BAB III ANALISA DAN PERANCANGAN SISTEM
Metodologi rekayasa perangkat lunak yang digunakan pada laporan tugas akhir ini adalah dengan menggunakan sequential linier model. Langkah pertama yang harus dilakukan dalam sebuah proses pembangunan sebuah sistem berbasis komputer adalah menganalisa tentang semua hal yang dibutuhkan sebelum melakukan perancangan dan pembangunan sistem tersebut. Dalam penulisan tugas akhir ini, analisa yang akan dilakukan adalah analisa tentang kebutuhan sistem perangkat lunak clustering dengan menggunakan algoritma K-means clustering. Dalam hal ini, analisa yang dilakukan adalah analisa menggunakan metode berorientasi objek(Object Oriented Analysis) dengan menggunakan Unified Modeling Language (UML).
3.1. Perumusan Masalah
Perumusan masalah merupakan langkah untuk memahami permasalahan terhadap sistem secara lebih dalam. Langkah ini diambil untuk mendefinisikan semua kebutuhan sistem yang akan dibangun secara terperinci.
3.1.1. Masalah yang dihadapi
Dalam studi observasi yang dilakukan oleh penulis pada area penelitian pada studi kasus ini, yaitu PT Bank Bukopin, Tbk. Saat ini bagian yang mengolah dan mengelola data transaksi e-channel salah satunya transaksi ATM dilakukan oleh unit khusus yaitu unit kerja jaringan distribusi. Proses pengolahan data transaksi ATM tersebut dilakukan dengan cara mengambil dari aplikasi switching X-link sebagai sumber data transaksi. Informasi hasil pengolahan data tersebut dilakukan secara manual dalam pengelompokannya disesuaikan dengan permintaan manajemen. Untuk gambaran sistem pengolahan data yang selama ini dilakukan oleh unit yang melakukan pengolahan data pada Bank Bukopin, Tbk adalah sebagai berikut:
1
Retrieve data
Pengolahan data
nama aktor
Gambar 3. 1 : Proses pengolahan data transaksi ATM pada unit kerja Jardis
3.1.2. Analisa permasalahan
Dalam kegiatan bisnis untuk memenuhi kebutuhan informasi transaksi ATM kepada manajemen oleh unit kerja Jaringan distribusi mengalami beberapa permasalahan
menyangkut
kebutuhan
data
dan
informasi.
Permasalahan-
permasalahan itu antara lain, yaitu :
1.
Pemenuhan laporan informasi atas data transaksi ATM di Bank Bukopin hanya sebatas laporan yang disesuaikan dengan kebutuhan manajemen.
2.
Pengolahan data transaksi ATM di Bank Bukopin saat ini masih belum dapat mencari knowledge tersembunyi yang terkandung di dalam basis data.
3.1.3. Pemecahan Masalah
Berdasarkan latar belakang diatas, maka dibutuhkan sebuah sistem yang mampu mengolah data transaksi ATM untuk mencari pola yang tersembunyi dalam suatu basis data. Penulis mencoba mengungkapkan hal tersebut dalam tugas akhir yang berjudul: “Implementasi algoritma K-Means clustering berdasarkan transaksi ATM PT. Bank Bukopin, Tbk.” Dengan adanya pengelompokan-pengelompokan data seperti ini, diharapkan dapat
menemukan pola-pola yang tersembunyi atas perilaku nasabah dalam
bertransaksi di ATM Bank Bukopin, sehingga dapat ditemukan suatu knowledge yang dapat membantu Bank Bukopin untuk menentukan strategi peningkatan layanannya.
2
3.2. Analisa Kebutuhan Sistem
Analisa kebutuhan sistem berfungsi untuk mendefiniskan kebutuhan-kebutuhan sistem yang akan dibangun. Analisa ini bertujuan untuk menghasilkan data yang bisa diintegrasikan dengan analisa data mining yang dikehendaki.
3.2.1
Analisa Kebutuhan Data
Analisa data akan mengidentifikasikan kebutuhan data yang sesuai dengan ketentuan yang diperlukan sistem dari data yang tidak lengkap dan inkonsisten yang biasanya terjadi pada basis data yang ada.
3.2.2
Inisialisasi Target Data
Dalam studi kasus ini basis data awal yang dimiliki adalah data transaksi ATM yang dilakukan oleh nasabah. Basis data tersebut memiliki struktur sebagai berikut :
3
Tabel 3. 1 : Daftar item field pada basis data transaksi Transaksi ATM DATE TIME CARD_NUMBER PRODUCT_CODE PRODUCT_NAME TRASACTION_CODE TRX_INFO CUR1 NOMINAL_TRX ACCOUNT_TYPE FROM_ACCOUNT FROM_ACCOUNT_NAME TO_ACCOUNT TO_ACCOUNT_NAME BANK_ISSUER BANK_DESTINATION CHANNEL_TYPE CHANNEL_NAME DEVICE_NAME TERMINAL_ID TERMINAL_LOCATION BANK_ACQUIRER RESPONSE_CODE RESPONSE_NAME STATUS TRX_RESPONSE_TYPE STAN
4
3.2.3
Data Cleaning Proses ini bertujuan untuk menghilangkan semua field – field yang tidak
sempurna, menambahkan ataupun data-data yang tidak valid. Selain itu juga, atributatribut yang dimungkinkan tidak berguna juga dihilangkan. Sehingga dari proses ini bisa dihasilkan basis data yang benar-benar valid.
3.2.4
Data Integration
Setelah melalui proses data cleaning, basis data yang dimiliki tersebut kemudian diintegrasikan kedalam satu basis data yaitu basis data clustering. Tabel 3. 2 : Transaksi No
Field
Type
Deskripsi
1
Date
Text
Date
2
Time
Text
Time
3
Card_Number
Text
Card_Number
4
Product_Code
Text
Product_Code
5
Product_Name
Text
Product_Name
6
Transaction_Code
Text
Transaction_Code
7
Transaction_Type
Text
Transaction_Type
8
Nominal_Trx
Text
Nominal_Trx
9
Bank_Issuer
Text
Bank_Issuer
10
Device_Name
Text
Device_Name
11
Terminal_Id
Text
Terminal_Id
12
Terminal_Location
Text
Terminal_Location
13
Bank_Acquirer
Text
Bank_Acquirer
14
Response_Code
Text
Response_Code
15
Response_name
Text
Response_name
16
Status
Text
Status
5
3.2.5
Data Selection
Data transaksi ATM yang ada dilakukan proses selection. Yaitu meliputi proses :
Pemilihan Atribut Atribut yang dipakai antara lain, DATE, TIME, PRODUCT_CODE, TRANSACTION_CODE,
TERMINAL_ID,
RESPONSE_CODE
dan
TRANSACTION
Menghilangkan data yang redundant
Menghilangkan data yang memiliki isi atribut tidak lengkap
Tabel 3. 3 : Selection No
Field
Type
Deskripsi
1
Date
Text
Date
2
Time
Text
Time
3
Product_Code
Text
Product_Code
4
Transaction_Code
Text
Transaction_Code
5
Terminal_Id
Text
Terminal_Id
6
Response_Code
Text
Response_Code
7
Transaction
Text
Transaction
3.2.6
Data Transformation
Pembentukan data processing pada studi kasus ini bertujuan untuk mencari bentuk aturan data yang sesuai dengan proses data mining. Proses ini dilakukan melalui pengubahan isi data pada attribute yang ada pada tabel selection ATM dengan melakukan proses konversi dari data sumber menjadi data numerik sesuai tabel konversi sehingga didapatkan angka yang valid. Hasil dari proses tersebut kemudian diintegrasikan menjadi sebuah tabel baru dengan melakukan operasi merge sehingga nantinya didapatkan sebuah tabel nilai transaksi yang akan digunakan untuk melakukan proses menjadi beberapa cluster.
6
3.3 Analisa Kebutuhan Input, Proses dan Output Data
Analisa kebutuhan fungsional berisi tentang deskripsi akan kebutuhan input, proses dan output data oleh sistem secara lebih spesifik. Tujuan dari analisa ini adalah untuk mempermudah implementasi sistem yang akan dibangun, yaitu dengan penjelasan sebagai berikut :
Data Masukan Data yang digunakan sebagai data masukan adalah tabel transaksi ATM.
Data Proses Dalam data mining, untuk menghasilkan data keluaran yang dikehendaki maka data masukan diolah dengan menggunakan beberapa tahapan proses yaitu proses pembersihan data(selection), proses integrasi(integration) dan transformasi data(transformation).
Data Output Data output merupakan data keluaran terakhir yang dihasilkan oleh sistem yang akan dibuat. Data ini berupa tabel-tabel pengelompokan cluster.
3.3.1. Daftar Tabel Inisial
Tabel 3. 4 : Inisial Product Code Product_Code
Product_name
Inisial
0 On-Us
1
103001 ATM Prima
2
101001 ATM Bersama
3
7
Tabel 3. 5 : Inisial Transaction Code Transaction_Code
Transaction_Type 1 Cash Withdrawal
Inisial 1
30 Available Funds Inquiry
2
36 Statement Inquiry
3
37 Transfer Inquiry
4
49 Transfer to other accounts
5
113 Cash In
6
114 Cash Out
7
115 Last Cash Out
8
116 Cash Position
9
138 Change PIN3
10
186 Add HP
11
213 Add IB
12
Tabel 3. 6 : Inisial Terminal ID Terminal_ID
Terminal_Location
Inisial
20002001 KCU Medan 1
1
20002002 KCP AR Hakim Medan
2
20002003 KCP Binjai Medan
3
20002004 KCP Setiabudi Medan
4
……………… ……………………………………….
…….
20099006 KK BSB UMT
590
20099007 KCP BSB BSD
591
20099009 BSB RS JATISAMPURNA
592
8
Tabel 3. 7 : Inisial Response Code Response_Code
Response_Name
Inisial
0 Approve
1
1 Refer to Card Issuer
2
5 Do not honour
3
6 Error
4
12 Invalid transaction
5
13 Invalid amount
6
14 Invalid Card No.
7
30 Format error
8
51 Insufficient funds
9
52 No checking account
10
……….. ………………………..
………..
270 Invalid account
40
294 Time Out
41
309 Terminated Card
42
Tabel 3. 8 : Inisial Nominal Transaksi Transaksi
Inisial
<1
0
50000 <= Trn <= 500000
1
500000 <= Trn <= 1500000
2
1500000 <= Trn <= 3000000
3
3000000 <= Trn <= 5000000
4
>5000000
5
9
Tabel 3. 9 : Inisial Waktu time start
time finish
Inisial
0:00:00
5:59:59
1
6:00:00
11:59:59
2
12:00:00
17:59:59
3
18:00:00
23:59:59
4
Tabel 3. 10 : Transaksi -1 Date
Time
Card_Number
Product_Code
Product_Name
Trasaction_Code
9/1/2014
0:00:00 1111111111
0 On-Us
30
9/1/2014
0:00:06 1111111111
0 On-Us
1
9/1/2014
0:00:15 1111111111
103001 ATM Prima
37
9/1/2014
0:00:16 1111111111
0 On-Us
1
9/1/2014
0:00:22 1111111111
0 On-Us
1
Tabel 3. 11 : Transaksi -2 Transaction_Type
Available Funds
Nominal_Trx
Bank_Issuer
Device_Name
Terminal_ID
0 BANK BUKOPIN
20044004
20044004
Cash Withdrawal
1300000 BANK BUKOPIN
20005002
20005002
Transfer Inquiry
1000000 BANK BUKOPIN
20053009
20053009
Cash Withdrawal
750000 BANK BUKOPIN
20045014
20045014
Cash Withdrawal
200000 BANK BUKOPIN
20047006
20047006
Inquiry
10
Tabel 3. 12 : Transaksi -3 Terminal_Location
Bank_Acquirer
KCP Pd.Indah Plaza 1
KK Yarsis Solo
KK RSMK Depok
Lokasari Square
RSMK Bekasi Timur
KK LIA Pengadegan
3.3.2
Response_Code
BANK BUKOPIN BANK BUKOPIN BANK BUKOPIN BANK BUKOPIN BANK BUKOPIN BANK
Status
0 Approve
SUKSES
0 Approve
SUKSES
0 Approve
SUKSES
0 Approve
SUKSES
0 Approve
SUKSES
51
BUKOPIN
Response_Name
Insufficient funds
GAGAL
Perhitungan manual menggunakan Algoritma K-Means
Dari banyaknya data transaksi ATM diambil 10 transaksi saja sebagai contoh untuk penerapan algoritma k-means. Percobaan dilakukan dengan menggunakan parameter-parameter berikut : Jumlah cluster : 2 Jumlah data
:10
Jumlah atribut : 6 Tabel Dataset merupakan transaksi data ATM yang digunakan untuk melakukan percobaan perhitungan manual.
11
Tabel 3. 13 : Dataset Terminal_ID
Time
Product_code
Trasaction_Code
Response_Code
Transaksi
413
1
1
2
1
0
44
1
1
1
1
2
562
1
2
4
1
2
452
1
1
1
1
2
492
1
1
1
1
1
334
1
1
1
9
1
413
1
1
1
1
3
495
1
1
2
13
0
562
1
2
5
1
2
575
1
1
1
1
1
Iterasi ke-1 1. Penentuan pusat awal cluster Untuk penentuan awal di asumsikan: Diambil data ke- 3 sebagai pusat Cluster Ke-1: (562,1,2,4,1,2) Diambil data ke- 6 sebagai pusat Cluster Ke-2: (334,1,1,1,9,1) 2. Perhitungan jarak pusat cluster Untuk mengukur jarak antara data dengan pusat cluster digunakan Euclidian distance, kemudian akan didapatkan matrik jarak yaitu C1 dan C2 sebagai berikut : Rumus Euclidian distance
|
|
√∑
Nilai pusat cluster yang baru dapat dihitung dengan cara mencari nilai ratarata dari data-data yang menjadi anggota pada cluster tersebut, dengan menggunakan rumus pada persamaan : ∑
12
∈ cluster ke – k
Dimana
p = banyaknya anggota cluster ke k
Tabel 3. 14 : Hasil Clustering Ti Terminal_ID
m e
413
44
1
1
Product_c
Trasaction_Co
Response_Co
Transak
ode
de
de
si
1
1
2
1
1
1
0
2
562
1
2
4
1
2
452
1
1
1
1
2
492
334
413
1
1
1
1
1
1
1
1
1
9
1
1
1
1
3
495
1
1
2
13
0
562
1
2
5
1
2
575
1
1
1
1
1
13
Jarak
C1
C2
149.03019
79.416622
Terpendek
83
95
518.00965
290.11204
24 0 110.04544
73 228.16441 44
79.41662295
290.1120473 0
118.27510
52
3
70.078527
158.20240
110.0454452
38
2
70.07852738
44
0
0
149.03690
79.429213
228.16441
82
77
68.132224
161.05589
39
09
79.42921377
68.13222439
228.17975 1
37
13.416407
241.13274
86
35
1
13.41640786
3. Pengelompokkan data Jarak hasil perhitungan akan dilakukan perbandingan dan dipilih jarak terdekat antara data dengan pusat cluster, jarak ini menunjukkan bahwa data tersebut berada dalam satu kelompok dengan pusat cluster terdekat. Berikut ini akan ditampilkan data matriks pengelompokkan group, nilai 1 berarti data tersebut berada dalam group. Tabel 3. 15 : Group 1 No
C1
C2
1
0
1
2
0
1
3
1
0
4
1
0
5
1
0
6
0
1
7
0
1
8
1
0
9
1
0
10
1
0
4. Penentuan pusat cluster baru Setelah diketahui anggota tiap-tiap cluster kemudian pusat cluster baru dihitung berdasarkan data anggota tiap-tiap cluster sesuai dengan rumus pusat anggota cluster. Sehingga didapatkan perhitungan sebagai berikut :
14
Tabel 3. 16 : Pembentukan cluster baru Trasaction_Co
Response
de
_Code
Terminal_ID
Time
Product_code
Transaksi
Cluster Baru
413
1
1
2
1
0
523
301
44
1
1
1
1
2
1
1
562
1
2
4
1
2
1.333333333
1
452
1
1
1
1
2
2.333333333
1.25
492
1
1
1
1
1
3
3
334
1
1
1
9
1
1.333333333
1.5
413
1
1
1
1
3
495
1
1
2
13
0
562
1
2
5
1
2
575
1
1
1
1
1
Iterasi Ke-2 Ulangi langkah ke 2 (kedua) hingga posisi data tidak mengalami perubahan. Cluster baru yang ke-1
523
1
1.3
2.3
3
1.3
Cluster baru yang ke-2
301
1
1
1.25
3
1.5
15
Tabel 3. 17 : Iterasi ke-2 Terminal_ID
Ti me
Prod
Trasact
uct_
ion_Co
code
de
Response_ Code
Transaksi
c1
c2
Jarak Terpendek
413
1
1
2
1
0
110.0272693
112.0304088
110.0272693
44
1
1
1
1
2
479.0066109
257.0083899
257.0083899
562
1
2
4
1
2
39.09816705
261.0245439
39.09816705
452
1
1
1
1
2
71.04458694
151.0142791
71.04458694
492
1
1
1
1
1
31.09662361
191.0112889
31.09662361
334
1
1
1
9
1
189.1005024
33.54567781
33.54567781
413
1
1
1
1
3
110.0393869
112.0281773
110.0393869
495
1
1
2
13
0
29.76575213
194.2648
29.76575213
562
1
2
5
1
2
39.1535439
261.0369945
39.1535439
575
1
1
1
1
1
52.05766034
274.0078694
52.05766034
Langkah selanjutnya sama dengan langkah pada nomor 3 jarak hasil perhitungan akan dilakukan perbandingan dan dipilih jarak terdekat antara data dengan pusat cluster, jarak ini menunjukkan bahwa data tersebut berada dalam satu kelompok dengan pusat cluster terdekat. Tabel 3. 18 : Group 2 No
C1
C2
1
1
0
2
0
1
3
1
0
4
1
0
5
1
0
6
0
1
7
1
0
8
1
0
9
1
0
10
1
0
16
Iterasi Ke-3 5. Ulangi langkah ke 2 (kedua) hingga posisi data tidak mengalami perubahan. Cluster baru yang ke-1
495.5 1
1.25
2.125 2.5
1.375
Cluster baru yang ke-2
189
1
1
1.5
1
5
Tabel 3. 19 : Iterasi ke-3 Trasaction_
Response_
Code
Code
Terminal_ID
Time
Product_code
Transaksi
Cluster Baru
413
1
1
2
1
0
495.5
189
44
1
1
1
1
2
1
1
562
1
2
4
1
2
1.25
1
452
1
1
1
1
2
2.125
1
492
1
1
1
1
1
2.5
5
334
1
1
1
9
1
1.375
1.5
413
1
1
1
1
3
495
1
1
2
13
0
562
1
2
5
1
2
575
1
1
1
1
1
Langkah selanjutnya sama dengan langkah pada nomor 3 jarak hasil perhitungan akan dilakukan perbandingan dan dipilih jarak terdekat antara data dengan pusat cluster, jarak ini menunjukkan bahwa data tersebut berada dalam satu kelompok dengan pusat cluster terdekat.
17
Tabel 3. 20 : Group 3 No
C1
C2
1
1
0
2
0
1
3
1
0
4
1
0
5
1
0
6
0
1
7
1
0
8
1
0
9
1
0
10
1
0
Karena G3 = G1 memiliki anggota yang sama maka tidak perlu dilakukan iterasi/perulangan lagi. Hasil clustering telah mencapai stabil dan konvergen. 3.3.3
Analisa kebutuhan Perangkat Keras dan Perangkat Lunak
Analisa ini mendeskripsikan perangkat yang dibutuhkan dalam pembangunan sistem yang terdiri dari komponen-komponen perangkat keras dan perangkat lunak. Komponen perangkat keras yang dibutuhkan oleh sistem adalah sebuah PC atau laptop dengan spesifikasi minimal, sebagai berikut :
Hardware o Prosessor intel o RAM 2 GB
Software o Operating Sistem Windows 8 o XAMPP-win32-1.6.7 o Web browser : Internet Explorer, Modzila Firefox, Google Chrome o Ms. Excel
18
3.4
Perancangan Sistem Dalam perancangan sistem ini, metode yang digunakan adalah metode
perancangan Unified Modeling Language (UML). 3.4.2
Use Case Diagram, Activity Diagram dan Sequence Diagram Use case diagram, activity diagram dan sequence diagram merupakan
gambaran kegiatan yang bisa dilakukan oleh user terhadap sistem dan berfungsi sebagai dokumentasi alur dari setiap kejadian yang dapat dilakukan dengan sistem.
Gambar 3. 2 : Use Case Diagram
19
Penjelasan tiap-tiap langkah dalam use case diagram diatas adalah, sebagai berikut :
3.4.3
Spesifikasi Use Case Diagram : Login
Usecase : Login Actor : Admin Tujuan : Melakukan Login Deskripsi : Actor melakukan proses login Langkah-langkahnya : Tindakan yang dilakukan actor
Respon Program
1. Actor memasukan user name dan 1. Program akan memvalidasi username password
dan password yang dimasukan oleh actor. 2. Jika user name dan password tersebut valid, maka Program akan melakukan koneksi ke server data sehingga program akan menampilkan form selamat datang, yang
merupakan
konfirmasi
bahwa
program sudah terhubung dengan basis data. Dari penjelasan langkah-langkah diatas, maka proses login ini bisa digambarkan dengan Activity Diagram Login dan Sequence Diagram Login. Kedua diagram tersebut adalah sebagai berikut :
20
Mulai
Admin memasukan username & Password
Validasi data user T Sesuai
Y Koneksi ke server basis data
Halaman Selamat atang
Selesai
Gambar 3. 3 : Activity Diagram Login
Admi n Form Login
Masukan username dan password
Proses validasi user , password) (Userid
Validasi user
Server basis data
Halaman Selamat Datang
Include koneksi basis data Menampilkan halaman selamat datang Yang menandakan validasi user koneksi data sukses
Validasi gagal
Gambar 3. 4 : Sequence Diagram Login
21
3.4.4
Spesifikasi Use case Diagram : Profile Perusahaan
Usecase : Home Actor : Admin Tujuan : Menjelaskan halaman informasi perusahaan dan teori data mining Deskripsi : Actor memahami penjelasan algoritma K-means dan profile perusahaan Langkah-langkahnya :
Tindakan yang dilakukan actor
Respon Program
1. Actor memilih menu Home Page dan 1. Program akan menampilkan informasi profile perusahaan
penjelasan tentang Profile Perusahaan Bank Bukopin dan penjelasan data mining menggunakan algoritma K-Means 2. Jika user memilih menu Home Page dan Profile Perusahaan, maka Program akan melakukan koneksi ke server data sehingga program akan menampilkan halaman penjelasan algoritma K Means dan
penjelasan
singkat
profile
perusahaan.
Dari penjelasan langkah-langkah diatas, maka proses login ini bisa digambarkan dengan Activity Diagram Profile Perusahaan dan Sequence Diagram Profile Perusahaan. Kedua diagram tersebut adalah sebagai berikut :
22
Mulai
Admin memilih menu Home
Halaman Home terbuka
Selesai
Gambar 3. 5 : Activity Diagram Menampilkan Profile Perusahaan
Admin
Halaman Home
Halaman Utama Tekan menu Profile Perusahaan Menampilkan halaman Home
Gambar 3. 6 : Sequence Diagram Menampilkan Halaman Home
3.4.5
Spesifikasi Use Case Diagram : Import Data
Usecase : Import Data Actor : Admin Tujuan : Menampilkan halaman Import data Deskripsi : Actor melakukan proses import data dan penentuan centroid awal
23
Langkah-langkahnya :
Tindakan yang dilakukan actor
Respon Program
1. Actor memilih menu Semua Data
1. Program akan menampilkan menu Import data. 2. Jika user admin memilih menu Import Data, maka akan menampilkan inputan data
excel
dan
penentuan
jumlah
centroid.
Dari penjelasan langkah-langkah diatas, maka proses Import Data ini bisa digambarkan dengan Activity Diagram Import Data dan Sequence Diagram Import Data. Kedua diagram tersebut adalah sebagai berikut :
Mulai
Admin memilih menu Import Data
Koneksi ke server basis data
Halaman Import Data
Selesai
Gambar 3. 7 : Activity Diagram Import Data
24
Admin Form Import Data
Halaman Import Data
Server basis data
Memilih Menu Import Data Menampilkan halaman import data Include koneksi basis data
Gambar 3. 8 : Sequence Diagram Import Data
3.4.6
Spesifikasi Use Case Diagram : Hasil Clustering
Usecase : Hasil Clustering Actor : Admin Tujuan : Menampilkan halaman Hasil Clustering Deskripsi : Menampilkan halaman hasil clustering untuk proses berikutnya Langkah-langkahnya : Tindakan yang dilakukan actor 1. Actor memilih menu Hasil Clustering
Respon Program 1. Program akan menampilkan menu Hasil Clustering. 2. Jika user admin memilih menu Hasil Clustering, maka akan menampilkan hasil dari proses clustering berupa tahapan iterasi dari awal hingga selesai.
Dari penjelasan langkah-langkah diatas, maka proses menampilkan hasil clustering ini bisa digambarkan dengan Activity Diagram Hasil Clustering dan Sequence Diagram Hasil Clustering. Kedua diagram tersebut adalah sebagai berikut :
25
Mulai
Admin memilih menu Hasil Clustering
Koneksi ke server basis data
Halaman Hasil Clustering
Selesai
Gambar 3. 9 : Activity Diagram Hasil Clustering
Admin Form Hasil Clustering
Halaman Hasil Clustering
Server basis data
Menampilkan halaman Hasil Clstering Include koneksi basis data
Memilih Menu Hasil Clustering
Gambar 3. 10 : Sequence Diagram Hasil Clustering
3.4.7
Spesifikasi Use Case Diagram : Logout
Usecase : Logout Actor : Admin Tujuan : Melakukan Logout Deskripsi : Actor melakukan proses logout Langkah-langkahnya :
26
Tindakan yang dilakukan actor
Respon Program
1. Actor menekan menu logout
1. Program akan mengakhiri proses pada aplikasi. 2. Program kembali ke form login (form awal)
Dari penjelasan langkah-langkah diatas, maka proses logout ini bisa digambarkan dengan Activity Diagram Logout dan Sequence Diagram Logout. Kedua diagram tersebut adalah sebagai berikut : Mulai
Tekan menu Logout
Halaman Login
Selesai
Gambar 3. 11 : Activity Diagram Logout
Admin Menu Logout
Halaman Selamat Datang
Tekan menu Logout Program kembali ke halaman login validasi user
Gambar 3. 12 : Sequence Diagram Logout
27
3.4.8
Alur Proses persiapan dataset
Mulai
Ambil data transaksi atm
Simpan ke format excel
Lakukan seleksi attribute
Lakukan transformasi dengan tabel spesifikasi
Konversi data menjadi numerik
Lakukan integrasi/merge data
Simpan file dengan format Excl 97-2003 workbook
Selesai
Gambar 3. 13 : Alur Proses Persiapan dataset
28
3.4.9
Class Diagram
Class Diagram merupakan gambaran dari keadaan suatu sistem yang bisa digunakan untuk menjalankan sistem itu sendiri. Dalam studi kasus ini bentuk dari class diagram adalah sebagai berikut :
Gambar 3. 14 : Class diagram K-mean
3.5
Perancangan Antar Muka
Perancangan antarmuka akan memperlihatkan desain layout aplikasi yang akan dibangun dan merupakan bentuk nyata dari sistem yang akan dibangun. Berikut adalah rancangan antar muka aplikasi yang akan dibangun dalam studi kasus ini :
29
3.5.1
Desain Form Login
Desain antar muka untuk halaman login adalah sebagai berikut :
Gambar 3. 15 : Halaman Login
3.5.2
Desain Form Halaman Utama
Desain antar muka untuk halaman utama adalah sebagai berikut :
Gambar 3. 16 : Halaman Utama
30
3.5.3
Desain Form Halaman Import Data
Gambar 3. 17 : Halaman Import Data
3.5.4
Desain Form View Hasil Clustering
Desain antar muka untuk halaman Hasil Clustering adalah sebagai berikut :
Gambar 3. 18 : Halaman Hasil Clustering
31
