SISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE DESCISION TREE C4.5 Pada SMAK YOS SUDARSO BATU Jonathan Rinaldy1) 1)
Program Studi Teknik Informatika, Sekolah Tinggi Informatika & Komputer Indonesia (STIKI) Malang Email:
[email protected]
ABSTRAK Beasiswa adalah program yang dimiliki oleh hampir semua instansi pendidikan, termasuk di SMAK Yos Sudarso Batu. Namun banyaknya kriteria dalam pemilihan penerima beasiswa, dibandingkan dengan jumlah siswa yang banyak serta keadaan mereka yang beragam, menjadikan proses pemilihan penerima beasiswa berjalan lambat dan sering kali hasilnya kurang tepat sasaran. Dari gagasan masalah yang telah digambarkan diatas, dapat disimpulkan bahwa dibutuhkan suatu program yang bertujuan memperoleh hasil penerima beasiswa yang tepat sasaran dalam waktu yang lebih cepat, yaitu dengan sistem penunjang keputusan berbasis web dengan Metode Decision Tree C4.5, diharapkan dapat membantu perusahaan dalam menangani masalah yang ada sekarang. Metode Decision Tree C4.5 merupakan suatu metode pengambilan keputusan untuk menyelesaikan masalah pemilihan beasiswa. Dimana dalam program ini terdapat data training yang digunakan untuk membuat aturan dalam pemilihan beasiswa. Kata Kunci : Beasiswa , Sistem Penunjang Keputusan , Metode Decision Tree C4.5 , Pemilihan.
1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan dan teknologi telah membawa perubahan pada hampir semua aspek kehidupan manusia. Begitu pula dalam bidang pendidikan, khususnya dalam hal pemberian beasiswa. Akan tetapi masih ada instansi pendidikan yang masih menggunakan seleksi secara manual, termasuk di SMAK Yos Sudarso Batu. Cara manual ini dinilai kurang efisien karena memakan waktu pelaksaanaan yang lama dan masih dapat menimbulkan kesalahan yang tentunya merugikan beberapa pihak. Oleh karena itu, penelitian ini berusaha memberikan solusi tentang pemilihan siswa yang pantas mendapatkan beasiswa sesuai dengan tingkat ekonomi dan nilai akademik masing masing dengan menghasilkan data yang lebih akurat dan cepat. Metode Decision Tree C4.5 sebagai model analisis uji komparasi, serta analisis kebijakan digunakan untuk mendukung pengambilan keputusan yang tepat bagi pihak dewan sekolah.
Decision Tree C4.5 cocok digunakan dalam kasus ini karena kinerja yang bagus dalam melakukan akurasi klasifikasi data dan pohon hasil generate sangat mudah di baca oleh manusia. 1.2 Rumusan Masalah Dari latar belakang yang dikemukakan, adapun rumusan masalahnya adalah Bagaimana merancang sistem penunjang keputusan penerima beasiswa pada SMAK Yos Sudarso Batu dengan metode decision tree C4.5?. 2. TINJAUAN PUSTAKA 2.1 Decision Tree C4.5 Decision Tree C4.5 adalah sebuah struktur pohon, dimana setiap node pohon merepresentasikan atribut yang telah diuji, setiap cabang merupakan suatu pembagian hasil uji, dan node daun (leaf) merepresentasikan kelompok kelas tertentu serta menyederhanakan hasil pohon yang terbentuk. 2.2 Mekanisme kerja Exponential Smoothing
1
Decision Tree C4.5 merupakan metode pengambilan keputusan yang dikembangkan oleh J.Ross Quinlan pada tahun 1993. Membangun klasifikasi dengan Decision Tree menggunakan Algoritma C4.5, melalui berapa hahapan sebagai berikut: a.
b.
c.
d.
Pertama siapkan data training yang biasanya diambil dari data histori atau data masa ampau yang kemudian dibuat ke dalam kelaskelas tertentu. Menghitung nilai entropy yang akan digunakan untuk menghitung nilai gain dari masing-masing atribut sehingga diperoleh atribut dengan nilai gain yang tertinggi yang selanjutnya akan digunakan menjadi akar pohon. Ulangi terus langkah sebelumnya yaitu menghitung nilai tiap atribut berdasarkan nilai gain yang tertinggi hingga semua record terpartisi. Proses dari Decision Tree ini akan berhenti jika semua record dalam simpul N mendapat kelas yang sama, tidak ada atribut di dalam record yang dipartisi lagi, dan tidak ada record di dalam cabang yang kosong.
Berikut rumus untuk perhitungan Entropy dan gain ( 1) S= Himpunan kasus n = jumlah partisi S Pi = proporsi Si terhadap
(3) S = ruang (data) sample yang digunakan untuk training. A = atribut. Si = jumlah sample untuk atribut i
(4) S = ruang (data) sample yang digunakan untuk training. A = atribut. Gain(S,A) = information gain pada atribut A SplitInfo(S,A) = split information pada atribut 3. METODOLOGI PENELITIAN 3.1 Analisa Masalah 3.1.1 Sistem Sebelumnya Dari pengamatan yang dilakukan Belum ada aplikasi yang secara langsung bisa membantu memberikan pilihan yang tepat sesuai kriteria di dalam melakukan pemilihan calon penerima. Adapun hasil dari analisa sistem yang ada pada saat ini dengan menggunakan sesuai perancangan yang ditampilkan pada gambar 3.1dan gambar 3.2 sebagai berikut : 3.2 Perancangan 3.2.1 UseCase Diagram UseCase Diagram merupakan diagram yang menunjukkan abstraksi dari interaksi antara sistem dan actor, sehingga dapat mendeskripsikan bagaimana sistem akan terlihat di mata user.
(2) S = ruang (data) sample yang digunakan untuk training. A = atribut. V = suatu nilai yang mungkin untuk atribut A. Nilai(A) = himpunan yang mungkin untuk atribut A. |Sv| = jumlah sample untuk nilai V. |S| = jumlah seluruh sample data. Entropy(Sv) = entropy untuk sample-sample yang memiliki nilai V.
2
Gambar 3.5 – Entity Relationship Diagram 3.2.4 Gambar 3.1 – Desain UseCase Sistem 3.2.2
Activity Diagram Activity Diagram merupakan diagram yang mendeskripsikan aktifitas yang dibentuk dalam suatu operasi. Gambar 3.3, Gambar 3.4, Gambar 3.5 tersebut menampilkan aktivitas pada proses penjualan, history penjualan, dan update data part.
Desain Form Desain form – form yang akan digunakan pada aplikasi penyusunan jadwal yaitu : Form home, Form pemilihan, Form generate metode, Form registrasi, Form Login and form gagal. 4. HASIL DAN PEMBAHASAN 4.1 Implementasi Pada Segemen program disusun sebagai berikut Form home, Form pemilihan, Form generate metode, Form registrasi, Form Login and form gagal.
Gambar 4.1 – Form home Gambar 3.2 – Activity Diagram Pemilihan 3.2.3
Entity Relationship Diagram Entity Relationship Diagram merupakan permodelan untuk menjelaskan antar data dalam basis data. Gambar 3.3 tersebut menampilkan seluruh hubungan antar tabel yang ada.
3
Gambar 4.2 – Form Pemilihan
Gambar 4.3 – Form Generate Rule
Gambar 4.4 – Form Registrasi
Gambar 4.5 – Form login
4
5. SIMPULAN
6. DAFTAR PUSTAKA
1.
Auyi, Zhora. Sistem Pendukung Keputusan. Online (http://www.academia.edu/3620902/Sistem_ Pendukung_Keputusan). Diakses pada 20 Agustus 2014.
2.
Dengan metode decision tree c4.5 calon penerima beasiswa dapat dipilih secara adil karena rule yang terbentuk sangat mendukung jenis beasiswa yang ada Pendaftaran calon penerima beasiswa jadi lebih mudah karena siswa dapat mengetahui jadwal pendaftaran serta pengumuman penerima beasiswa melalui web
Basuki, Achmad., dan Syarif, Iwan. Pohon keputusan. 2003. URL : http://www.lecturer.eepisits.edu/~basuki/lecture/DecisionTree.pdf , diakses tanggal 20 July 2014 CCIT Raharja Padeli dkk . 2008 . URL : http://riski.ilearning.me/bab-ii/2-2teori-khusus/2-2-1-unified-modellinglanguage-uml/ . Diakses pada 30 Agustus 2014 Defianti, Sofi., dan Pardede, D. L. C. Perbandingan Kinerja Algoritma ID3 dan C4.5 dalam Klasifikasi Spam-Mail. 2008. URL : http://www.openstorage.gunadarma.ac.id/~ mwiryana/KOMMIT/per-artikel/03-02-004Perbandingan%5BSofi%5D.pdf , diakses tanggal 14 Agustus 2014.
Dr. John Ross Quinlan , 1993 , C4.5: Programs for Machine Learning 81106 Dr. Ross Quinlan . 1993 . Improved use of continuous attributes in c4.5. Journal of Artificial Intelligence Research, 4:77-90 Jiawei Han, Micheline Kamber, and Jian Pei . 2011 Data Mining: Concepts and Techniques Kusrini, M.Kom. Konsep dan Aplikasi Pendukung Keputusan, (Andi Publisher, 2007). Santosa, Budi. 2007. Data Mining : Teknik Pemanfaatan Data untuk keperluan Bisnis. Graha Ilmu. Yogyakarta. Turban, E., Aronson, J. E. 1998. Decision Support Systems and Intelligent Systems, 5th edition. New Jersey: Prentice Hall.
5
