20
BAB IV HASIL DAN PEMBAHASAN A. Hasil Penelitian 1. Analisis Permasalahan Penjurusan di SMA dilakukan pada saat siswa berada di kelas X (sepuluh) dan akan naik ke kelas XI (sebelas). Masalah yang sering terjadi dalam proses penjurusan adalah keterlambatan nilai siswa dari para wali kelas, akibatnya pada akhir proses penjurusan para tim penentu jurusan berburu waktu sehingga proses penjurusan kurang tepat, ditambah lagi dengan banyaknya jumlah siswa kelas X. Untuk
mengatasi
permasalahan
tersebut
penulis
bermaksud
untuk
menganalisis proses penjurusan yang ada saat ini sehingga proses penjurusan lebih terarah sesuai dengan kemampuan siswa dan menggunakan logika fuzzy dengan model sugeno., sebab konsep logika fuzzy didasarkan pada bahasa alami. 2. Perancangan Sistem Inferensi Fuzzy Sistem Inferensi Fuzzy penentuan jurusan yang dibuat mempunyai tujuh variabel input. Variabel input terdiri atas RIPA, RIPS, RBahasa, Tes IQ, Minat IPA, Minat IPS dan Minat Bahasa. Variabel RIPA adalah nilai rata-rata dari mata pelajaran matematika, biologi, fisika dan kimia. Variabel RIPS adalah nilai rata-rata mata pelajaran ekonomi, sosiologi, geografi dan sejarah. Variabel RBahasa merupakan nilai rata-rata dari mata pelajaran bahasa indonesia, bahasa inggris dan TIK. Menurut Wakil kepala sekolah bidang kurikulum, siswa yang dapat masuk ke jurusan IPA yakni memiliki nilai rata-rata di atas 80, sedangkan untuk jurusan IPS dan Bahasa
20
21
minimal 78. Variabel Tes IQ adalah nilai dari Tes IQ yang diadakan oleh pihak sekolah pada saat penerimaan siswa baru. Variabel minat IPA, IPS dan Bahasa merupakan nilai minat siswa terhadap jurusan yang diinginkan. Selama ini minat siswa hanya berupa pertanyaan tentang jurusan apa yang diminati oleh siswa bersangkutan, minat siswa bersifat ambigu sehingga perlu direpresentasikan dengan angka. Disarankan agar nilai minat jurusan ini diisi siswa dengan menuliskan nilai antara 0 sampai 100 yang merepresentasikan keinginan siswa untuk masuk ke kelas IPA, IPS atau Bahasa. Pada perancangan sistem inferensi fuzzy ada beberapa tahap, diantaranya adalah pembentukan himpunan fuzzy dan penentuan rules (aturan-aturan). a.
Pembentukan Himpunan Fuzzy (Fuzzifikasi) Himpunan fuzzy yang dibuat untuk tiap-tiap variabel input terlihat pada Tabel
4.1. Fungsi derajat keanggotaan yang digunakan pada tiap variabel fuzzy ditentukan berdasarkan keadaan di SMA N 1 Kota Gorontalo dengan melakukan wawancara dengan Wakil Kepala Sekolah Bidang Kurikulum. Tabel 4.1 Himpunan input fuzzy Variabel
Himpunan input fuzzy Domain
Nama RIPA
RIPS RBahasa
Notasi
Nama
Notasi
rendah
r
[55,75]
tinggi
t
[65,100]
rendah
r
[55,78]
tinggi
t
[63,100]
rendah
r
[55,78]
a
b c
21
22
Tes IQ
d
Minat IPA
tinggi
t
[63,100]
rata-rata
r
[90,110]
atas rata-rata
ar
[108,120]
superior
s
[118,130]
tidak minat
tm
[0,90]
minat
m
[10,100]
tidak minat
tm
[0,90]
minat
m
[10,100]
tidak minat
tm
[0,90]
minat
m
[10,100]
e
Minat IPS
f
Minat Bahasa
g
a. Fungsi derajat keanggotaan variabel RIPA (a) 1 75 − ( )= 15 0
; 55 ≤
≤ 60
; 60 <
< 75
;
≥ 75 (8)
( )=
0 ; ≤ 65 − 65 ; 65 < < 80 15 1 ; 80 ≤ ≤ 100
Gambar 4.1 Fungsi keanggotaan variabel RIPA
22
23
b. Fungsi derajat keanggotaan variabel RIPS (b) 1 73 − ( )= 15 0
; 55 ≤
≤ 58
; 58 <
< 73
; ≥ 73 (9)
( )=
0 ; ≤ 63 − 63 ; 63 < < 78 15 1 ; 78 ≤ ≤ 100
Gambar 4.2 Fungsi keanggotaan variabel RIPS c. Fungsi derajat keanggotaan variabel Rbahasa (c) 1 73 − ( )= 15 0
; 55 ≤
≤ 58
; 58 <
< 73
; ≥ 73 (10)
( )=
0 ; ≤ 63 − 63 ; 63 < < 78 15 1 ; 78 ≤ ≤ 100
Gambar 4.3 Fungsi keanggotaan variabel RBahasa 23
24
d. Fungsi derajat keanggotaan variabel Tes IQ (d) 1 110 − ( )= 2 0
( )=
⎧ ⎪
; 90 ≤
≤ 108
; 108 <
< 110
; 1
≥ 110
; 108 <
< 110
; 110 ≤
≤ 118
⎨ ; 118 < < 120 ⎪ ⎩ 0 ≤ 108 ≥ 120 0 ; ≤ 118 − 118 ( )= ; 118 < < 120 2 1 ; 120 ≤ ≤ 130
(11)
Gambar 4.4 Fungsi keanggotaan variabel Tes IQ e. Fungsi derajat keanggotaan variabel Minat IPA (e)
( )=
90 − 90 0
;0 ≤
≤ 90
; > 90 (12)
( )=
0 − 10 90
; < 10 ; 10 ≤
≤ 100
24
25
Gambar 4.5 Fungsi keanggotaan variabel Minat IPA f. Fungsi derajat keanggotaan variabel Minat IPS (f) 90 − ( )= 90 0
;0 ≤ ;
≤ 90 > 90 (13)
( )=
0 − 10 90
; ; 10 ≤
< 10 ≤ 100
Gambar 4.6 Fungsi keanggotaan variabel Minat IPS g. Fungsi derajat keanggotaan variabel Minat Bahasa (g)
( )=
90 − 90 0
;0 ≤ ;
≤ 90 > 90 (14)
25
26
( )=
0 − 10 90
;
< 10
; 10 ≤
≤ 100
Gambar 4.7 Fungsi keanggotaan variabel Minat Bahasa
b. Pembentukan Aturan (Rules) Rules berupa pernyataan-pernyataan yang ditulis dalam bentuk aturan if-then, aturan-aturan penentuan jurusan ini diperoleh dari hasil wawancara dan pendapat dari Wakil kepala sekolah bidang kurikulum. Berdasarkan variabel input yang ada maka dapat dibentuk 192 aturan. Aturan yang terbentuk dapat dilihat pada lampiran. 3. Perancangan Sistem a.
Analisis Kebutuhan Sistem
1) Sistem dapat digunakan oleh guru sebagai admin untuk membantu dalam proses penentuan jurusan. 2) Sistem dapat mengolah data siswa dan nilai siswa yang dibutuhkan dalam proses penjurusan. 3) Sistem mampu melakukan perpindahan jurusan bagi para siswa yang ingin pindah jurusan, dengan beberapa persyaratan dan ketentuan yang ditetapkan oleh pihak sekolah. 4) Sistem dapat menampilkan dan mencetak laporan hasil penjurusan. 26
27
5) Sistem dapat digunakan pada komputer dengan sistem operasi windows. 6) Model yang digunakan dalam sistem adalah model sugeno, berikut adalah flowchart model sugeno : a)
Input nilai variabel Data variabel yang diperlukan dalam sistem sebagai inputan dalam proses
penjurusan ini adalah nilai mata pelajaran terkait jurusan ipa, ips dan bahasa, nilai Tes IQ dan minat siswa. Adapun variabel-variabel tersebut adalah RIPA, RIPS, RBahasa, Tes IQ, Minat IPA, Minat IPS dan Minat Bahasa. Nilai variabelvariabel tersebut dimasukkan ke dalam himpunan fuzzy dengan atribut linguistiknya masing-masing. b) Menentukan derajat keanggotaan himpunan variabel fuzzy Setiap
variabel
sistem
dalam
himpunan
keanggotaannya (µ) untuk setiap atribut
fuzzy
ditentukan
derajat
linguistiknya. Dimana derajat
keanggotaan tersebut menjadi nilai dalam himpunan fuzzy. c)
Menghitung predikat aturan (α) Variabel-variabel yang telah dimasukkan dalam himpunan fuzzy, dibentuk
aturan-aturan yang diperoleh dengan mengkombinasikan setiap variabel dengan variabel yang satu dengan atribut lingusitiknya masing-masing. Aturan-aturan yang telah diperoleh akan dihitung nilai predikat aturannya dengan proses implikasi. Dalam model Sugeno proses implikasi dilakukan dengan operasi Min. Predikat aturan tersebut diperoleh dengan mengambil nilai minimum dari derajat
27
28
keanggotaan variabel yang satu dengan variabel yang lain, yang telah dikombinasikan dalam aturan yang telah ditentukan sebelumnya. d) Defuzifikasi Setelah menghitung semua predikat aturan yang telah ditentukan, nilai defuzzifikasi dapat ditentukan. Pada model Sugeno nilai defuzifikasi diperoleh dengan perhitungan Weight Average (WA) : ⋯
=
dengan
(15)
⋯
: nilai predikat aturan ke-n
: indeks nilai output (konstanta) ke-n e)
Hasil keputusan Hasil keputusan diperoleh dengan mencari nilai kedekatan antara hasil
defuzifikasi dengan indeks output. Adapun flowchart model sugeno dapat dilihat pada gambar 4.8
28
29
Gambar 4.8 Flowchart model sugeno
29
30
b. Perancangan Struktur Menu Sistem
Menu Utama
Data
Siswa
Proses
Penjurusan
Laporan
Tentang
Keluar
Pindah Jurusan
Simpan
Ubah
Hapus
Gambar 4.9 Struktur menu sistem c. Perancangan Antarmuka a. Rancangan menu login Menu ini digunakan untuk memasukkan nama pengguna dan kata sandi agar pengguna dapat menggunakan sistem ini. Apabila nama dan kata sandi yang dimasukkan oleh pengguna benar maka pengguna akan masuk ke tampilan menu utama dari sistem.
30
31
Nama : Kata Sandi :
Masuk
Batal
Gambar 4.10 Rancangan menu login b. Rancangan menu utama menu utama merupakan tampilan awal dari program, dimana terdapat beberapa pilihan menu dan sub menu yang berfungsi untuk mengakses menu lainnya yang disediakan. Data
Proses
- Siswa
- Penjurusan - Pindah Jurusan
Laporan
Tentang
Keluar
X
APLIKASI PENJURUSAN SMA Negeri 1 Kota Gorontalo Gambar 4.11 Rancangan menu utama c. Rancangan menu olah data siswa Menu olah data siswa ini digunakan untuk memasukkan data siswa, fasilitas yang disediakan berupa tombol untuk menyimpan, mengubah maupun menghapus data siswa. Selain itu juga menu ini dapat menampilkan data-data siswa yang telah disimpan.
31
32
X Simpan
Ubah
Hapus
NIS : NIS
| Nama
| Jenis Kelamin | Alamat | Kelas
Nama : Jenis Kelamin : Alamat : Kelas :
Gambar 4.12 Rancangan menu olah data siswa d. Rancangan menu olah nilai siswa Menu ini disediakan untuk menginput nilai siswa, baik itu nilai mata pelajaran maupun nilai Tes IQ dan juga nilai minat siswa terhadap pelajaran ipa yang telah di transform ke bentuk angka. X NIS : Matematika : Fisika : Ekonomi : Geografi : B.Indo : TIK : Minat IPA : Biologi : Kimia : Sosiologi : Sejarah : B.Ing : Tes IQ : MinatBHS : Simpan NIS | Mat | Bio | Fis | Kim | Eko | Sos | Geo | Sej | B.Indo | B.Ing | TIK | IQ
Gambar 4.13 Rancangan menu olah nilai siswa
32
33
e. Rancangan menu pindah jurusan menu ini disediakan fasilitas untuk menangani para siswa yang ingin pindah jurusan dengan memenuhi persyaratan dan ketentuan yang ditetapkan oleh pihak sekolah. Jika jumlah siswa yang masuk ke jurusan Bahasa kurang dari 20 orang, maka siswa–siswa tersebut dipindahkan ke jurusan IPS. Jika ada orang tua siswa yang ingin memindahkan anaknya ke jurusan IPA maka harus menandatangi surat perjanjian agar siswa bersangkutan dapat memperbaiki nilai-nilai IPA dengan batas waktu 1 bulan X IPA
IPS
Bahasa
NIS | Nama |
NIS | Nama |
NIS | Nama |
Pindah
Pindah
Pindah
Gambar 4.14 Rancangan menu pindah jurusan
33
34
f. Rancangan laporan hasil penjurusan X
Logo
SMA 1 KOTA GORONTALO Jl. M.H Thamrin No. 8 Kelurahan Ipilo LAPORAN PENJURUSAN
NIS
|
Nama Lengkap
| Jenis Kelamin
|
Jurusan
Gorontalo, hh/bb/tttt Wakil Kepala Sekolah Bidang Kurikulum
_______________
Gambar 4.15 Rancangan laporan hasil penjurusan d. Perancangan Diagram Konteks Diagram Konteks adalah sebuah diagram sederhana yang mengambarkan hubungan antara entiti luar, masukan dan keluaran dari sistem. Diagram konteks direpresentasikan dengan lingkaran tunggal yang mewakiliki keseluruhan sistem.(Kristanto, 2008)
Gambar 4.16 Diagram Konteks Sistem Penentuan Jurusan 34
35
e. Perancangan DAD (Diagram Alir Data) DAD adalah suatu model logika data atau proses yang dibuat untuk menggambarkan darimana asal data dan kemana tujuan data yang keluar dari sistem, dimana data disimpan, proses apa yang menghasilkan data tersebut dan interaksi antara data yang tersimpan dan proses yang dikenakan pada data tersebut. (Kristanto, 2008)
Gambar 4.17 DAD Level 0 Sistem Penentuan Jurusan
35
36
Gambar 4.18 DAD Level 1 Olah data siswa
Gambar 4.19 DAD Level 1 Model sugeno
36
37
f. Relasi Tabel
Gambar 4.20 Relasi Tabel g. Perancangan Struktur Tabel
No
Field
Tabel 4.2 Rancangan tabel siswa Tipe data Panjang Keterangan
1
NIS
char
5
NIS sebagai primary key
2
Nama
char
30
Nama lengkap siswa
3
Jenis_Kelamin
char
1
Jenis kelamin
4
Kelas
char
3
Kelas siswa
5
Alamat
char
50
Tempat tinggal siswa
6
Hasil_Akhir
double
-
Nilai akhir
7
Jurusan
char
6
Jurusan yang di rekomendasikan
37
38
No
Field
1
NIS
2
Tabel 4.3 Rancangan tabel nilai Tipe data Panjang Keterangan char
5
NIS sebagai primary key
Matematika
double
-
Nilai matematika
3
Biologi
double
-
Nilai biologi
4
Fisika
double
-
Nilai fisika
5
Kimia
double
-
Nilai kimia
6
Ekonomi
double
-
Nilai ekonomi
7
Sosiologi
double
-
Nilai sosiologi
8
Geografi
double
-
Nilai geografi
9
Sejarah
double
-
Nilai sejarah
10
B_Indonesia
double
-
Nilai bahasa indonesia
11
B_Inggris
double
-
Nilai bahasa inggris
12
TIK
double
-
Nilai TIK
13
Tes IQ
double
-
Hasil Tes IQ
14
Minat_IPA
double
-
Angka minat masuk ipa
15
Minat_IPS
double
-
Angka minat masuk ips
16
Minat_Bahasa
double
-
Angka minat masuk bahasa
4. Contoh Kasus Seorang siswa memiliki nilai Tes IQ 125, nilai minat masuk IPA 100, nilai minat masuk IPS 0, nilai minat masuk Bahasa 0,dan nilai siswa dapat dilihat pada tabel 4.4
38
39
Tabel 4.4 Contoh data nilai siswa Mata Pelajaran Nilai Rata-Rata Matematika Biologi Fisika Kimia Ekonomi Sosiologi Geografi Sejarah Bahasa Indonesia Bahasa Inggris T.I.K
71 73 72 74 75 70 69 60 63 62 76
72,5
68,5
67
Langkah pertama adalah mencari derajat keanggotaan masing-masing variabel 1.
RIPA Dari persamaan (8) jika nilai rata-rata IPA = 72,5 maka derajat keanggotaan
fuzzy pada setiap himpunan adalah : a. Himpunan fuzzy rendah (72,5) =
(75 − 72,5) = 0,17 15
b. Himpunan fuzzy tinggi (72,5) = 2.
(72,5 − 65) = 0,50 15
RIPS Dari persamaan (9) jika nilai rata-rata IPS = 68,5 maka derajat keanggotaan
fuzzy pada setiap himpunan adalah : a. Himpunan fuzzy rendah (68,5) =
(73 − 68,5) = 0,30 15
39
40
b. Himpunan fuzzy tinggi (68,5) = 3.
(68,5 − 63) = 0,37 15
RBahasa Dari persamaan (10) jika nilai rata-rata Bahasa = 67 maka derajat
keanggotaan fuzzy pada setiap himpunan adalah : a. Himpunan fuzzy rendah (67) =
(73 − 67) = 0,40 15
b. Himpunan fuzzy tinggi (67) = 4.
(67 − 63) = 0,27 15
Tes IQ Dari persamaan (11) jika nilai Tes IQ = 125 maka derajat keanggotaan fuzzy
pada himpunan fuzzy superior adalah 1 5.
Minat IPA Dari persamaan (12) jika nilai minat masuk IPA = 100 maka derajat
keanggotaan fuzzy pada himpunan fuzzy minat adalah 1 6.
Minat IPS Dari persamaan (13) jika nilai minat masuk IPS = 0 maka derajat
keanggotaan fuzzy pada himpunan fuzzy tidak minat adalah 1 7.
Minat Bahasa Dari persamaan (14) jika nilai minat masuk Bahasa = 0 maka derajat
keanggotaan fuzzy pada himpunan fuzzy tidak minat adalah 1 40
41
Langkah kedua adalah menghitung nilai predikat aturan, karena operator yang dipakai adalah operator AND maka pada proses implikasi ini menggunakan fungsi min. Hasil dapat dilihat pada lampiran Langkah terakhir adalah defuzzifikasi Pada model Sugeno ada beberapa cara yang dapat digunakan dalam proses defuzzifikasi diantaranya dengan height method dan perhitungan weight average (wa). Jika menggunakan height method maka dari keseluruhan nilai predikat yang ada, dipilih nilai maksimumnya yaitu predikat nomor 159 = 0,37. Dengan demikian hasilnya adalah IPA Pada penelitian ini peneliti menggunakan perhitungan weight average (15), dengan menentukan nilai output terlebih dahulu Bahasa = 60, IPS = 80, IPA = 100 WA =
=
p
α z + α z +α z +⋯+α z α + α + α + ⋯+ α
∗ IPA + p
∗ BHS + p ∗ IPS + p ∗ IPS + p p +p +p +p +p
∗ IPA + p ∗ IPA + p +p +p +p
∗ IPA + p
∗ IPA
=
0,17 ∗ 100 + 0,17 ∗ 60 + 0,17 ∗ 80 + 0,17 ∗ 80 + 0,3 ∗ 100 + 0,27 ∗ 100 + 0,37 ∗ 100 + 0,27 ∗ 100 0,17 + 0,17 + 0,17 + 0,17 + 0,3 + 0,27 + 0,37 + 0,27
=
17 + 10,2 + 13,6 + 13,6 + 30 + 27 + 37 + 27 0,17 + 0,17 + 0,17 + 0,17 + 0,3 + 0,27 + 0,37 + 0,27
=
175,4 1,89
= 92,80
Dengan demikian maka siswa bersangkutan masuk jurusan IPA, hasil ini didapat dengan melihat nilai kedekatan antara indeks output dengan hasil defuzzifikasi.
41
42
5. Implementasi dan Pengujian a.
Implementasi sistem
1) Tampilan menu login Tampilan menu login dapat dilihat pada gambar 4.20, untuk masuk kedalam sistem pengguna diwajibkan untuk memasukan nama dan kata sandi yang valid. Jika nama atau kata sandi yang dimasukkan tidak valid maka pengguna tidak dapat menggunakan sistem.
Gambar 4.21 Tampilan menu login 2) Tampilan menu utama
Gambar 4.22 Tampilan menu utama
42
43
3) Tampilan menu olah data siswa
Gambar 4.23 Tampilan menu olah data siswa 4) Tampilan menu olah nilai siswa
Gambar 4.24 Tampilan menu olah nilai siswa
43
44
5) Tampilan menu pindah jurusan
Gambar 4.25 Tampilan menu pindah jurusan 6) Tampilan laporan
Gambar 4.26 Tampilan laporan
44
45
b. Pengujian Sistem 1) Rencana pengujian Sistem Rencana pengujian sistem dapat dilihat pada Tabel 4.7
No 1 2 3 4
Tabel 4.5 Rencana pengujian sistem Item Uji Detail Pengujian Jenis Pengujian Login Konfirmasi login Blackbox Olah data siswa Tambah, ubah, hapus Blackbox Olah nilai Simpan Blackbox Pindah jurusan Pindah Blackbox
2) Hasil pengujian sistem a)
Pengujian login
Data masukkan
Tabel 4.6 Pengujian login (data normal) Nama, kata sandi yang terdaftar
Yang diharapkan
pada saat menekan tombol masuk, pengguna dapat masuk ke menu utama dan dapat menggunakan sistem
Pengamatan
Pengguna dapat masuk ke dalam sistem dengan nama dan kata sandi yang terdaftar pada sistem
Kesimpulan
Sukses
Data masukkan
Tabel 4.7 Pengujian login (data salah) Nama, kata sandi yang tidak terdaftar
Yang diharapkan
Pada saat menekan tombol masuk, pengguna tidak dapat masuk ke menu utama dan akan tampil pesan kesalahan nama ataupun kata sandi yang dimasukan
Pengamatan
Pengguna tidak dapat masuk ke dalam sistem karena nama dan kata sandi tidak terdaftar pada sistem
Kesimpulan
Sukses
45
46
b) Pengujian olah data siswa Tabel 4.8 Pengujian olah data siswa (data normal) Tambah Data masukkan
Data siswa sesuai dengan atribut yang disediakan
Yang diharapkan
Proses tambah data berhasil, data siswa tersimpan pada database yang disediakan
Pengamatan
Data berhasil disimpan pada database dan ditampilkan pada datagrid
Kesimpulan
Sukses Ubah
Data masukkan
Pilih data yang ingin diubah, perubahan data
Yang diharapkan
Data berubah sesuai dengan data perubahan yang dimasukan
Pengamatan
Berhasil di ubah, tersimpan pada database dan tampil pada datagrid
Kesimpulan
Sukses Hapus
Data masukkan
Pilih data yang ingin dihapus
Yang diharapkan
Data terhapus dari database
Pengamatan
Terhapus
Kesimpulan
Sukses
46
47
Tabel 4.9 Pengujian olah data siswa (data salah) Tambah Data masukkan
Nis dikosongkan
Yang diharapkan
Proses tambah data tidak berhasil, data siswa tidak tersimpan pada database yang disediakan, tampil pesan peringatan untuk tidak mengosongkan atribut nis
Pengamatan
Data gagal disimpan pada database, tampil perintah untuk mengisi atribut nis
Kesimpulan
Sukses Ubah
Data masukkan
Tidak memilih data yang ingin diubah
Yang diharapkan
Menampilkan pesan untuk memilih data yang ingin diubah terlebih dahulu
Pengamatan
Tampil pesan untuk pilih data yang akan diubah
Kesimpulan
Sukses Hapus
Data masukkan
Tidak memilih data yang ingin dihapus
Yang diharapkan
Data gagal dihapus dari database, menampilkan pesan untuk memilih data yang ingin dihapus
Pengamatan
gagal dihapus, tampil pesan untuk memilih data yang akan dihapus
Kesimpulan
Sukses
47
48
c)
Pengujian olah nilai siswa
Tabel 4.10 Pengujian olah nilai (data normal) Pilih nis, masukan nilai mata pelajaran terkait penjurusan, Data masukkan nilai minat masuk ipa dan bahasa, nilai Tes IQ Yang diharapkan
Data nilai dan hasil penjurusan tersimpan ke database, nilai ditampilkan
Pengamatan
Data berhasil disimpan, tampil pada datagrid
Kesimpulan
Sukses
Tabel 4.11 Pengujian olah nilai (data salah) Nis tidak dipilih, masukan nilai mata pelajaran terkait penjurusan, nilai minat masuk ipa dan bahasa, nilai Tes Data masukkan IQ Yang diharapkan
Data gagal tersimpan ke database, menampilkan pesan untuk memilih nis terlebih dahulu
Pengamatan
Data gagal disimpan, tampil pesan untuk memilih nis
Kesimpulan
Sukses
d) Pengujian pindah jurusan Tabel 4.12 Pengujian pindah jurusan (data normal) Pilih siswa yang akan dipindah, pilih jurusan yang dituju Data masukkan
Yang diharapkan
Jika siswa dipindah ke jurusan IPS dan Bahasa maka akan tampil pesan berhasil dipindah, jika siswa dipindah ke jurusan IPA maka akan tampil report berupa surat perjanjian pindah jurusan yang di tandatangani oleh orangtua siswa
Pengamatan
Berhasil dipindah, tampil surat perjanjian untuk siswa yang pindah ke jurusan IPA
Kesimpulan
Sukses
Tabel 4.13 Pengujian pindah jurusan (data salah) Pilih siswa yang akan dipindah, jurusan yang dituju tidak Data masukkan dipilih Yang diharapkan
Jika klik tombol pindah maka akan tampil pesan untuk memilih jurusan yang dituju terlebih dahulu, siswa tidak
48
49
berhasil dipindah Pengamatan
Gagal dipindah, tampil pesan untuk pilih jurusan yang dituju
Kesimpulan
Sukses
B. Pembahasan Proses penjurusan di SMA dilakukan pada saat siswa berada di kelas sepuluh dan akan naik ke kelas sebelas. Permasalahan yang ada saat ini adalah keterlambatan nilai siswa dari para wali kelas, sehingga pada akhir proses penjurusan para tim penentu jurusan berburu waktu sehingga proses penjurusan kurang tepat, ditambah lagi dengan banyaknya jumlah siswa yang ada. Untuk mengatasi permasalahan tersebut digunakan logika fuzzy dengan model sugeno sehingga proses penjurusan lebih terarah sesuai dengan kemampuan siswa. Sesuai dengan pendapat Li (dalam Tampubolon, 2010) tahapan-tahapan dalam model Sugeno terdiri atas pembentukan himpunan fuzzy, aplikasi fungsi implikasi, dan defuzzifikasi. Proses penentuan penjurusan berdasarkan nilai mata pelajaran, nilai tes IQ pada saat siswa mendaftar, dan minat. Siswa yang direkomendasikan untuk jurusan IPA adalah siswa yang memiliki nilai rata-rata mata pelajaran IPA minimal 80 dan nilai tes IQ superior. Untuk jurusan IPS adalah siswa yang memiliki nilai rata-rata mata pelajaran IPS minimal 78 dan nilai tes IQ diatas ratarata. Untuk jurusan Bahasa adalah siswa yang memiliki nilai rata-rata mata pelajaran Bahasa minimal 78 dan nilai tes IQ rata-rata.
49
50
Aplikasi yang dibuat pada penelitian ini dapat memudahkan pihak SMAN 1 Kota Gorontalo khususnya bagi tim penentu jurusan dalam proses penentuan jurusan. Dengan adanya aplikasi ini proses penentuan jurusan dapat dilakukan dengan mudah dan cepat, dimulai dengan user menginput data nilai siswa kemudian data tersebut akan disimpan dalam database, dan ditampilkan dalam bentuk laporan. Laporan berisi hasil penjurusan yang terdiri dari nama siwa dan jurusan yang direkomendasikan. Hasil akhir dari penelitian ini berupa rekomendasi untuk tim penentu jurusan dalam proses penentuan jurusan sehingga jurusan yang ditentukan lebih terarah dan sesuai dengan kemampuan yang dimiliki oleh siswa tersebut.
50
