchar
50
3.
kelas
varchar
2
4) Tabel kelas
Fungsi
: Menyimpan data nama-nama kelas
Jenis
: Tabel Induk/referensi
Primary key: nk
Foreign key: -
Struktur Tabel:
No.
Nama Atribut
Tipe
Size
Keterangan
1.
nk
integer
2
AUTO_INCREMENT
2.
kelas
varchar
2
5) Tabel nilai
Fungsi
: Menyimpan data nilai-nilai siswa
Jenis
: Tabel Induk
Primary key: no
Foreign key:
Struktur Tabel:
No.
Nama Atribut
Tipe
Size
Keterangan
1.
no
integer
100
AUTO_INCREMENT
2.
pelajaran
varchar
40
3.
kelas
varchar
10
4.
nama_siswa
varchar
50
5.
nilai
integer
10
6.
remedial
integer
10
b. Impelementasi Perancangan Antarmuka APNS dalam Bentuk Tampilan Program
Pengimplementasian perancangan antarmuka dalam APNS dalam bentuk interface ini disesuaikan dengan design perancangan antamuka pada subbab 4.1.2 (bagian b). Perancangan menggunakan gaya minimalis tetapi tidak mengurangi esensi dari fitur-fitur atau fungsi-fungsi yang ada pada APNS ini.
c. Impelementasi Perancangan Antarmuka APNS dalam Bentuk Pengerjaan Program
APNS dibuat dengan salah satu bahasa pemograman web, yaitu PHP (Hypertext Preprocessor). Penggunaan bahasa pemograman ini dimaksudkan agar APNS ini bisa diimplementasikan secara online.
Adapun kelebihan-kelebihan PHP dibandingkan dengan bahasa pemograman web lainnya yang berorientasi pada server-side programming:
1. PHP dapat berjalan lintas platform yaitu dapat berjalan dalam sistem operasi dan web server apapun;
2. Termasuk bahasa yang embedded, yakni dapat diletakan pada tag HTML;
3. Termasuk ke dalam server-side programming sehingga kode asli/source code PHP tidak dapat dilihat di browser pengguna, yang terlihat hanya kode dalam format HTML;
4. Dapat memanfaatkan sumber-sumber aplikasi yang dimiliki oleh server, seperti misalnya untuk keperluan database connection. PHP dapat melakukan koneksi dengan berbagai database seperti MySQL, Oracle, Sybse, Postgres SQL, dbase dan semua yang memiliki profider ODBC seperti Ms. Access;
5. PHP juga mendukung komunikasi dengan layanan lain melalui protocol IMAP, SNMP, POP3, NNTP, dan HTTP.
APNS ini juga menggunakan RDBMS (Relational DataBase Managemet System) MySQL 5.5 sebagai basis datanya. Adapun keunggulan MySQL dibandingkan dengan RDBMS-RDBMS lainnya:
1. MySQL sangat popular dikalangan Web karena memang MySQL cocok bekerja dilingkungan tersebut. MySQL tersedia di berbagai platform Linux dan Unix. Sesuatu yang tidak dimiliki oleh Ms. Access;
2. Fitur-fitur yang dimiliki oleh MySQL memang yang biasa banyak dibutuhkan dalam aplikasi atau sistem infomasi yang berbasis web. Misalnya klausa LIMIT SQL-nya praktis untik melakukan paging;
Untuk keterangan file demi file PHP dalam pembuatan APNS ini yang terdapat pada dokumen teknis.
4.1.4 Pengujian Sistem Pencarian Nilasi Siswa (APNS)
1) Pelaksanaan Pengujian
Tabel 4.7 Pelaksanaan Pengujian Terhadap APNS
No.
Bentuk Pengujian
Metode Pengujian
Data Uji yang Digunakan
Keterangan (Tujuan)
1.
Pengujian Implementasi Algoritma
Black Box
Data dummy yang menginterpretasikan data sebenarnya
Menguji keefektifan dan keefisienan algoritma
2.
Pengujian Hasil Query
Black Box
Setiap view
Menguji ketepatan hasil query
3.
Pengujian Unit Program
Black Box
Data dummy yang menginterpretasikan data sebenarnya
Menguji kebenaran fungsional unit program
2) Hasil Pengujian
a) White Box
Spesifikasi Proses Pencarian Nilai Siswa
Mulai
(1) Buka data nilai
Pilih kelas, pelajaran dan nama_siswa
Cari
(3) Pencarian nama siswa
(4) generasi 0
(5) inisialisasi populasi awal, P(generasi) secar acak
(6)evaluasi nilai fitness dari setiap individu P(generasi)
(7) mencari maksimum generasi dengan cara:
(8) generasi = generasi +1
(9) seleksi populasi tersebut untuk mendapatkan kandidat induk, P’(generasi)
(10) melakukan crossover pada P’(generasi)
(11) mutasi pada P’(generasi)
(12) evaluasi nilai fitnes setiap individu pada P’(generasi)
(13) bentuk populasi baru:
P(generasi) = {P(generasi-1) yang survive, P’(generasi)}
(14)jika nilai fitness ada yang mencapai 1 lanjutkan ke no (15), jika nilai fitnessnya kurang dari 1 maka ulangi langkah no (9)
(14) menampilkan nilai siswa hasil pencarian
array
endfor
endfor
tutup pencarian nama siswa
Selesai
b) Blackbox
Tabel 4.8 Tabel Pengujian APNS dengan Metode Blackbox
No.
Deskripsi Pengujian
Kode Kebutuhan yang diuji
Skenario Pengujian
Hasil yang diharapkan
Hasil Pengujian
1.
Pengujian terhadap kesalahan memasukkan username dan password ketika login
-
Memasukkan username dan password lalu menekan tombol login
APNS mampu memvalidasi kesalahan login dan memberikan verifikasi bahwa username dan password yang dimasukan adalah salah
OK
2.
Pengujian terhadap input data guru
-
Memasukan NIP, nama, alamat dan no telepon lalu menekan tombol submit atau cancel
Sistem menyimpan hasil masukan dengan menekan tombol submit, atau akan merefresh isi form dengan menekan tombol cancel
OK
No.
Deskripsi Pengujian
Kode Kebutuhan yang Diuji
Skenario Pengujian
Hasil yang Diharapkan
Hasil Pengujian
3.
Pengujian terhadap input data siswa
-
Memasukan NIS, nama dan memilih kelas lalu menekan tombol submit atau cancel
Sistem menyimpan hasil masukan dengan menekan tombol submit, atau akan merefresh isi form dengan menekan tombol cancel
OK
4.
Pengujian terhadap input data pelajaran
-
Memasukan kode pelajaran, mata pelajaran, nama guru dan kelas lalu menekan tombol submit atau cancel
Sistem menyimpan hasil masukan dengan menekan tombol submit, atau akan merefresh isi form dengan menekan tombol cancel
OK
No.
Deskripsi Pengujian
Kode Kebutuhan yang diuji
Skenario Pengujian
Hasil yang diharapkan
Hasil Pengujian
5.
Pengujian terhadap input nilai
-
Memasukan kelas, mata pelajaran, nama dan nilai lalu menekan tombol submit atau cancel
Sistem menyimpan hasil masukan dengan menekan tombol submit, atau akan merefresh isi form dengan menekan tombol cancel
OK
6.
Pengujian terhadap data guru
-
Memilih link data guru
APNS dapat memperlihatkan data-data guru
OK
7.
Pengujian terhadap edit data guru
-
Memilih link edit data guru
APNS dapat mengedit data guru yang sudah ada
OK
8.
Pengujian terhadap hapus data guru
-
Memilih link hapus data guru
APNS dapat menghapus data guru yang sudah ada
OK
No.
Deskripsi Pengujian
Kode Kebutuhan yang diuji
Skenario Pengujian
Hasil yang diharapkan
Hasil Pengujian
9.
Pengujian terhadap data siswa
-
Memilih kelas lalu menekan tombol submit
APNS dapat menampilkan data siswa berdasarkan kelas
OK
10.
Pengujian terhadap edit data siswa
-
Memilih link edit data siswa
APNS dapat mengedit data siswa yang sudah ada
OK
11.
Pengujian terhadap hapus data siswa
-
Memilih link hapus data siswa
APNS dapat menghapus data siswa yang sudah ada
OK
12.
Pengujian terhadap data pelajaran
-
Memilih link data pelajaran
APNS dapat menampilkan data pelajaran yang tersedia
OK
No.
Deskripsi Pengujian
Kode Kebutuhan yang diuji
Skenario Pengujian
Hasil yang diharapkan
Hasil Pengujian
13.
Pengujian terhadap edit data pelajaran
-
Memilih link edit data pelajaran
APNS dapat mengedit data pelajaran yang sudah ada
OK
14.
Pengujian terhadap hapus data pelajaran
-
Memilih link hapus data pelajaran
APNS dapat menghapus data pelajaran yang sudah ada
OK
15.
Pengujian terhadap pencarian data nilai
-
Memasukkan pelajaran, kelas dan nama siswa lalu menekan tombol submit
APNS mampu memberi tahu bahwa data yang dicari berdasarkan keyword yang dimasukkan, tidak ada
OK
No.
Deskripsi Pengujian
Kode Kebutuhan yang diuji
Skenario Pengujian
Hasil yang diharapkan
Hasil Pengujian
16.
Pengujian terhadap edit nilai
-
Memilih link edit nilai
APNS dapat mengedit nilai yang sudah ada dengan cara mengisi kolom remedial
OK
17.
Pengujian terhadap hapus nilai
-
Memilih link hapus nilai
APNS dapat menghapus data guru yang sudah ada
OK
4.2 Hasil Pencarian Nilai Siswa Menggunakan Algoritma Genetika
Untuk masalah tertentu Algoritma Genetika dianggap efektif dalam memberikan solusi diantaranya adalah pada masalah pencarian data. Algoritma Genetika merupakan suatu algoritma yang dapat memberikan solusi pencarian data dengan hasil yang maksimal.
Pencarian nilai siswa ini merupakan proses pencarian data berdasarkan pelajaran, kelas dan nama siswa. Untuk mempermudah pencarian dibuatlah form pencarian nilai yang akan dicari. Dibawah ini adalah proses pencarian data nilai siswa dengan menggunakan Algoritma Genetika.
Gambar 4.7 Tampilan halaman nilai.php
Langkah pertama adalah memilih kelas saja, mata pelajaran saja atau memilih kelas dan mata pelajaran sekaligus untuk pencarian. Sebagai contoh pencarian, dipilihlah kelas 1A untuk mata pelajaran Bahasa Indonesia.
Gambar 4.8 Tampilan pencarian nilai siswa di halaman nilai.php
Gambar 4.4 adalah tampilan halaman APNS setelah user memilih kelas 1A dan mata pelajaran Bahasa Indonesia lalu menekan tombol submit, maka akan muncul daftar siswa kelas 1A yang mengikuti pelajaran Bahasa Indonesia. Pada Proses submit untuk pencarian kelas dan mata pelajaran ini masih belum menggunakan algoritma genetika.
Gambar 4.9 Tampilan pencarian nilai siswa memilih siswa tertentu
Setelah daftar nilai siswa kelas 1A mata pelajaran Bahasa Indonesia muncul, maka selanjutnya bisa mencari nilai salah satu siswa saja. Pilih seorang siswa untuk dilihat nilainya, contohnya Dani Mulyana seperti pada Gambar 4.5.
Setelah nama siswa dipilih lalu tekan tombol submit kedua yang telah disisipkan script Algoritma Genetka. Setelah tombol submit ditekan, lalu hasinya akan seperti Gambar 4.6 dan Gambar 4.7.
Gambar 4.10 Tampilan halaman bagian atas halaman hasil pencarian nilai siswa tertentu
Gambar 4.11 Tampilan halaman bagian bawah hasil pencarian nilai siswa tertentu
Pada Gambar 4.6 dan Gambar 4.7 Terlihat bahwa data nilai siswa yang dicari akan ditampilkan setelah generasinya ditemukan yaitu pada “Generasi ke-321” dan “Dani Mulyana ditemukan setelah hasil percobaan ke-7360”. Maksud dari ”Generasi ke-321” disini adalah hasil pencarian individu terdapat pada generasi atau turunan yang ke-321. Sedangkan yang maksud dari ”Dani Mulyana ditemukan setelah percobaan ke-7360” adalah percobaan dengan mencari nilai fitnessnya dari Dani Mulyana yang paling tinggi yaitu 1 ditemukan pada nilai fitness dari individu yang telah mengalami evolusi sampai ke-7360 kali.
Setelah Generasi ke-321 dengan evolusi sebanyak 7360 kali, maka ditemukanlah Dani Mulyana Kelas 1a dengan nilai 7 pada pelajaran Bahasa Indonesia.
Dengan percobaan tersebut, maka pencarian nilai siswa dengan menggunakan algoritma genetika telah berhasil diimplementasikan.
Nuni Sriwijayani, 2013
Penerapan Algoritma Benetika Pada Pencairan Nilai Siswa
Universitas Pendidikan Indonesia | repository.upi.edu
Top Related