BAB III ANALISA DAN PERANCANGAN

BAB III ANALISA DAN PERANCANGAN

1.1

Analisa dan Identifikasi Penjurusan mahasiswa merupakan hal krusial, dimana mahasiswa yang memilih

jurusan sesuai dengan kompetensi yang dimiliki akan dikatakan berhasil apabila memiliki nilai yang sesuai (dalam hal ini di atas rata-rata). Dalam pemilihan jurusan yang ada di sebuah universitas oleh seorang mahasiswa akan menentukan perkembangan universitas tersebut apabila mahasiswa yang dimilikinya sesuai dengan kriteria yang telah ada atau yang telah ditentukan oleh setiap jurusan yang ada di universitas tersebut. Saat ini universitas x masih kurang memperhatikan aspek-aspek yang ada dalam penyeleksian mahasiswa baru yang akan mendaftar ke universitas tersebut. Apabila dalam penerimaan mahasiswa baru masih belum memperhatikan berbagai aspek atau standar yang telah diterapkan, maka hal itu akan membuat universitas x mendapatkan calon mahasiswa yang tidak sesuai komptensi di dalam bidang ilmu atau jurusan yang akan ditempuh. Diperlukan suatu aplikasi dalam mendukung penerimaan calon mahasiswa baru yang ada di universitas tersebut. 1.1.1

Lokasi Perancangan Obyek

Lokasi perancangan objek bertempat di universitas x yang merupakan salah satu universitas yang masih menggunakan sistem manual dalam penerimaan mahasiswa baru. 3.1.2 Jenis Perancangan

23 http://digilib.mercubuana.ac.id/

Perancangan yang dilakukan merupakan perancangan baru. Menjadikan universitas x mudah untuk mendapatkan calon mahasiswa baru yang memiliki kompetensi dalam bidang atau keahlian yang akan ditempuh dalam masa studi.

3.1.3 Subyek dan Obyek Penelitian Adapun yang menjadi subjek perancangan adalah manusia sebagai user dari sistem yang nantinya akan dibuat. Obyek merupakan perancangan sistem untuk memprediksi mahasiswa dalam menentukan jurusan yang sesuai dengan kompetensi yang dimiliki berdasarkan nilai ujian nasional dan juga berdasarkan index prestasi kumulatif (IPK) yang telah diperoleh oleh mahasiswa yang telah melaksanakan masa studi. 3.1.4 Pengumpulan Data Pengumpulan data yang dilakukan adalah dengan cara mengumpulkan datadata calon mahasiswa termasuk nilai ujian nasional, serta data mahasiswa yang telah melaksanakan studi. Dalam pengumpulan data digunakan beberapa metode sebagai berikut : a. Metode Dokumentasi Metode dokumentasi yang akan digunakan dalam penelitian ini dengan mencari data mengenai hal-hal atau variable berupa catatan, buku, literatur di internet dan sebagainya. Untuk mendapatkan data-data dan teori yang berkaitan dengan obyek, tema, konsep perancangan dan lain sebagainya. b. Survey dan Observasi Untuk mendapatkan data-data yang berkaitan dengan kondisi obyek yang ada dan untuk pendukung dalam pengolahan data yang akan diolah. Dipelajari secara terperinci segala kendala dan kriteria pembatas yang ada.


3.1.5 Analisa penerapan Algoritma K-Nearest Neighbor K-nearest neighbor adalah algoritma supervised learning dimana hasil dari instance yang baru diklasifikasikan berdasarkan mayoritas dari kategori K-tetangga terdekat. Algoritma K-Nearest neighbor adalah algoritma yang digunakan untuk sistem pengklasifikasian. Klasifikasi yang dilakukan adalah dengan menggunakan neighborhood classification sebagai nilai prediksi dari nilai instance yang baru. K nearest neighbor bekerja berdasarkan jarak minimum dari data baru ke sampel data training untuk menentukan K tetangga terdekat. Penerapan pada aplikasi prediksi ini adalah dengan menjadikan nilai ujian nasional dari mahasiswa yang telah menjalani masa studi menjadi data training yang nantinya akan diuji coba oleh data nilai ujian nasional calon mahasiswa baru yang akan mendaftar. Apabila ditemukan perbandingan bernilai nilai n+1 atau n-1 dari data training dan data testing, maka data hasil tersebut yang akan digunakan sebagai informasi bagi prediksi calon mahasiswa baru dalam pemilihan jurusan yang sesuai. Setelah itu, kita dapatkan nilai mayoritas sebagai hasil prediksi dari data yang baru tersebut. Langkah-langkah yang ada dalam penerapan algoritma K-Nearest Neighbor adalah sebagai berikut : 1. Tentukan parameter K = jumlah banyaknya tetangga terdekat 2. Hitung jarak antara data baru dan semua data yang ada di data training. 3. Urutkan jarak tersebut dan tentukan tetangga mana yang terdekat berdasarkan jarak minimum ke-K. 4. Tentukan kategori dari tetangga terdekat. Yaitu hasil dari pengolahan data training dan juga data testing dari aplikasi yang telah dirancang. 5. Gunakan kategori mayoritas yang sederhana dari tetangga yang terdekat tersebut sebagai nilai prediksi dari data yang baru.


3.2 Perancangan Sistem Perancangan sistem dalam aplikasi dimulai dari perancangan flowchart program, flowchart penggunaan KNN, use case diagram, activity diagram, sequence diagram, class diagram, perancangan database sistem, dan perancangan hierarki menu. 3.2.1 Metode Perancangan Sistem Model yang digunakan adalah Relational Unified Process. Metode RUP adalah kerangka kerja proses pengembangan perangkat lunak iteratif, dikendalikan oleh use case, berpusat pada arsitektur melalui penambahan sedikit demi sedikit (incremental). Secara garis besar RUP memiliki langkah-langkah sebagai berikut: 1. Tahapan pengenalan (inception) dari unified process membahas tentang komunikasi dengan para pengguna yang akan menggunakan sistem dan juga membahas aktivitas-aktivitas perencanaan dari pembuatan sistem. 2. Tahapan elaboration, digunakan untuk menghaluskan dan mengembangkan use case awal yang dikembangkan dalam tahapan inception dan mengembangkan representasi arsitektural. 3. Tahapan konstruksi, digunakan untuk mengembangkan komponen-komponen perangkat lunak yang akan membuat masing-masing use case bersifat operasional untuk masing-masing pengguna. Untuk dapat digunakan dengan baik, model-model spesifikasi kebutuhan dan perancangan yang diperoleh dari tahapan elaboration untuk menghasilkan versi akhir dari sistem yang dikembangkan secara bertahap. 4. Tahapan transition (penyerahan) , merupakan proses dimana sistem yang telah dibuat akan diserahkan kepada pengguna akhir untuk dilakukan pengujian. Apabila dalam aplikasi prediksi penerimaan calon mahasiswa baru terdapat cacat-cacat program ataupun perubahan dapat langsung dilakukan dengan cepat dan terstruktur.


5. Tahapan production, pada tahapan ini, pengguna perangkat lunak dipantau, dukungan untuk lingkungan operasional (infrastruktur) disediakan, dan laporan tentang cacat program dan permintaan untuk perubahan-perubahan dikirimkan dan dievaluasi. 3.2.2 Flowchart Flowchart merupakan bagan yang menunjukkan alur kerja atau apa yang sedang dikerjakan di dalam sistem secara keseluruhan dan menjelaskan urutan dari prosedurprosedur yang ada di dalam sistem tersebut.


Gambar 4 . Flowchart proses kerja knn

a. Masuk ke halaman menu utama. b. Data training dimasukkan. c. Menentukan nilai k untuk pencarian jarak terdekat dengan data training. d. Membuat label untuk setiap data training untuk pengujian dengan data testing aplikasi dari data calon mahasiswa baru. e. Menentukan jarak terdekat antara data training dan data testing sebagai pengambilan keputusan. f. Mengurutkan hasil jarak terdekat dari data training sebagai bahan hasil uji coba dari data testing. g. Sistem akan menampilkan data hasil uji coba dan menempatkan data baru tersebut ke dalam kelas. 3.2.3 Use Case Diagram Diagram use case menggambarkan fungsionalitas dari suatu bangun sistem, agar pengguna atau user dari sistem yang kita buat dapat memahami dan mengerti mengenai bagaimana kegunaan sistem yang akan dibangun secara garis besar.


Gambar 5. Diagram Use Case 3.2.3.1 Definisi Aktor Terdapat satu aktor dalam use case diagram yaitu user. User merupakan orang yang dapat melakukan hak pakai penuh aplikasi dalam proses prediksi jurusan calon mahasiswa baru. Hanya ada satu pemakai dalam aplikasi yang dijalankan. User akan menerima data testing berupa nilai ujian nasional yang akan diinput dan nantinya akan dibandingkan dengan nilai mahasiswa (data training) yang telah menjalani masa studi di universitas tersebut. User dapat melakukan : a. Manage data training, yaitu menambah data, merubah data, dan menghapus data training yang selanjutnya akan diolah oleh sistem. Data training yang dimasukkan belum memiliki kelas sehingga akan dilakukan proses yang nantinya data tersebut akan digunakan dalam proses penentuan kelas (klasifikasi). b. Proses mining, yaitu proses penambangan informasi dari data mining dengan menggunakan algortima k-nearest neighbor sampai penemuan informasi yang 29 http://digilib.mercubuana.ac.id/

akurat mengenai proses penjurusan mahasiswa baru yang akan memasuki universitas x. c. Manage data penentu prediksi, yaitu menambah, merubah dan menghapus data penentu prediksi. Data tersebut merupakan data baru dan bukan data training karena tidak memiliki kelas sehingga setelah proses akan memiliki kelas. d. Proses penentuan prediksi dari data baru yang diinputkan oleh user. Proses dilakukan berdasarkan cara kerja algoritma k-nearest neighbor yang dirancang sebelumnya sehingga data tersebut memiliki kelas. 3.2.4 Activity Diagram Activity diagram merupakan suatu diagram yang dapat menampilkan secara detail urutan proses dari aplikasi. Perancangan aplikasi dapat digambarkan oleh activity diagram sebagai berikut : a. Activity diagram proses keputusan algoritma k-nearest neighbor :


Gambar 6. Activity Diagram proses algoritma knn Tabel 1 . Activity Diagram proses algoritma Knn

Nama Activity

Activity Diagram Proses Algoritma Knn

Deskripsi

Dalam proses di activity diagram, pertama user akan mengolah(CRUD) data training ke dalam database, lalu sistem

akan

menyimpan

kedalam

database

phpMyAdmin yang telah dirancang. Kemudian user akan memilih data training yang akan diolah kemudian sistem akan menentukan nilai k. Dan juga sistem akan


membuat label untuk masing-masing data training yang telah diinput dan disimpan didalam database. Data tersebut akan dihitung jarak dari data baru dan semua data training. Sistem akan mengurutkan jarak terdekat berdasarkan jarak minimum ke-k , kemudian terakhir sistem akan menentukan prediksi dari data yang baru. b. Activity diagram input data testing oleh user

Gambar 7. Activity Diagram olah data testing oleh user


Tabel 2. Activity Diagram mengolah data testing

Nama Activity

Activity Diagram mengolah data testing

Deskripsi

Saat pertama membuka aplikasi, , maka user akan langsung masuk pada halaman prediksi dan langsung diminta untuk menginput nilai ujian nasional calon mahasiswa yang nantinya akan di bandingkan dengan nilai mahasiswa yang telah menjalani masa studi. Dalam hal ini nilai ujian nasional akan di bandingkan dengan nilai mahasiswa yang telah memiliki IPK , apabila nilainya sama dengan salah satu mahasiswa yang telah menjalani masa studi, maka itulah hasil yang akan dijadikan prediksi kepada calon mahasiswa baru dalam memilih jurusan. Pada proses mining, sistem akan memilih nilai yang memiliki perbandingan 1, semisal nilai ujian nasional mata pelajaran matematika adalah 70, maka data yang akan ditampilkan adalah nilai yang memiliki nilai n+1 dan n-1.

c. Activity diagram input data calon mahasiswa baru oleh user :


Gambar 8. Activity diagram input data baru Tabel 3. Activity Diagram input data baru

Nama Activity

Activity Diagram input data calon mahasiswa baru

Deskripsi

Pada menu input data baru, user akan menginput data baru yang akan dijadikan sebagai data training yang nantinya akan dibandingkan dengan data baru, yaitu data testing dari calon mahasiswa baru yang akan memasuki universitas dengan nilai ujian nasional yang akan


menjadi perbandingan dengan data training yang telah diinput. Data training ini merupakan data yang telah terklasifikasi membentuk kelas-kelas data.

d. Activity diagram proses prediksi calon mahasiswa baru :

Gambar 9. Activity diagram proses prediksi penjurusan mahasiswa baru Tabel 4. Activity diagram proses prediksi penjurusan mahasiswa baru


Nama Activity

Activity Diagram proses prediksi penjurusan mahasiswa baru

Deskripsi

Dengan data yang telah diinput kedalam database, maka sistem akan mencocokkan data yang ada didalam database melalui proses mining yang menghasilkan informasi berupa nilai ujian dan ipk mahasiswa yang telah menjalani masa studi , apakah cocok dengan kriteria jurusan dari calon mahasiswa baru yang dipilih, bila cocok maka jurusan akan mendapatkan mahasiswa yang sesuai dengan kualitasnya.

3.2.5 Sequence Diagram a. Sequence diagram input data training mahasiswa


Gambar 10. Sequence diagram mengolah data training Tabel 5 Deskripsi Sequence mengolah data training

Nama Sequence

Sequence mengolah data training oleh user

Deskripsi Singkat

User mengelola data training yang ada di aplikasi

Aktor

User

Pra Kondisi

Membuka aplikasi pada localhost

Tindakan Utama

User membuka aplikasi pada localhost:8080, lalu memilih menu input data, User mengola data mahasiswa (CRUD) dengan input kedalam field, lalu klik simpan data untuk proses simpan ke database sistem.

Tindakan Alternatif

-


Pasca Kondisi

Penambahan atau perubahan yang dilakukan oleh User akan langsung ditampilkan.

b. Sequence diagram proses prediksi penjurusan mahasiswa baru

Gambar 11.Sequence diagram proses prediksi Tabel 6. Sequence diagram proses prediksi Nama Sequence

Sequence diagram proses prediksi oleh user

Deskripsi Singkat

User mengelola data nilai calon mahasiswa baru

Aktor

User

Pra Kondisi

Membuka menu prediksi penjurusan

Tindakan Utama

User memilih dropdown menu Pilih Jurusan kemudian mengolah (CRUD) data nilai calon mahasiswa baru. User akan mendapatkan hasil prediksi dari klasifikasi data training dan data testing oleh sistem.

Tindakan Alternatif

-


Pasca Kondisi

Penambahan atau perubahan yang dilakukan oleh User akan langsung ditampilkan.

3.3 Perancangan Database 3.3.1 Diagram Database Diagram database digunakan untuk membantu dalam merencanakan, mengatur, mengontrol dan mengevaluasi pembuatan database pada aplikasi disertai dengan gambar relasi antar tabel yang ada di database. Berikut diagram database yang digunakan.

Gambar 12. Entity Relationship Diagram Berikut adalah struktur table yang digunakan dalam sistem 1. Nama Database

: db_fajar

Nama table

: fakultas

Primary key

: fakultas_id


Tabel 7 . Tabel fakultas no

Nama field

1.

Fakultas_id

2.

Nama_fakultas

jenis

Lebar

Desimal

Keterangan

int

11

-

Id fakultas

varchar

40

-

Nama fakultas

2. Nama Database : db_fajar Nama table

: jurusan

Primary Key

: jurusan_id

Tabel 8. Tabel jurusan no

Nama field

1.

jurusan_id

2.

Nama

jenis

Lebar

Desimal

Keterangan

int

11

-

Id jurusan

varchar

50

-

Nama jurusan sekolah

3. Nama Database : db_fajar Nama table

: mahasiswa

Primary Key

: nim

Tabel 9. Tabel mahasiswa no

Nama field

jenis

Lebar

Desimal

Keterangan

1.

nim

int

12

-

Nim mahasiswa

2.

Siswa_id

int

11

-

Id siswa

3.

nama

varchar

100

-

Nama mahasiswa

4.

Fakultas_id

int

11

-

Id fakultas


5.

ipk

float

-

-

Indeks prestasi kumulatif

jenis

Lebar

Desimal

Keterangan

4. Nama database : db_fajar Nama table

: siswa

Primary Key

: siswa_id

Tabel 10. Tabel siswa no

Nama field

1.

siswa_id

int

11

-

Id siswa

2.

jurusan_id

int

11

-

Id jurusan

3.

b_indonesia

int

11

-

Nilai Bahasa Indonesia

4.

mtk

int

11

-

Nilai matematika

5.

b_ingrris

int

11

-

Nilai Bahasa inggris

6.

biologi

int

11

-

Nilai biologi

7.

kimia

int

11

-

Nilai kimia

8.

fisika

int

11

-

Nilai fisika

9.

ekonomi

int

11

-

Nilai ekonomi

10.

geografi

int

11

-

Nilai geografi

11.

sosiologi

int

11

-

Nilai sosiologi

12.

kejuruan

int

11

-

Nilai kejuruan (SMK)

3.4 Rancangan Aplikasi


Aplikasi prediksi penjurusan calon mahasiswa baru ini dimulai dari proses analisa dan perencanaan menggunakan alat bantu perancangan sistem pendekatan terstruktur, dimulai dengan tahapan pemilihan algoritma, pembuatan flowchart, use case diagram, activity diagram, sequence diagram serta konstruksi program menggunakan HTML, PHP dan PHPMyadmin sebagai databasenya. A. Rancang Layar Menu Data Training Layar utama memiliki header, menu horizontal, dan footer. Setiap menu horizontal memiliki beberapa menu-menu berikutnya. Menu pada layer utama yaitu sebagai berikut : 1. Menu Prediksi Penjurusan 2. Menu Input data training

Gambar 13. Antar Muka Menu Prediksi Penjurusan Pada menu prediksi penjurusan, user akan langsung menginput nilai ujian nasional calon mahasiswa baru. Terdapat drop down menu Pilih Jurusan yang pilihannya terdapat jurusan IPA, IPS, dan Kejuruan. Kemudian user memilih fakultas yang dipilih oleh calon mahasiswa baru untuk melihat nilai-nilai ujian yang ada didalam database. 42 http://digilib.mercubuana.ac.id/

1. Drop down menu “pilih jurusan” yang apabila diklik akan muncul 3 pilihan jurusan yaitu jurusan IPA, jurusan IPS, dan kejuruan. Apabila user memilih jurusan IPA maka akan muncul input nilai ujian Bahasa Indonesia, Bahasa Inggris, Matematika, Biologi, Fisika, dan Kimia. 2. Menu input nilai adalah menu yang langsung diisi oleh user didapat dari nilai calon mahasiswa baru yang akan memilih jurusan yang sesuai. 3. Drop down menu Pilih Fakultas, berisi nama-nama fakultas yang ada. Ada 6 Fakultas yang ada di pilihan drop down menu tersebut.

A. Rancang Layar Menu Input Data Training

Gambar 14. Menu Input Data Training Pada halaman menu input data training, user dapat mengolah data mahasiswa sebagai data training yang nantinya akan di masukkan kedalam kelas-kelas data. Data training berisi nama mahasiswa, nim mahasiswa, fakultas, jurusan (IPA, IPS, dan SMK), dan terakhir nilai ujian nasional mahasiswa yang telah menjalani masa studi di universitas. Data training ini akan tersimpan ke dalam database PHPMyAdmin. Data training yang


telah diolah (CRUD) akan dilakukan pengujian dengan data testing pada bagian halaman menu data testing. A. Rancang Layar Hasil Prediksi Penjurusan Mahasiswa Baru NAMA

B.

FAKULTAS

IPK

NILAI UN 1

NILAI UN 2

NILAI UN 3

NILAI UN 4

NILAI UN 5

NILAI UN 6

Fajar

Ilmu Komputer

3.55

80

70

73

89

80

70

Vive

Ilmu Komunikasi

3.50

79

80

67

70

80

75

Gambar 15. Rancang Layar Hasil Prediksi


BAB III ANALISA DAN PERANCANGAN

Recommend Documents