APLIKASI ABSENSI SISWA BERBASIS BARCODE TERINTEGRASI SMS GATEWAY DENGAN VB2010 DAN MYSQL (STUDI KASUS SMK PGRI 1 SUMEDANG)

APLIKASI ABSENSI SISWA BERBASIS BARCODE TERINTEGRASI SMS GATEWAY DENGAN VB2010 DAN MYSQL (STUDI KASUS SMK PGRI 1 SUMEDANG) David Setiadi, S.Kom., M.T Dosen Jurusan Teknik Informatika STMIK Sumedang Email : [email protected] Abstrak Absensi siswa merupakan hal penting bagi pihak sekolah sebagai referensi untuk penilaian siswa dalam hal keaktifan dan kehadiran, absensi pun menjadi bahan penting dalam menentukan nilai seorang siswa oleh guru atau walikelas. Banyak cara untuk meringankan beban guru dalam proses absensi siswa dan rekap absensinya, diantaranya adalah absesnsi siswa berbasis barcode yang terintegrasi dengan sms gateway untuk pemberitahuan kepada ponsel Orang tua atau Wali murid untuk memastikan bahwa siswa sampai disekolah dan pulang dari sekolah. Sistem absensi ini dibuat dengan menggunakan bahasa pemrograman Visual Studio 2010 dengan Database Mysql dan Gammu sebagai Daemon SMS gateway. Kata kunci : Absensi, SMS Gateway, Gammu PENDAHULUAN a. Latar Belakang Pemanfaatan teknologi diberbagai bidang kehidupan memang sudah menjadi hal yang biasa, dimana teknologi mampu membantu manusia dalam melakukan pekerjaannya sehingga bisa dilakukan dengan lebih cepat, ringan dan efektif. Salahsatunya adalah pemanfaatan teknologi di bidang pendidikan dari mulai membantu dalam proses pembelajaran hingga membantu dalam proses manajemen sekolah untuk mengelola administrasi yang melibatkan sistem yang besar yaitu siswa, guru, orang tua, staff hingga lingkungan sekolah yang mungkin akan sangat rumit jika diproses dengan cara manual. Hal yang tidak kalah penting adalah dalam hal pengolahan proses absensi siswa, dimana biasanya pihak sekolah menyerahkan kepada organisasi kelas seperti ketua kelas atau sekretaris kelas untuk mengelola absensinya dan guru melakukan rekap manual dari hasil laporan dari organisasi kelas. Hal ini tentu saja sedikit merepotkan guru, siswa, wali kelas hingga pihak sekolah dalam hal merekap seluruh kehadiran yang kemudian dijadikan sebagai rujukan proses penilaian kehadiran siswa disekolah. Atas dasar permasalahan tersebut diatas penulis membangun aplikasi sistem absensi siswa dengan harapan dapat membantu komponen sekolah dalam proses absensi siswa dan proses rekap kehadiran siswa dengan bantuan sistem aplikasi absesnsi, barcode scanner dan modem sms gateway sebagai notifikasi ke orangtua/wali siswa. b. Ruang Lingkup Adapun ruang lingkup dari penelitian ini adalah absensi siswa di Smk PGRI 1 Sumedang dengan menggunakan kartu siswa sebagai identitas unik untuk dibaca oleh mesin barcode reader dan di proses oleh aplikasi absensi yang dibangun menggunakan VB 2010 dan database Mysql yang terintegrasi dengan SMS Gateway untuk notifikasi otomatis kepada nomor ponsel orang tua siswa sebagai pemberitahuan absen masuk dan keluar.

c. Tujuan Tujuan dari penelitian ini adalah membuat aplikasi absensi berbasis barcode yang terintegrasi dengan Sms Gateway sebagai notifikasi kehadiran siswa kepada orangtua siswa. d. Metodologi Metodologi yang digunakan pada penelitian ini adalah : 1. Studi Literatur Mempeajari sumber-sumber pustaka untuk dijadikan referensi yang dapat berupa buku, paper, dan halaman-halaman web mengenai sistem absensi , smsgateway, dan pembangunan sistem menggunakan VB2010. 2. Analisis Menganalisis aplikasi sebelumnya yang pernah dibuat oleh peneliti lainyang kemudian dilengkapi kekurangannya dan ditambahkan fitur-fitur lain agar aplikasi menjadi memiliki nilai tambah daripada aplikasi lainnya. 3. Membangun Perangkat Lunak dengan pendekatan berorientasi objek dengan proses sebagai berikut : (1) Analisis Perangkat Lunak (2) Perancangan Perangkat Lunak (3) Implementasi Perangkat Lunak (4) Pengujian dan Evaluasi Perangkat Lunak PEMBAHASAN a. Konsep aplikasi Adapun Flowchart dari konsep aplikasi absensi ini adalah sebagai berikut :

Gambar 1 : Flowchart Aplikasi Dari gambar 1 diatas dapat diuraikan bahwa konsep aplikasi absensi ini adalah dimulai dari inputan nomor unik (NIS) melalui barcode scanner yang dikonversi menjadi angka kemudian di inputkan ke sistem, sistem akan mengecek id/NIS tersebut ke dalam database, jika ada maka sistem akan mencatat dan menampilkan semua informasi tentang siswa dan selesai, tetapi jika tidak ada maka sistem tidak akan memproses dan keluar, atau boleh mengulang kembali menginput melalui barcode scanner.

b. Prinsip Kerja aplikasi Prinsip kerja dari aplikasi ini secara garis besar dapat digambarkan seperti gambar berikut ini :

(1)

(2)

(3)

(4)

Gambar 2 . Cara kerja Aplikasi Absensi & SMS Gateway Kartu siswa Kartu siswa digunakan sebagai id yang bersifat unik karena memiliki nomor induk siswa (NIS) yang unik atau berbeda satu dengan yang lainnya. NIS di generate menjadi sebuah barcode untuk di cetak pada bagian kartu siswa. Barcode Scanner Barcode scanner berfungsi untuk membaca code dari barcode yang ada di kartu siswa yang kemudian di terjemahkan menjadi angka NIS dan di input ke dalam textbox pada form absensi aplikasi. Komputer Komputer berfungsi untuk menjalankan aplikasi absensi dengan cara menerima inputan dari barcode scanner berupa deretan angka NIS yang dijadikan kode unik oleh sistem absensi melalui inputan textbox pada tampilan form masuk dan keluar. Aplikasi ini akan mengolah semua data absensi siswa dari input hingga output berupa dokument printout juga softcopy berupa MS.Excel. dan mengirimkan report berupa notifikasi ke nomor handphone orang tua siswa melalui modem sms gateway. Modem SMS Gateway Modem sms gateway berfungsi untuk menerima perintah dari sistem atau apikasi untuk mengirimkan isi sms ke nomor tujuan/ nomor handphone orang tua dengan format nama_siswa, Jam masuk,Tanggal masuk,dan identitas sekolah.

c. Implementasi aplikasi (1) Database

Gambar 4 : Struktur DataBase Absensi

Tabel 1. Kamus Data Absensi Nama Tabel tblsiswa tbluser tbljurusan tblmasuk tblkeluar daemon gammu inbox outbox outbox_multip art pbk pbk_groups phones sentitems

Field id,nis,nisn,nama,kelas,jurusan,nohp, foto id,user,pass id,jurusan id,nis,tgl_masuk,jam_masuk,status id,nis,tgl_keluar,jam_keluar,status Start,Info Version UpdatedlnDB,ReceivingDateTime,Text,SenderNumber,Coding,U DH,SMSCNumber,Class,TextDecoded,ID,RecipientID,Processed Text,Coding,UDH,Class,TextDecoded,ID,SequencePosition text,UDH,class,textDecoded,ID,sequencePosition ID,groupID,number,name name,ID ID,UpdatedlnDB,InsertIntoDB,TimeOut,send,receeive,IMEI,Clien t,Battery,Signal,Sent,Receive UpdatedlnDB,InsertIntoDB,SendingDateTime,DeliveryDateTime, text,DestinationNumber,Coding,UDH,SMSCNumber,Class,TextD ecoded,ID,SenderID,SequencePosition,Status,StatusError,TPMR, RelativeValidity,CreatorID

(2) Alur Coding a. Login Administrator Pembatasan hak akses untuk admin yang akan menjalankan aplikasi. Hanya admin yang memiliki username dan password yang dapat menjalankan aplikasi, merubah setting, input, edit dan hapus. b. Menu Utama Menu utama untuk mengekses ke beberapa sub-menu lainnya. c. Manage User Mengganti username dan password administrator absesnsi. d. Input Siswa Untuk input,update,delete data siswa. e. Absensi Masuk Proses absensi masuk, waktu, tanggal dan menentukan status tepat waktu atau kesiangan. f. Absensi Keluar Proses absensi keluar, pencatatan jam dan tanggal keluar. g. Cetak Laporan Mencetak semua laporan masuk, keluar, harian, bulanan, perkelas, persiswa dan per-rentang waktu. h. SMS Gateway Mengirim sms laporan ke orang tua siswa dari tabel masuk dan tabel keluar tentang informasi siswa.

(3) Interface a) Login Administrator

Gambar 14 : Form Login Administrator b) Menu Utama

Gambar 15 : Menu Utama c) Manage User

Gambar 16 : Form Ganti Password

d) Input Siswa

Gambar 17 : Form Input Siswa e) Absensi Masuk

Gambar 18 : Form Absen Masuk f) Absensi Keluar

Gambar 19 : Form Absen Keluar

g) Cetak Laporan

Gambar 20 : Form Cetak Laporan h) SMS Gateway

Gambar 21 : Form Pesan Keluar PENUTUP a. Kesimpulan Darihasil implementasi penelitian ini dapat disimpulkan sebagai berikut : (1) Aplikasi absensi yang terpusat menggunakan barcode scanner dapat menyelesaikan beberapa masalah yang timbul dari penggunaan sistem absensi manual. (2) Integrasi dengan SMS gateway dapat memberi manfaat untuk orang tua siswa dalam memantau anaknya ketika masuk sekolah dan pulang sekolah karena akan menerima notifikasi sms yang berisi rincian waktu masuk dan keluar siswa dari sekolah ketika siswa melakukan absensi. b. Saran Adapun saran dari peneliti untuk pengembangan selanjutnya adalah : (1) Untuk pengembangan selanjutnya, sesuai dengan kemajuan teknologi maka sistem barcode dapat digantikan dengan sistem absensi RFID karena teknologi ini memiliki banyak kelebihan dibanding teknologi barcode.

(2) Untuk pengembangan selanjutnya dapat diimplementasikan menggunakan aplikasi web base sehingga baik pihak sekolah maupun orang tua dapat memantau siswa dengan cara mengakses aplikasi webnya. DAFTAR PUSTAKA [1] http://wammu.eu/gammu/ [2] https://social.msdn.microsoft.com/Forums/vstudio/en-US/home?forum=vbgeneral [3] http://msdn.microsoft.com/en-us/library/aa712050(v=vs.71).aspx [4] http://forum.developer-id.com/forum-vb-net

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU DENGAN LOGIKA FUZZY METODE TSUKAMOTO (STUDI KASUS SMA ANGKASA YOGYAKARTA) Hj. Maya Suhayati,S.Kom., M.Kom. Dosen Jurusan Teknik Informatika STMIK Sumedang Email : [email protected] Abstrak

Penerimaan Siswa Baru merupakan kegiatan pertama yang dilakukan setiap sekolah.Perkembangan teknologi saat ini tidak terlepas dari adanya langkah penerapan pengembangan metode yang tepat untuk mengimbangi kemajuan teknologi tersebut. Setiap sekolah selalu mengalami kesibukan yang luar biasa, saat penerimaan siswa baru dibuka setelah sekolah memutuskan kelulusan bagi siswanya dan dapat melanjutkan kejenjang pendidikan yang lebih tinggi. Sistem Pendukung Keputusan merupakan sebuah alat bantu yang dapat digunakan untuk membantu dalam mengambil keputusan berdasarkan kriteriakriteria yang dikeluarkan oleh pihak sekolah. Alat bantu ini berupa program komputer yang dapat digunakan untuk mendukung keputusan dalam pemilihan siswa. Sistem dapat memberikan informasi dengan cepat dibandingkan pemilihan secara manual sehingga dapat meningkatkan kualitas keputusan. Kata kunci: Sistem Pendukung Keputusan, Penerimaan Siswa Baru, Logika Fuzzy, Metode Tsukamoto PENDAHULUAN a. Latar Belakang Perkembangan teknologi saat ini tidak terlepas dari adanya langkah penerapan pengembangan metode yang tepat untuk mengimbangi kemajuan teknologi tersebut. Seperti halnya dalam dunia pendidikan yang mengalami perkembangan sangat pesat, hal ini dapat dilihat dari indikator banyaknya jumlah lulusan siswa SLTP dari berbagai sekolah di Indonesia yang akan melanjutkan pendidikan ketingkat SMA. Pada saat tahun ajaran baru, banyak memancing minat calon siswa yang ingin melanjutkan pendidikannya di SMA . Hal ini membuat pihak sekolah mengalami kesibukan untuk memilih atau menyeleksi calon siswa yang akan diterima karena pihak sekolah harus benar-benar selektif dalam mengambil keputusan yang tepat yang sesuai dengan kriteria yang ditetapkan oleh pihak sekolah tersebut. Dengan adanya Sistem Pendukung Keputusan penerimaan siswa baru di SMA , diharapkan dapat membantu pihak sekolah untuk memilih calon siswa yang akan diterima di SMA. b. Ruang Lingkup Permasalahan Lingkup masalah yang dikaji adalah : 1. SPK yang dibuat adalah untuk mengetahui apakah calon siswa diterima / tidak. 2. Masukan yang digunakan dalam SPK penerimaan siswa baru berdasarkan kriteria nilai SKHUN, nilai test wawancara, nilai test IQ, ,nilai penampilan. Sedangkan sebagai keluaran yaitu nama siswa dan keterangan diterima atau tidak diterima. c. Tujuan Penelitian Membuat sebuah aplikasi sistem untuk membantu sekolah dalam pengambilan keputusan penerimaan siswa baru dengan menggunakan teknik Logika Fuzzy Metode Tsukamoto. d. Manfaat Penelitian Manfaat penelitian yang akan dicapai adalah :

1. Mempermudah guru bagian penerimaan calon siswa baru dalam menentukan jumlah siswa baru yang akan diterima berdasarkan kriteria-kriteria apa saja yang mendukung penerimaan tersebut. 2. Kemudahan bagi sekolah dalam mengambil keputusan menyeleksi calon siswa, sehingga menghemat waktu dan dapat meningkatkan kualitas sekolah. e. Metode Penelitian Adapun metode-metode yang digunakan dalam penelitian ini adalah : 1. Melakukan wawancara dengan kepala sekolah SMA Angkasa Yogjakarta. 2. Observasi ke sekolah yaitu di SMA Angkasa Yogjakarta 3. Studi literatur atau Studi Kepustakaan dengan membaca buku – buku yang relevan terkait dengan topic yang diambil seperti Logika Fuzzy, metode Tsukamoto. PEMBAHASAN Sistem Pendukung Keputusan atau SPK merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambil keputusan dalam situasi semiterstruktur dan situasi yang tidak terstruktur, dimana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat (Alter, 2002) SPK dirancang sedemikian rupa untuk membantu mendukung keputusan-keputusan yang melibatkan masalah-maslah kompleks yang diformulasikan sebagai problem-problem semiterstruktur. SPK bisa dibangun untuk mendukung keputusan sekali saja, keputusan– keputusan yang jarang dibuat atau keputusan-keputusan yang muncul secara rutin. Untuk mengkaji permasalahan ada beragam rujukan teori yang terkait seperti : 1. Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar. Suatu nilai dapat bernilai besar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotaan yang memiliki rentang nilai 0 (nol) hingga 1(satu). Logika Fuzzy merupakan suatu logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar atau salah. Dalam teori logika fuzzy suatu nilai bisa bernilai benar atau salah secara bersama. Namun berapa besar keberadaan dan kesalahan suatu tergantung pada bobot keanggotaan yang dimilikinya. Logika fuzzy memiliki derajat keanggotaan dalam rentang 0 hingga 1. Berbeda dengan logika digital yang hanya memiliki dua nilai 1 atau 0. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output, mempunyai nilai kontinyu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang sama (Kusumadewi, 2004). 2. Metode Tsukamoto Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sbagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot (Kusumadewi, 2003). Misalkan ada variabel input, yaitu x dan y, serta satu variabel output yaitu z. Variabel x terbagi atas 2 himpunan yaitu A1 dan A2, variabel y terbagi atas 2 himpunan juga, yaitu B1 dan B2, sedangkan variabel output Z terbagi atas 2 himpunan yaitu C1 dan C2. Tentu saja himpunan C1 dan C2 harus merupakan himpunan yang bersifat monoton. Diberikan 2 aturan sebagai berikut: IF x is A1 and y is B2 THEN z is C1 IF x is A2 and y is B2 THEN z is C1 α-predikat untuk aturan pertama dan kedua, masing-masing adalah a1 dan a2. Dengan menggunakan penalaran monoton, diperoleh nilai Z1 pada aturan pertama, dan Z2 pada

aturan kedua. Terakhir dengan menggunakan aturan terbobot, diperoleh hasil akhir dengan formula sebagai berikut:

Berikut merupakan gambar inferensi dengan Tsukamoto, dimana dalam penentuan akhirnya menggunakan rata-rata terbobot (weight average) :

Gambar 1. Metode Inferensi Tsukamoto. Data-Data Hasil Pengamatan Data-data yang digunakan dalam pembuatan Sistem Pendukung Keputusan Penerimaan Siswa Baru dengan Logika Fuzzy ini terdiri dari data nilai SKHUN, nilai hasil test wawancara, nilai hasil test IQ, nilai penampilan. Data-data tersebut antara lain: Tabel 1. Data Pengamatan

Metodologi Perancangan Sistem Fuzzy. Dalam merancang sistem pendukung keputusan Penerimaan siswa baru ini dilakukan dengan Metode Tsukamoto. Adapun beberapa tahapan perancangan sistem Fuzzy tersebut sebagai berikut: a. Mendefinisikan Model Masukan dan Keluaran Sistem Langkah pertama dalam merancang sistem ini adalah dengan mendefinisikan terlebih dahulu masukan dan keluaran bagi SPK Penerimaan Siswa Baru. Masukan dari pengguna untuk simulasi SPK ini terdiri dari nilai SKHUN, nilai test wawancara, nilai test IQ, dan nilai penampilan. Sedangkan keluaran sistem berupa nama calon siswa dan keterangan diterima atau tidak diterima. Dimana masukan dan keluaran tersebut ditetapkan sebagai kriteria

penerimaan dan pengambilan keputusan untuk penerimaan siswa baru tahun ajaran 2010/2011. b. Dekomposisi Variabel Model menjadi Himpunan Fuzzy Dalam sistem inferensi fuzzy dikenal istilah variabel linguistik, yaitu variabel-variabel yang dinyatakan dengan bilangan fuzzy, dimana bilangan fuzzy merepresentasikan konsep fuzzy seperti kecil, sedang, besar (George J.Klir & Bo Yuan, 1995). Begitu pula dengan sistem inferensi fuzzy yang digunakan untuk menentukan penerimaan siswa baru ini juga menggunakan variabel-variabel linguistik. Dari variabel-variabel masukan dibentuk himpunan fuzzy antara lain: 1. Nilai SKHUN; terdiri atas 2 himpunan fuzzy, yaitu: BAIK dan CUKUP µ[x] C B

0

14 40 Gambar 2. Nilai SKHUN

Fungsi Keanggotaan: 1; x ≤ 14 ( 40 – x ) / ( 40 – 14 ) ; 14 ≤ x ≤ 40 0; x ≥ 40 0; x ≤ 14 µ nilai B ( x – 14 ) / ( 40 – 14 ) ; 14 ≤ x ≤ 40 1; x ≥ 40 2. Nilai Test Wawancara; terdiri atas 2 himpunan fuzzy, yaitu: BAIK dan CUKUP µ[x] C B µ nilai C

0

30 100 Gambar 3. Nilai Test Wawancara

Fungsi Keanggotaan: 1; x ≤ 30 µ nilai C ( 100 – x ) / ( 100 – 30 ) ; 30 ≤ x ≤ 100 0; x ≥ 30 0; x ≤ 30 µ nilai B ( x – 30 ) / ( 100 – 30 ) ; 30 ≤ x ≤ 100 1; x ≥ 100 3. Nilai Test IQ; terdiri atas 2 himpunan fuzzy, yaitu: BAIK dan CUKUP µ[x] C B

0

80 150 Gambar 4. Nilai Test IQ

Fungsi Keanggotaan: 1; µ nilai C ( 150 - x) / ( 150 - 80 ) ; 0;

x ≤ 80 80 ≤ x ≤ 150 x ≥ 150

µ nila B

0; ( x – 80 ) / ( 150 – 80 ) ; 1;

x ≤ 80 80 ≤ x ≤ 150 x ≥ 55

4. Nilai Penampilan; terdiri atas 2 himpunan fuzzy, yaitu: BAIK dan CUKUP µ[x] C B

0

10 90 Gambar 5. Nilai Penampilan

Fungsi Keanggotaan: 1; µ nilai C ( 90 – x ) / ( 90 – 10 ) ; 0; 0; µ nilai B ( x – 10 ) / ( 90 – 10 ) ; 1;

x ≤ 10 10 ≤ x ≤ 90 x ≥ 90 x ≤ 10 10 ≤ x ≤ 90 x ≥ 90

Untuk Keluarannya, dibentuk himpunan fuzzy yaitu: 1. Penilaian Siswa; terdiri atas 2 himpunan fuzzy yaitu: Terima (T) dan Tidak diTerima (TD) µ[x] TD T

0

20 60 Gambar 6. Penilaian Siswa

Setelah variabel tersebut ditentukan himpunan fuzzy-nya kemudian menentukan domain batas dari masing-masing himpunan fuzzy tersebut. Domain batas ditentukan berdasarkan data-data yang telah ada. Data-data tersebut dianalisa sehingga dihasilkan nilai batas dari setiap himpunan fuzzy pada setiap variabel tersebut. Domain himpunan fuzzy Penerimaan Siswa Baru yang digunakan antara lain:

c.

1. Nilai SKHUN; a. Batas Atas (B) = [ 27 40] b. Batas Bawah (C) = [ 14 27] 2. Nilai Test Wawancara; a. Batas Atas (B) = [ 65 100 ] b. Batas Bawah (C) = [ 30 65 ] 3. Nilai Test IQ; a. Batas Atas (B) = [ 115 150 ] b. Batas Bawah (C) = [ 80 115 ] 4. Nilai Penampilan; a. Batas Atas (B) = [ 50 90 ] b. Batas Bawah (C) = [ 10 50 ] Nilai batas untuk himpunan fuzzy pada tiap-tiap variabel fuzzy tersebut sama. Pembuatan Aturan Fuzzy.

Dari keempat masukan dan dua buah keluaran yang telah didefinisikan di atas, dengan melakukan analisa data terhadap batas tiap-tiap himpunan fuzzy pada tiap-tiap variabelnya maka dibentuk 16 aturan fuzzy yang akan dipakai dalam sistem Penerimaan Siswa Baru ini, yaitu: No. R1 R2 R3 R4 R5 R6 R7 R8 R9 R10 R11 R12 R13 R14 R15 R16

Aturan If SKHUN B and wawancara B and IQ B and penampilan B then T If SKHUN B and wawancara B and IQ B and penampilan C then T If SKHUN B and wawancara B and IQ C and penampilan B then T If SKHUN B and wawancara B and IQ C and penampilan C then T If SKHUN B and wawancara C and IQ B and penampilan B then T If SKHUN B and wawancara C and IQ B and penampilan C then T If SKHUN B and wawancara C and IQ C and penampilan B then T If SKHUN B and wawancara C and IQ C and penampilan C then TD If SKHUN C and wawancara B and IQ B and penampilan B then T If SKHUN C and wawancara B and IQ B and penampilan C then TD If SKHUN C and wawancara B and IQ C and penampilan B then TD If SKHUN C andwawancara B and IQ C and penampilan C then TD If SKHUN C and wawancara C and IQ B and penampilan B then TD If SKHUN C and wawancara C and IQ B and penampilan C then TD If SKHUN C and wawancara C and IQ C and penampilan B then TD If SKHUN C and wawancara C and IQ C and penampilan C then TD

d. Proses Logika Fuzzy 1. Fuzzifikasi(pakai 1) ) Merupakan proses untuk mendapatkan derajat keanggotaan dari sebuah nilai numerik masukan (crisp). Misalnya: suatu variabel mempunyai nilai X1 maka nilai X1 tersebut dicari derajat keanggotaannya (μ[X1]). Di dalam mencari derajat keanggotaannya tersebut X1 harus diketahui dahulu letaknya berada dimana. Misal diambil salah satu variabel yaitu nilai SKHUN, apakah X1 tersebut berada di himpunan cukup atau baik. X1 dapat menempati di dua tempat himpunan misalnya baik dan cukup atau bahkan satu himpunan saja. Fungsi Keanggotaan Bawah : 1 x≤a µBAWAH[X1] (x - a) / (c - a) a≤x≤c 0 x≥c Keterangan : a = Batas Bawah a/ Batas MIN b = Batas Bawah b c = Batas Bawah c Berikut implementasi X1 tersebut di dalam Fuzzifikasi untuk himpunan cukup : 1 x ≤ 14 µ nilai C (x - a) / (40 - 14) 14 ≤ x ≤ 40 0 x ≥ 40 Diambil suatu nilai untuk X1 = 35.50. Dimana nilai 35.50 hanya memenuhi untuk himpunan cukup. π nilai B [35.50] = (35.50 - 14) / (40 - 14) = 21.50 / 26 = 0.83 Didapat derajat keanggotaan senilai 0.83 yang selanjutnya derajat keanggotaan tersebut diimplementasikan ke dalam aturan fuzzy. 2. Aplikasi Fungsi Implikasi

Dimana penggunaan Fungsi MIN sebagai Metode Implikasinya dalam menentukan α-predikat minimum dari tiap-tiap aturan yang ditetapkan, maksudnya dari beberapa pernyataan IF tersebut diambil α-predikat atau nilai derajat keanggotaan terkecil. Misal: Diambil contoh untuk aturan pertama dengan nilai derajat keanggotaan sembarang. IF nilai SKHUN B And nilai wawancara B And nilai IQ B And nilai penampilan B THEN calon siswa diTerima (T) α-predikat1: = µSKHUN B ∩ µWWC B ∩ µIQ B ∩ µPNP B = MIN (µSKHUN B(35.50), µWWC B (90), µIQ B (49.98), µPNP B(75)) = MIN (0.83; 0.86; 0.87; 0.81) = 0.81 Keterangan: α-predikat1 = derajat keanggotaan terkecil/ minimum 3. Defuzzifikasi Dalam perancangan sistem Penerimaan siswa baru dengan logika fuzzy ini, digunakan Metode Inferensi Tsukamoto. Pada metode ini setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton dalam arti penerimaan nilai Zn tersebut dari hasil implikasi tiaptiap aturan masing-masing. Mula-mula Defuzzifikasi ini dilakukan pada tiap-tiap aturan, setelah semua aturan terpenuhi serta didapat nilai Zn dari tiap-tiap aturannya kemudian mulai melakukan penerimaan hasil akhir. Berikut gambaran melakukan Defuzzifikasi untuk tiap-tiap aturan yang diambil dari aturan pertama: Di dalam aturan pertama didapat sebuah pernyataan THEN yaitu siswa diterima (T). Sehingga didapat sebuah rumusan Defuzzifikasi aturan pertama sebagai berikut: Z1= (α-predikat1 * selisih keluaran)+ batas bawah keluaran

Keterangan: Z1 : Nilai Defuzzifikasi (aturan 1) α-predikat1 : Derajat Keanggotaan 1 Defuzzifikasi itu sendiri merupakan suatu proses untuk merubah hasil penalaran yang berupa derajat keanggotaan keluaran (α-predikat) menjadi variabel numerik kembali (crisp). Sistem Penerimaan siswa baru ini menggunakan rata-rata terbobot (weight average) sebagai metode Defuzzifikasi untuk mendapatkan hasil akhir penerimaan siswa baru. Adapun rumus rata-rata terbobot tersebut adalah sebagai berikut:

Keterangan : Z : Jumlah Penilaian αn : Derajat Keanggotaan dari Aturan ke- n Zn : Nilai penilaian dari Aturan ke- n Analisis Hasil Analisis yang melibatkan metode logika fuzzy tsukamoto didapat suatu penyelesaian masalah dalam menentukan Penerimaan Siswa Baru di SMA. Pengujian secara manual akan

di lakukan untuk mendapatkan perbandingan antara hasil yang ditampilkan sistem yang telah di bangun dan hasil secara manual. Penerapan proses logika fuzzy tsukamoto tersebut melalui tahapan; Fuzzifikasi, Implikasi, dan Defuzzifikasi selanjutnya tiga proses ini di terapkan dalam aturan yang telah dibuat sebelumnya, yaitu 16 aturan. Yang kemudian aturan yang ada, kembali dimasukan dalam rumus pembobotan. Rumusnya adalah sebagai berikut :

Keterangan : Z = Jumlah Penilaian αn = Derajat Keanggotaan dari Aturan ke- n Zn = Nilai Penilaian dari Aturan ke- n Nilai siswa dikatakan diterima apabila perolehan nilai yang di capai dari 40 – 60, sedangkan nilai siswa dikatan tidak diterima apabila perolehan nilai yang di capai dari 20 – 40. Contoh perhitungan secara manual Penerimaan Siswa Baru dengan empat krikteria (nilai yang di jadikan contoh adalah nilai M.Riski) adalah sebagai berikut: 1. Nilai SKHUN = 35.50 2. Nilai Test Wawancara = 90 3. Nilai IQ = 145 4. Nilai Penampilan = 75 Dari ke empat masukan tersebut, maka akan dibentuk satu keluaran yakni jumlah penilaian yang akan merepresentasikan hasil. Penerapan aturan dalam sistem penentuan jumlah pembiayaan yang harus dikeluarkan pada anggota adalah sebagai berikut : R1: IF SKHUN BAIK And Wawancara BAIK And IQ BAIK And Penampilan BAIK THEN TERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.83; 0.86; 0.93; 0.81) = 0.81 Lihat himpunan penilaian TERIMA, Z1 = (0.81 * 40) + 20 = 52.50 R2: IF SKHUN BAIK And Wawancara BAIK And IQ BAIK And Penampilan CUKUP THEN TERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.83; 0.86; 0.93; 0.19) = 0.19 Lihat himpunan penilaian TERIMA, Z2 = (0.19 * 40) + 20 = 27.50 R3: IF SKHUN BAIK And Wawancara BAIK And IQ CUKUP And Penampilan BAIK THEN TERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.83; 0.86; 0.07; 0.81) = 0.07

Lihat himpunan penilaian TERIMA, Z3 = (0.07 * 40) + 20 = 22.86 R4: IF SKHUN BAIK And Wawancara BAIK And IQ CUKUP And Penampilan CUKUPTHEN TERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.83; 0.86; 0.07; 0.19) = 0.07 Lihat himpunan penilaian TERIMA, Z4 = (0.07 * 40) + 20 = 22.86 R5: IF SKHUN BAIK And Wawancara CUKUP And IQ BAIK And Penampilan BAIK THEN TERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.83; 0.14; 0.93; 0.81) = 0.14 Lihat himpunan penilaian TERIMA, Z5 = (0.14 * 40) + 20 = 25.71 R6: IF SKHUN BAIK And Wawancara CUKUP And IQ BAIK And Penampilan CUKUP THEN TERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.83; 0.86; 0.93; 0.19) = 0.14 Lihat himpunan penilaian TERIMA, Z6 = (0.14 * 40) + 20 = 25.71 R7: IF SKHUN BAIK And Wawancara CUKUP And IQ CUKUP And Penampilan BAIK THEN TERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.83; 0.86; 0.07; 0.81) = 0.07 Lihat himpunan penilaian TERIMA, Z7 = (0.07 * 40) + 20 = 22.86 R8: IF SKHUN BAIK And Wawancara CUKUP And IQ CUKUP And Penampilan CUKUP THEN TIDAK DITERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.17; 0.14; 0.07; 0.19) = 0.07 Lihat himpunan penilaian TIDAK DITERIMA, Z8 = (0.07 * 40) - 60 = 57.14 R9: IF SKHUN CUKUP And Wawancara BAIK And IQ BAIK And Penampilan BAIK THEN TERIMA α-Predikat = Min (V01∩V02∩V03∩V04)

= Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.17; 0.86; 0.93; 0.81) = 0.17 Lihat himpunan penilaian TERIMA, Z9 = (0.17 * 40) + 20 = 26.92 R10: IF SKHUN CUKUP And Wawancara BAIK And IQ BAIK And Penampilan CUKUP THEN TIDAK DITERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.17; 0.86; 0.93; 0.19) = 0.17 Lihat himpunan penilaian TIDAK DITERIMA, Z10 = (0.17 * 40) - 60 = 53.08 R11: IF SKHUN CUKUP And Wawancara BAIK And IQ CUKUP And Penampilan BAIK THEN TIDAK DITERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.17; 0.86; 0.07; 0.81) = 0.07 Lihat himpunan penilaian TIDAK DITERIMA, Z11 = (0.07 * 40) - 60 = 57.14 R12: IF SKHUN CUKUP And Wawancara BAIK And IQ CUKUP And Penampilan CUKUP THEN TIDAK DITERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.17; 0.86; 0.07; 0.19) = 0.07 Lihat himpunan penilaian TIDAK DITERIMA, Z12 = (0.07 * 40) - 60 = 57.14 R13: IF SKHUN CUKUP And Wawancara CUKUP And IQ BAIK And Penampilan BAIK THEN TIDAK DITERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.17; 0.14; 0.93; 0.81) = 0.14 Lihat himpunan penilaian TIDAK DITERIMA, Z13 = (0.14* 40) - 60 = 54.29 R14: IF SKHUN CUKUP And Wawancara CUKUP And IQ BAIK And Penampilan CUKUP THEN TIDAK DITERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.17; 0.14; 0.93; 0.19) = 0.14 Lihat himpunan penilaian TIDAK DITERIMA, Z14 = (0.14 * 40) - 60

= 54.29 R15: IF SKHUN CUKUP And Wawancara CUKUP And IQ CUKUP And Penampilan BAIK THEN TIDAK DITERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.17; 0.14; 0.07; 0.81) = 0.07 Lihat himpunan penilaian TIDAK DITERIMA, Z15 = (0.07 * 40) - 60 = 57.14 R16: IF SKHUN CUKUP And Wawancara CUKUP And IQ CUKUP And Penampilan CUKUP THEN TIDAK DITERIMA α-Predikat = Min (V01∩V02∩V03∩V04) = Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75]) = Min (0.17; 0.14; 0.07; 0.81) = 0.07 Lihat himpunan penilaian TIDAK DITERIMA, Z16 = (0.07 * 40) - 60 = 57.14

Nilai Z dapat dicari dengan cara sebagai berikut : α-predikat*Z1 + α-predikat*Z2 + α-predikat*Z3 + α-predikat*Z4 + α-predikat*Z5 + + α-predikat*Z6 + α-predikat*Z7 + α-predikat*Z8 + α-predikat*Z9 + α-predikat*Z10 + α-predikat*Z11 + α-predikat*Z12 + α-predikat*Z13 + α-predikat*Z14 + α-predikat*Z15 + α-predikat*Z16 Z= α-predikat1 + α-predikat2 + α-predikat3 + α-predikat4 + α-predikat5 + α-predikat6 + αpredikat7 + α-predikat8 + α-predikat9 + α-predikat10 + α-predikat11 + α-predikat12 + α-predikat13 + α-predikat14 + α-predikat15 + α-predikat16 109.82 Z= 2.49 Z = 44.12 Jadi nilai penilaian perhitungan manual dari Fuzzy untuk nilai siswa M.Riski adalah 44.12 (TERIMA). Perhitungan manual telah selesai kemudian dibandingkan hasil yang diperoleh sistem yang di bangun maka didapatkan hasil yang sama. Dengan hasil ini sistem dapat dikatakan berhasil. PENUTUP a. Kesimpulan Kesimpulan yang diperoleh berdasarkan uji coba yang dilakukan maka dapat disimpulkan bahwa Sistem Pendukung Keputusan Penerimaan Siswa Baru dengan Logika Fuzzy Metode Tsukamoto merupakan solusi bagi para pengambil keputusan dalam menentukan dan mengambil keputusan untuk penerimaan siswa baru setiap tahunnya.Perancangan SPK digunakan Metode Inferensi Tsukamoto dimana penggunaan metode Min sebagai fungsi implikasinya, kemudian output hasil implikasi dari tiap-tiap aturan tersebut diberikan secara tegas (crisp) berdasarkan derajat keanggotaan terkecilnya yang dikenal dengan Defuzzifikasi tiap-tiap aturan, selanjutnya penentuan hasil akhir dengan menerapkan rata-rata terbobot untuk mendapatkan nama calon siswa yang diterima dan tidak diterima.

b. Saran Saran untuk sistem ini adalah nilai penerimaan siswa yang diinput, dalam sistem ini tidak tidak boleh dibawah dan diatas domain nilai himpunan yang sudah ditetapkan. DAFTAR PUSTAKA [1] Kristanto, Andri, 2004, Rekayasa Perangkat Lunak (Konsep Dasar), Yogyakarta : Penerbit Gava Media [2] Kusumadewi S. dan Purnomo H., 2010, ”Aplikasi Logika Fuzzy untuk Pendukung Keputusan”, Yogyakarta: Graha Ilmu [3] Turban, Efram, Aronson, Jay E, dan Peng-Liang, Ting, 2003, Decision Support Systems and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas), Yogyakarta: CV. Andi Offset

RANCANG BANGUN APLIKASI PENCATATAN TRANSAKSI PENJUALAN PULSA DAN PENGELUARAN BIAYA (STUDI KASUS : 1.4.3 CELL)

Ipan Darmanto, S.Sos., M.Kom Dosen Tetap Jurusan Sistem Informasi STMIK Sumedang Email : [email protected]

Abstrak Perkembangan teknologi mobile dan internet merupakan satu kesatuan yang tidak dapat dipisahkan. Bahkan hampir pengguna pada umumnya menggunakan mobile yang terdapat fitur internetnya. Seiring perkembangan tersebut maka penggunaan pulsa pun akan meningkat. Tempat usaha penyedia pulsa akan banyak bermunculan ditambah dengan sistem usaha yang ditawarkan sangat mudah dilakukan. Keuntungan dari penjualan pulsa memang tidak terlalu besar namun antusias pelanggan dapat dipertimbangkan. Untuk itu pelaku usaha yang kurang bisa mengelola keuangan maka tidak akan lepas dari permasalahan. Maka dari itu faktor yang sangat penting dalam mengelola bisnis adalah paham mengelola keuangan. Dengan adanya permasalah tersebut, penelitian ini menawarkan solusi sederhana dalam mengelola usaha penjualan pulsa yaitu dengan menggunakan aplikasi yang didalamnya dapat mengelola pendapatan dan pengeluaran usaha pulsa agar lebih baik lagi dalam mengelola keuangan. Kata Kunci : pencatatan transaksi penjualan pulsa, pengeluaran pulsa

PENDAHULUAN

A. LATAR BELAKANG Pada saat ini perkembangan teknologi informasi telah menjamur disemua kalangan. Hal tersebut disebabkan oleh kebutuhan informasi yang tidak mengenal waktu dan tempat sehingga para pengguna mau tidak mau dituntut harus mempunyai alat untuk berkomunikasi. Alat komunikasi yang sekarang sedang mengalami perkembangan yang sangat pesat adalah alat telekomunikasi yaitu Handphone, Smartphone, Tablet, dan yang lainnya. Tidak hanya itu munculnya alat-alat canggih tersebut diiringi dengan perkembangan internet. Saat ini kebutuhan Internet sudah menjadi konsumsi public yang selalu dibutuhkan. Alasan utamanya yaitu kebutuhan informasi yang bisa dengan mudak dapat ditemukan dengan menggunakan media internet sehingga semua pengguna internet berlombalomba untuk memberikan dan menawarkan sesuatu yang mudah dan menarik di internet, hal tersebut bisa buktikan dengan banyak munculnya website-website terkemuka baik itu organisasi, perusahaan, bisnis, individu, social network, dan yang lainnya. Sehingga dua hal tersebut yaitu alat komunikasi dan internet menjadikan dua hal yang tidak dapat dipisahkan. Dengan adanya kebutuhan tersebut, untuk mengoprasikan antara alat komunikasi dan internet dibutuhkan yang namanya pulsa. Sehingga tidak heran banyaknya pengguna alat komunikasi dan internet diiringi juga banyaknya bermunculan tempat usaha yang menyediakan jasa penjualan pulsa. Usaha pulsa diyakini akan tetap bertahan karena melihat tingkat pengguna alat komunikasi hampir di semua kalangan maka akan meningkat pula penggunaan pulsa sehingga usaha ini akan mendatangkan keuntungan.

Dengan banyak bermunculannya usaha penyedia pulsa, tidak sedikit juga yang mengalami kegagalan. Kegagalan yang terjadi yaitu banyak konter pulsa yang gulung tikar dengan alasan karena keuntungan yang dihasilkan tidak seberapa. Kalau dihitung keuntungan dari penjualan pulsa per setiap transaksinya memang tidak begitu besar yang terkadang biaya pengeluaran yang tidak dapat dihindari itu yang biasanya sangat besar. Sehingga ketika pelaku usaha tidak pandai dalam mengelola keuangan maka hal tersebut akan menjadi permasalahan. Maka dari itu pelaku usaha kecil, menengah, ataupun usaha besar mengelola keuangan merupakan faktor yang harus benar-benar dikuasai karena merupakan jantungnya usaha. Selain itu juga jarang adanya dokumentasi tentang palaporan pendapatan dan pengeluaran. Oleh karena itu, adanya permasalahan tersebut maka dicarilah solusinya. Dalam penelitian ini dibuatlah rancangan bangun aplikasi untuk mendata pendapatan dan pengeluaran pada konter pulsa. Tujuan dari penelitian ini yaitu membuat aplikasi dengan konsep selayaknya penjualan pulsa pada umumnya untuk mengelola pendapatan dan pengeluaran usaha pulsa agar lebih baik lagi dalam mengelola keuangan.

B. LINGKUP MASALAH Agar penelitian ini tidak melebarmaka dibuatlah batasan masalah dari penelitian yang dilakukan, yaitu hanya membuat aplikasi tentang pencatatan transaksi pengisian pulsa dan pengeluaran saja yang berhubungan dengan kegiatan operasional harian di konter pulsa.

C. TUJUAN Tujuan penelitian ini yaitu : 1. Dapat mengelola kegiatan operasional harian dikonter pulsa 2. Menampilkan laporan yang dibutuhkan untuk mengetahui pendapatan dan pengeluaran di konter pulsa d. Metode Penelitian Dibawah ini merupakan kerangka penelitian sebagai gambaran dari metode pengembangan aplikasi yang dibuat. Mengidentifikasi Kebutuhan pemakai

Mengembangkan Prototype

Prototype dapat diterima

ya Mengkodekan system operasional

Tidak

Menguji system operasional

Tidak

ya

Sistem dapat diterima

Menggunakan system operasi

Gambar 2 Kerangka Penelitian PEMBAHASAN Untuk memperjelas pembahasan maka ada beberapa teori yang menjadi rujukan diantaranya yaitu : Rancang Bangun (desain) adalah tahap dari setelah analisis dari siklus pengembangan sistem yang merupakan pendefinisian dari kebutuhan-kebutuhan fungsional, serta menggambarkan bagaimana suatu sistem dibentuk yang dapat berupa penggambaran, perencanaan dan pembuatan sketsa atau pengaturan dari beberapa elemen yang terpisah ke dalam satu kesatuan yang utuh dan berfungsi, termasuk menyangkut mengkonfigurasikan dari komponen-komponen perangkat keras dan perangkat lunak dari suatu sistem(Jogiyanto 2005:197) Berdasarkan pengertian diatas maka dapat disimpulkan pengertian rancang bangun merupakan kegiatan menerjemahkan hasil analisa ke dalam bentuk paket perangkat lunak kemudian menciptakan sistem tersebut ataupun memperbaiki sistem yang sudah ada. Menurut Hengky W. Pramana dalam bukunya Kunci Sukses Visual FoxPro 6.0 menjelaska aplikasi adalah suatu unit perangkat lunak yang dibuat untuk melayani kebutuhan akan beberapa aktifitas seperti sistem perniagaan, game pelayanan masyarakat, periklanan, ata semua proses yang hampir dilakukan manusia. Dari pengertian diatas, dapat disimpulkan bahwa aplikasi merupakan software yang berfungsi untuk melakukan berbagai bentuk pekerjaan atau tugas-tugas tertentu seperti penerapan, penggunaan dan penambahan data.

METODE PENGEMBANGAN SISTEM YAITU DENGAN MENGGUNAKAN PROTOTYPE Mengidentifikasi kebutuhan pemakai

Mengembangkan Prototype

Tidak

Prototype dapat diterima

ya Mengkodekan system operasional

Menguji system operasional

Tidak

ya

Sistem dapat diterima

Menggunakan system operasi

Gambar 1 Skema Aplikasi [5]

A. ANALISIS SISTEM YANG SEDANG BERJALAN Analisis ini dilakukan untuk melihat proses bisnis yang sedang berjalan pada saat ini ditempat usaha tersebut. Sehingga sistem yang akan dibuat berdasarkan pada sistem yang sedang berjalan sekarang tanpa harus mengubang sistem keseluruhan.

Sistem Yang Sedang Berjalan di 1.4.3 Cell Konsumen

Petugas

Mulai

Pemilik

Info kategori pulsa

Tidak Ada

Menanyakan kategori pulsa

Cek

Info kategori pulsa Ada

Daftar Isi Pulsa Mengisi daftar isi pulsa

Daftar Isi Pulsa

Menjual Pulsa

Konfirmasi Pengiriman


Daftar Penjualan Pulsa

Merekap Daftar Isi Pulsa

Daftar Penjualan Pulsa Daftar Pengeluaran

Mencatat Pengeluaran

Daftar Pengeluaran

Gambar 3 Sistem Yang Sedang Bejalan

ANALISIS KEBUTUHAN PENGGUNA Berdasarkan pada metodologi yang digunakan yaitu prototype yang salah satu tahapannya yaitu mengidentifikasi kebutuhan pengguna maka analisis kebutuhan pengguna harus dirumuskan untuk mengetahui apa saja yang dibutuhkan oleh pengguna tentang kebutuhan/informasi yang diinginkan. Tabel 1 Kebutuhan Pengguna No Pengguna 1 Pemilik Konter/Usaha

2

Petugas Konter/Usaha

3

Pembeli/Konsumen

     

Kebutuhan Jumlah Pendapatan Jumlah Pengeluaran Laba Rugi Jumlah Transaksi Penjulaan/Pengeluaran Jumlah saldo Daftar Harga Pulsa

USULAN SISTEM BARU Usulan untuk sistem baru yang diberikan tidak berbeda dengan proses bisnis yang sedang berjalan saat ini namun adanya pembaharuan, penambahan, atau penggabungan proses bisnis untuk mengoptimalkan proses bisnis yang dilakukan. Sistem Yang Diusulkan di 1.4.3 Cell Konsumen

Petugas

Mulai

Pemilik

Daftar Isi Pulsa

Melihat dan Mengisi Daftar Pulsa

Menjual Pulsa

Daftar Pulsa Konfirmasi Pengiriman Daftar Penjualan Pulsa Merekap Penjualan Pulsa dengan Aplikasi


Daftar Penjualan Pulsa

Daftar Pengeluaran Menginput Pengeluaran dengan Aplikasi

Daftar Pengeluaran

Laporan Laba Rugi Pembuatan Laba Rugi dengan Aplikasi

Laporan Laba Rugi

Gambar 4 Sistem Yang Diusulkan

PERANCANGAN DATABASE 1 TABEL 1. Tabel Pulsa Nama Field Kode_Pulsa Jenis_Pulsa Nominal Harga_Beli Harga_Jual 2. Tabel Kategori Beban Nama Field No Kategori_Beban

Tabel 2 Tabel Pulsa Tipe Data Ukuran Field Text 10 Text 20 Number Long Integer Number Long Integer Number Long Integer

Keterangan Primarykey

Tabel 3 Tabel Kategori Beban Tipe Data Ukuran Field Keterangan AutoNumber Integer Primarykey Text 50

3. Tabel Penjualan Tabel4 Tabel Penjualan

Nama Field Nota_Jual Tanggal_Jual Nama_Pelanggan

Tipe Data Text Date/Time Text

Ukuran Field 10 30

Keterangan Primarykey

4. Tabel Detail Penjualan Tabel 5 Tabel Detail Penjualan Nama Field Tipe Data Ukuran Field Keterangan Nota_Jual Text 10 Froiegnkey No_HP Text 15 Kode_Pulsa Text 30 Froiegnkey 5. Tabel Pengeluaran Tabel pengeluaran berfungsi untuk menyimpan transaksi pengeluaran yang sudah dilakukan. Tabel 6 Tabel Pengeluaran Nama Field Tipe Data Ukuran Field Keterangan No_Pengeluaran Text 10 Primarykey Tanggal_Pengeluaran Text 20 Kategori_Beban Text 50 Uraian Text 100 Total Number Long Integer

PERANCANGAN MASUKAN 1. Desain Form Menu Utama Aplikasi

Gambar 5 Desain Form Menu Utama Aplikasi

2. Desain Form Input Pulsa

Gambar 6 Desain Form Input Pulsa

3. Desain Form Input Kategori Beban

Gambar 7 Desain Form Input Kategori Beban

4. Desain Form Input Penjualan

Gambar 8 Desain Form Transaksi Penjualan 5. Desain Form Input Pengeluaran

Gambar 9 Desain Form Pengeluaran

PERANCANGAN KELUARAN 1. Desain Daftar Pulsa

Gambar 10 Desain Daftar Pulsa 2. Laporan Penjualan

Gambar 11 Desain Laporan Penjualan 3. Desain Laporan Pengeluaran

Gambar 12 Desain Laporan Pengeluaran 4. Desain Laporan Rugi Laba

Gambar 12 Desain Laporan Laba Rugi

IMPLEMENTASI 1. Form Menu Utama Aplikasi

Gambar 13 Form Menu Utama Aplikasi 2. Form Input Pulsa

Gambar 14 Form Input Pulsa 3. Input Kategori Beban

Gambar 15 Form Input Kategori Beban 4. Form Penjualan

Gambar 17 Form Transaksi Penjualan 5. Form Pengeluaran

Gambar 18Form Transaksi Pengeluaran 6. Daftar Pulsa

Gambar 19 Daftar Pulsa 7. Laporan Penjualan

Gambar 20 Laporan Penjualan 8. Laporan Pengeluaran

Gambar 21 Laporan Pengeluaran 9. Laporan Laba Rugi

Gambar 22 Laporan Laba Rugi

KESIMPULAN DAN SARAN

A. KESIMPULAN Kesimpulan dari penelitian tentang rancang bangun aplikasi pencatatan transaksi penjualan pulsa dan pengeluaran biaya, yaitu Telah dibuat aplikasi sederhana mengelola kegiatan operasional harian dikonter pulsa,T elah dihasilkan beberapa laporan sebagai output untuk pengguna(Daftar pulsa, Laporan Penjualan, Laporan Pengeluaran, Laporan Laba Rugi)

B. SARAN Sedangkan sebagai saran untuk perkembangan selanjutnya baik itu kepada pengembang maupun pengelola, yaitu bagi pengelola agar dapat mencoba menggunakan aplikasi ini untuk mengetahui sejauh mana manfaatnya dibandingkan sebelum menggunakan aplikasi,k arena aplikasi yang dibuat hanya mendata transaksi saja untuk mendapatkan kalkulasi pendapatan tidak dibuat aplikasi untuk isi pulsanya maka saran yang diberikan yaitu untuk pengembang agar membuatkan aplikasi untuk isi pulsa agar transaksi penjualan tidak perlu diinput kembali sudah berdasarkan pengisian pulsa yang sudah dilakukan

DAFTAR PUSTAKA

[1]

Jeffry, L. Whitten,et al. 2004. Metode Desain dan Analisis Sistem. Edisi I. Diterjemahkan oleh tim penerjemah ANDI. Yogyakarta: Penerbit Andi Madcoms.

[2]

Hengky W. Pramana, Kunci Sukses Visual FoxPro 6.0, Jakarta: PT. Elex Media Komputindo, 1999

[3]

Jogiyanto, H.M . “Analisis dan Desain Sistem Informasi : Pendekatan TerstrukturTeori dan Aplikasi Bisnis ‘edisi kedua “. Andi Offset, Yogyakarta : 2001

[4]

Roger S. Pressman, 2002. Rekayasa Perangkat Lunak Pendekatan Praktisi (Buku Satu), ANDI Yogyakarta.

[5]

Raymond McLeod, Jr. Sistem Informasi Manajemen jilid 1, New Jersey Prentice Hall 1998

ANALISIS KUALITAS LAYANAN SISTEM INFORMASI AKADEMIK (STUDI KASUS STMIK SUMEDANG) Leni Nurhayati, S.Si., M.A.B Dosen Jurusan Sistem Informasi STMIK Sumedang Email: [email protected] Abstrak Pandangan pelanggan terhadap kualitas layanan terfokus pada dimensi-dimensi kualitas layanan. Citra kualitas layanan ditentukan oleh pelanggan. Penelitian ini bertujuan untuk mengevaluasi tingkat layanan Sistem Informasi Akademik (SIA) STMIK Sumedang dengan menggunakan metode ServQual. Variabel penelitian terdiri dari persepsi, ekspektasi, dan kepuasan pelanggan terhadap layanan SIA STMIK Sumedang. Kuisioner terdiri dari kuisioner persepsi dan ekspektasi dengan menggunakan lima dimensi yaitu Tangibles, Reliability, Responsiveness, Assurance, dan Empathy. Hasil penelitian menunjukkan bahwa kelima dimensi menunjukkan adanya nilai kesenjangan yang negatif, dengan nilai kesenjangan (gap) tertinggi pada dimensi Tangibles. Hal tersebut mengindikasikan ketidakpuasan pelanggan terhadap layanan SIA yang diberikan. Dengan demikian dapat disimpulkan bahwa kualitas layanan SIA STMIK Sumedang masih belum memenuhi kebutuhan dan keinginan pelanggan sehingga perlu dilakukan perbaikan terhadap setiap dimensi yang telah diukur agar dapat meningkatkan kualitas layanan yang diberikan. Keyword: ServQual, persepsi, ekspektasi, kepuasan pelanggan, kesenjangan PENDAHULUAN a. Latar Belakang Dalam lingkungan dunia usaha yang semakin kompetitif, organisasi yang bergerak di bidang jasa atau layanan harus dapat memberikan kepuasan terhadap keinginan dan kebutuhan pelanggan. Peningkatan kualitas pelayanan menjadi salah satu strategi yang dapat diterapkan agar berhasil dalam memberikan kepuasan pelanggan tersebut. Bagi organisasi jasa, kepuasan pelanggan merupakan hal yang sangat vital. Namun, sangat sulit untuk mengetahui secara spesifik keinginan dan kebutuhan pelanggan apabila pelanggan tidak mengutarakannya. Begitu pentingnya kualitas layanan saat ini, baik bagi industri manufaktur maupun jasa, sehingga fokus riset terhadap kualitas layanan, saat ini menjadi tren di berbagai organisasi. Pandangan pelanggan terhadap kualitas layanan terfokus pada dimensi-dimensi kualitas layanan. Parasuraman dan kawan-kawan (1990) menyederhanakan berbagai dimensi kualitas layanan menjadi lima dimensi yang dikenal dengan sebutan SERVQUAL (Service of Quality) yang terdiri dari Reliability, Responsiveness, Assurance, Empathy, dan Tangibles. Menilai kinerja kualitas layanan yang diberikan kepada pelanggan, pada dasarnya adalah melakukan identifikasi terhadap gap-gap yang timbul antara harapan pelanggan dengan layanan actual yang mereka terima. Dengan mengetahui adanya gap-gap tersebut, maka dapat dilakukan analisis terhadap kinerja organisasi yang berkaitan dengan kualitas layanan terhadap pelanggan (Wibisono, 2006). STMIK Sumedang merupakan suatu organisasi jasa dengan bidang usaha lembaga pendidikan. Dalam menjalankan proses bisnisnya, STMIK Sumedang telah mengembangkan dan mengimplementasikan beberapa sistem informasi diantaranya Sistem Informasi

Akademik (SIA). Pengembangan sistem informasi akademik ini merupakan salah satu upaya dalam memenuhi kepuasan pelanggan. Citra kualitas layanan sistem informasi akademik ini ditentukan oleh pelanggan. Oleh karena itu perlu dilakukan analisis kualitas layanan sistem informasi akademik untuk mengetahui tingkat layanannya. Citra kualitas layanan yang baik bukan berdasarkan sudut pandang atau persepsi pihak penyedia layanan, melainkan berdasarkan sudut pandang atau persepsi pelanggan. Persepsi pelanggan terhadap kualitas layanan merupakan penilaian menyeluruh atas keunggulan suatu layanan. Berdasarkan hasil observasi awal dengan kuisioner kepada sejumlah mahasiswa STMIK Sumedang yang dapat dilihat pada tabel 1 mengenai tingkat kepuasan mahasiswa terhadap layanan sistem informasi akademik yang diberikan, dapat disimpulkan bahwa sebagian besar responden menyatakan ketidakpuasannya atas layanan sistem informasi akademik yang diberikan. Tabel 1 Hasil Kuesioner Kepuasan Mahasiswa STMIK Sumedang terhadap SIA No. Pernyataan Frekuensi Responden 1. Puas dengan SIA 42,67% 2. Tidak Puas dengan SIA 57,33% Akan tetapi hasil observasi tersebut tidak memberikan gambaran secara spesifik mengenai keinginan dan kebutuhan pelanggan. Dengan demikian perlu dilakukan penelitian lebih lanjut mengenai analisis kualitas layanan Sistem Informasi Akademik STMIK Sumedang untuk mengetahui tingkat layanan yang diberikan. b. Lingkup Masalah Untuk mendapatkan langkah pemecahan yang tepat dan tidak terlalu melebar pembahasannya, maka pada penelitian ini ditetapkan pembatasan masalah sebagai berikut yaitu penelitian hanya difokuskan pada penilaian kinerja kualitas layanan sistem informasi yang diberikan kepada pelanggan menggunakan metode ServQual. c. Tujuan Penelitian ini bertujuan untuk mengevaluasi tingkat layanan Sistem Informasi Akademik STMIK Sumedang dilihat dari dimensi-dimensi kualitas layanan yaitu dimensi tangibles, reliability, responsiveness, assurance, dan empathy. Hasil penelitian diharapkan dapat mengembangkan kualitas pelayanan STMIK Sumedang dalam upaya memenuhi kepuasan pelanggannya. d. Metode Penelitian Penelitian ini dilakukan dengan menggunakan data primer dan sekunder. Data primer diperoleh melalui penyebaran kuisioner sedangkan data sekunder diperoleh dari jurnal-jurnal dan sumber-sumber lain yang dapat dijadikan sebagai masukan untuk penelitian. Metode pengumpulan data primer yang ada dalam penelitian ini menggunakan metode ServQual sedangkan skala pengukuran yang digunakan untuk indikator dari setiap jawaban yang ada dalam kuesioner adalah skala Likert yang terdiri dari 5 tingkatan. Pengumpulan data primer dilakukan dengan menggunakan kuisioner yang bersifat tertutup. Populasi dari penelitian ini adalah semua mahasiswa STMIK Sumedang. Sedangkan untuk penentuan jumlah sampel digunakan rumus Solvin. Pengambilan sampel dilakukan secara acak. Uji Validitas dan Uji Reliabilitas menggunakan software SPSS 17.0. Setelah adanya pengumpulan data dari penyebaran kuesioner maka selanjutnya dilakukan kegiatan pengolahan dan analisis data. Kegiatan analisis data ini terdiri beberapa tahap yaitu tahap

persiapan, tabulasi data, dan tahap analisis. Model analisis penelitian seperti dalam gambar 1 berikut: Kinerja (Persepsi)

Harapan (Ekspektasi)

Tangibles

Tangibles

Reliability

Reliability

Responsiveness

GAP

Responsiveness

Assurance

Assurance

Empathy

Empathy

Gambar 1 Model analisis kinerja layanan dan tingkat harapan pengguna layanan Langkah-langkah yang dilakukan dalam penelitian ini digambarkan pada Gambar 2 berikut. Penentuan Variabel dan Dimensi yang akan diukur

Penyederhanaan pertanyaan ServQual

Pretest (Uji Validitas dan Uji Reliabilitas)

Penyebaran Kuisioner

Pengolahan Data

Analisis Data

Kesimpulan

Gambar 2 Tahap Pelaksanaan Penelitian PEMBAHASAN

a. Konsep Kualitas Layanan Kualitas pelayanan merupakan salah satu hal penting yang harus diperhatikan oleh para manajer perusahaan. Kualitas pelayanan merupakan tingkat keunggulan yang diharapkan dan pengendalian atas tingkat keunggulan untuk memenuhi keinginan konsumen (Lovelock, 1988). Parasuraman dkk. (1988) dan Kotler (1997) mendefinisikan kualitas layanan sebagai suatu bentuk penilaian konsumen terhadap tingkat layanan yang diterima (perceived service) dengan tingkat layanan yang diharapkan (expected service). Menurut definisi ini, ada dua faktor utama yang mempengaruhi kualitas layanan yaitu, layanan yang diharapkan (expected service) dan layanan yang diterima (perceived service). Harapan pembeli diyakini berperan dalam menentukan kualitas layanan dan kepuasan pembeli. Karena adanya harapan pembeli suatu perusahaan akan berusaha memberikan layanan yang berbeda dibandingkan perusahaan lain dalam rangka memuaskan pembelinya. Parasuraman dkk. (1988) mendefinisikan harapan sebagai keinginan atau tuntutan konsumen yang seharusnya dipenuhi penyedia jasa. Faktor-faktor yang mempengaruhi harapan konsumen yaitu: 1. Komunikasi dari mulut ke mulut (world of mouth). Komunikasi ini merupakan faktor yang cukup potensial, karena konsumen umumnya cenderung untuk mempercayai konsumen lain yang sudah mencoba produk atau jasa tersebut. Pengaruh ini timbul dari apa yang didengar konsumen dari konsumen lain. 2. Kebutuhan individu (personal need). Pengaruh ini timbul karena konsumen mengharapkan sesuatu, biasanya dipengaruhi oleh kebutuhan pribadi. 3. Pengalaman masa lalu (past experiences). Pengalaman pada waktu yang lalu (sebelumnya) berpengaruh terhadap harapan konsumen. Pada umumnya semakin berpengalaman konsumen, semakin rendahharapannya akan keramahan dan kesantunan (kesopanan), tetapi semakin tinggi harapannya terhadap kompetensi dan efektivitas kerja perusahaan. 4. Komunikasi eksternal. Komunikasi eksternal, misalnya iklan atau selebaran-selebaran memegang peranan penting dalam membentuk harapan konsumen. Expected service dibagi menjadi dua, yaitu desired service dan adequate service. Desired service adalah layanan yang seharusnya diterima pembeli, sedangkan adequate service adalah layanan minimum yang akan diterima pembeli. Daerah antara desired service dan adequate service disebut sebagai daerah toleransi (zone of tolerance). Besarnya daerah toleransi ini berbeda pada setiap orang dan fluktuasinya lebih dipengaruhi oleh tingkat adequate service-nya. Besarnya daerah toleransi ini berbeda pada setiap orang dan fluktuasinya lebih dipengaruhi oleh tingkat adequate service-nya (Parasuraman, dkk., 1994). Tinggi rendahnya suatu kualitas pelayanan tergantung pada bagaimana penerimaan konsumen akan pelayanan nyata yang diperolehnya sehubungan dengan apa yang mereka harapkan. Dengan kata lain kualitas pelayanan merupakan selisih antara pengharapan konsumen atau keinginan mereka dengan persepsi mereka. Parasuraman dan kawan-kawan (1990) mengidentifikasikan adanya lima gap yang dapat terjadi dalam proses layanan kepada pelanggan, yang dapat diminimasi untuk meningkatkan kinerja. Secara diagramatis, kelima gap tersebut dapat diilustrasikan seperti pada gambar 3 berikut ini :

PELANGGAN

Komunikasi dari mulut ke mulut

Kebutuhan Individu

Layanan yanng diharapkan

Pengalaman masa lalu

Gambar 3 Model Konseptual Kualitas Layanan (Wibisono : 2006) b. Dimensi Kualitas Pelayanan Parasuraman dan kawan-kawan (1990) menyederhanakan sepuluh dimensi kualitas layanan menjadi lima dimensi saja dengan sebutan SERVQUAL (singkatan dari Service of Quality), yaitu: 1. Tangibles, adalah wujud fisik fasilitas, peralatan, personel, dan bahan komunikasi. 2. Reliability, yaitu kemampuan untuk memenuhi janji pelayanan yang akurat. 3. Responsiveness, yaitu menggambarkan keinnginan untuk menolong pelanggan dan untuk menyediakan layanan yang ceppat dan tepat. 4. Assurance, yaitu mengetahui dan menghormati karyawan serta memberikan kepercayaan dan kenyamanan. 5. Empathy, merupakan kepedulian, perhatian individual yang diberikan oleh perusahaan kepada pelangggan.

c. Conceptual Framework Kepuasan pelanggan suatu organisasi jasa biasanya dituangkan dalam rencana kerja yang dimplementasikan dalam pelayanan terhadap para pelanggannya. Hal ini dapat menghasilkan suatu indikator pengukuran kualitas layanan antara harapan pelanggan yang diterima (tingkat kepentingan pelanggan) dengan pelayanan/kinerja yang diberikan kepada

para pelanggannya (tingkat kepuasan pelayanan) sehingga dapat menghasilkan adanya suatu kesenjangan (gap). Adanya pengukuran kualitas layanan yang bertujuan untuk mengetahui baik atau tidaknya pelayanan yang diberikan dapat dijadikan sebagai dasar pengembangan kualitas yang ddiberikan sehingga pada akhirnya akan berpengaruh terhadap kepuasan pelanggan. Peta pemikiran konseptual dalam penelitian ini digambarkan secara skematis pada gambar 4 berikut ini: SISTEM INFORMASI AKADEMIK STMIK SUMEDANG

TINGKAT KINERJA LAYANAN YANG DIBERIKAN

TINGKAT HARAPAN PENGGUNA LAYANAN

PENGUKURAN KESENJANGAN (GAP) TERHADAP 5 DIMENSI SERVQUAL

PENGEMBANGAN KUALITAS LAYANAN

KEPUASAN PELANGGAN

Gambar 4 Conceptual Framework d. Hasil Uji Validitas dan Uji Reliabilitas Uji Validitas dan Uji Reliabilitas pada tahap pretest dengan menyebar 30 kuisioner. Hasil menunjukkan bahwa untuk uji validitas diperoeh hasil > 0,3 dan untuk uji reliabilitas diperoleh hasil > 0,7. Dengan demikian rancangan kuisioner valid dan reliable untuk dijadikan instrumen penelitian. e. Karakteristik Responden Kuisioner penelitian yang disebarkan kepada 100 orang mahasiswa STMIK Sumedang terdiri dari profil responden, kuisioner persepsi, dan kuisioner ekspektasi. Responden penelitian terdiri dari 63% laki-laki dan 37% perempuan. Usia responden berkisar antara 19-26 tahun. Semua program studi yang ada di STMIK Sumedang terwakili oleh responden terpilih. f. Analisis Kualitas Layanan Hasil indeks kepuasan pelanggan menunjukkan bahwa kelima dimensi yang diukur memiliki kesenjangan negatif. Dimensi yang memiliki kesenjangan tertinggi adalah dimensi Tangibles dengan nilai kesenjangan -1,23 sedangkan untuk kesenjangan terendah pada dimensi Assurance dengan nilai -0,82. Dalam dimensi Tangibles atribut yang memiliki

kesenjangan tertinggi adalah fasilitas komputer yang tersedia sedangkan atribut yang memiliki kesenjangan terendah adalah penampilan staf atau petugas. Hasil keseluruhan penelitian dapat dilihat pada tabel 2 dan 3 berikut. Tabel 2 Indeks Kepuasan Pelanggan Kelima Dimensi Dimensi Tangibles Reliability Responsiveness Assurance Empathy

Nilai rata-rata Persepsi 3,05 3,35 3,42 3,69 3,46

Nilai rata-rata Harapaan 4,29 4,51 4,56 4,51 4,46

Kesenjangan -1,23 -1,15 -1,14 -0,82 -1,01

Tabel 3 Indeks Kepuasan Pelangan Seluruh Atribut dalam Tiap Dimensi

Dimensi

Tangibles

Reliability

Atribut Fasilitas komputer untuk mengakses SIA mencukupi Area ruangan untuk mengakses SIA luas Kondisi ruangan untuk mengaksses SIA nyaman dan bersih Tampilan interface SIA menarik Sttaf/petugas berpenampilan rapi dan sopan Staf/petugas memberikan penjelasan yang akurat mengenai prosedur penggunaan SIA Informasi akademik pada SIA up-to-date Data akademis mahasiswa bebas dari kesalahan Data akademis mahasiswa terdokumentasi dengan baik

Nilai Nilai RataRataKesenjangan rata rata Persepssi Harapan

2,68

4,71

-2,03

2,82

4,25

-1,43

3,31

4,46

-1,15

2,94

3,92

-0,98

3,52

4,09

-0,57

3,51

4,6

-1,09

3,15

4,41

-1,26

2,92

4,4

-1,48

3,72

4,61

-0,89

Tabel 3 Lanjutan Indeks Kepuasan Pelangan Seluruh Atribut dalam Tiap Dimensi Nilai Nilai Dimensi Atribut RataRataKesenjangan rata rata

Persepssi Harapan

Responsiveness

Staf/petugas menyelesaikan permasalahan/keluhan mahasiswa dengan cepat Pemunculan data akademis tepat waktu Penanganan yang cepat dan teapat waktu bila terjadi perubahan data akademis Staf/petugas bersedia memberikan informasi yang dibutuhkan

3,06

4,51

-1,45

3,2

4,58

-1,38

3,42

4,56

-1,14

4,01

4,59

-0,58

Tabel 4 Indeks Kepuasan Pelangan Seluruh Atribut dalam Tiap Dimensi (lanjutan)

Dimensi

Assurance

Empathy

Atribut Tidak ada gangguan saat menggunakan SIA Data akademis aman dari penggunaan oleh orang yang tidak berhak Staf/petugas menguasai permasalahan SIA SIA mmudah diakses Staf /petugas ssabar dalam memberikan penjelasan kepada mahasiswa Staf/petugas memahami kebutuhan setiap mahasiswa Staf/petugas mudah dihubungi apabila terjadi permasalahan Staf/petugas meneranggka dengan jelas dalam mengatasi permasalahan

Nilai Rata-rata Persepssi

Nilai RataKesenjangan rata Harapan

2,9

4,43

-1,53

3,85

4,62

-0,77

3,68 3,6

4,45 4,54

-0,77 -0,94

3,53

4,36

-0,83

3,37

4,39

-1,02

3,43

4,55

-1,12

3,49

4,55

-1,06

Berdasarkan hasil tabel-tabel tersebut dapat dilihat bahwa pengguna layanan SIA STMIK Sumedang belum puas dengan layanan yang diberikan sehingga dapat dikatakan bahwa kualitas layanan SIA STMIK Sumedang perlu untuk ditingkatkan lagi. Terutama yang menyangkut dimensi Tangibles yang memiliki kesenjangan tertinggi. Atribut dalam dimensi Tangibles yang perlu ditingkatkan berdasarkan urutan kesenjangan adalah fasilitas komputer yang mencukupi.

PENUTUP a. Kesimpulan Kualitas layanan SIA STMIK Sumedang dapat dikatakan belum cukup baik karena berdasarkan indeks kepuasaan pelanggan dari lima dimensi ServQual menunjukkan kesenjangan yang negatif. Hal ini mengindikasikan bahwa penguna layanan SIA STMIK Sumedang belum terpuaskan dengan layanan yang diberikan. Dimensi yang memiliki kesenjangan tertinggi adalah dimensi Tangibles. b. Saran Agar dapat memperbaiki tingkat layanan yang diberikan oleh STMIK Sumedang perlu dilakukan analisis lebih lanjut menggunakan Importance Performance Analysis (IPA) Framework dan Kano Model sehingga dapat diketahui gambaran yang lebih spesifik dalam urutan prioritas perbaikan.

DAFTAR PUSTAKA [1] Kotler, Philip, 1997. Marketing Management: Analysis, Planning, Implementation, and Control. 9th Edition. Prentice Hall, Inc. New Jersey. [2] Lovelock, Christoper, 1988. Managing Service: Marketing, Operations and Human Resources. Prentice Hall Int Inc. London. [3] Parasuraman. A., Zeithaml, V.A. dan Berry, L.L. 1994. Reassessment of Expectations as a Comparison Standar in Measuring Service Quality: Implication for Further Research. Journal of Marketing. January (58): 111-124. [4] -------- .1988. SERVQUAL: A Multiple Item Scale for Measuring Consumer Perceptions of Service Quality. Journal of Retailing. Vol. 64, No. 1, Spring, 12-40. [5] -------- .1990. Delivery Quality Service: Balancing Customer Perceptions and Expectation. The Free Press Adivision of Macmillan, Inc. New York USA. Wibisono, D. 2006. Manajemen Kinerja: Konsep, Desain, dan Teknik Meningkatkan Daya saing Perusahaan. Erlangga. Jakarta, INA.

PERANCANGAN APLIKASI DATA MINING UNTUK ANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA BARU (STUDI KASUS STMIK SUMEDANG)

Sri Bekti Handayani N, S.T., M.Kom. Dosen Jurusan Sistem Informasi STMIK Sumedang Email : [email protected]

Abstrak Penerimaan mahasiswa baru merupakan aktifitas yang rutin dilakukan oleh sebuah perguruan tinggi. Setiap tahun kegiatan ini dilakukan dengan berbagai strategi untuk mendapatkan hasil yang optimal yaitu dengan penggunaan teknologi informasi dan sistem informasi. Pada kegiatan penerimaan mahasiswa baru banyak permasalahan yang terjadi, salah satunya adalah pengunduran diri calon mahasiswa baru. Berdasarkan permasalahan tersebut, maka dibuatlah perancangan aplikasi data mining clasification untuk data penerimaan mahasiswa baru di STMIK Sumedang yang bertujuan merancang pengolahan data mining dengan mengelompokan data pendaftaran mahasiswa baru berdasarkan NEM, jenis kelamin, asal sekolah, jurusan, gelombang, pilihan 1, pilihan 2, catatan, nilai, agama, lulus_jur, propinsi, kabupaten. Adapun manfaat dari penelitian ini adalah menghasilkan pengklasifikasian data berdasarkan NEM, jenis kelamin, asal sekolah, jurusan, gelombang, pilihan 1, pilihan 2, catatan, nilai, agama, lulus_jur, propinsi, kabupaten sehingga dapat digunakan untuk menganalisis kemungkinan pengunduran diri calon mahasiswa baru. Metode yang digunakan untuk membangun data mining pada penelitian ini adalah clasification dengan menggunakan algoritma C45 yang terdiri dari Identifikasi masalah, pengumpulan data, explore, clean, dan preprocess data, ekstraksi data, mendefinisikan tugas data mining, memilih teknik data mining yang digunakan, membuat algoritma C4.5, menginterpretasikan hasil algoritma, perancangan sistem data mining. Kesimpulan dari penelitian ini adalah bahwa pada setiap tahunnya terjadi pengunduran diri calon mahasiswa baru maka dari itu dengan klasifikasi dari kumpulan data calon mahasiswa yang ada dapat memprediksi kemungkinan terjadi pengunduran diri calon mahasiswa baru sehingga pihak manajemen perguruan tinggi dapat melakukan tindakan-tindakan yang diperlukan untuk mempertahakan calon-calon mahasiswa tersebut. Kata kunci : data mining, PMB, C45

PENDAHULUAN a. Latar Belakang Penerimaan mahasiswa baru merupakan aktifitas yang rutin dilakukan oleh sebuah perguruan tinggi. Setiap tahun kegiatan ini dilakukan dengan berbagai strategi untuk mendapatkan hasil yang optimal yaitu dengan penggunaan teknologi informasi dan sistem informasi. Banyak permasalahan yang terjadi, salah satunya adalah pengunduran diri calon mahasiswa baru. Jika dapat ditanggulangi sejak dini tentunya pihak manajemen perguruan tinggi dapat melakukan tindakan-tindakan yang diperlukan untuk mempertahakan calan-calon

mahasiswa tersebut. Selama ini ada kesulitan dalam menganalisis sekumpulan data calon mahasiswa, dikarenakan item data yang bercampur dalam satu tabel. Salah satu cara untuk melakukan analisis kemungkinan pengunduran diri seorang calon mahasiswa baru adalah dengan melakukan klasifikasi dari sekumpulan data calon mahasiswa yang ada. Dengan demikian diperlukan sebuah sistem yang dapat mengolah data tersebut sehinggan membantu pihak yang berkepentingan untuk dengan informasi penerimaan mahasiswa baru tersebut untuk megumpulkan informasi-informasi tersebut berupa pengelompokan calon mahasiswa berdasarkan NEM, jenis kelamin, asal sekolah, jurusan, gelombang, pilihan 1, pilihan 2, catatan, nilai, agama, lulus_jur, propinsi, kabupaten, sehingga dapat digali knowledge kemungkinan calon mahasiswa yang mengundurkan diri dengan cara tidak melakukan registrasi karena berdasarkan kriteria yang telah disebutkan di atas. Berdasarkan latar belakang yang diuraikan, maka diperlukan sistem pengolahan data pendaftaran mahasiswa baru (PMB) yang didukung data mining dengan metode clasification sehingga dapat membantu dalam menarik kesimpulan dengan cara menampilkan hasil informasi yang tergali setelah dilakukan proses clasification. Data yang telah mengalami proses clasification akan ditampilkan dalam bentuk pengelompokan data dari sekumpulan kriteria, sehingga dapat memberikan informasi hasil dari aplikasi berupa detail klasifikasi yang terbentuk b. Ruang lingkup Ruang lingkup dibatasi pada : a. Input : 1. Data yang dipakai adalah data NEM, jenis kelamin, asal sekolah, jurusan, gelombang, pilihan 1, pilihan 2, catatan, nilai, agama, lulus_jur, propinsi, kabupaten 2. Ruang lingkup data adalah pada jurusan Sistem Informasi STMIK Sumedang b. Proses : 1. Hasil input akan dikelompokan berdasarkan NEM, jenis kelamin, asal sekolah, jurusan, gelombang, pilihan 1, pilihan 2, catatan, nilai, agama, lulus_jur, propinsi, kabupaten 2. Metode yang digunakan adalah clasification dengan menggunakan algoritma C45 3. Pemilihan variabel, melakukan pra-proses dengan cara mengelompokan nilai nilai, menterjemahkan nilai pilihan1,pilihan2, lulus_jur, agama, c. Output Menampilkan data berdasarkan klasifikasi registrasi dan non registrasi

c. Tujuan Tujuan dari penelitian ini adalah : Merancang aplikasi data mining dengan mengelompokan data pendaftaran mahasiswa baru berdasarkan NEM, jenis kelamin, asal sekolah, jurusan, gelombang, pilihan 1, pilihan 2, catatan, nilai, agama, lulus_jur, propinsi, kabupaten.

d. Metode Penelitian

Metode yang digunakan untuk membangun data mining pada penelitian ini adalah Decision Trees dengan algoritma C4.5. Adapun tahapan yang dilakukan untuk membangun data mining pada penelitian ini terdiri dari :

Gambar 1. Skema metode data mining a.

b.

c.

d.

e.

f.

g.

h.

Identifikasi Masalah Adalah proses membangun pemahaman dalam membangun proyek data mining dengan cara memberikan jawaban dari berbagai pertanyaan Pengumpulan Data Adalah proses mendapatkan sekumpulan data yang akan digunakan untuk dianalisis. Proses pengumpulan data dilakukan dengan pencarian dari database yang berbeda berasal dari internal dan eksternal organisasi. Explore, clean, dan preprocess data. Melakukan verifikasi bahwa data dalam kondisi yang baik, pembersihan data (data cleaning), pengumpulan informasi yang diperlukan untuk memodelkan, penentuan strategi untuk menangani field data yang hilang, dan pencatatan informasi urutan waktu dan perubahan yang diketahui. Ekstraksi data, meliputi penentuan fitur penting untuk merepresentasikan data bergantung pada tujuan, dan menggunakan reduksi dimensionalitas atau metodemetode transformasi untuk mengurangi banyaknya variabel efektif di bawah pertimbangan, atau menemukan representasi invarian bagi data Mendefinisikan Tugas Data mining Menentukan representasi model yang sesuai dengan apa yang akan dilakukan oleh data mining, dan kemudian ditentukan algoritma untuk menemukan model. Memilih teknik data mining yang digunakan Memilih teknik data mining yang sesuai dengan tugas data mining yang telah didefinisikan Membuat algoritma C4.5. Melakukan pendefinisian atribut sebagai root, kemudian membuat cabang untuk tiap nilai, membagi kasus dalam cabang, dan berulang sampai cabang memiliki kelas yang sama. Menginterpretasikan hasil algoritma.

i.

dalam proses ini pola-pola yang telah diidentifikasi oleh sistem kemudian diterjemahkan ke dalam bentuk knowledge yang lebih dimengerti oleh user untuk dapat membantu mengambil keputusan, misalnya dengan menunjukkan item yang saling berasosiasi melalui tampilan yang lebih mudah untuk dimengerti. Perancangan sistem data mining Pada proses ini dilakukan perancangan basis data dan perancangan antar muka sistem data mining untuk pengguna.

PEMBAHASAN Teori tentang belum ada : Data mining Algoritma C.45 a. Identifikasi Masalah Pada penelitian ini akan dibangun perancangan aplikasi data mining clasification untuk data penerimaan mahasiswa baru STMIK Sumedang. Rancangan aplikasi data mining ini memberikan bentuk informasi pengklasifikasian data calon mahasiswa baru dengan tujuan untuk menganalisis kemungkinan pengunduran diri calon mahasiswa baru yang sering terjadi selama beberapa tahun terakhir ini. Dengan menggunakan output dari aplikasi data mining ini, yang berupa item-item dari yang telah terklasifikasi (clasification), pengambil keputusan dapat mengetahui informasi “tersembunyi” yang tersimpan pada kelompok-kelompok tersebut. Klasifikasi data dapat menunjukan keputusan “Registrasi” pada calom mahasiswa baru.

b. Pengumpulan Data Pengumpulan data dilakukan di bagian administrasi penerimaan mahasiswa baru. Saat ini bagian administrasi penerimaan mahasiswa baru sudang menggunakan sistem komputerisasi untuk mencatat segala kegiatan penerimaan mahasiswa baru di lingkungan STMIK Sumedang. Setiap calon mahasiswa mempunya data no identitas berupa no.pendaftaran. setiap calon mahasiswa mempunyai catatan mengenai nama lengkap, tempat lahir, tanggal lahir, JK, status sipil, agama, kewarganegaraan, alamat lengkap rumah, no telpon/HP, pendidikan terakhir, NEM, nama sekolah/perguruan tinggi asal, jurusan/program studi pendidikan terakhir, pilihan 1, pilihan2, persyaratan, registrasi pembayaran, status registrasi. Tabel 1. Format asli data calon mahasiswa No_pendaftaran Kode_ptgs Nama_lgkp JK Tempat _lhr Tanggal_lhr ... ... Status sipil

NEM

Agama Kewarganegaraan

Nama_Sklh/PT_Asal

Pil_jurusan Biaya_pendaftaran

Nilai Ket_lulus No_rek

Alamat_rumah No_tlp_rmh/HP

... ...

Jurusan/program studi pendidikan terakhir

... ...

UPP

... ...

NPM

SPP

Persyaratan

Jur_lulus Jaket ...

Status_tes

Buku_panduan

...

Stat_transfer

Dispensasi Thn_akademik

NamaProp

NamaKab

Registrasi

Sumber : data PMB STMIK Sumedang 2014 Dari data-data tersebut, kolom yang diambil sebagai variabel keputusannya adalah kolom Registrasi, sedangkan kolom yang diambil sebagai variabel penentu dalam pembentukan pohon keputusan adalah kolom NEM, JK, Nama_Sklh/PT_Asal, Pilihan_1, Pilihan_2, Nilai, agama, Jur_lulus, NamaProp, NamaKab. c. Melakukan Pra Proses Dari hasil pengumpulan data, selanjutnya dilakukan proses ekstraksi data yaitu penentuan fitur penting untuk merepresentasikan data bergantung pada tujuan, dan menggunakan reduksi dimensionalitas atau metode-metode transformasi untuk mengurangi banyaknya variabel efektif di bawah pertimbangan, atau menemukan representasi invarian bagi data. Sehingga didapatkan data-data yang terpilih dengan format, sbb : Tabel 2 Format data calon mahasiswa hasil pemilihan NEM JK Nama_Sklh/PT_Asal Jurusan/program studi pend.terakhir ... ... Pil_jur

Nilai Agama

Jur_lulus

NamaProp

NamaKab Registrasi

Dari hasil ekstraksi data, kemudian dilakukan pra-proses sebagai berikut : 1) Pengelompokan berdasarkan NEM Tabel 3. Pengelompokan berdasarkan NEM NEM Klasifikasi 0–5 1 5–6 2 6–7 3 7–8 4 8–9 5 9- 10 6 2) Pengelompokan berdasarkan Nilai Tabel 4 Pengelompokan berdasarkan Nilai NEM Klasifikasi 0 - 50 1 0 - 60 2 60 - 70 3 70 - 80 4 80 - 90 5 90 - 100 6 3) Menerjemahkan Jenis Kelamin Tabel 4 Menerjemahkan Jenis Kelamin Jenis Kelamin Nilai Baru L Laki – laki

P

Perempuan

4) Menerjemahkan Status sipil Tabel 5 Menerjemahkan Status sipil Status sipil Nilai Baru 1 Belum menikah 2 Menikah 3 Pernah menikah 5) Menerjemahkan Agama Tabel 6 Menerjemahkan Agama Agama Nilai Baru 1 Islam 2 Katholik 3 Protestan 4 Budha 5 Hindu 6 Lain-lain 6) Menerjemahkan Kewarganegaraan Tabel 7 Menerjemahkan Kewarganegaraan Kewarganegaraan Nilai Baru 1 WNI 2 WNA 3 WNI Keturunan 7) Menerjemahkan Pendidikan Terakhir Tabel 8 Menerjemahkan Pendidikan Terakhir Pendidikan Terakhir 1 2 3 4

Nilai Baru SLTA/SMA/SMK/Sederajat Diploma-1 Diploma-3 Pindahan

8) Menerjemahkan Pilihan Jurusan Tabel 9 Menerjemahkan Pilihan Jurusan Pilihan Jurusan 1 2 3

Nilai Baru Teknik Informatika (S1) Sistem Informasi (S1) Manajemen Informatika (D3)

9) Menerjemahkan Persyaratan Tabel 10 Menerjemahkan Persyaratan Persyaratan (umum/lanjutan/pindahan

Nilai Baru

1 2

FC STTB/Ijazah 3lbr FC KTP 1Lbr Pas Photo berwarna 3x4 dan 2x3 @4lbr Surat Izin dari Atasan (Karyawan FC Ijazah Pendidikan Terakhir 3lembar FC Transkrip Nilai 3lembar FC Kartu Hasil Studi Tiap Semester 1lembar FC KTM 3 lembar Surat Ket Pindah dari PT asal

3 4 5 6 7 8 9 d. Rancangan DAD

aturan

Analisis

3 Pembentukan Aturan

klasifikasi

Kerja[n]

2 Testing

Nilai atribut

Node

Atribut, gain

1 Training

atribut

Daftar_Atribut

node

atribut

Node

Tree

kasus

Atribut, nilai, entropy

Sub_Kerja[n] kasus

Kasus

Gambar 2. Diagram aliran data level 1

a. Tabel D_atribut Create table D_atribut ( nama_atrribut varchar(30) NOT NULL, is_aktif char(1) default ‘Y’, Is_hasil char(1) default ‘T’, ket varchar(15) default ‘’, Primary key (nama_atribut) ); b. Tabel Kasus Create table kasus ( nem char(1), JK varchar(6), Nama_Sklh varchar(25), jurusan varchar(15), Pil_jur, nilai varchar(3), agama varchar(25), jur_lulus varchar(10), Namaprop varchar(25), namakab varchar(25), registrasi varchar(10) );\

c. Tabel Tree Create table tree (

id_node integer, node varchar(30), nilai varchar(30), Induk varchar(30), is_atribut char(1) default ‘Y’ );

2.4

d. Tabel Kerja[0] Create table kerja0 (nama_atribut varchar(30), gain numeric(15,2) ); e. Tabel sub_kerja[0] s.d sub_kerja[n] Create table subkerja0 ( nama_atribut varchar(30), nilai varchar(3), entropy numeric (15,2), Result_1 varchar(30), result_2 varchar(30), jml_kasus integer ); Rancangan Algoritma

Mulai

Hapus tabel tree l = nama_atribut dalam tabel tribut is_hasil = ‘Y’

nct atribut_hasil dari tabel kasus 2. jml_hasil = 0

Q1 Eof ?

1. Hasil[jml_hasil] =’result_’+j.Fields[0] 2. Tampil[jml_hasil] = Q1 3. inc(i)

ai

Gambar 3. Algoritma inisialisasi pembentukan node

d dari tabel ode sampai dengan aktif

tidak 1. Q[level]=jumlah record dari tabel kasus yang memenuhi syarat dari node sampai dengan cabang yang sedang aktif dan atribut_hasilnya : hasil[i] 2. entropy := entropy+ (-Q[level].Field[0].Asinteger/ v_jml_kasus*log2 (Q[level].Field[0].Asinteger/v_jml_kasus)) 3. inc(i)

P1

Gambar 4. Algoritma pembentukan node 1

P1

P2

ext

ya

Q[level].Eof?

1. masukkan ke tabel kerja[level] (atribut:Q[level].Field[0] gain:gain ) 2. Q[level]Next

tidak 1. Gain : 0 2. Q[level+1]:jenis nilai dari Q[level].nama_atribut ya

Q[level +1].Eof?

tidak 1. V_sub_jml_kasus: jml data yang jenisNilai=Q[level+1].Jenis_nilai

1. Q[level+2=jml data yang jenisnilai=Q[level+1].jenis_nilai dengan atribut_hasil=hasil[i] 2. sub_entropy=sub_entropy(Q[level+2]..fields(0).Asinteger/ v_sub_jml_kasus*log2(Q[level+2].Fields( 0).Asinteger/v_sub_jml_kasus)) 3. inc(i)

tidak tidak

V_sub_jml_kasus>0 ?

ya 1. Sub_entropy=0 2. i=0

i=jml_hasi-1?

ya 1. Gain:=Gain-(v_sub_jml_kasus/ v_jml_kasus*sub_entropy 2. Masukkan ke tabel sub_kerja[level] ( atribut:Q[level].Field[0] nilai:Q[level+1].Field[0] entropy : sub_entropy )


P2

1. Q[level]=cari nama_atribut dari tabel kerja[level] dengan nilai gain tertinggi 2. i_node.add(jml_node+1)

ya Q[level].empty?

tidak

1. masukkan ke tabel tree ( id_node:jml_node+ Node:’tidak terklasifikasi Nilai : nilai_atribut_terpakai[level-1] Induk : id_node[level-1] Is_atribut=’T’) 2. inc(jml_node) 3. nilai_atribut_terpakai.add(“,”) 4. atribut_terpakai.add(“)

1. terpilih=Q[level].Fields[0] 2. atribut.terpakai.add(terpilih)

ya

Level=0?

1. masukkan ke tabel tree (id_node:jml_node+’ Node:atribut_terpakai[level) 2. inc(jml_node)

tidak 1. Masukkan ke tabel tree ( Id_node:jml_node+’ Node:atribut_terpakai[level] Nilai:nilai_atribut_terpakai[level-1] Induk:id_node[level-1]) 2. inc(jml_node)

Q[level]=cari data dari Sub_kerja[level] Nama_atributnya : Atribut_terpakai[level]

P3

Q[level].empty ?

ya

tidak

Nilai_atribut_terpa kai.add(“”)


ya Q[level].Fileds[jml_kasus]= Q[level].Fileds[hasil[i]?

1. Masukkan ke tabel tree ( id_node:jml_node+1 Node:tam[il[i] Nilai:nilai_atribut_terpakai[level] Induk:id_node[level] Is_atribut=’T’) 2. inc(jml_node) 3. ketemu=true

tidak

Inc()

P5

tidak

i<=jml_hasil-1 Dan Ketemu=false?

1. Nilai_atribut_terpakai[level]= Q[level].Fileds[nilai 2. i=0 Ketemu=false

P3

P6 tidak

Q[level].eof

P4


P5

Exit

1. inc(level)

Ketemu=false?

Dec(level)

Level<=0

tidak

Buat node

Q[level].Next

P6


P4

1. nilai_atribut_terpakai.delete(level) 2. atribut_terpakai.delete(level) 3. id_node.delete(level) 4. Q[level]=cari jenis atribut_terpakai[level-1] dalam tabel kasus yang atribut_terpakai[level-1]- nya belum ada dalam tabel tree

Q[level.eof

ya

Dec(level)

tidak

1. Nilai_atribut_terpakai[level-1]:=Q[level].Fields(0) 2. Q[level+1] = cari jml_kasus, hasil[1].hasil[n] dan sub_jkerja[level-1yang nama_atributnya : Atribut_terpakai[level-1] dan nilai nilai_atribut_terpakai[level-1] 2. ketemu = false

P8

P7

Selesai


P8

P7

Q[level].next

ya

1. Q[level+1].next 2. Buat_node

Q[level+1].empty?

tidak i=0

i<=jml_hasil-1

tidak

Ketemu=false

ya 1. Masukkan ke tabel tree ( id_node : jml_node+1 node : tampil(i) nilai : nilai_atribut_terpakai[level] induk:id_node[level] is_atribut=’T’ ) 2. inc(jml_node) 3. ketemu=true 4. inc(i)

Q[level+1].Fileds[jml_kasus]= Q[level+1].Fileds[hasil[i]?

ya


PENUTUP a. Kesimpulan Kesimpulan yang diambil adalah untuk penerapan aplikasi pada kasus analisis mahasiswa di jurusan sistem informasi STMIK Sumedang, dientry 35 record data calon mahasiswa tahun ajaran 2012/2013 ke dalam database kasus. Dari keseluruhan data tersebut 5 tidak registrasi dan sisanya melakukan registrasi. b. Saran Data yang pada penerimaan mahasiswa baru masih belum lengkap sesuai harapan untuk melengkapi klasifikasi dalam memprediksi kemungkinan yang lainnya. Adapun data yang dibutuhkan antara lain data orang tua, alternatif pilihan jurusan, dsb.

DAFTAR PUSTAKA [1] Daniel T. Larose , 2005, Discovery knowledge in data, Wiley. [2] Earl Cox, 2005, Fuzzy Modelling And Genetic Algorithms For Data Mining And Exploration, Morgan Kaufmann.

SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE UNTUK ABSENSI KARYAWAN Ir. Suhanda. M.T, Akhmad Yahya Dosen dan Asisten Jurusan Teknik Informatika USB YPKP Bandung Email : [email protected] Abstrak Pada saat ini penggunaan Sistem Komputerisasi semakin tumbuh dan berkembang di kalangan Masyarakat yang sedang meningkatkan perusahaanya, terutama dibidang Industri. Maka dengan demikian perlu adanya pengawasan keta terhadap Karyawannya, untuk meningkatkan disiplin kerja. Jurnal ini akan menguraikan Sistem Komputerisasi Absen, Salah satunya adalah dengan melakukan Absen kehadiran Karyawannya. Absen yang dilakukan dengan memakai Sistem Pengenalan Wajah. Sehingga Absen tersebut tidak bisa diwakilkan kepada temannya.Karena Wajah masing – masing Karyawan akan terekam di layar Komputer pada saat mengabsen, dan sesudah mengabsen. Sistem yang dipakai adalah Metode EigenFace. Juga menggunakan Algoritma yang berhubungan dengan metode tersebut. Begitu Karyawan sesudah mengabsen maka Data namanya sesuai dengan waktu mengabsen akan masuk ke DataBase yang ada pada Sistem tersebut di dalam penyimpanan Sekunder. Dengan demikian Sistem ini akan membantu keakuratan Data Absen, Kedisiplinan Karyawan, dan menghindari kecurangan dalam Mengabsen oleh karyawan yang bolos dan Karyawan yang sering terlambat. Sistem ini akan mendukung peningkatan Kualitas kerja Karyawan tersebut. Sehingga para karyawan juga akan dituntut untuk kejujuran dalam bekerja serta pihak perusahaan akan mengetahui mana karyawan yang rajin dan mana karyawan yang malas. Jadi pihak Perusahaan akan lebih mudah menilai kwalitas karyawannya dalam kejujuran dan kemampuan bekerja sesuai dengan waktu yang ditetapkan bersama antara karyawan dan perusahaan. Untuk mencapai kinerja dan kemajuan serta target yang dicapai oleh Perusahaan. Kata Kunci : Kecerdasan Buatan, Absen Karyawan, Metode EigenFace Abstract At this time the use of Computerized Systems is growing and developing in the community who are stepping up his company, especially in the field of industry. It is thus necessary to the strictest supervision of the Employees, to improve labor discipline. This journal will describe Absent Computerized System, One is by doing Absent Employees presence. Absent were carried out using Facial Recognition System. Absent so it can not be delegated to temannya.Karena face each - each employee will be recorded on the computer screen during the roll call, and after the roll. The system used is eigenface method. Also use the algorithm associated with the method. Once the employee after the roll call his name in accordance with the time data will roll into the DataBase exist in the system at the secondary storage. Thus this system will help the accuracy of the data Absent, discipline employees, and to avoid fraud in the roll by employee absenteeism and employees are often late. This system will support the improvement of the quality of employee work. So that employees will be prosecuted to the honesty in work and the company will know which employees are diligent and where employees are lazy. So the company will be easier to assess the quality of its employees in the honesty and the ability to work in accordance with the stipulated time shared between the employee and the company. To achieve the performance and progress and targets achieved by the Company. Keywords: Artificial Intelligence, Absent Employees, eigenface method

PENDAHULUAN a. Latar Belakang Absensi adalah salah satu transaksi repetitif yang sangat penting, karena berkaitan dengan produktifitas dari karyawan dan merupakan salah satu indikator pengontrol Sumber daya manusia (SDM) yang bertujuan meningkatkan potensi sumber daya manusia serta digunakan dalam rangka efisiensi. Perkembangan teknologi saat ini memungkinkan membuat suatu sistem yang dapat membantu Manusia dalam pengenalan suatu citra digital. Salah satunya bidang yang sekarang ini sudah mulai dikembangkan adalah pengenalan pola. Teknologi ini mengidentifikasi ciri-ciri khusus fisik seseorang. Contoh pengenalan pola misalnya adalah pengenalan wajah (face recognition), Pengenalan iris (iris recognition), pengenalan sidik jari (finger recognition), dan lain-lain. Dalam penelitian pengenalan wajah ini menggunakan sebuah kamera untuk menangkap wajah seseorang kemudian dibandingkan dengan wajah yang sebelumnya telah disimpan di dalam database tertentu. Secara garis besar proses dari pengenalan wajah ini adalah kamer webcam melakukan capture pada wajah. Kemudian didapatkan sebuah nilai R,G,B. Dengan menggunakan pemrosesan awal, dilakukan crop, konversi RGB ke Grayscale. Setelah dilakukan proses Grayscale, dilakukan tahap pengolahan wajah dengan menggunakan metode eigenface. Didalam metode eigenface ini terdapat beberapa tahapan inti yaitu: mengubah wajah menjadi matrik, menghitung rataan FlatVector, menentukan nilai eigenface dan melakukan proses identifikasi wajah dengan mencari nilai eigenface yang mendekati. Pengenalan wajah ini salah satunya dapat dikembangkan untuk menjadi aplikasi absensi yang dapat diterapkan diperusahaan untuk mencegah manipulasi absen oleh karyawan. Umumnya sistem absensi karyawan pada perusahaan dilakukan dengan mengisi buku absen atau yang lebih maju lagi dengan menggunakan mesin absensi. Mesin absensi tersebut menggunakan kartu tempat mencetak tanggal, jam masuk serta jam pulang. Dilihat dari segi keamanan, sistem ini mempunyai banyak kelemahan, antara lain adalah absen karyawan bisa dititipkan oleh karyawan lainnya, dan jika kartu tersebut tertinggal maka karyawan tidak dapat melakukan absensi. Hal ini tentu berakibat kerugian bagi karyawan. Alternatif lain yang bisa dilakukan adalah dengan menggunakan sidik jari sebagai pengganti barcode. Akan tetapi, pada absensi dengan mesin sidik jari masih ditemukan beberapa kekurangan seperti ketidak mampuan mesin absensi sidik jari memverifikasi jari karyawan apabila jari karyawan itu kotor, terluka ataupun berminyak, dan memerlukan tambahan alat dengan harga yang tidak murah dan dapat bermanpaat bagi pemakai. b. Lingkup Masalah Untuk memudahkan dalam pembentukan sistem, maka masalah ini dibatasi pada : 1. 2. 3. 4.

Menentukan cara menganal wajah masing-masing Karyawan Merencanakan waktu kerja supaya tercatat dalam DataBase Karyawan Merancang rekaman Photo wajah dari setiap Karyawan pada saat masuk kerja Menentukan kendala pada wajah karyawan yang memilik wajah yang mirip dengan karyawan yang lainnya 5. Merancang sistem untuk menentukan kerja proses perekaman

6. Merancang sistem absensi untuk mendapatkan tingkat keakuratan yang lebih maksimal dan dengan biaya yang lebih murah c. Tujuan Penelitian Dengan melihat permasalahan di atas, maka dirancang dan dibangun perangkat lunak yaitu : 1. Membuat aplikasi berbasis pengenalan wajah (face recognition) dengan menggunakan Metode eigenface untuk melakukan proses Absensi karyawan. 2. Mempelajari prinsip dasar dari pengenalan wajah dengan menggunakan metode Eigenface. 3. Mengkomputerisasikan data Absensi karyawan sehingga lebih mudah dalam pelaporan ke pihak eksekutif. d. Metode Penelitian Metodologi penelitian yang digunakan dalam penelitian ini dibagi dalam beberapa tahap, yaitu: 1. Mempelajari algoritma eigenface 2. Wawancara kepada petugas Data Absen karyawan 3. Mengimplementasikan algoritma dalam prototype 4. Melakukan pengujian algotima dan analisa hasil pengujian algoritma. PEMBAHASAN Untuk mengkaji permasalan ini maka perlu beberapa teori pendukung diantaranya adalah : a. Metode Eigenface Prinsip dasar dari pengenalan wajah adalah dengan mengutip informasi unik wajah terbut kemudian di-encode dan dibandingkan dengan hasil decode yang sebelumnya dilakukan. Dalam metode eigenface, decoding dilakukan dengan menghitung eigenvector kemudian direpresentasikan dalam sebuah matriks yang berukuran besar. Metode ini disempurnakan lagi oleh Turk dan Pentland pada tahun 1991. Prinsip dasar dari metode eigenface adalah bagaimana caranya untuk mengekstrak informasi yang relevan dari sebuah citra wajah lalu mengubahnya ke dalam satu set kode yang paling efisien, dan membandingkan kode wajah ini dengan database berisi beragam wajah yang telah dikodekan secara serupa [9]. Algoritma Eigenface adalah Algoritma pengenalan wajah dimulai dengan membuat matriks kolom dari wajah yang diinput ke dalam database. Rata-rata vector citra (mean) dari matriks kolom dihitung dengan cara membaginya dengan jumlah banyaknya citra yang disimpan di dalam database. b. Langkah Penyusunan Flatvector matriks citra 1. Langkah pertama adalah menyusun seluruh training image menjadi 1 matrix tunggal. Misalnya image yang kita simpan berukuran H x W piksel dJan jumlahnya N buah, maka memiliki flatvector dengan dimensi N x (H x W). representasikan semua matriks training menjadi matriks dengan bentuk N×1 atau matriks linier seperti yang ditunjukkan berikut ini: [

𝑎 𝑥

𝑏 𝑐 ] -> [a b c x y z] 𝑦 𝑧

Misalnya didalam training image terdapat tiga image ukuran 3x3 piksel maka kita akan mempunyai eigenvector ukuran 2x9. Contoh dibawah ini mengunakan empat wajah citra yang telah diubah menjadi matrix, lalu matrix tersebut diubah kedalam bentuk rataan FlatVector. Skema flatvector wajah: 10 C1[10 10

10 10 10

2 2 C2[2 2 2 2 11 C3[11 11

10 10][10 10 10 10 10 10 10 10 10] 10

2 2][2 2 2 2 2 2 2 2 2] 2 11 11 11

9 9 C4[9 9 9 9

11 11][11 11 11 11 11 11 11 11 11] 11

9 9][9 9 9 9 9 9 9 9 9] 9

2. Hitung Rataan Flat Factor Dari FlatVector yang diperoleh, jumlahkan seluruh barisnya sehingga kita peroleh matrix berukuran 1 x (H x W): 10 10 10 10 10 10 10 10 10 2 2 2 2 2 2 2 2 2 C1+C2+C3+C4=[ ] 11 11 11 11 11 11 11 11 11 𝑦 𝑦 𝑦 𝑦 𝑦 𝑦 𝑦 𝑦 𝑦 C1+C2+C3+C4=[32 32 32 32 32 32 32 32 32] Setelah itu bagi matriks tadi dibagi dengan jumlah image N untuk mendapatkan Rataan FlatVector: [32 32 32 32 32 32 32 32 32]

= [8 8 8 8 8 8 8 8 8] Nilai flatvector citra akan digunakan untuk menghitung nilai eigenface citra wajah untuk training image. 4

3. Tentukan Nilai Eigenface Dengan memakai rataan flatvector citra di atas nilai eigenface untuk matriks latvector yang sudah disusun tersebut dapat dihitung nilai eigenfacenya. Caranya dengan mengurangi baris-baris pada matrix flatvector dengan rataan flatvector. Jika didapatkan nilai dibawah nol, maka nilainya diganti dengan nol. 10 10 10 10 10 10 10 10 10 8 8 8 8 8 8 8 8 2 2 2 2 2 2 2 2

C1=82

−

2 2 2 2 2 2 2 2 2 8 8 8 8 8 8 8 8 − 0 0 0 0 0 0 0 0 0

C2 = 8

11 11 11 11 11 11 11 11 11 8 8 8 8 8 8 8 8 3 3 3 3 3 3 3 3

−

9 9 9 9 9 9 9 9 9 8 8 8 8 8 8 8 8 1 1 1 1 1 1 1 1

−

C3=83

C4=81

4. Proses Identifikasi Untuk mengenali citra tes (testface), langkah identifikasinya adalah hitung nilai eigenface untuk matriks testface dengan cara sebelumnya untuk penentuan nilai eigenface dan flatvector citranya. 9 Ct[9 9

9 9 7 9][999979979] 7 9 9 9 9 9 7 9 9 7 9 8 8 8 8 8 8 8 8 8− 1 1 1 1 0 1 1 0 1

Nilai eigen dari testface= (111101101) Nilai eigen (eigenvalue) dari testface digunakan untuk identifikasi dengan menentukan jarak terpendek dengan eigenface dari eigenvector training dengan cara menentukan nilai absolut dari pengurangan baris I pada matriks eigenface training citra dengan eigenface dari testface dan jumlahkan dengan elemen penyusun vector yang dihasilkan dari pengurangan dan didapat jarak d indeks I dan cari nilai d yang paling kecil. Setelah nilai eigenface untuk testface diperoleh maka kita bisa melakukan identifikasi dengan menentukan jarak terpendek dengan eigenface dari eigenvector training image. Pertama tentukan nilai absolut dari pengurangan baris pada matrix eigenface training image dengan eigenface dari testface, kemudian jumlahkan elemen-elemen penyusun vector yang dihasilkan dari pengurangan tadi dan ditemukan jarak indeks. Lakukan untuk semua baris. Cari nilai yang paling kecil. Nilai EignFace C1=(2 2 2 2 2 2 2 2 2) 2 2 2 2 2 2 2 2 2 1 1 1 0 1 1 0 1 − 1 1 1 2 1 1 2 1

C1= 11

Nilai EignFace C2 = (0 0 0 0 0 0 0 0 0) C1 = 1+1+1+1+2+1+1+2+1= 11 0 0 0 0 0 0 0 0 0

1 1 0 1 1 0 1 C2 =−11 −11 −1 − −1 0 −1 −1 0 −1 C2 = 1+1+1+1+0+1+1+0+1=7

Nilai Eigenface C3 = (3 3 3 3 3 3 3 3 3)

3 3 3 3 3 3 3 3 3

C3 = 1 1 1 1 0 1 1 0 1 − 2 2 2 2 3 2 2 3 2 C3 = 2+2+2+2+3+2+2+3+2= 20

Nilai Eigenface C4 = (1 1 1 1 1 1 1 1 1) 1 1 1 1 1 1 1 1 1

C4 = 10 10 10 10 01 10 01 10 01 − C4 = 0+0+0+0+1+0+0+1+0= 2 Dari hasil perhitungan, diperoleh jarak citra wajah empat memiliki nilai yang terkecil yaitu dua. Karena jarak eigenface face satu dengan testface yang paling kecil, maka hasil identifikasi menyimpulkan bahwa testface lebih mirip dengan face empat dari pada face satu, face dua, dan face tiga. b. Analisa 1. Alur Metode Eigenface Pada tahap ini dilakukan analisis yang mendalam mengenai alur dari proses absensi menggunakan metode eigenface. Inti dari algoritma eigenface adalah ketika karyawan melakukan absensi maka gambar foto karyawan akan disimpan dalam database aplikasi, lalu dikalkulasi nilai eigenface gambar karyawan tersebut dan dilakukan proses matching untuk dicari nilai eigen yang paling mendekati. 2. Alur Proses Identifikasi dengan Metode Eigenface Pada tahap ini akan dilakukan proses perhitungan matriks dari setiap wajah yang dicapture oleh webcam. Tahapan yang terjadi adalah penyusunan flatvector matriks citra, menentukan nilai rataan flatvector, penghitungan nilai eigenface dan proses identifikasi untuk mendapatkan identitas gambar yang dicapture 3. Pengujian Algoritma pada Metode Eigenface Pada tahapan ini dilakukan pengujian dengan melakukan absensi kepada lima orang. Percobaan ini didasarkan atas pernyataan dari Ming-Hsuan, Kriegman, dan Ahuja pada 2002 yang mengatakan salah satu faktor dari system pengenalan wajah adalah Kondisi pencitraan yang salah satu contohnya adalah pencahayaan dan jarak. Pencahayaan yang dilakukan menggunakan cahaya gelap dan terang. Serta untuk jarak dengan webcam dengan 30 cm dan 60 cm. c. Rancangan Sistem Informasi 1. Rancangan Struktur Basis Data Entiti Relation Diagram (ERD) Rancangan Strukturnya dapat digambarkan sebagai berikut :

Gambar 1. Rancangan Entity Relation Diagram 2. Transformasi ER-Diagram ke Logical Record Structure

Gambar 2. Rancangan ER-Diagram ke Logical Record Structure 3. Logical Record Structure (LRS)

Gambar 3. Rancangan Logical Record Structure i). Analisa Dan Implementasi Metode Eigenface Pada tahapan ini dilakukan analisa dari hasil pengujian pengenalan wajah dengan menggunakan metode eigenface. Terdapat beberapa tahapan dalam melakukan pengujian dan analisa terhadap metode ini. 1. Pemecahan Masalah Dalam hasil absensi yang akurat, dibutuhkan sebuah sistem absensi cukup mudah digunakan oleh karyawan, dan memiliki kunci yang unik untuk setiap orang. Maka dari itu dikembangkanlah sebuah sistem yang memanfaatkan wajah manusia yang dimiliki setiap orang, sifatnya unik. Sehingga karyawan tidak perlu repot membawa kartu karena memanfaatkan wajah sebagai media absensi. Sistem pengenalan wajah dengan algoritma eigenface adalah sebuah solusi identifikasi wajah dan pengenalan wajah. Sistem ini dapat diterapkan baik dalam aplikasi desktop yang menggunakan wajah sebagai autentikasinya atau pengenalan dan identifikasi wajah otomatis. Setelah didapatkan nilai eigenface maka dilakukan proses matching dengan mencari nilai eigenface dengan database wajah untuk mendapatkan nilai eigenface yang paling mendekati. Tahapan terakhir adalah menampilkan gambar/citra yang mendekati dari hasil nilai eigenface yang sudah didapatkan . Untuk lebih jelasnya dapat dilihat pada Gambar berikut :

Gambar 4. Proses Matching Mencari Nilai Eigenface 2. Metode Kerja Sistem Aplikasi Proses pengenalan wajah manusiadari sisi aplikasi ini terdiri dari beberapa tahap. Tahap pertama dimulai dengan pengambilan gambar dari wajah karyawan melalui alat pengambilan gambar (webcam). Setelah itu, gambar diperoses untuk menghasilkan database wajah. Penjelasan dari tiap-tiap tahapan proses adalah sebagai berikut : 3. Pengambilan Data Pada tahap ini, setiap data karyawan menginput data masing-masing dengan lengkap di form master karyawan, setelah lengkap maka karyawan difoto melalui Webcam. Posisi kawyawan harus benar dalam pengambilan gambar. Penerangan di ruangan tempat pengambilan gamber harus sama. 4. Proses Absensi Pada tahap ini karyawan berdiri tegak dan menyesuaikan wajahnya agar tepat pada pisisi Webcam. Setelah tepat maka karyawan menekan tombol ambil yang terdapat pada form. Jika wajah teridentifikasi maka selanjutnya karyawan menekan tombol absen. Jika wajah karyawan berbeda, maka karyawan harus menekan tombol batal dan lalu mencari posisi kembali yg sesuai sampai data karyawan tersebut tepat. 5. Pembuatan Laporan Pada tahap ini user perlu menginput tanggal awal dan akhir yg diinginkan lalu masukkan jumlah hari libur diluar mingguan.kemudian menekan tombol cetak.

6. Tampilan Layar

7. Spesifikasi Hardware dan Software Agar sistem ini berjalan dengan baik, maka dibutuhkan beberapa spesifikasi minimal yang harus terpenuhi. Diantaranya merupakan spesifikasi minimal hardware yg harus dipenuhi untuk mendukung dalam pengoperasian system pengenalan wajah yang dibuat: a) Processor Intel Pentium 4 (2,8 Ghz) b) Memori 1GB RAM c) Keyboard d) HD 20 GB e) Webcam f) Monitor g) VGA On Board 32 MB Kemudian disamping Hardware, juga spesifikasi software yg dibutuhkan agar system pengenalan wajah dapat berjalan dengan baik antara lain : a) System Operasi Microsoft Windows XP Profesional Edition SP 2 b) Connector odbc 5.1.9 Win32 c) XAMPP Ver 1.6.8 PENUTUP a). Kesimpulan Berdasarkan hasil analisa yang dilakukan terhadap permasalahan dan aplikasi yang dikembangkan maka dapat ditarik kesimpulan sebagai berikut: 1. Apliksi absensi dapat dibuat menggunakan pengenalan wajah dengan menggunakan metode EignFace untuk pengenalan wajah. 2. Factor-faktor yang mempengaruhi hasil pengenalan pada system ini adalah pencahayaan, jarak pengambilan gambar (Cacpture) antara objek. Kesimpulan ini didapat dari hasil perbandingan data pengamatan yng dicoba pada 5 orang pada intensitas cahaya yang berbedea dan jarak pengambilan gambar. Terdapat perbedaan keakuratan.

3. Metode eigencafe merupakan salah satu metode ntk pengenalan wajah dengan memperhitungkan matriks setiap wajah yang di capture dengan mengkalkulasi nilai eigenface untuk didapatkan nilai eigenface yang mendekati. b). Saran Dengan adanya Sistem Pengabsenan keryawan ini ada beberapa saran yang menjadi pendorong bagi Pengguna antara lain : 1. Lebih ditingkatkan lagi Sistem kerja ini, sehingga dapat menunjang kriteria kerja karyawan 2. Adanya pengawasan yang lebih ketat, dalam penggunaan sistem ini, sehingga pihak Karyawan dan pihak terkait lebih disiplin lagi masuk kerjanya 3. Sebaiknya yag mengoerasikan Sisem ini, harus orang yang bertanggung jawab, dan diberikan pelatihan terlebih dahulu DAFTAR PUSTAKA [ 1.] Li Stan Z., Jain Anil K. ,2005, Handbook of Face Recognition, New York:Springer [ 2.] Privida Kristiono, 2008, Pemrograman Database Tingkat Lanjut dengan VB6, PT Elex Media Komputindo [ 3.] Putra Darma, 2009, Sistem Biometrika: Konsep Dasar, Teknik Analisis Citra, dan Tahapan Membangun Aplikasi Sistem Biometrika, Yogyakarta : Andi Offset [ 4.] Siswanto, Ir., 2005, Kecerdasan Tiruan, Yogyakarta : Graha Ilmu [ 5.] Supardi, Ir., Yuniar, 2011, Semua Bisa Menjadi Programmer VB6 Hingga VB 2008 Basic, PT Elex Media Komputindo. [ 6.] Sutoyo T., Mulyanto Edy S.Si., M.Kom., Dr. Vincent Suhartono, 2009, Teori Pengolahan Citra Digital, Yogyakarta: Andi [ 7.] Swastika, Windra, 2007, VB & MYSQL Seri 2, Dian Rakyat. [ 8.] Wikipedia the free encyclopedia, Eigenface, http://en.wikipedia.org/wiki/Eigenface diakses pada : Oktober 2012 [ 9.] Wikipedia the free encyclopedia, Pengenalan Pola http://id.wikipedia.org/wiki/Pengenalan_pola diakses pada : Oktober 2012

APLIKASI ABSENSI SISWA BERBASIS BARCODE TERINTEGRASI SMS GATEWAY DENGAN VB2010 DAN MYSQL (STUDI KASUS SMK PGRI 1 SUMEDANG)

Recommend Documents