Lintas Sistem Informasi dan Komputer KLASIFIKASI DAN ...link.narotama.ac.id/files/JURNAL LINKS Vol...

[Type text]

Jurnal Ilmiah Vol.26/No.2/September 2017

ISSN – 1858 - 4667

KLASIFIKASI DAN DETEKSI SIMILARITAS DATA SMS CENTER BUPATIPAMEKASAN MENGGUNAKAN NAÏVE BAYES DAN WINNOWINGBadar Said

ANALISA SISTEM PENUNJANG KEPUTUSAN PENILAIAN KINERJAKARYAWAN UNIVERSITAS NAROTAMA DENGAN METODE SIMPLEADDITIVE WEIGHTING BERBASIS PERANGKATBERGERAK ANDROIDHamzah Denny Subagyo, Ariyani, Hersa Farida Qoriani

SISTEM INFORMASI MANAJEMEN DAN KEPENGASUHAN PANTIMUHAMMADIYAH JAWA TIMUR BERBASIS WEBMENGGUNAKAN METODE OBJECT ORIENTED& ICONIC PROCESSImmah Inayati, Hersa Farida Qoriani

APLIKASI CLUSTER DATA PERKARA LALU LINTAS MINGGUANDI PENGADILAN NEGERI PAMEKASANNilam Ramadhani, Anang Faktchur Rahman, Dewi Riskiyati

PERFORMA JARINGAN FREE WIRELESS DI TAMAN KOTA SURABAYARicardo Haryunarendra, Moh Noor Al-Azam, Darian Rizaluddin

SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN POWERBANKSESUAI BUDGET MENGGUNAKAN METODESIMPLE ADDITIVE WEIGHTING (SAW)Tyas Kartika Aminardi, Achmad Zakki Falani

Fakultas Ilmu KomputerUniversitas Narotama Surabaya

Lintas Sistem Informasi dan Komputer

Jurnal Ilmiah Vol.26/No.2/September 2017

ISSN – 1858 - 4667

DAFTAR ISI KLASIFIKASI DAN DETEKSI SIMILARITAS DATA SMS CENTER BUPATI PAMEKASAN MENGGUNAKAN NAÏVE BAYES DAN WINNOWING ...... 1-5 Badar Said

ANALISA SISTEM PENUNJANG KEPUTUSAN PENILAIAN KINERJA KARYAWAN UNIVERSITAS NAROTAMA DENGAN METODE SIMPLE ADDITIVE WEIGHTING BERBASIS PERANGKAT BERGERAK ANDROID ............................................................................. 6-11

Hamzah Denny Subagyo, Ariyani, Hersa Farida Qoriani

SISTEM INFORMASI MANAJEMEN DAN KEPENGASUHAN PANTI MUHAMMADIYAH JAWA TIMUR BERBASIS WEB MENGGUNAKAN METODE OBJECT ORIENTED & ICONIC PROCESS .................................................................................. 12-17 Immah Inayati, Hersa Farida Qoriani

APLIKASI CLUSTER DATA PERKARA LALU LINTAS MINGGUAN DI PENGADILAN NEGERI PAMEKASAN ................................................. 18-24 Nilam Ramadhani, Anang Faktchur Rahman, Dewi Riskiyati

PERFORMA JARINGAN FREE WIRELESS DI TAMAN KOTA SURABAYA ..................................................................................................................... 25-29 Ricardo Haryunarendra, Moh Noor Al-Azam, Darian Rizaluddin

SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN POWERBANK SESUAI BUDGET MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) .................................................... 30-34 Tyas Kartika Aminardi, Achmad Zakki Falani

Fakultas Ilmu Komputer Universitas Narotama Surabaya

Lintas Sistem Informasi dan Komputer

Fakultas Ilmu Komputer Universitas Narotama Surabaya

Jurnal Ilmiah LINK

Diterbitkan oleh :

Fakultas Ilmu Komputer – Universitas Narotama Surabaya

Vol.26/No.2 : September 2017

Susunan Redaksi :

Penanggung Jawab : Dekan Fakultas Ilmu Komputer

Ketua Pengarah : Cahyo Darujati, ST., MT.

Ketua Penyunting : Achmad Zakki Falani, S.Kom., M.Kom.

Dewan Penyunting : Cahyo Darujati, ST., MT.

Achmad Zakki Falani, S.Kom., M.Kom. Aryo Nugroho, ST., S.Kom, M.T.

Awalludiyah Ambarwati, S.Kom., M.M.

Penyunting Pelaksana Hersa Farida, S.Kom.

Latifah Rifani, S.Kom., MT.

Sirkulasi Ferry Hendrawan, S.Kom.

Administrasi Dyah Yuni Wulandari, S.Kom.

Sekretariat Fakultas Ilmu Komputer

Universitas Narotama Jln. Arief Rahman Hakim 51 Surabaya 60117

Telp. 031-5946404, 5995578 E-mail : [email protected]

Jurnal Ilmiah Link diterbitkan dua kali setahun, memuat tulisan ilmiah yang berhubungan dengan bidang ilmu sistem informasi dan sistem komputer

Tulisan ilmiah dapat berupa hasil penelitian, bahasan tentang metodologi, tulisan populer dan tinjauan buku.

PEDOMAN PENULISAN

FORMAT

1. Artikel diketik dengan menggunakan program MS Word/WP, spasi ganda, font

Times New Roman, size 10, dengan ukuran kertas Kuarto. Kutipan langsung yang

panjang (lebih dari tiga setengah baris) diketik dengan spasi tunggal dan bentuk

berinden

2. Artikel dibuat sesingkat mungkin sesuai dengan subyek dan metodologi penelitian,

biasanya antara 15-30 halaman

3. Marjin atas, bawah, kiri dan kanan minimal 1 inci

4. Semua halaman, termasuk tabel, lampiran dan referensi harus diberi nomor urut

halaman

5. Semua artikel harus disertai disket atau file yang berisi artikel tersebut

DOKUMENTASI 1. Kutipan dalam artikel sebaiknya ditulis dalam kurung yang menyebutkan nama

akhir penulisan, tahun tanpa koma, dan nomor halaman sumber tulisan yang dikutip

(jika dipandang perlu)

Contoh :

Sumber kutipan dengan satu penulis: (Ikhsan 2001), jika disertai nomor

halaman (Ikhsan 2001: 121)

Sumber kutipan dengan dua penulis: (Ikhsan dan Fayza 2001)

Sumber kutipan dengan lebih dari dua penulis: (Ikhsan dkk. 2001 atau

Ikhsan et al. 2001)

Dua sumber kutipan dengan penulis berbeda: (Ikhsan 2001, Fayza 2002)

Dua sumber kutipan dengan penulis sama: (Ikhsan 2001, 2002), jika tahun

publikasi sama: (Ikhsan 2001a, 2001b)

Sumber kutipan yang berasal dari institusi, sebaiknya menyebutkan akronim

institusi tersebut (BI 2000)

2. Setiap artikel memuat daftar referensi (yang menjadi sumber kutipan) dengan

ketentuan penulisan sebagai berikut:

a. Daftar referensi disusun alfabetis sesuai dengan nama penulis dan institusi

b. Susunan referensi: nama penulis, tahun publikasi, judul jurnal atau buku, nama

jurnal atau penerbit, nomor halaman

c. Contoh:

Callendar, J. H. 1996, Time Saver Standards for Architectural Design,

McGraw-Hill Book Company, New York.

Carn, N., Robianski, J., Racster, R., Seldin, M. 1988, Real Estate Market

Analysis Techniques and Applications, Prentice Hall, New Jersey.

ABSTRAKSI 1. Memuat antara lain masalah, tujuan, metode penelitian dan kesimpulan. Disajikan

diawal artikel terdiri dari 100-300 kata.

2. Setelah abstraksi cantumkan empat kata kunci guna memudahkan pemberian

indeks.

ISSN 1858-4667 JURNAL LINK VOL. 26/No. 2/September 2017

1-1

KLASIFIKASI DAN DETEKSI SIMILARITASDATA SMS CENTER BUPATI PAMEKASAN

MENGGUNAKAN NAÏVE BAYESDAN WINNOWING

Badar Said

Program Studi Teknik Informatika Fakultas Teknik, Universitas [email protected]

Abstrak

Proses evaluasi dilakukan untuk mengetahui kekurangan dari hal yang telah dilakukansebelumnya, dengan harapan dapat memperbaiki proses yang akan dilakukan setelahnya. Untuk melakukanproses evaluasi banyak cara yang dapat dilakukan antara lain dengan mengetahui informasi data baik dari sisikualitas maupun kuantitas. Hal ini lumrah dilakukan oleh perusahaan, organisasi maupun instansipemerintah.

Pemerintah Daerah Kabupaten Pamekasan memiliki data keluhan dan kritik dari masyarakatdalam bentuk SMS yang tersimpan dalam basis data Aplikasi SMS Center Bupati. Dari hasil penelitiansebelumnya 99,4% merupakan SMS negatif yang ditujukan kepada Satuan Kerja Perangkat Daerah (SKPD),serta tidak sedikit SMS yang diterima sama atau sangat mirip dengan SMS yang telah diterima sebelumnyasehingga pada penelitian ini dilakukan klasifikasi dengan 52 kategori yaitu seluruh SKPD di KabupatenPamekasan menggunakan Naïve Bayes dengan menyertakan pengecekan similaritas SMS menggunakanWINNOWING

Dari hasil penelitian tersebut dapat diketahui klasifikasi SMS hanya tersebar pada 15 kategoriyaitu DINAS PERTANIAN 3.80%, BPKA 4.62%, DISHUBKOMINFO 2.21%, BASATPOLPP 2.28%,BAPENDUKCAPIL 1.71%, BKD 1.01%, BPBD 3.73%, BAKESBANGPOL 2.21%, BPPKB 1.52%,BAPPEDA 0.76%, DINAS PENDIDIKAN 22.64%, PU BINAMARGA 11.51%, PU CIPTA KARYA22.26%, DISPORABUD 7.46%, RSUD 12.27%. dan dari hasil deteksi similaritas terdapat 553 SMS yangterhapus.

Kata kunci: Klasifikasi, Similaritas, SMS, Naïve Bayes, Winnowing

1. Pendahuluan

Pemerintah Daerah KabupatenPamekasan merupakan salah satu instansipemerintah yang telah memanfaatkan teknologitelekomunikasi yaitu dengan adanya Aplikasi SMSCenter Bupati. Teknologi ini digunakan untukmempermudah dan mempercepat penyampaianinformasi dari masyarakat kepada BupatiPamekasan baik berupa pengaduan, pertanyaan,saran ataupun kritik. Sehingga Pemerintah DaerahKabupaten Pamekasan dapat memberikanpelayanan yang lebih baik. Pesan yang diterimalangsung di jawab oleh Asisten Bupati, tetapi akanmenunggu apabila permasalahan tersebut perlu dikomunikasikan dengan Satuan Kerja PerangkatDaerah (SKPD) yang terkait.

Setelah satu tahun aplikasi SMS CenterBupati ini dijalankan, SMS dari masyarakattersimpan didalam database dalam jumlah besardan dibiarkan tampa manfaat. Dalam penelitian

sebelumnya telah dilakukan mengelompokkan ataumengklasifikasikan data SMS tersebut kedalambeberapa kategori seperti Pendidikan, Kesehatan,Infrastruktur, Kriminalitas, PelayananAdministraasi, Olahraga, Pemerintahan, Pertanian,Usaha Kecil Menengah, Ketertiban, dan lain-lain.Kemudian dilakukan proses analisis sentimenuntuk setiap kategori. sehingga dapat diketahuiprosentase jumlah SMS untuk setiap kategori sertaprosentase SMS positif dan negatif untuk masing-masing kategori.

Dari hasil penelitian tersebut dapatdiketahui rata-rata jumlah SMS negatif padamasing-masing kategori mencapai 99,4%. Dansetelah ditanyakan kepada operator Aplikasi SMSCenter Bupati Pamekasan ternyata memangmayoritas SMS yang dikirim oleh masyarakatberisi kritik yang ditujukan kepada Satuan KerjaPerangkat Daerah (SKPD). Dan tidak sedikit SMSyang diterima memiliki kemiripan dengan SMSyang telah diterima sebelumnya.

Badar Said, Klasifikasi dan Deteksi Similaritas …

1-2

Dari latar belakang diatas penelitian yangdilakukan adalah mengklasifikasikan data SMSdalam kategori semua SKPD di KabupatenPamekasan menggunakan metode Naïve Bayes,kemudian menyatukan SMS yang terdeteksimemiliki kemiripan menggunakan metodeWinnowing Sehingga dapat diketahui jumlah smspada setiap SKPD sebagai bahan evaluasi untukBupati Pamekasan.

2. Tinjauan Pustaka

Berikut ini adalah beberapa teori penunjang dalampenelitian ini :

2.1 Naïve Bayes

(Junaedi Widjojo:2012) Merupakanpengklasifikasian dengan metode probabilitas danstatistikyang dikemukakan oleh ilmuwan InggrisThomas Bayes, yaitumemprediksi peluang di masadepan berdasarkan pengalaman dimasasebelumnya sehingga dikenal sebagaiteorema Bayes. Secara sederhana,Naïve Bayesmenggunakan kemiripan fitur antara data trainingdan datatesting dimana nantinya akan diambilclass yang paling mirip dari datatraining tersebut.

Dalam penilaian, algoritma ini dikenalsebagai algoritmayang sederhana, cepat danberakurasi tinggi.Teorema tersebutdikombinasikan dengan "naive"dimanadiasumsikan kondisi antar atribut salingbebas. Pada sebuah dataset, setiap baris/dokumendiasumsikan sebagai vector dari nilai-nilai atribut<x1,x2,...,x3> dimana tiap nilai-nilai menjadipeninjauan atribut Xi(iЄ[1,n])). Setiap barismempunyai label kelas ci Є {c1,c2,...,ck}sebagainilai variabel kelas C, sehingga untukmelakukan klasifikasi dapat dihitungnilaiprobabilitas p(C=ci|X=xj), dikarenakan padaNaïve Bayesdiasumsikan setiap atribut salingbebas, maka persamaan yang didapat adalahsebagai berikut: ( | ) = ( | ) ( )( )Keterangan :c : sebuah kelasd : sebuah dokumen

Dimana setiap peluang pada masing-masing kelas akan dikalikan danakanmenghasilkan nilai Naïve Bayes pada masing-masing rumus tersebut.Nilai tertinggi padaklasifikasi ini akan menjadi hasil klasifikasi dariNaïveBayes tersebut. Berikut adalah rumusnya:

= ∈ ( | ) = ∈ ( ) ( | )

( | ) adalah estimasi probabilitas Kategori cterhadap dokumen d( ) adalah estimasi probabilitas prior daridokument yang muncul di kateori c( | ) adalah probabilitas bersyarat dari termtkyang muncul di kategori c

2.2 Modified Absolute Discounting Smoothingpada Naïve Bayes

(Astha Chharia, R.K. Gupta:2013) MADSmoothing merupakan modifikasi dari AbsoluteDiscounting Smoothing, perbedaannya tidakmelakukan perhitungan P(wk). Metode ini tidakmempertimbangkan kemungkinan kata dalammodel koleksi, melainkan menganggapnya sebagaifungsi dari kata, yang merupakan probabilitasdistribusi seragam dikalikan dengan terjadinyakata dalam model pengumpulan. Dengan rumus:( ) = ( ) ( , )Dengan, ( ) = | |Sehingga, ( | ) dihitung dengan :

( | ) = max( ( , ) − , 0) + ( )∑ ( , )∈2.3 Winnowing

Algoritma winnowing merupakanalgoritma dokumen fingerprinting yang digunakanuntuk mendeteksi salinan dokumen denganmenggunakan teknik hashing (Schleime, dkk.2014).

Untuk meng-hash dokumen denganmenggunakan k-gram, panjang substring k dimanak merupakan nilai yang dipilih oleh pengguna.Dokumen akan dibagi ke dalam k-gram yangmungkin dan kemudian k-gram tersebut akan dihash. Untuk memilih fingerprint dari hasil yang dihash, dilakukan pembagian dengan menggunakanwindow w, dan dipilih nilai yang paling kecil.Input dari proses document fingerprinting adalahfile teks. Kemudian output-nya akan berupasekumpulan nilai hash yang disebut fingerprint.Fingerprint inilah yang akan dijadikan dasarpembanding antara file-file teks yang telahdimasukkan.

Pada pendeteksiannya algoritma winnowingharus memenuhi kebutuhan dasar yaitu:1. Whitespace intensitivity yaitu pencarian

kalimat mirip seharusnya tidak berpengaruholeh spasi, jenis huruf (capital atau normal),tanda baca dan sebagainya.

2. Noise surpression yaitu menghindaripenemuan kecocokan dengan panjang kata


1-3

yang terlalu kecil atau kurang relevan seperti“the” dan bukan merupakan kata umum yangdigunakan.

3. Position independence yaitu penemuankesamaan harus tidak bergantung pada posisikata-kata sehingga kata dengan urutan posisiberbeda masih dapat dikenali jika terjadikesamaan.

Secara garis besar, berikut konsep algoritmawinnowing bekerja:

1. Penghapusan karakter-karakter yang tidakrelevan (whitespace insensitivity).

2. Pembentukan rangkaian k-gram3. Perhitungan fungsi hash untuk setiap k-gramAlgoritma winnowing menggunakan rolling hashuntuk menghitung nilai hash masing-masingrangkaian gram. Fungsi hash dengan rolling hashdidefenisikan pada persamaan:C1 * b (k-1) + C2 * b (k-2) + …. + Ck-1 * b (k) +CkKeterangan:c: nilai ASCII karakterb: basis (bilangan prima)k: banyak karakter atau panjang rangkaian k-gramuntuk nilai hash kedua dan selanjutnya,perhitungan tidak perlu melakukan iterasi dariindeks pertama sampai akhir. Perhitungan nilaihashH (c2…. ck+1) = (H (c1….ck) - C1 * b (k-1)) * b+ C(k+n)4. Pembentukan window dari nilai hash5. Pemilihan fingerprint dari setiap window6. Jaccard CoefficientJaccard Coefficient merupakan persamaan yangdigunakan untuk menentukan tingkat kemiripanantara dua teks pada algoritma winnowing.Langkah ini, dilakukan setelah melakukanpenghitungan nilai hash dan memilih fingerprintyang terkecil dari dua dokumen teks (Schleimerdkk, 2003). Berikut persamaan 2.3 jaccardcoefficient:Similarity = A ᴗ BA ᴖ BX 100 %Keterangan:│A ᴖ B│ adalah jumlah dari fingerprint yangsama dari dokumen 1 dan 2│ A ᴗ B│ adalah jumlah fingerprint dari dokumen1 dan dokumen 2

3. Metode Penelitian

Adapun untuk diagram alir dan uraiantahapan penelitian ini adalah sebagai berikut:

Gambar 1. Diagram Alir Penelitian

Agar tercapai sasaran dan tujuan daripenelitian ini, maka dilakukan langkah analisisterhadap berbagai kebutuhan yang diperlukanyaitu sebagai berikut :

Analisis Kebutuhan DataData yang digunakan sebagai input

adalah data SMS dari Aplikasi SMS Center BupatiPamekasan. Aplikasi SMS Center ini mulaidioperasikan pada bulan Juli 2013 dan sampaibulan Desember 2013 sudah mencapai 2134 SMS.Selain SMS dengan menggunakan bahasaindonesia juga terdapat SMS dengan bahasadaerah yaitu bahasa Madura walaupun jumlahnyatidak banyak. Data yang akan diklasifikasikanadalah semua data SMS mulai bulan Juli sampaiDesember tahun 2013, baik SMS dengan bahasaIndonesia maupun bahasa Madura.

Analisis Kebutuhan KategoriSetelah melakukan konsultasi dengan

pihak terkait daftar kategori dalampengklasifikasian adalah sebagai berikut :BAPPEDA, BKD, BAPENDUKCAPIL, BPKA,BLH, BALIBANGDA, BPPKB,BAKESBANGPOL, BAPEMAS, BPBD,BASATPOLPP, DISHUBKOMINFO, DINASPETERNAKAN, DINAS PERTANIAN,DISPERINDAG, DINSOSNAKERTRANS,DINAS KESEHATAN, DINAS PENDIDIKAN,DISHUTBUN, DISKANLA, PU BINAMARGA,PU CIPTA KARYA, PU PENGAIRAN,KOPERASI dan UKM, DISPORABUD,DISPENDA, KPPT, KKP, PERPUSTAKAAN,BAGIAN PEMBANGUNAN, BAGIANHUKUM, BAGIAN HUMAS dan PROTOKOL,BAGIAN ADM PEREKOMOMIAN, BAGIANADM KEMASYARAKATAN, BAGIANUMUM, BAGIAN ORGANISASI, BAGIANADM SUMBER DAYA ALAM, KECAMATANPAMEKASAN, KECAMATANBATUMARMAR, KECAMATAN PROPPO,KECAMATAN LARANGAN, KECAMATAN


1-4

KADUR, KECAMATAN PASEAN,KECAMATAN PAKON, KECAMATANTLANAKAN, KECAMATAN PADEMAWU,KECAMATAN GALIS, KECAMATANPALENGAAN, KECAMATAN WARU,KECAMATAN PAGENTENAN,INSPEKTORAT, RSUD Pamekasan dan Lain-lain. Kategori yang terakhir yaitu 'Lain-lain'merupakan pengelompokan SMS yang tidakrelevan, seperti SMS dari Operator, SMS yanghanya berisi sapaan kepada Bupati Pamekasan danlain sebagainya.

Analisis Kebutuhan PreprocessingSebelum dilakukan pengklasifikasian

perlu dilakukan preprocessing dengan tujuan untukmempersiapkan data agar layak untuk dilakukanklasifikasi. Beberapa preprocessing yang akandilakukan adalah penghapusan tanda baca danangka, mengubah teks ke dalam bentuk tekskapital, memperbaiki singkatan, menterjemahkanteks dari bahasa madura menjadi bahasa indonesia,menghilangkan kata-kata yang tidak berpengaruhdalam proses klasifikasi (kata penghubung) danmenghilangkan imbuhan.

4. Hasil dan PembahasanKlasifikasi dilakukan setelah dilakukan

labeling dan preprosesing yaitu penghapusan tandabaca dan angka, mengubah teks ke dalam bentukteks kapital, memperbaiki singkatan,menterjemahkan teks dari bahasa madura menjadibahasa indonesia, menghilangkan kata-kata yangtidak berpengaruh dalam proses klasifikasi (katapenghubung) dan menghilangkan imbuhan.

Hasil klasifikasi 2134 SMS untuk 52kelas yanag telah ditentukan sebagai berukut:

Tabel 1. Hasil Klasifikasi

NoSatuan Kerja Perangkat

DaerahTotalSMS

%

1 DISPERINDAG 0 0.00%

2 DINAS PERTANIAN 60 3.80%

3DINASPETERNAKAN 0 0.00%

4 BPKA 73 4.62%

5 BLH 0 0.00%

6 DISHUBKOMINFO 35 2.21%

7 BASATPOLPP 36 2.28%

8 BAPENDUKCAPIL 27 1.71%

9 BKD 16 1.01%

10 BPBD 59 3.73%

11 BAPEMAS 0 0.00%

12 BAKESBANGPOL 35 2.21%

13 BPPKB 24 1.52%

14 BALIBANGDA 0 0.00%

15 BAPPEDA 12 0.76%

16DINSOSNAKERTRANS 0 0.00%

17 DINAS KESEHATAN 0 0.00%

18 DINAS PENDIDIKAN 358 22.64%

19 DISHUTBUN 0 0.00%

20 DISKANLA 0 0.00%

21 PU BINAMARGA 182 11.51%

22 PU CIPTA KARYA 352 22.26%

23 PU PENGAIRAN 0 0.00%

24 KOPERASI dan UKM 0 0.00%

25 DISPORABUD 118 7.46%

26 DISPENDA 0 0.00%

27 KPPT 0 0.00%

28 KKP 0 0.00%

29 PERPUSTAKAAN 0 0.00%

30BAGIANPEMBANGUNAN 0 0.00%

31 BAGIAN HUKUM 0 0.00%

32BAGIAN HUMAS danPROTOKOL 0 0.00%

33BAGIAN ADMPEREKOMOMIAN 0 0.00%

34

BAGIAN ADMKEMASYARAKATAN 0 0.00%

35 BAGIAN UMUM 0 0.00%

36BAGIANORGANISASI 0 0.00%

37

BAGIAN ADMSUMBER DAYAALAM 0 0.00%

38KECAMATANPAMEKASAN 0 0.00%

39KECAMATANBATUMARMAR 0 0.00%

40KECAMATANPROPPO 0 0.00%

41KECAMATANLARANGAN 0 0.00%

42KECAMATANKADUR 0 0.00%

43KECAMATANPASEAN 0 0.00%

44KECAMATANPAKON 0 0.00%

45KECAMATANTLANAKAN 0 0.00%

46KECAMATANPADEMAWU 0 0.00%

47 KECAMATAN 0 0.00%


1-5

GALIS

48KECAMATANPALENGAAN 0 0.00%

49KECAMATANWARU 0 0.00%

50KECAMATANPAGENTENAN 0 0.00%

51 INSPEKTORAT 0 0.00%

52 RSUD 194 12.27%

TOTAL SMS 1581

Dari table diatas dapat diketahui klasifikasi SMShanya tersebar pada 15 kategori yaitu DINASPERTANIAN 3.80%, BPKA 4.62%,DISHUBKOMINFO 2.21%,BASATPOLPP 2.28%,BAPENDUKCAPIL 1.71%, BKD 1.01%,BPBD 3.73%, BAKESBANGPOL 2.21%,BPPKB 1.52%, BAPPEDA 0.76%, DINASPENDIDIKAN 22.64%, PUBINAMARGA 11.51%, PU CIPTAKARYA 22.26%, DISPORABUD 7.46%,RSUD 12.27%. dan dari hasil deteksi similaritasterdapat 553 SMS yang terhapus.

5. Kesimpulan

Berdasarkan hasil beberapa ujicoba dapatdisimpulkan beberapa hal sebagai berikut:1. Pada penelitian ini klasifikasi SMS hanyatersebar pada 15 kategori yaitu DINASPERTANIAN 3.80%, BPKA 4.62%,DISHUBKOMINFO 2.21%, BASATPOLPP2.28%, BAPENDUKCAPIL 1.71%, BKD 1.01%,BPBD 3.73%, BAKESBANGPOL 2.21%, BPPKB1.52%, BAPPEDA 0.76%, DINAS PENDIDIKAN22.64%, PU BINAMARGA 11.51%, PU CIPTAKARYA 22.26%, DISPORABUD 7.46%, RSUD12.27%.2. Hasil deteksi similaritas terdapat 553 SMS yangterhapus

Daftar Pustaka

Gilang Jalu Selo W.T, Budi Susanto, Rosa Delima,(2013), “Implementasi Naïve BayesianClassifier Untuk Kasus Filtering SMSSpam”,Universitas Kristen Duta Wacana.

Karl-Michael Schneider, 2013, “Techniques forImproving the Performance of Naive Bayesfor Text Classification”, citeseerx.

Junaedi Widjojo, 2012, “Prediksi Jenis Kelamindan Usia untuk Blog Berbahasa Indonesiadengan Metode Klasifikasi Teks yang

Dilengkapi dengan Pemilihan FiturTerbaik”,iSTTS.

Dwi Widiastuti, 2011, “Analisa PerbandinganAlgoritma Svm, Naive Bayes, Dan DecisionTree Dalam Mengklasifikasikan Serangan(Attacks) Pada Sistem Pendeteksi Intrusi”.Jurusan Sistem Informasi, UniversitasGunadarma.

Obed, Kharisman. Budi Santoso dan Sri Suwarno.2013. “Implementasi Algoritma Winnowinguntuk Mendeteksi Kemiripan pada DokumenTeks”.Vol.9, No.1. Hal.74-76

Pratama, R. Mudafiq. Eko Budi Cahyono dan GitaIndah Marthasari. “Aplikasi PendekteksiDuplikasi Dokumen Teks Bahasa IndonesiaMenggunakan Algoritma Winnowing denganMetode K-gram dan Synonym Recognition”.Universitas Muhamadiyah Malang

Schleimer, Saul, Daniel S. Wilkerson dan AlexAiken. “Winnowing: Local Algorithms forDocument Fingerprinting”. Chikago

Said, Badar. 2016. “Klasifikasi dan sentimentanalisis data SMS Center Bupati PamekasanMenggunakan Naïve Bayes dengan MADSmoothing”. Universitas Madura.


2-6

ANALISA SISTEM PENUNJANG KEPUTUSAN PENILAIANKINERJA KARYAWAN UNIVERSITAS NAROTAMADENGAN METODE SIMPLE ADDITIVE WEIGHTING

BERBASIS PERANGKAT BERGERAK ANDROID

Hamzah Denny Subagyo1, Ariyani2, Hersa Farida Qoriani3

1Program Studi Manajemen, Fakultas Ekonomi Universitas Narotama2Program Studi Akuntansi, Fakultas Ekonomi Universitas Narotama

3Program Studi Teknik Informatika, Fakultas ilmu Komputer, Universitas [email protected], [email protected], [email protected]

Abstrak

Kualitas sumber daya manusia yang tinggi sangat diperlukan untuk meningkatkanproduktivitas kinerja suatu perusahaan, sumber daya manusia yang mempunyai keahlian ataukompetensi akan dapat meningkatkan prestasi kerja karyawan. Penilaian kinerja harus dilakukan untukmengetahui prestasi yang dapat dicapai setiap karyawan. Dalam melakukan proses penilaian kinerjakaryawan, banyak sekali kriteria yang telah ditentukan oleh perusahaan. Masing-masing perusahaanpasti memiliki kriteria-kriteria saat melakukan penilaian kinerja pada karyawannya. Banyaknya kriteriainilah yang menyulitkan pihak manajemen untuk memberi bobot setiap kriteria oleh karena itu dibutuhkansebuah sistem penunjang keputusan. Penelitian ini akan mengangkat suatu kasus yaitu mencarialternative terbaik berdasarkan kriteria-kriteria yang telah ditentukan dengan menggunakan metodeSAW (Simple Additive Weighting). Pada dasarnya metode Simple Additive Weighthing (SAW)digunakan untuk mencari alternatif terbaik berdasarkan kriteria-kriteria yang telah ditentukan. Beberapacontoh penelitian lain yang menggunakan metode Simple Additive Weighting (SAW) yang dijadikan acuandalam penelitian ini. Sistem Perangkat bergerak android disini, digunakan untuk menampilkan hasilpenilaian kinerja yang nantinya bisa digunakan oleh karyawan dalam memantau performa kinerja merekasedangkan sistem penilaian karyawan dilakukan menggunakan aplikasi berbasis web dengan pertimbangandata yang diproses cukup banyak sehingga membutuhkan sumber daya yang lebih besar yang tidak dimilikioleh perangkat mobile, tapi sistem ini sangat compatible untuk dijalankan pada perangkat android karenawebsite dibuat dengan desain responsive mobile. Penelitian dilakukan dengan mencari nilai bobot untuksetiap atribut, kemudian dilakukan proses perankingan yang akan menentukan alternative yang optimal,yaitu karyawan terbaik di Universitas Narotama.

Kata kunci : Sistem Penunjang Keputusan, Kinerja Karyawan, Simple Additive Weighting (SAW), Android.

1. Pendahuluan

Dalam melakukan proses penilaiankinerja karyawan, banyak sekali kriteria yang telahditentukan oleh perusahaan.Penilaian kinerja harusdilakukan untuk mengetahui prestasi yang dapatdicapai setiap karyawan.Masing-masingperusahaan pasti memiliki kriteria-kriteria saatmelakukan penilaian kinerja padakaryawannya.Banyaknya kriteria inilah yangmenyulitkan pihak manajemen untuk memberibobot setiap kriteria oleh karena itu dibutuhkansebuah sistem penunjang keputusan.Kualitassumber daya manusia yang tinggi sangatdiperlukan untuk meningkatkan produktivitaskinerja suatu perusahaan, sumber daya manusia

yang mempunyai keahlian atau kompetensi akandapat meningkatkan prestasi kerja karyawan.

Pada penelitian ini akan diangkat suatukasus yaitu mencari alternative terbaikberdasarkan kriteria-kriteria yang telah ditentukandengan menggunakan metode SAW (SimpleAdditive Weighting). Dengan metode ini pihakmanajemen menginginkan sistem yang mampumengatasi bila suatu saat ada perubahan jumlahdan nama kriteria. Penelitian dilakukan denganmencari nilai bobot untuk setiap atribut, kemudiandilakukan proses perangkingan yang akanmenentukan alternatif yang optimal, yaitu karyawanterbaik.

Hamzah Denny Subagyo1, Ariyani2, Hersa Farida Qoriani3, Analisa Sistem Penunjang …

2-7

2.1 Sistem Penunjang Keputusan (SPK)

Konsep Sistem Penunjang Keputusanatau Decision Support System (DSS) pertama kalidiperkenalkan oleh Michael S. Scott Morton padaawal tahun 1970-an, yang selanjutnya dikenaldengan Management Decision System. DSSmerupakan sistem informasi interaktif yangmenyediakan informasi, pemodelan danpemanipulasian data.Sistem ini digunakan untukmembantu pengambilan keputusan dalam situasiyang semi terstruktur dan situasi yang tidakterstruktur, dimana tak seorangpun tahu secarapasti bagaimana keputusan seharusnya dibuat(Alter dalam Kusrini, 2007). DSS lebih ditujukanuntuk mendukung manajemen dalam melakukanpekerjaan yang bersifat analitis dalam situasi yangkurang terstruktur dan dengan kriteria yang kurangjelas. DSS tidak dimaksudkan untukmengotomatisasikan pengambilan keputusan, tetapimemberikan perangkat interaktif yangmemungkinkan pengambil keputusan untukmelakukan berbagai analisis menggunakan model-model yang tersedia.

2.2 Penilaian Kinerja

Kinerja adalah hasil seseorang secarakeseluruhan selama periode tertentu di dalammelaksanakan tugas, seperti standar hasil kerja,target atau sasaran atau kriteria yang telahditentukan terlebih dahulu dan telah disepakatibersama. (Rivai & Basri 2004 dalam Jurnal SDM)Penilaian Kinerja adalah suatu sistem formal danterstruktur yang mengukur, menilai, danmempengaruhi sifat-sifat yang berkaitan denganpekerjaan, perilaku, dan hasil, termasuk tingkatketidakhadiran. Fokusnya adalah untuk mengetahuiseberapa produktif seorang karyawan dan apakahia bisa berkinerja sama atau lebih efektif padamasa yang akan datang, sehingga karyawan,organisasi, dan masyarakat semuanya memperolehmanfaat. (Schuler & Jackson dalam Jurnal SDM)Untuk mengetahui apakah penilaian kinerja dapatdianggap berkualitas atau tidak, terdapat tujuhkriteria yang perlu diperhatikan oleh evaluator.Ketujuh kriteria ini sebagaimana diungkap olehPopham dalam Sri Andayani (2012) yaitu:1. Generability : apakah kinerja peserta tes(students performance) dalam melakukan tugasyang diberikan tersebut sudah memadai untukdigeneralisasikan kepada tugas-tugas lain?Semakin dapat digeneralisasikan tugas-tugas yangdiberikan dalam rangka penilaian keterampilanatau penilaian kinerja (performance assessment)tersebut, dalam artian semakin dapatdibandingkan dengan tugas yang lainnya makasemakin baik tugas tersebut. Hal ini terutamadalam kondisi bila karyawan diberikan tugas-

tugas dalam penilaian keterampilan yangberlainan.2. Authenticity: apakah tugas yang diberikantersebut sudah serupa dengan apa yang seringdihadapinya dalam praktek kehidupan sehari-hari?3. Multiple foci: apakah tugas yang diberikankepada karyawan sudah mengukur lebih dari satukemampuan-kemampuan yang diinginkan (morethan one instructional outcomes)?4. Teachability: apakah tugas yang diberikanmerupakan tugas yang hasilnya semakin baikkarena adanya usaha bimbingan pimpinan? Jaditugas yang diberikan dalam penilaian keterampilanatau penilaian kinerja (performance assessment)adalah tugas-tugas yang relevan denganketrampilan dan kewajiban karyawan.5. Fairness: apakah tugas yang diberikan sudahadil (fair) untuk semua karyawan. Jadi tugas-tugastersebut harus sudah dipikirkan tidak ”bias” untuksemua kelompok jenis kelamin, suku bangsa,agama, atau status sosial ekonomi.6. Feasibility: apakah tugas-tugas yang diberikandalam penilaian keterampilan atau penilaiankinerja (performance assessment) memang relevanuntuk dapat dilaksanakan mengingat faktor-faktorseperti biaya, ruangan (tempat), waktu, atauperalatannya?7. Scorability: apakah tugas yang diberikan nantidapat diskor dengan akurat dan reliable. Karenamemang salah satu yang sensitif dari penilaianketerampilan atau penilaian kinerja (performanceassessment) adalah penskorannya.

2.3 Simple Additive Weighting (SAW)

Metode SAW sering juga dikenal istilahmetode penjumlahan terbobot. Konsep dasarmetode SAW adalah mencari penjumlahanterbobot dari rating kinerja pada setiap alternatifpada semua atribut (Fishburn, 1967)(MacCrimmon, 1968). Metode SAW membutuhkanproses normalisasi matriks keputusan (X) ke suatuskala yang dapat diperbandingkan dengan semuarating alternatif yang ada (Kusumadewi, Sri,Hartati, S., Harjoko, A., Wardoyo, R., 2006).

Dimana rij adalah rating kinerja ternormalisasi darialternatif A1 pada atribut Cj; i = 1,2,…,m dan j =1,2,…,n. Nilai preferensi untuk setiap alternatif (Vi)diberikan sebagai :

Nilai Vi yang lebih besar mengindikasikan bahwaalternative Ai lebih terpilih. Langkah-langkahpenyelesaiannya adalah (Kusumadewi, 2006) :


2-8

1. Menentukan kriteria-kriteria yang akandijadikan acuan dalam mengambilankeputusan, yaitu Ci.

2. Menentukan rating kecocokan setiapalternatif pada setiap kriteria.

3. Membuat matriks keputusan berdasarkankriteria (Ci), kemudian melakukannormalisasi matriks berdasarkan persamaanyang disesuaikan dengan jenis atribut(atribut keuntungan ataupun atribut biaya)sehingga diperoleh matriks ternormalisasiR.

4. Hasil akhir diperoleh dari prosesperankingan yaitu penjumlahan dariperkalian matriks ternormalisasi Rdengan vector bobot sehingga diperolehnilai terbesar yang dipilih sebagaialternatif terbaik (Ai) sebagai solusi.

2.4 Mesin Inferensi

Terdapat dua pendekatan untuk mengontrolinferensi dalam sistem pakar berbasis aturan, yaitupelacakan ke belakang (backward chaining) danpelacakan ke depan (forward chaining). Pelacakanke belakang adalah pendekatan yang di motoritujuan terlebih dahulu (goal-driven). Dalampendekatan ini pelacakan dimulai dari tujuan,selanjutnya dicari aturan yang memiliki tujuantersebut untuk kesimpulannya.

Pelacakan kedepan adalah pendekatan yangdimotori data (data-driven). Dalam pendekatan inipelacakan dimulai dari informasi masukan, danselanjutnya mencoba menggambarkan kesimpulan.Pelacakan ke depan mencari fakta yang sesuaidengan bagian IF dari aturan IF-THEN.

Kedua metode inferensi tersebutdipengauhi oleh tiga macam penulusuran, yaituDepth-first search, Breadth-first search dan Best-first search.

1. Depth-first search, melakukan penulusurankaidah secara mendalam dari simpul akarbergerak menurun ke tingkat dalam yangberurutan.

2. Breadth-first search, bergerak dari simpulakar, simpul yang ada pada setiap tingkatdiuji sebelum pindah ke tingkatselanjutnya.

3. Best-first search, bekerja berdasarkankombinasi kedua metode sebelumnya.

2.5 Profil Studi Kasus

Universitas Narotama adalah perguruantinggi swasta di Surabaya, Indonesia yang didirikanpada 8 Februari 1981. Yayasan Pawiyatan GitaPatria sebagai Badan Hukum Pembina PTS yangdidirikan dengan akte notaris R. Soebiono No. 167.Yayasan ini kemudian mendirikan PTS yang diberi

nama Universitas Narotama. Susunan pengurusYayasan terakhir diubah dengan akte notaris no. 2,tanggal 10 Mei 2002. Nama Narotama diambil darinama seorang tokoh sejarah Mahapatih dari PrabuAirlangga yang sekaligus juga sebagai guru ilmukenegaraan serta guru agama dan ilmu kedigdayaan.Jadi tepat kiranya Universitas Narotama mengambilnama guru Prabu Airlangga karena para pendiri danpengelolanya mempunyai tujuan dan cita-cita yangsama dengan pendiri Universitas yang telah adasebelumnya. Universitas Narotama (UNNAR) didalam perjalanan hingga waktu saat ini telah berusia30 tahun dan memiliki 4 fakultas dengan 8 programstudi yang terdiri dari program Sarjana (S1) danprogram Pascasarjana (S2). Universitas Narotama(Surabaya) atau biasa disingkat UNNAR adalah PTSyang saat ini beralamat di Jl. Arief Rahman HakimNo. 51 Surabaya. Beberapa fakultas yang disediakanoleh pihak Universitas Narotama (UNNAR) iniadalah :

1. Fakultas Ekonomi2. Fakultas Hukum3. Fakultas Teknik4. Fakultas Ilmu Komputer5. Pasca sarjana

2.6..Teknologi Perangkat Bergerak (MobileDevice Technology)

Perangkat mobile memiliki banyak jenis dalamhal ukuran, desain dan layout, tetapi merekamemiliki kesamaan karakteristik yang sangatberbeda dari sistem desktop, diantaranya:a. Ukuran yang kecilPerangkat mobile memiliki ukuran yang kecil.Konsumen menginginkan perangkat yang terkeciluntuk kenyamanan dan mobilitas mereka.b. Memory yang terbatasPerangkat mobile juga memiliki memory yang kecil,yaitu primary (RAM) dan secondary (disk).Pembatasan ini adalah salah satu faktor yangmempengaruhi penulisan program untuk berbagaijenis dari perangkat ini.c. Daya proses yang terbatasSistem mobile tidaklah setangguh desktop. Ukuran,teknologi dan biaya adalah beberapa faktor yangmempengaruhi status dari sumber daya ini. Sepertiharddisk dan RAM, pengguna dapatmenggunakannya dalam ukuran yang pas dengansebuah kemasan kecil.d. Mengkonsumsi daya yang rendahPerangkat mobile menghabiskan sedikit dayadibandingkan dengan mesin desktop. Perangkat iniharus menghemat daya karena mereka berjalan padakeadaan dimana daya yang disediakan dibatasi olehbaterai-baterai.e. Kuat dan dapat diandalkanKarena perangkat mobile selalu dibawa kemana saja,mereka harus cukup kuat untuk menghadapi


2-9

benturan-benturan, gerakan, dan sesekali tetesan-tetesan air. Akhir – akhir ini sudah banyak perangkatmobile yang sudah tahan banting, kebanyakan dariperangkat mobile yang tahan banting ini berasal dariChina negara dengan populasi manusia terbesardidunia.f. Konektivitas yang terbatasPerangkat mobile memiliki bandwith rendah,beberapa dari mereka bahkan tidak tersambung.Kebanyakan dari mereka menggunakan koneksiwireless.g. Masa hidup yang pendekPerangkat-perangkat konsumen ini menyala dalamhitungan detik kebanyakan dari mereka selalumenyala. Coba ambil kasus sebuah handphone,mereka booting dalam hitungan detik dankebanyakan orang tidak mematikan handphonemereka bahkan ketika malam hari.

3. Perangkat Android

Pada tahun 2005 Google mengakuisisiAndroid Inc yang pada saat itu dimotori oleh AndyRubin, Rich Miner, Nick Sears, dan Chris White.Yang kemudian pada tahun itu juga memulaimembangun platform Android secara intensif.Kemudian pada tanggal 12 November 2007 Googlebersama Open Handset Alliance (OHA) yaitukonsorsium perangkat mobile terbuka, merilisGoogle Android SDK, setelah mengumumkannyaseminggu sebelumnya. Dan sambutanya sangat luarbiasa, hampir semua media berita tentang IT danProgramming membritakan tentang dirilisnyaAndroid SDK (Software Development Kit).

Gambar 1. Android Timeline

Google bersama dengan OHA merilispaket software SDK yang lengkap unttukmengembangkan aplikasi pada perangkat mobileyaitu : Sistem operasi, Middleware dan aplikasiutama untuk perangkat mobile. Sebagai Programmerdan Developer kita bisa melakukan segalanya, mulaidari membuat aplikasi pengiriman SMS hanyadengan dua baris kode, hingga mengganti event padaHome Screen perangkat Android. Selain itu, bahkandengan mudah kita bisa membuat dan

mengkustomisasi Sistem Operasinya, ataumengganti semua aplikasi default dari Google.

Semua aplikasi yang dibuat untuk Androidakan memiliki akses yang setara dalam mengaksesseluruh kemampuan handset, tanpa membedakanapakah itu merupakan aplikasi inti atau aplikasipihak ketiga. Dalam kata lain dengan platformAndroid ini, Programmer dan Developer secarapenuh akan bisa mengkustomisasi perangkatandroidnya.

Android built in pada Linux Kernel (OpenLinux Kernel), dengan sebuah mesin virtual yangtelah didesain dan untuk mengoptimalkanpenggunan sumberdaya memori dan hardware padalingkungan perangkat mobile. Dalvik adalah namadari Android Virtual Machine, yang merupakaninterpreter virtual mesin yang akan mengeksekusifile kedalam format Dalvik Executeable(*.dex).sebuah format yang telah dirancang untuk ruangpenyimpanan yang efisien dan eksekusi memoriyang terpetakan.

Dalvik Virtual Machine (Dalvik VM)berbasis register, dan dapat mengeksekusi kelasyang telah terkompilasi pada compiler bahasa Java,kemudian di transformasikan ke dalam native formatdengan menggunakan tool “dx” yang telahterintegrasi. Kita mungkin telah mengenal JavaVM(Java Virtual Machines), yang saat ini bisa kitatemukan pada setiap komputer desktop. Berbedadengan DalvikVM, JavaVM berbasis stack.DalvikVM memiliki keunggulan denganmenggunakan Registered Based, ini karena padaprosesor perangkat genggam telah dioptimasi untukeksekusi berbasis register.

Android saat ini tidak hanya berjalan padahandphone, beberapa vendor menanamkan Androidpada Tablet, Internet Tablet, E-Book Reader,Laptop, dan gadget lainnya. Dengan begitu akansangat berharga sekali mempelajari platform ini,dengan arsitekturnya yang terbuka, maka platformini Android adalah platform mobile masa depan.

3.1 Kriteria Penelitian

Kriteria yang digunakan dalam prosespenilaian kinerja sebanyak 4 kriteria, keempatkriteria yang digunakan adalahkomitmen,manajemen, kerja sama dan hasil kerja.Komitmen merupakan kriteria yang berkenaandengan sikap kerja, yang dinilai dalam kriteriakomitmen adalah tingkat kejujuran pegawai dalambekerja, tingkat loyalitaspegawai terhadap instansi,tingkat tanggung jawab pegawai dalam mengembantugas dan disiplin pegawai dalam hal waktu bekerja.Kriteria manajemen merupakan kriteria yangberhubungan dengan manajemen danpengorganisasian. Yang dinilai dalam kriteriamanajemen adalah tingkat kepemimpinan,perencanaan, pengorganisasian dan tingkat


2-10

pemberian pengarahan terhadap rekan kerja ataubawahannya. Kerja sama merupakan kriteria yangberkenaan dengan baik tidaknya model komunikasi,bagaimana cara dia beradaptasi dan bagaimana carakaryawan berbagi informasi dan hasil kerja yangdinilai adalah kualitas dan kuantitas hasil kerja yangtelah dilakukan dibandingkan dengan standarinstansi. Kriteria yang digunakan dijelaskan padatable 1.

Tabel 1. Penjelasan kriteria penilaianNo. Kriteria Penjelasan

1 Komitmen Menilai perilaku, prioritasdan tujuan organisasi.

2 Manajemen Menilai bagaimanaKaryawan bisamemimpin,merencanakan,mengorganisasi danmemberikan pengarahan.

3 Kerjasama Melakukan bagaimanakerja karyawan terhadapbawahan, teman danatasan

4 Hasil Kerja Hasil yang didapatkandari karyawandibandingkan denganstandar organisasi.

4. Perancangan Sistem

Penelitian ini menggunakan perancanganberbasis Object Oriented yaitu UML (UnifiedModelling Language) dengan perangkat lunakStarUML.

4.1 Context Diagram

SPK PENILAIAN KINERJA KARYAWAN

KARYAWAN

PIMPINAN

STAF HRD

Laporan Data Faktor dan Bobot Penilaian

Data User

Data NIlai

Data Karyawan

Data Karyawan

Laporan data Karyawan

Laporan Hasil PenilaianFaktor dan bobot Penilaian

Range Nilai

Laporan Data Karyawan

Laporan Master Nilai

Laporan Hasil Penilaian

Laporan Penilaian Kinerja

Laporan Data User

Gambar 2. Context Diagram SPK PenilaianKinerja Karyawan

4.2 Perancangan Database Konseptual

Gambar 3. Entity Relationship Diagram

4.3.Diagram Alir Langkah Metode SimpleAdditive Weighting (SAW)

Gambar 4. Diagram Alir Metode SAW

5. Kesimpulan dan Saran5.1 Kesimpulan

Data- data tersebut dapat dikumpulkanmenjadi basis data pengetahuan untuk diprosesmenggunakan metode Simple Additive Weighting(SAW) Sehingga perancangan dialog danantarmuka perangkat lunak ini nantinya dapatmembantu pihak manajemen dalam menilai kinerjakaryawannya.

5.2 Saran

Pada penelitian lanjutan dapat dilakukanpembuatan dialog yang lebih interaktif sehinggalebih memudahkan pengguna dalam memanfaatkanaplikasi yang dibangun.

Daftar Pustaka

Andayani, Sri, Mardapi, D., 2012, ”PerformanceAssesment dalam Perspektif Multiple CriteriaDecision Making”, Prosiding SeminarNasional Penelitian, Pendidikan dan PenerapanMIPA, Fakultas MIPA, Universitas NegeriYogyakarta.

Kusumadewi. Sri et al. 2006. ”Fuzzy Multi-Atribut Decision Making (Fuzzy MADM)”,Cetakan 1, Graha Ilmu Yogyakarta.


2-11

Kusumadewi, Sri dan Purnomo, H. 2010.”Aplikasi Logika Fuzzy untuk PendukungKeputusan”, Edisi 2, Graha Ilmu, Yogyakarta.

Tata Sutabri, S.Kom., 2007, ”Analisa SistemInformasi, Andi, Yogyakarta. PenilaianKinerja Karyawan”, URL : http://jurnal-sdm.blogspot.com/2009/04/penilaiakinerjakaryawan.html, 2009, diunduh pada 01April 2013.

Zadeh, L.A., 1965. ”Fuzzy Sets. Information andControl 8”, 338-353.


3-12

SISTEM INFORMASI MANAJEMEN DAN KEPENGASUHANPANTI MUHAMMADIYAH JAWA TIMUR BERBASIS WEB

MENGGUNAKAN METODE OBJECT ORIENTED& ICONIC PROCESS

Immah Inayati1, Hersa Farida Qoriani2

1Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Narotama Surabaya2Program Studi Tenik Informatika, Fakultas Ilmu Komputer, Universitas Narotama Surabaya

[email protected], [email protected]

Abstrak

Muhammadiyah merupakan salah satu organisasi kemasyarakatan tertua di Indonesia. Organisasiini bergerak di banyak bidang, mulai pendidikan, ekonomi, kepemudaan, juga di bidang sosial. Salah satubidang yang berada di bawah muhammadiyah yaitu panti asuhan. Muhammadiyah memiliki 109 pantiasuhan yang tersebar di berbagai wilayah di jawa timur. Panti asuhan tersebut dihuni oleh 4.297 anak asuhdengan berbagai level pendidikan, mulai Sekolah Dasar, Sekolah Menengah Pertama, Sekolah MenengahAtas, hingga Perguruan tinggi. Masing-masing panti memiliki potensi dan kekurangan. Beberapa panti telahmemiliki kegiatan wirausaha di samping kegiatan kepengasuhan, sementara panti lain hanya melakukankegiatan kepengasuhan. Upaya melakukan sharing informasi kegiatan telah dilakukan namum belummaksimal dikarenakan minimnya sarana pertukaran informasi sesama panti.

Masih belum adanya sistem yang mampu mengintegrasikan data seluruh panti di wilayah jawatimur cukup menyulitkan terutama pihak manajemen majelis sosial PWM Muhammadiyah dalam melakukanmonitoring dan kontrol. Selain itu dari pihak panti sendiri, tidak maksimal dalam melakukan pengelolaandata internal panti serta kesulitan ketika akan melakukan mutasi antar panti, baik mutasi pengasuh maupunmutasi anak asuh. Untuk menjawab permasalahan ini maka penulis mengusulkan rancang bangun sebuahsistem informasi manajemen dan kepengasuhan panti asuhan jawa timur berbasis web dengan menggunakandatabase terintegrasi. Untuk mendapatkan analisis dan desain lengkap, penelitian ini akan menggunakanUseCase driven – Iconic Process dengan memaksimalkan pemanfaatan diagram UML dan robustnessdiagram. Sementara tahap implementasi dikembangkan dengan menggunakan bahasa pemrograman PHP-bootsrat dan DBMS My-SQL.

Kata kunci : Panti Asuhan Muhammadiyah, Usecase driven, Usecase driven-iconic process, UMLDiagram, Robustness diagram

1. Pendahuluan

Muhammadiyah merupakan salah satuorganisasi kemasyarakatan tertua di Indonesia.Organisasi ini bergerak di banyak bidang, mulaipendidikan, ekonomi, kepemudaan, juga di bidangsosial. Salah satu bidang yang berada di bawahmuhammadiyah yaitu panti asuhan. Muhammadiyahmemiliki 109 panti asuhan yang tersebar di berbagaiwilayah di jawa timur. Panti asuhan tersebut dihunioleh 4.297 anak asuh dengan berbagai levelpendidikan, mulai Sekolah Dasar, SekolahMenengah Pertama, Sekolah Menengah Atas, hinggaPerguruan tinggi. Masing-masing panti memilikipotensi dan kekurangan. Beberapa panti telahmemiliki kegiatan wirausaha di samping kegiatankepengasuhan, sementara panti lain hanyamelakukan kegiatan kepengasuhan. Upaya

melakukan sharing informasi kegiatan telahdilakukan namum belum maksimal dikarenakanminimnya sarana pertukaran informasi sesama panti.

Bantuan dari donatur terus mengalir kepadasetiap panti. Bantuan dapat berupa uang, namun jugadapat berupa barang. Setiap bantuan yang diberikandicatat dalam sebuah buku besar oleh penerimabantuan. Dikarenakan masih manualnya pencatatanbantuan panti, maka diperlukan waktu khusus dalammelakukan perekapan data bantuan sertamencocokkan dengan bantuan yang ada. Haltersebut menyebabkan kesulitan bagi pihakmanajemen panti untuk melakukan monitor terhadapbantuan panti. Serta bagi pihak donatur juga tidakdapat segera melihat laporan bantuan panti.

Banyaknya jumlah anak asuh serta pantimemungkinkan adanya perpindahan antar panti, baikperpindahan anak asuh maupun perpindahan

Immah Inayati1, Hersa Farida Qoriani2, Sistem Informasi Manajemen ...

3-13

pengasuh. Anak panti yang telah menyelesaikanpendidikan Sekolah Menengah Atas di desa, denganadanya beasiswa bidik misi atau beasiswa pantimemungkinkannya untuk melanjutkan jenjangpendidikan menuju sarjana di kota denganbergabung dalam sebuah panti muhammadiyah lainpada kota yang sama dengan tempat ia kuliah.Begitu pula dengan pengasuh yang harus berpindahkota karena menikah dengan warga di kota lainnamun tetap ingin menjadi pengasuh pantimuhammadiyah membuat pengasuh perlu berpindahpanti. Perpindahan ini tentu membutuhkan sebuahpencatatan data yang terintegrasi antar panti.

Untuk menjawab permasalahan tersebut,penulis hendak membuat suatu sistem informasiterintegrasi yang dapat digunakan dalam melakukanmanajemen panti serta membantu dalam proseskepengasuhan agar panti muhammadiyah di Jawatimur dapat memaksimalkan potensi yang dimilikimasing-masing.

1.2.Metodologi Penelitian

Metode penelitian dalam rancang bangunsistem informasi ini mengadopsi metode waterfall,yaitu merupakan pembangunan sistem secara linierdan sekuensial, satu proses selesai dilakukan barukemudian melakukan proses yang lain. Metode yangdigunakan yaitu menggunakan metode ObjectOriented. Tahapan paling awal yaitu studi literaturyang merupakan tahap pengumpulan sumber pustakasebagai dasar penelitian. Tahap kedua yaitu tahapRequirement Gathering atau tahap penggaliankebutuhan. Tahapan ini merupakan tahapan yangsangat penting karena menjadi dasar informasi bagitahapan selanjutnya. Pada tahap ini digali kebutuhandari user mengenai sistem. Teknik pengumpulandata yang dilakukan dalam penelitian inidikelompokkan menjadi dua, yaitu: wawancara danidentifikasi dokumen. Wawancara dilakukan denganmengajukan pertanyaan secara lisan kepada pihakmanajemen panti muhammadiyah jawa timur sertastakeholder lain, untuk menggali permasalahan yangdihadapi serta proses bisnis yang selama inidijalankan. Teknik selanjutnya yaitu mengumpulkansemua dokumen yang dimiliki oleh panti yangberkaitan dengan proses bisnis panti untuk dilakukanidentifikasi yang menjadi bahan untuk penyususnansystem dan database.

Setelah dilakukan requirement gathering,tahap selanjutnya yaitu tahapan ketiga adalahtahapan Analisa dan perancangan. Tahap inimelakukan Analisa dan spesifikasi dari hasilpenggalian kebutuhan pada tahapan sebelumnya.Metode yang digunakan yaitu Object OrientedAnalisis and Design dengan menggunakan diagramUnified Modelling Languange (UML). Dalammembangun diagram UML, peneliti menggunakanmetode terbaru dari OOAD yang belum banyak

digunakan, yaitu Usecase driven Iconic Process.Metode ini menekankan pada usecase diagramsebagai pendorong utama proses rancang bangunserta dengan memotong lamanya alurpengembangan dengan memanfaatkan RobustnessDiagram. Tahapan analisa desain denganmenggunakan iconic process terdiri dari dua tahap,yaitu tahap statis dan tahap dinamis. Untuk tahappaling awal dimulai dengan membangun GUIstoryboard penggalian kebutuhan. Selanjutnyadilakukan dua proses secara bersamaan dan salingmerevisi, yaitu proses dinamis, yang terdiri dariproses membangun usecase diagram, robustnessdiagram, dan sequence diagram. Sementara prosesstatis terdiri dari membangun domain model yangdiupdate berdasarkan perkembangan dari prosesstatis yang kemudian menjadi class diagram. Keduaproses ini kemudian akan menghasilkan dokumenAnalisa dan perancangan yang menjadi bahan bagitahap selanjutnya, yaitu tahap implementasi. Toolyang digunakan untuk membangung masing-masingdiagram yaitu dengan menggunakan softwareenterprise architect.

Tahapan selanjutnya yaitu pada tahapkeempat, tahap implementasi system. Pada tahapinilah proses membuat coding program dan testingdilakukan. Coding program dilakukan denganmenggunakan Bahasa pemrograman HypertextPreprocessor (PHP) serta database managementsystem (DBMS) MySql dengan memanfaatkanframework CSS, Bootstrap. Sementara untuk tahaptesting dilakukan dengan menggunakan metodeWhitebox. Metode ini memungkinkan prosespengujian yang didasarkan pada detail hasil tahapAnalisa dan perancangan . Gambar 2.1 menunjukkanalur metodologi penelitian yang dilakukan padapenelitian.

Gambar 1. Metodologi Penelitian


3-14

2. Perancangan Sistem

Pada tahapan ini dilakukan prosespembuatan sketsa sistem. Tahap ini terdiri daribeberapa tahapan, yaitu membangun story board,membangun usecase diagram, membangunrobustness diagram, membangun sequence diagram,domain model dan class diagram.

2.1 Gui StoryBoard

Tahap ini merupakan tahap penggambarandesain antarmuka berdasarkan hasil analisakebutuhan sistem pada tahap penggalian kebutuhan.Gambar 3-1 merupakan contoh GUI Storyboarduntuk proses menambah panti asuhan. Pada bagianbawah merupakan link untuk menambahkan datadetail panti, yaitu struktur panti, data pengasuh, dandata anak asuh. Data ini melekat pada panti tertentumaka tidak boleh dientrykan secara terpisah.

Gambar 2. Gui Storyboard skenario ’menambahdata panti’

3. Daftar Kebutuhan Sistem

Setelah melakukan penggambaran desainantar muka sistem, maka dilakukan list usecase danaktor sebagai bahan untuk membuah usecasediagram.

Tabel 1.List usecase dan aktorActor Usecases

User UC.01. Log inUser UC.02. Melihat data detail PantiSuper Admin UC.03. Mengelola master data panti asuhanSuper Admin UC.04. Mengelola struktur organisasi panti

asuhanSuper Admin UC.05. Mengelola MutasiAdmin UC.06. Mengelola master data asal sekolah

anak asuhAdmin UC.07. Mengelola data jenis catatan akademikAdmin UC.08. Mengelola jenis pekerjaanAdmin UC.09. Mengelola jenis bantuanAdmin UC.010. Mengelola data anak asuhAdmin UC.011. Mengelola data pemberi bantuanAdmin UC.012. Mengelola data donaturAdmin UC.013. Mengelola data akademik anak asuhAdmin UC.014. mengelola aktivitas panti asuhanPengasuh UC.015. melihat laporan donaturPengasuh UC.016. melihat laporan bantuan

Pengasuh UC.017. melihat laporan mutase anak asuhdan pengasuh

Pengasuh UC.018. Melihat laporan anak asuhPengasuh UC.019. melihat laporan akademik anak asuhPengasuh UC.020. Melihat laporan pemberi bantuanPengasuh UC.021. Melihat laporan kegiatanPengasuh UC.022. Melihat laporan kegiatan panti

asuhan

3.1 Usecase Diagram

Usecase Diagram merupakan bagian daridiagram UML yang menjelaskan behaviour darisebuah sistem informasi. Diagram ini menunjukkanapa saja yang dilakukan sistem, an tidakmenunjukan bagaimana cara sistem melakukannya.Aktor, yaitu bagian luar sistem yang mengaksessistem, menunjukkan hak akses sistem, sementarausecase menunjukkan fitur – fitur yang disediakansistem. Gambar 3-2 menunjukkan usecase diagramdari sistem SIMPM yang terdiri dari 4 aktor dan 22usecase.

Gambar 0. usecase diagram Sistem SIMPM

3.2 Robustness Diagram

Robustness Diagram merupakan diagramyang menghapus activity diagram yang biasadigunakan pada metode UML biasa. Diagram inimerupakan penghubung anatar usecase diagram dansequence diagram. Gambar 3-3 menunjukkanRobustness diagram untuk proses kelola panti.

uc Orphanage Management information system

Orphanage Management information system

login

manage orphanagecaretaker

manage relief item

manageorphanage

mutation

manage orphanageactiv ities

See donors report

manage orphanagedonor

Admin'

See relief report

See mutationreport

See activ ities oforphanage

change password

See orphanagedata

See information of theorphanage

User

caretaker

Super Adminmanage

administrator

ManageOrphanage

See monthlyReport

See mutation oforphans and

caretaker

manageOccupation

manage Orphan

Manage Orphanacademic report

Manage orphanschool


3-15

Gambar 4. Robustness diagram skenario 'kelolapanti'

3.3 Sequence Diagram

Setelah menggambarkan Robustness diagramkemudian dibangunlah Sequence diagram yangmenggambarkan halaman apa saja yang dibangunoleh programmer serta method apa saja yangdiperlukan dalam menjalankan sebuah skenario.Gambar 3-4 menunjukkan Sequence diagram untukskenario 'menambah panti'.

Gambar 5. Sequence diagram skenario 'menambah panti'

3.4 Domain Model

Domain model adalah tahap paling awal classdiagram. Pada tahap ini, berdasarkan usecasediagram penulis menentukan kelas yang akandibangun. Seiring berjalannya proses static, domainmodel terus diupdate untuk kemuadian menjadiclass diagram. Gambar 3-5 menunjukkan domainmodel awal yang terdiri dari 9 kelas, yaitu pantiasuhan, anak asuh, Pekerjaan, pengasuh, user,bantuan, donatur, dan bantuan.

Gambar 6. Domain model Sistem SIMPM

3.5 Class Diagram

Setelah membangun domain model awal ,berdasarkan Robustness diagram dan sequencediagram yang dibangun pada tahap statis, makadomain model terus diupdate hingga versiterlengkap yang disebut dengan class diagram. Classdiagram yang dibangun terdiri dari 15 kelas, yaitupanti asuhan, mutasi sementara, kota, admin,sekolah, juru kunci, pendudukan, donor, yatim piatu,adopsi, arus kas, lega, lega, lega lega, lega, danmutasi anak yatim piatu. Masing-masing kelasterdiri dari intance variabel dan method. Instancevariable menyimpan data dari setiap kelas sementaramethod menyimpan perilaku dalam kelas yang akantampil sebagai baris kode dalam program.

Gambar 7. Class Diagram Sistem SIMPM

4. Implementasi

Setelah tahapan analisa dan perancangantahapan selanjutnya yaitu tahap implementasi.Terdapat 5 menu yang masing-masing memilikisubmenu dalam sistem ini, yaitu menu (kelola) panti,menu (kelola) user, menu (kelola) master data yangterdiri dari submenu jenis catatan akademi,pekerjaan, sekolah dan jenis barang bantuan , menu(kelola) anak asuh, menu Laporan yang terdiri darilaporan anak asuh, laporan panti, laporan donatur,laporan bantuan dan laporan pengasuh.

Sebelum menjalankan sistem, penggunaharus terlebih dahulu melakukan login paga halamanlogin, seperti terlihat pada gambar 4-2. Beberapahalaman input yang ditampilkan pada paper ini yaituHalaman Kelola data Pengasuh Panti, HalamanKelola Anak Asuh, Halaman Data Pengasuh Pantidan Halaman Data Donatur.

uc Use Case Model

Super Adminhome kelola panti

pantishow halaman kelolapanti

menekan menu kelola panti

sd SD Add Orphanage

admin orphanage form orphanage orphanage

add button click()

add orphanage()

add orphanage()

showform()

class domain Model

Orphanage

orphan

caretaker

donor

orphan's parents

relief

useroccupation

school

class ClassDiagram

Orphanage

+ alamat_panti_asuhan: char+ catatan_panti_asuhan: char+ email_panti_asuhan: char+ gambar_kop: char+ id_kota: int+ id_panti_asuhan: int+ kode_panti_asuhan: char+ nama_panti_asuhan: char+ notelp_panti_asuhan: char+ status_akreditasi_panti_asuhan: char+ status_panti_asuhan: char+ wilayah_pemb_gub_panti_asuhan: int

+ addPantiAsuhan()+ cekDoublePantiAsuhan()+ cekPakaiPantiAsuhan()+ deletePakaiPantiAsuhan()+ getLaporanPantiAsuhan()+ getPantiAsuhan()+ updPantiAsuhan()

occupation

+ catatan_pekerjaan: char+ id_pekerjaan: int+ kode_pekerjaan: char+ nama_pekerjaan: char

+ addPekerjaan()+ cekDoublePekerjaan()+ cekPakaiPekerjaan()+ deletePekerjaan()+ getPekerjaan()+ updPekerjaan()

City

+ catatan_kota: char+ id_kota: int+ kode_ kota: char+ nama_ kota: char

+ addKota()+ cekDoubleKota()+ cekPakaiKota()+ deleteKota()+ getKota()+ updKota()

School

+ alamat_ sekolah: char+ catatan_sekolah: char+ id_kota_ sekolah: int+ id_sekolah: int+ kode_sekolah: char+ nama_ sekolah: char+ notelp_sekolah: char+ tingkat_ sekolah: char

+ addSekolah()+ cekDoubleSekolah()+ cekPakaiSekolah()+ deleteSekolah()+ getSekolah()+ updSekolah()

caretaker

+ agama_pengurus: char+ alamat_institusi_pengurus: char+ alamat_tinggal_pengurus: char+ catatan_pengguna: char+ email_pengurus: char+ foto_pengurus: char+ gol_dar_pengurus: char+ id_jabatan: int+ id_jurusan: int+ id_kota_institusi: int+ id_kota_tinggal_pengurus: int+ id_pekerjaan: int+ id_sekolah: int+ id_tmpt_lahir_pengurus: int+ jk_pengurus: char+ kelas_semester_ pengurus: int+ nama_institusi_pengurus: char+ nohp_pengurus: char+ notelp_pengurus: char+ pend_akhir_pengurus: char+ status_kerja_pengurus: char+ status_nikah_pengurus: char+ tgl_gabung_pengurus: char+ tgl_lahir_pengurus: char

+ addPengurusPanti()+ cekDoublePengurusPanti()+ cekPakaiPengurusPanti()+ deletePengurusPanti()+ getLaporanPengurusPanti()+ getPengurusPanti()+ getPengurusPantiTrans()+ resetPassword()+ ubahPassword()+ updPengurusPanti()+ validasi()

donors

+ alamat_donatur_tetap: char+ catatan_donatur_tetap: char+ email_donatur_tetap: char+ id_donatur_tetap: int+ id_kota_donatur_tetap: int+ id_pekerjaan_donatur_tetap: int+ institusi_donatur_tetap: char+ jenis_donatur_tetap: char+ kode_donatur_tetap: char+ nama_donatur_tetap: char+ nohp_donatur_tetap: char+ notelp_donatur_tetap: char+ status_donatur_tetap: char

+ addDonaturTetap()+ cekDoubleDonaturTetap()+ cekPakaiDonaturTetap()+ deleteDonaturTetap()+ getDonaturTetap()+ getDonaturTetapTrans()+ getLaporanDonaturTetap()+ updDonaturTetap()

relief

+ catatan_bantuan_masuk: char+ id_bantuan_masuk: int+ id_donatur_tetap: int+ id_panti_asuhan: int+ id_pengurus: int+ id_pengurus_penerima: int+ jenis_donatur_bantuan_masuk: char+ nama_donatur_tidak_tetap: char+ no_nota_bantuan_masuk: char+ tanggal_bantuan_masuk: char

+ addBantuanMasuk()+ cekDoubleBantuanMasuk()+ getBantuanMasuk()+ getLaporanBarangBantuan()+ getLaporanUangBantuan()

stuff relief

+ id_bantuan_masuk: int+ id_barang: int+ id_detail_bantuan_masuk_barang: int+ jml_barang_bantuan_masuk: int

cash relief

+ id_bantuan_masuk: int+ id_detail_bantuan_masuk_uang: int+ jml_uang_bantuan_masuk: double

cashflow

+ catatan_keluar: char+ digunakan_untuk: char+ id_keluar: int+ id_panti_asuhan: int+ id_pengurus_pemberi_otoritas: int+ id_pengurus_penanggungjawab: int+ no_bukti_keluar: char+ tanggal_keluar: char

+ addPengeluaran()+ cekDoublePengeluaran()+ getPengeluaran()

Caretaker mutation

+ catatan_mutasi_pengurus: char+ id_mutasi_pengurus: int+ id_pengurus: int+ no_mutasi_pengurus: char+ sebab_keluar_mutasi_pengurus: char+ tgl_keluar_mutasi_pengurus: char+ tgl_terhitung_mutasi_pengurus: char

+ addMutasiPengurusPanti()+ cekDoubleMutasiPengurusPanti()+ deleteMutasiPengurusPanti()+ getLaporanMutasiPengurusPanti()+ getMutasiPengurusPanti()+ updMutasiPengurusPanti()

orphans mutation

+ catatan_mutasi_anak_asuh: char+ id_anak_asuh: int+ id_mutasi_anak_asuh: int+ id_panti_asuhan_asal: int+ id_panti_asuhan_tujuan: int+ no_mutasi_anak_asuh: char+ sebab_mutasi_anak_asuh: long+ tgl_keluar_mutasi_anak_asuh: char+ tgl_masuk_mutasi_anak_asuh: char

+ addMutasiAnakAsuh()+ cekDoubleMutasiAnakAsuh()+ deleteMutasiAnakAsuh()+ getLaporanMutasiAnakAsuh()+ getMutasiAnakAsuh()+ updMutasiAnakAsuh()

AdopsiAnakAsuh

+ alamat_pengadopsi_adopsi_anak_asuh: char+ catatan_adopsi_anak_asuh: char+ foto_adopsi_anak_asuh: char+ id_adopsi_anak_asuh: int+ id_anak_asuh: int+ id_kota_pengadopsi_adopsi_anak_asuh: int+ id_panti_asuhan: int+ id_pekerjaan_pengadopsi_adopsi_anak_asuh: int+ id_pengurus_saksi: int+ nama_pengadopsi_adopsi_anak_asuh: char+ no_adopsi_anak_asuh: char+ no_ij in_adopsi_anak_asuh: char+ nohp_pengadopsi_adopsi_anak_asuh: char+ notelp_pengdopsi_adopsi_anak_asuh: char+ status_nikah_pengadopsi_adopsi_anak_asuh: char+ tgl_adopsi_anak_asuh: char

+ addAdopsiAnakAsuh()+ cekDoubleAdopsiAnakAsuh()+ deleteAdopsiAnakAsuh()+ getAdopsiAnakAsuh()+ getLaporanAdopsiAnakAsuh()+ updAdopsiAnakAsuh()

orphans

+ agama_anak_asuh: char+ alamat_asal_anak_asuh: char+ alamat_tinggal_anak_asuh: char+ alamat_tinggal_ayah_anak_asuh: char+ alamat_tinggal_ibu _anak_asuh: char+ alamat_tinggal_wali _anak_asuh: char+ anak_ke_anak_asuh: int+ bpjs_anak_asuh: char+ catatan_anak_asuh: char+ email_anak_asuh: char+ foto_anak_asuh: char+ gol_dar_anak_asuh: char+ id_anak_asuh: int+ id_jurusan : int+ id_kota_asal_anak_asuh: int+ id_kota_tinggal_anak_asuh: int+ id_kota_tinggal_ayah_anak_asuh: int+ id_kota_tinggal_wali_anak_asuh: int+ id_panti_asuhan: int+ id_pekerjaan: int+ id_pekerjaan_ wali: int+ id_pekerjaan_ayah: int+ id_pekerjaan_ibu: int+ id_sekolah: int+ id_tmpt_lahir_anak_asuh: int+ jk_anak_asuh: char+ jml_sdr_anak_asuh: int+ kelas_semester_anak_asuh: int+ keterangan_difable: char+ kondisi_kesehatan: char+ nama_anak_asuh: char+ nama_ayah_anak_asuh: char+ nama_ibu_anak_asuh: char+ nama_wali_anak_asuh: char+ nia: char+ nohp_ ibu _anak_asuh: char+ nohp_anak_asuh: char+ nohp_ayah_anak_asuh: char+ nohp_wali _anak_asuh: char+ notelp_anak_asuh: char+ notelp_ayah_anak_asuh: char+ notelp_ibu _anak_asuh: char+ notelp_wali _anak_asuh: char+ pend_ wali _anak_asuh: char+ pend_akhir_anak_asuh: char+ pend_ayah_anak_asuh: char+ pend_ibu _anak_asuh: char+ status_anak_asuh: char+ status_ayah_anak_asuh: char+ status_hidup_ayah_anak_asuh: char+ status_hidup_ibu_anak_asuh: char+ status_ibu _anak_asuh: char+ status_tinggal_anak_asuh: char+ tgl_lahir_anak_asuh: char+ tgl_masuk_panti_anak_asuh: char

+ addAnakAsuh()+ cekDoubleAnakAsuh()+ cekPakaiAnakAsuh()+ deleteAnakAsuh()+ getAnakAsuh()+ getAnakAsuhTrans()+ getLaporanAnakAsuh()+ updAnakAsuh()

Admin

- id_panti_asuhan: int

+ addAdmin()+ cekDoubleAdmin()+ cekPakaiAdmin()+ deleteAdmin()+ getAdmin()+ updAdmin()

0..*1

1 0..*

1

1..*

0..*

1

10..*0..*

1

0..*

1

1

0..*

10..*

0..*

1

0..*

1

1

0..*

0..*

1

0..*

1

10..*

1

0..1

10..*

1 0..*

1

0..*

10..*

10..*


3-16

Gambar 8. Halaman Login

Gambar 9. Halaman Kelola data Pengasuh Panti

Gambar 10. Halaman Kelola Anak Asuh

Gambar 11 Halaman Data Pengasuh Panti

Gambar 12. Halaman Data Donatur

5. Kesimpulan dan Saran5.1 Kesimpulan

Aplikasi ini dapat mempermudah pantiasuhan dalam menjalankan proses bisnisnya. Bagipihak manajemen yaitu Majelis Sosial PWMMuhammadiyah Jawa timur lebih mudah dalammelakukan monitoring dan kontrol 109 panti di Jawa

timur serta dapat mengambil keputusan berdasarkandata yang valid dan update. Bagi pengasuh danpengurus panti menjadi dimudahkan dengan prosespencatatan yang terintegrasi semua data panti. Bagianak asuh juga akan dapat meningkatkan potensisementara bagi donatur akan dapat melihatkebutuhan panti serta mendapatkan laporan bantuanpanti dengan cepat dan akurat. Hal ini akanmeningkatkan potensi bantuan dan peluang yangdidapatkan panti asuhan.

Sistem SIMPM yang dibangun merupakanhasil penggalian kebutuhan dari manajemen pantiserta pengurus panti yang kemudian dilakukananalisa dan perancangan dengan menggunakanmetode usecase driven iconic process dandilanjutkan pada tahap coding dengan menggunakanbahasa pemrograman PHP-Bootstrap dan DBMSMy-SQL. Sistem Informasi ini mengahsilkan 22Fitur terangkum dalam 5 menu dalam sistem yangdapat diakses oleh pihak manajemen wilayah,pengurus panti, pengasuh panti, anak asuh panti,serta donatur panti.

5.2 Saran

Pada penelitian lanjutan dapat dilakukanpembuatan Sistem dengan menerapkan konseppendukung keputusan untuk dapat menilai kinerjasetiap panti asuhan di jawa timur. Konsep sistempendukung keputusan juga dapat digunakan dalamtahap rekrutmen panti asuhan, untuk menentukancalon siswa mana yang dapat diterima di pantiasuhan.

Daftar Pustaka

Bajaj Akhilesh and Wrycza Stanislaw (2009)”Systems Analysis and Design for AdvancedModeling Methods: Best Practices” InformationSicience Reference (an imprint of IGI Global).

Bennett Simon , John Skelton, and Ken Lunn (2004)”Unified Modelling Languange” Second EditionMcGraw-Hill Europe; 2 edition

Booch Grady, James Rumbough, and Ivar Jacobson(2005) ”The Unified Modelling Language UserGuide Second Edition.” Addison Wesley,United States

Ciccozzi, seceleanu corcoran, and Scholle (2016)”UML-Based Development of Embedded Real-Time Software on Multi-Core in Practice:Lessons Learned and Future Perspectives”,IEEE

Embley David, Liddle steven, and Pastor Oscar(2011) ”Conceptual-Model Programming: A


3-17

Manifesto , Handbook of Conceptual Modeling”pp 3-16, Springer

Li, Liu, and He (2002) ”Formal and use-case drivenrequirement analysis in UML” IEEE

Nebut, fleury, and thaoh (2016) ”Automatic testgeneration: a use case driven approach”, IEEE

Rosenberg Doug and Kendall Scout (2001)”Applying usecase driven object modelling witUML, an annoted E-Commerce exampl”,Addison Wesley

Rosenberg Doug and Stephens Matt (2007) ”UseCase Driven Object Modeling with UML theoryand practices”, Apress

Tolvanen Juha and Kelly Steven (2017) ”Model-Driven Development challenges and solutions:Experiences with domain-specific modelling inindustry”, IEEE


4-18

APLIKASI CLUSTER DATA PERKARA LALU LINTAS MINGGUANDI PENGADILAN NEGERI PAMEKASAN

Nilam Ramadhani1, Anang Faktchur Rahman2, Dewi Riskiyati3

Program Studi Teknik Informatika Fakultas Teknik, Universitas [email protected]

Abstrak

Pengadilan Negeri Pamekasan merupakan lembaga yang menangani perkara salah satunya adalahpelanggaran lalu lintas. Data register perkara yang masuk tiap harinya semakin banyak seiring seringnyaterjadi pelanggaran lalu lintas di daerah Pamekasan. Akan tetapi, penambahan data register pelanggaran inibelum sepenuhnya dimanfaatkan untuk kepentingan terkait. Misalnya, untuk mengetahui karakteristikpelanggaran,pasal, dan pelaku pelanggaran.

Dengan memanfaatkan teknik data mining khususnya cluster, dari dataset register perkara lalu lintastersebut dapat digali informasi dan pengetahuan yang diperlukan. Analisis cluster terhadap data set registerperkara lalu lintas yang didapat dari Pengadilan Negeri Pamekasan membangkitkan informasi mengenaipelanggaran (pasal) yang paling sering dilanggar serta karakteristik dari pelaku pelanggaran.

Untuk perbaikan kedepannya,aplikasi yang telah dibuat bisa dikembangkan menggunakan basisclient-server dan android. Hal ini untuk kesesuaian perkembangan teknologi serta kemudahan akses terhadapinformasi yang nantinya akan digunakan di Pengadilan Negeri Pamekasan.

.Kata kunci : Data Mining, Clustering, K-Means,Data Register Perkara Lalu Lintas

1.1 Latar Belakang

Pengadilan Negeri Pamekasan merupakanpengadilan negeri kelas 1B yang memiliki jumlahpelanggaran lalu lintas yang tidak sedikit. Hal initerlihat dari peningkatan jumlah pelanggaran lalulintas baik roda dua dan empat pada setiapperiodenya. Banyak sekali dijumpai permasalahanyang berkaitan dengan pelanggaran hukum, mulaidari yang ringan hingga yang berat.

Pelanggaran ringan yang kerap terjadidalam permasalahan lalu lintas adalah seperti tidakmemakai helm, menerobos lampu merah, tidakmemiliki SIM atau STNK, tidak menyalakanlampu pada siang hari, dan bonceng tiga.Pelanggaran lalu lintas seperti itu dianggap sudahmenjadi kebiasaan bagi masyarakat penggunajalan baik dari kelompok pelajar,usia mudamaupun orang tua.

Seiring dengan terus bertambahnyajumlah pelanggaran lalu lintas khususnya di kotaPamekasan, maka jumlah data register perkara lalulintas terus meningkat sehingga terjadipenumpukan data yang belum diolah denganoptimal. Hal ini bisa dimanfaatkan untuk menggaliinformasi dan pengetahuan baru melalui pola-polayang terbentuk. Oleh karenanya diperlukan teknikataupun metode untuk mengolahnya menjadisebuah informasi dan pengetahuan sepertimisalnya teknik cluster.

K-Means merupakan salah satu metodedata clustering non hirarki yang berusahamempartisi data yang ada ke dalam bentuk satuatau lebih cluster atau kelompok. Metode inimempartisi data ke dalam cluster atau kelompoksehingga data yang memiliki karakteristik samadikelompokkan ke dalam satu cluster yang sama.

1.2 Rumusan Masalah

Berdasarkan latar belakang, makadiperoleh rumusan masalah pada penelitian iniyaitu “Bagaimana merancang dan membuataplikasi cluster untuk data perkara lalu lintasmingguan yang terdapat di Pengadilan NegeriPamekasan mengunakan algoritma K-Means?”

1.3 Batasan Masalah

Agar penelitian ini dilakukan secaraterarah dan pembahasannya tidak melebar, makaditentukan batasan masalah pada penelitian iniyaitu :1. Data yang dipakai adalah data minggu

1,minggu 2, minggu 3, dan minggu 4 padabulan Januari 2014.

2. Penentuan jumlah cluster sebanyak 3.3. Aplikasi yang dibangun berbasis desktop.

Nilam Ramadhani1, Anang Faktchur Rahman2, Dewi Riskiyati3, Aplilasi Cluster Data …

4-19

1.4 Tujuan

Adapun tujuan yang ingin dicapai padapenelitian ini adalah sebagai berikut :

1. Untuk membangkitkan informasi dataperkara lalu lintas tiap minggunya.

2. Untuk mengelompokkan pasal setiappelanggaran pada masing-masing cluster.

3. Untuk memerbaiki terjadinya penumpukandata yang belum diolah secara optimal dalammenggali informasi baru.

1.5 Manfaat

Adapun manfaat yang diharapkan daripenelitian ini adalah :

1. Dapat membantu Pengadilan NegeriPamekasan dalam membangkitkan informasiregister perkara lalu lintas berdasarkanpelanggaran (pasal) per minggunya.

2. Informasi jumlah peningkatan registerperkara lalu lintas setiap periode dapatdilakukan secara otomatis dan sistematis.

3. Mengganti system kerja manual ke systemterkomputerirsasi.

1.6 Metodologi Penelitian

Pada penelitian ini penulis menggunakandiagram blok sebagai acuan dalam metodologipelaksanaannya. Berikut ini diagram blok alirnyaseperti pada gambar 1.

Gambar 1. Diagram alir metodologi penelitian

2.1 Perkara Pelanggaran Lalu Lintas

Perkara Pelanggaran Lalu lintasmerupakan jenis perkara yang dari diperiksamelalui acara cepat. Pemeriksaan acara cepatdiatur dalam bab XIV bagian keenam KUHP yangterbagi menjadi dua golongan yaitu acarapemeriksaan tindak pidana ringan (pasal 205-pasal210 KUHP) dan acara pemeriksaan perkarapelanggaran lalu lintas (pasal 211-pasal216KUHP)

Lalu lintas di dalam Undang-undang No22 tahun 2009 didefinisikan sebagai gerakKendaraan dan orang di Ruang Lalu Lintas Jalan,sedang yang dimaksud dengan Ruang Lalu LintasJalan adalah prasarana yang diperuntukkan bagigerak pindah Kendaraan, orang, dan/atau barangyang berupa Jalan dan fasilitas pendukung.

2.2 Data Mining

Data mining merupakan suatu metodemenemukan suatu pengetahuan dalam suatudatabase yang cukup besar. Data mining adalahproses menggali dan menganalisis sejumlah datayang sangat besar untuk memperoleh sesuatu yangbenar, baru, sangat bermanfaat dan akhirnya dapatdimengerti suatu corak atau pola dalam datatersebut (Han & Kamber, 2006).

2.3 Algoritma Cluster K-Means

Clustering merupakan salah satu teknikanalisis dalam data mining yang melakukanpengelompokan data berdasarkan kesamaankarakteristiknya. Dengan kesamaan karakteristikpada sebuah kelompok ini dapat diambil suatupengetahuan yang memiliki arti dan berguna.

Tujuan dari clustering adalah untukmengelompokkan sejumlah data atau objekkedalam Cluster sehingga setiap Cluster akan terisidata yang semirip mungkin (Budi Santosa, 2007).

K-Means merupakan algoritma clusteringyang melakukan iterasi dalam penentuan titikterdekatnya. Algoritma K-Means dimulai denganpemilihan secara acak K yang merupakanbanyaknya cluster yang ingin dibentuk. Kemudiantetapkan nilai-nilai K secara random, untuksementara nilai tersebut menjadi pusat dari clusteratau biasa disebut dengan centroid, mean atau“means”.

Hitung jarak setiap data yang adaterhadap masing-masing centroid menggunakanrumus jarak semisal Euclidian Distance hinggaditemukan jarak yang paling dekat dari setiap datadengan centroid. Klasifikasikan setiap databerdasarkan kedekatannya dengan centroid.Lakukan langkah tersebut hingga nilai centroidtidak berubah (stabil).

Identifikasi kebutuhan dan kondisi objek penelitian1. Identifikasi permasalahan2. Studi literatur3. Analisis objek penelitian (Kondisi Lapangan)4. Menentukan suber daya : hardware / software

Pengumpulan dan analisa data penelitian1. Mengambil data penelitian dan memilih atribut yang akan

dipilih2. Menganalisis sistem (analisis input; proces; output)

Metode cluster dan dasar algoritma k-means1. Pemilihan secara acak K2. Tetapkan nilai K secara random3. Hitung jarak setiap data yang ada terhadap masing-masing

centroid menggunakan rumus Euclidian Distance hinggaditemukan jarak paling dekat dari setiap data dengan centroid

4. Klasifikasikan setiap data berdasarkan kedekatannya dengancentroid

5. Lakukan langkah tersebut hingga nilai centroid tidak berubah(stabil)

Desain dan Implementasi metode cluster1. Database; antarmuka dan aplikasi keseluruhan

Uji coba dan analisis metode cluster dengan algoritma k-means1. Melakukan uji coba pada aplikasi dan menyesuaikan dengan

metode cluster k-means2. Menentukan Output algoritma k-means

Dokumentasi hasil penelitian1. Penyusunan laporan


4-20

3.1 Analisis Input

Input yang digunakan pada penelitian iniadalah dataset register perkara pelanggaran lalulintas di Pengadilan Negeri Pamekasan. Padadataset tersebut memiliki atribut : Nomor Urut,Nomor Perkara, Nama Lengkap,TempatLahir,Umur,Jenis Kelamin,Kebangsaan,TempatTinggal, Agama, Pekerjaan, Pelanggaran (pasal),Tanggal, Putusan (denda/kurungan) sebanyak 726record.

Tidak semua atribut yang ada padadataset yang digunakan. Adapun atribut datasetyang dipakai untuk data mining adalah sepertiyang disajikan pada table 1.

Tabel 1. dataset dengan atribut yang dipakai

Nomor Umur /Pekerjaa

n PelanggaranPerkara Tgl.

LahirTerdakw

a (Pasal)01/Pid.LL/2014 21 Tahun

Mahasiswa

285(1)yo106(3)

02/Pid.LL/2014 44 Tahun Swasta

285(1)yo106(3)

03/Pid.LL/2014 21 Tahun

Mahasiswa

285(1)yo106(3)

…. …. …. ….

3.2 Analisis Tahap Proses

Tahap Proses meliputi hasil perhitunganPelanggaran (Pasal) terhadap umur dan pekerjaanterdakwa dengan mengelompokkan perkara dalamperiode bulan januari 2014 (minggu1; minggu2;minggu3; dan minggu4). Hasil perhitungannyadapat dilihat pada tabel 2.

Tabel 2. Preprosessing data per mingguNO PASAL M1 M2 M3 M4

1 Pasal 281yo77(1) 61 41 56 642 Pasal 282yo104 1 0 0 03 Pasal 282yo104(3) 0 1 0 04 Pasal 285(1)yo106 16 0 0 05 Pasal 285(1)yo106(3) 29 15 16 186 Pasal 285(2)yo106(3) 1 2 3 17 Pasal 287(1)yo106 3 0 0 08 Pasal 287(1)yo106(4) 6 0 5 09 Pasal 287(1)yo106(4)A 2 2 8 510 Pasal 287(1)yo106(4)B 0 0 1 011 Pasal 287(2)yo106 4 0 0 012 Pasal 287(2)yo106(4)C 1 4 2 213 Pasal 287(3)yo106 25 0 0 014 Pasal 287(3)yo106(4)E 3 3 1 615 Pasal 287(5)yo106(4) 0 0 1 016 Pasal 288(1)yo106 8 0 0 017 Pasal 288(1)yo106(5) 0 0 3 018 Pasal 288(1)yo106(5)A 1 10 5 819 Pasal 288(1)yo106(6) 3 0 0 020 Pasal 288(1)yo106(6)A 0 0 1 021 Pasal 288(2)yo106 2 0 0 022 Pasal 288(2)yo106(5) 3 0 0 023 Pasal 288(2)yo106(5)B 2 4 3 724 Pasal 288(3)yo106 5 0 0 0

25 Pasal 288(3)yo106(5)C 0 1 1 026 Pasal 288(4)yo106(5)A 1 0 0 027 Pasal 289yo106 1 0 0 028 Pasal 289yo106(6) 2 4 1 329 Pasal 291(1)yo106 10 0 0 030 Pasal 291(1)yo106(8) 26 23 19 2231 Pasal 291(2)yo106 4 0 0 032 Pasal 291(2)yo106(8) 15 20 14 2533 Pasal 292yo106(9) 1 1 0 034 Pasal 293(2)yo107 1 0 0 035 Pasal 293(2)yo107(2) 1 3 8 536 Pasal 302yo126 0 0 0 237 Pasal 303yo137(4) 15 0 1 038 Pasal 303yo137(4)A 1 0 0 039 Pasal 303yo137(4)abc 0 15 5 1

Data set register perkara lalu lintasmendeskripsikan 4 kelompok perkara dalamperiode bulan januari 2014. Adapunpendeskripsian kriteria minggu1 yaitu m1= (08januari 2014); m2= (15 januari 2014); m3 = (22januari 2014); dan m4= (29 januari 2014), sertamemiliki 39 baris data yaitu berdasakan 39pelanggaran (pasal).

3.3 Perancangan Sistem

Perancangan sistem merupakan bagianawal dari pembuatan aplikasi yang bertujuan untukmemberikan ketentuan bentuk dan proses padaperangkat lunak yang dibuat agar tidakmenyimpang dari aturan dan hasil analisis yangtelah ditetapkan.Perancangan sistem secara umumpada aplikasi ini akan dijabarkan denganpemakaian flowchart dan Data Flow Diagram.

3.3.1 Flowchart Cluster K-Means

Flowchart Cluster k-means berfungsiuntuk menggambarkan suatu tahapan cluster k-means yang diawali dengan start kemudiantentukan jumlah Cluster K, tentukan centroid awalsecara acak, lalu hitung jarak objek data kecentroid dengan menggunakan rumus euclidiandistance. Kemudian kelompokkan objek databerdasarkan jarak minimum ke centroid. Padaproses selanjutnya yaitu apakah ada objek yangberpindah kelompok? Jika ya maka ada prosespembentukan centroid baru dan ulangi langkah 3yaitu dengan menghitung jarak objek data kecentroid dengan menggunakan rumus euclidiandistance. Kemudian kelompokkan objek databerdasarkan jarak minimum ke centroid. Padaproses selanjutnya yaitu apakah ada objek yangberpindah kelompok? Jika tidak ada objek yangberpindah kelompok (stabil) maka prosesdihentikan (end). Seperti yang disajikan padagambar 2.


4-21

Gambar 2. Flowchart Cluster k-means

3.3.2 Data Flow Diagram Aplikasi

Data Flow Diagram (DFD) merupakanpenjabaran proses dari kerja sistem. Melalui DFDdapat diketahui aliran data yang masuk, data yangdiposes dan informasi yang dikeluarkan. Gambar 3merupakan DFD level 0 dari aplikasi yang akandibangun.

laporan

laporan

login

info login

info data register

import data register

0

Implementasi MetodeCluster dengan

menggunakan AlgoritmaKlasifikasi K_Means

adminkepalabagianpidana

Gambar 3. DFD level 0 rancangan aplikasi

4. Implementasi dan Uji Coba Sistem

Pada implementasi dan ujicoba sistem inimembahas penggunaan aplikasi sesuai tujuan yangingin dicapai. Adapun ujicoba yang dilakukanadalah sebagai berikut :1. Form Menu Utama / Halaman Awal

Pada tampilan ini terdapat beberapa menu yaituseperti menu Pasal, Perkara, Cluster, Atursandi, dan keluar . Berikut adalah tampilanmenu utama. Seperti pada gambar 4.

Gambar 4. Form menu utama

2. Form Proses Import Data Register PerkaraLalu LintasForm ini berfungsi untuk memproses dataregister perkara lalu lintas yang akan di cluster.Berikut tampilan import excel data registerperkara lalu lintas seperti pada gambar 5.

Gambar 5. Form import data excel

3. Form Proses Input Data PasalProses ini berfungsi untuk menginput datapasal baru yang terdiri dari menu tambah,ubah, hapus, dan cetak. Berikut tampilan Inputdata pasal seperti pada gambar 6.

Gambar 6. Form proses input data pasal


4-22

4. Form Proses Input Data PerkaraProses ini digunakan untuk melakukan inputdata si pelanggar baru yang terdiri dari menutambah, ubah, hapus, dan cetak. Berikuttampilan Input data perkara seperti padagambar 7.

Gambar 7. Form proses input data perkara

5. Form Proses Input Jumlah Cluster dan TitikCentroid.Proses ini digunakan untuk melakukan inputjumlah cluster dan menentukan titik centroidbaik secara acak atau ditentukan oleh user.Selainitu form ini juga berisi tombol prosesperhitungan menggunakan algoritma K-Means.Gambar 8 menunjukkan tampilan aplikasiuntuk prosesnya.

Gambar 8. Form proses input jumlah cluster dantitik centroid

Langkah kedua adalah proses penghitungan clusterdengan rumus euclidian distance hinggaditemukan jarak paling dekat dari setiap datadengan centroid, mengelompokkan setiap databerdasarkan kedekatannya dengan centroidsehingga nilai centroid tidak berubah (stabil).Adapun hasil iterasi pada cluster k means padaregister perkara lalu lintas periode januari 2014terdapat 5 iterasi dan iterasi terakhir ditandai

dengan angka 4.1. seperti yang disajikan padagambar 9.

Gambar 9. Tampilan centroid iterasi 1 sampai 4.1

Langkah ketiga yaitu proses penghitungan clusterdengan menggunakan algoritma k-means padasemua iterasi dan pembanding cluster pada iterasi4 dibandingkan dengan iterasi 4.1 (iterasi akhir),seperti yang disajikan pada gambar 10.

Gambar 10. Tampilan proses cluster iterasi 1sampai 4.1

6. Form Grafik Hasil ClusterForm ini digunakan untuk menampilkan grafikhasil cluster. Gambar 11 merupakan tampilangrafik hasil cluster.

Gambar 11. Tampilan grafik hasil cluster


4-23

7. Form Proses Rekapitulasi Anggota TiapClusterGambar 12 menunjukkan tampilan formrekapitulasi anggota dari cluster (C1),(C2), dan(C3) berdasarkan analisa pasal, umur,pekerjaan dan jumlah pelanggaran dalamperiode januari (minggu1, minggu2, minggu3,dan minggu4).

Gambar 12. Tampilan rekapitulasi anggota tiapcluster

Pada kesimpulan dari data anggota dari cluster(C1), (C2), dan (C3) terdapat prosentasepelanggaran dari setiap pasal. Dengan jumlahprosentase anggota cluster pertama (C1) sebanyak10,3%. jumlah prosentase anggota cluster kedua(C2) sebanyak 63,9%. jumlah prosentase anggotacluster ketiga (C3) sebanyak 25,8%. Dari jumlahpasal dapat diketahui prosentase tertinggi terdapatpada pasal 1 yaitu 281yo77(1) sebanyak 30,6%dan merupakan anggota cluster kedua (C2) sepertiyang disajikan pada gambar 13.

Gambar 13. Tampilan prosentase pelanggaran

8. Cetak Laporan Hasil ClusterProses ini digunakan untuk melakukan cetaklaporan hasil cluster yang sudah di lakukan.

Adapun tampilan cetak laporan ini seperti yangdisajikan pada gambar 13.

Gambar 13. Cetak laporan hasil pemeriksaan

Dari hasil analisa pada iterasi ahir dapatdisimpulkan bahwa pelanggaran terbanyakterdapat pada cluster kedua (C2) yaitu pada pasal 1(281yo77(1)). Artinya pasal ini harus diadakanevaluasi untuk meminimalisir terjadinyapelanggaran yang sama pada pasal yang samauntuk periode berikutnya. Adapun Padakesimpulan dari data anggota dari cluster (C1),(C2), dan (C3) terdapat prosentase pelanggarandari setiap pasal. Dengan jumlah seluruhprosentase anggota cluster pertama (C1) sebanyak10,3%. jumlah prosentase anggota cluster kedua(C2) sebanyak 63,9%. jumlah prosentase anggotacluster ketiga (C3) sebanyak 25,8%. Denganperhitungan prosentase sebagai berikut :

Pasal 288yo77(1) anggota cluster (C2) = x 100

= 30,6%Adapun untuk perhitungan prosentase pelanggaran(pasal) lainnya dengan menggunakan caraperhitungan yang sama, sehingga diperoleh hasilperhitungan prosentase seperti pada tabel 3.

Tabel 2.Prosentas anggota tiap cluster

No

PasalKelom

pokJumlah

Prosentase

1 Pasal 281yo77(1) C2 222 30,6%2 Pasal 282yo104 C3 1 0,1%3 Pasal 282yo104(3) C3 1 0,1%4 Pasal 285(1)yo106 C1 16 2,2%5 Pasal 285(1)yo106(3) C2 78 10,7%6 Pasal 285(2)yo106(3) C3 7 1%7 Pasal 287(1)yo106 C3 3 0,4%8 Pasal 287(1)yo106(4) C3 11 1,5%9 Pasal 287(1)yo106(4)A C3 17 2,3%

10 Pasal 287(1)yo106(4)B C3 1 0,1%11 Pasal 287(2)yo106 C3 4 0,6%12 Pasal 287(2)yo106(4)C C3 9 1,2%13 Pasal 287(3)yo106 C1 25 3,4%14 Pasal 287(3)yo106(4)E C3 13 1,8%15 Pasal 287(5)yo106(4) C3 1 0,1%16 Pasal 288(1)yo106 C1 8 1,1%17 Pasal 288(1)yo106(5) C3 3 0,4%


4-24

18 Pasal 288(1)yo106(5)A C3 24 3,3%19 Pasal 288(1)yo106(6) C3 3 0,4%20 Pasal 288(1)yo106(6)A C3 1 0,1%21 Pasal 288(2)yo106 C3 2 0,3%22 Pasal 288(2)yo106(5) C3 3 0,4%23 Pasal 288(2)yo106(5)B C3 16 2,2%24 Pasal 288(3)yo106 C3 5 0,7%25 Pasal 288(3)yo106(5)C C3 2 0,3%26 Pasal 288(4)yo106(5)A C3 1 0,1%27 Pasal 289yo106 C3 1 0,1%28 Pasal 289yo106(6) C3 10 1,4%29 Pasal 291(1)yo106 C1 10 1,4%30 Pasal 291(1)yo106(8) C2 90 12,4%31 Pasal 291(2)yo106 C3 4 0,6%32 Pasal 291(2)yo106(8) C2 74 10,2%33 Pasal 292yo106(9) C3 2 0,3%34 Pasal 293(2)yo107 C3 1 0,1%35 Pasal 293(2)yo107(2) C3 17 2,3%36 Pasal 302yo126 C3 2 0,3%37 Pasal 303yo137(4) C1 16 2,2%38 Pasal 303yo137(4)A C3 1 0,1%39 Pasal 303yo137(4)abc C3 21 2,9%

Jumlah Pelanggaran dan prosentase 726 100%

Dari jumlah pasal dapat diketahui prosentasepelanggaran (pasal) tertinggi pada periode januari2014 (minggu1; minggu2; minggu3; dan minggu4) terdapat pada pasal 1 yaitu pasal 281yo77(1)sebanyak 30,6% dan merupakan anggota clusterkedua (C2).

5.1 Kesimpulan

Dari hasil implementasi dan uji cobaAplikasi Register Perkara Lalu Lintas PengadilanNegeri Kelas IB Pamekasan dengan metodecluster dan algoritma k-means yang sudahdilakukan, didapatkan beberapa kesimpulansebagai berikut :1. Aplikasi dapat membangkitkan informasi

mengenai pelanggaran (pasal) yang palingsering dilanggar sehingga harus ada perhatiankhusus untuk meminimalisir terjadinyapelanggaran yang sama pada periodeberikutnya.

2. Data mining dengan teknik clustering k-meanspada data register perkara lalu lintasberdasarkan jumlah pelanggaranmenghasilkan informasi mengenai kelompokpasal yang sering di langgar dan merupakananggota dari cluster (C1; C2; dan C3) dalambentuk tabel prosentase.

5.2 Saran

Adapun beberapa saran untuk penelitianini adalah :

1. Aplikasi ini bisa dikembangkan denganberbasis client-server untuk kemudahan entridata.

2. Menambahkan atribut lokasi TempatKejadian Perkara pada database. Hal ini

untuk memberikan analisis cluster yang lebihdetil.

Daftar Pustaka

Agusta, Yudi., 2007. “K-Means-Penerapan,Permasalahan dan Metode Terkait”. JurnalSistem dan Informatika Vol.3 : 47-60.

Han, Jiawei, and Micheline Kamber, 2001. “DataMining : Concepts and Techniques”, MorganKaufmann.

Kusrini,Emha Taufiq Luthfi, 2009, “AlgoritmaData Mining”,Penerbit Andi : Jogyakarta.

Ramadhani,Nilam,2014. “Analisis Pola Asosiasidan Sekuensial Data Rekam Medis RSUDDr.H.Slamet Martodirdjo Pamekasan denganTeknik Data Mining Menggunakan AlgoritmaApriori”. SESINDO (Seminar NasionalSistem Informasi Indonesia) : EmpoweringIndonesian Small Medium Enterprises(SMEs) Through Technology Initiative toAddress ASEAN Economic Community(AEC) Challenges. Kampus ITS 22September 2014 Surabaya.

Santosa, 2007, “Data Mining. Teknik PemanfaatanData untuk Keperluan Bisnis”, First Editioned. Graha Ilmu : Yogyakarta.

ISSN 1858-4667 JURNAL LINK VOL 26/No. 2/September 2017

5-25

PERFORMA JARINGAN FREE WIRELESSDI TAMAN KOTA SURABAYA

Ricardo Haryunarendra1, Moh Noor Al-Azam2, Darian Rizaluddin3

1 Teknik Elektro, Universitas Kristen Petra.2,3 Fakultas Ilmu Komputer, Universitas Narotama.

[email protected], [email protected], [email protected]

Abstrak

Cara orang berkomunikasi dan mendapatkan informasi akhir-akhir ini telah berubah. Hari ini kitaterbiasa mendapatkan informasi dari internet. WiFi misalnya memiliki kontribusi yang luar biasa dalam caraorang terhubung dan mengakses informasi karena WiFi lebih murah serta lebih dapat diandalkan daripadajaringan seluler 4G atau 3G. Dalam tulisan ini membahas kualitas dan permasalahan WiFi yang dihadapimasyarakat saat menggunakan jaringan WiFi bebas (free WiFi) di 5 buah taman di kota Surabaya. Penelitianini menggunakan survei kuesioner untuk pengunjung taman. Hasil dari survei ini menunjukkan bahwadiperlukan adanya beberapa perubahan pada penyediaan layanan pada jaringan WiFi di tempat umum.Temuan ini juga mengidentifikasi masalah hotspot WiFi dan cakupannya.

Kata kunci: WiFi, hotspot, network, jaringan nirkabel, Surabaya

1. Pendahuluan

Dewasa ini teknologi jaringan mengalamiperkembangan yang sangat pesat dan sudah banyakteknologi diciptakan untuk membantu manusiadalam hal berkomunikasi. Dahulu pada era tahun 80-an komunikasi jaringan masih banyak menggunakanperantara kabel, namun saat ini teknologi kabelbanyak ditinggalkan karena adanya keterbatasandalam penggunaannya, sehingga saat ini teknologinirkabel yang digunakan untuk menggantikanpenggunaan kabel. Dalam penerapan teknologinirkabel ini telah diatur oleh badan yang bernamaIEEE (Institute of Electrical and ElectronicsEngineers). Dimana badan tersebut mengaturstandarisasi dari teknologi wireless ini termasukdalam protokol 802.11 atau biasa dikenal denganistilah Wi-Fi (Wireless Fidelity). Penggunaan Wi-Fisaat ini juga telah banyak digunakan pada perangkatjaringan seperti smart phone, laptop, PC, tablet, sertayang lainnya.

Pada perangkat jaringan seringkali terdapatspesifikasi dari perangkat Wi-Fi tersebut. Dimanaspesifikasi darisebuah perangkat tersebut tercantumtulisan IEEE 802.11 a atau b atau b/g atau n ataupunyang terbaru adalah IEEE 802.11 ac. Perbedaan darispesifikasi tersebut yaitu menunjukkan teknologiWi-Fi yang digunakan serta kemampuan dalam

transmisi transfer data, frekuensi yang digunakandan lain lain.

2. Jaringan Nirkabel

Terdapat 4 area penggunaan jaringannirkabel ini. Contoh dalam pengaplikasiannya yaitu:LAN Extention, Crossbuilding Interconnect,Nomiadic Access, dan Ad Hoc Network. Dari setiapkonfigurasi tersebut terdapat pertimbangantersendiri.

2.1 LAN ExtensionSeperti halnya dengan produk wireles LAN

yang diperkenalkan pada tahun 1980-an dan telahdipasarkan menjadi pengganti dari jaringan kabelLAN. Hal ini dimaksudkan untuk membuat jaringanyang efisien dalam instalasi jaringan, karena denganarea yang sangat luas tidak memungkinkan jangkuanjaringan tersebut menggunakan kabel. Sebagaicontoh, sebuah gedung pabrik dengan kantor staffyang berada di lantai atas cukup menghubungkandengan wireless LAN dalam jaringan kabel LANsatu area gedung. Sehingga konfigurasi jaringan inidisebut LAN Extension.

2.2 Cross Building InterconnectionYaitu penggunaan jaringan wireless untuk

menghubungkan dua gedung yang berdekatan

Ricardo Haryunarendra1, Moh Noor Al-Azam2, Darian Rizaluddin3, Performa Jaringan Free …

5-26

supaya kedua gedung tersebut dapat berkomunikasidengan jaringan yang ada. Dalam hal ini biasanyamenggunakan bridge atau router sebagaipenghubung jaringan dari kedua gedung yangberdekatan.

2.3 Nomadic AccessSebuah konfigurasi yang menyediakan

antara jaringan wireless ataupun jaringan kabel LANyang konfigurasi jaringan ini dapat memudahkanpengguna jaringan untuk menggakses masuk dalamjaringan yang tersedia tersebut dengan pilihan mediayang disediakan (gambar 1).

Gambar 1. Nomadic Access

2.4 Adhoc NetworkingKonfigurasi jaringan peer-to-peer, yang

menghubungkan langsung antara client denganclient. Sehingga jaringan ini tidak terpusat denganadanya server. Dimana jaringan ini biasa digunakandalam kondisi yang mendesak, seperti halnyakonferensi ataupun rapat pada sebuah kantor(gambar 2).

Gambar 2. Adhoc Network

2.5 Wireless Technology

Konfigurasi jaringan wireless yang adapada umumnya terdapat beberapa kategori yangmengondisikan fungsi dan kemampuan dariperangkat teknologi wireless tersebut. Dimanakategori dari perangkat jaringan wireless ini untukmembedakan, serta mengetahui kemampuan

transmisi data yang akan di implementasikan dalamperangkat jaringan yang ada.

Jaringan wireless juga mempunyai karkteristikdalam fungsinya. Kerakteristik tersebut yaitu:

Semakin panjang gelombang, maka semakinjauh gelombang tersebut merambat.

Semakin panjang gelombang, maka semakinmudah juga gelombang mengintari ataumelalui penghalang yang ada.

Semakin pendek gelombang, maka semakinbesar data yang dapat dibawa atau dikirim.

Gambar 3. Wireless Technology

Beberapa teknologi yang digunakan dalamperangkat wireless (gambar 3) antara lain: Infrared (IR) LAN, merupakan jaringan yang

menggunakan impulse cahaya, dimana setiapcahaya mempunyai frekuensi tersendiri.Jaringan Infrared ini memiliki keterbatasandalam komunikasi, yaitu kedua media yangberkomunikasi harus sejajar garis lurus dantidak bisa jauh.

Spread spectrum LAN, merupakan jaringanyang menggunakan spektrum dalamtransmisinya. Serta jaringan ini bersifat openlisensi. Jaringan ini menggunakan ISM Band(Industrial Scientyfic Medical). Kelebihan darijaringan ini media yang berkomunikasi tidakharus sejajar garis lurus dan memiliki jangkauanlebih jauh dari inframerah. Kekurangannyayaitu memiliki banyak interferensi denganperangkat lain, karena jaringan masuk dalamfrekuensi 2,4 GHz.

Narrowban microware, jaringan ini beroperasipada frekuensi gelombang mikro, tetapi tidakmenggunakan penyebaran spektrum. Serta padajaringanini memiliki lisensi dalampenggunaannya, jadi harus mempunyai ijin jikamenggunakan jaringan ini. Kelebihannya yaitutransmisi yang digunakan lebih besar danjangkauan jaringan ini dapat menjakupjangkauan yang cukup jauh. Kekurangannyayaitu transmisi data yang dikirimkan tidak bisaterlalu besar.


5-27

Selain penggunaan media jaringan ada jugaprotokol jaringan dengan menggunakan standar dariIEEE 802.11. Standar ini digunakan untukmembedakan transmisi dan frekuensi dari perangkatjaringan. Berikut akan diuraikan mengenai standaryang ada dan kelebihan dan kerugian dari setiapstandar yang ada: IEEE 802.11a adalah standar yang disahkan

oleh IEEE pada tanggal 16 September 1999 danmemakai modulasi OFDM. Standar inimempunyai kecepatan maksimum yaitu 54Mbps, dengan troughput sebesar 27 Mbps. IEEE802.11a beroperasi pada modulasi ISM bandantara 5.745 dan 5.805 GHz, sehingga tidakcocok digunakan dengan 802.11b dan 802.11g.Karena ketika frekuensi yang didapat lebihtinggi maka jangkauannya akan lebih pendek.Selain itu daya yang dibutuhkan 802.11a inijuga besar karena memancarkan data yangbesar.

IEEE 802.11b adalah standar yang disahkanoleh IEEE juga pada tanggal 16 September1999. 802.11b ini menggunakan modulasi DSSS(Direct Sequence Spread Spectrum) yangberoperasi pada 2,4GHz dan mempunyaikecepatan maksimum yaitu 11Mbps dengantroughput sebesar 5 Mbps. standar inimerupakan yang paling populer dandipakaisampai saat ini. Karena banyakperangkat yang dapat mendukung jaringan dari802.11b ini.

IEEE 802.11g merupakan standar yang populerjuga dan banyak digunakan pada perangkatmedia jaringan hingga saaat ini. standar 802.11gini disahkan pada tahun 2003 dan memakaimodulasi OFDM. Serta mempunyai kecepatanmaksimum yaitu 54Mbps dengan troughputsebesar 11 Mbps.

IEEE 802.11n merupakan standar yangdisahkan pada 11 september 2009. standar inimempunyai kecepatan maksimum yaitu 450Mbps. Bekerja pada frekuensi 2,4 GHz dan 5GHz, sama dengan halnya teknologi MIMO(Multiple-Input Multiple-Output. 802.11n inibekerja dengan cara mengkuantisasi pemancardan penerima sinyal, sehingga transmisi datayang dilakukan dapat secara paralel dan hasiltroughput sebesar 50-144 Mbps.

3. Metode Penelitian

Dalam penelitian dilakukan dengan carapengamatan pada 5 taman kota Surabaya yangmemiliki jaringan free wireless bagi pengunjungtaman-taman tersebut yaitu: Taman Bungkul, TamanLansia, Taman Flora, Taman Pelangi dan TamanKorea.

Pengambilan data teknis dilakukan selama10 hari dengan menggunakan aplikasi WiFi Network

Analyzer Pro versi android. Dengan aplikasi ini kitabisa mengetahui kecepatan, frekuensi access pointyang digunakan, signal strength, penggunaanchannel, latency dan lain sebagainya.

Selain pengambilan data teknis tersebut,dalam penelitian ini juga dilakukan wawancaradengan mengisi kuisioner kepada pengunjung tamanyang menggunakan fasilitas free WiFi tersebut.Pengambilan data survei dilakukan kepada 150orang pengunjung taman (30 orang tiap lokasitaman).

3.1 Hasil Pengamatan

Hasil pengamatan di lokasi taman denganWiFi Network Analyzer adalah sebagai berikut:

Gambar 4. Network Analyzer Taman Bungkul

Taman Bungkul, pada Taman BungkulSurabaya hanya terdapat satu hotspot. Hotspot ditaman ini memiliki kecepatan 19 Mbps dan channelselebar 20Mhz dengan menggunakan frekuensi 2.4Ghz (gambar 4).

Selain kecepatan yang menjadi masalahadalah banyaknya hotspot di sekitar taman bungkulyang aktif tapi tidak bisa digunakan oleh pengunjungtaman,sehingga menyebabkan channel overlapping.Gambar 5 memperlihatkan bahwa channel 1 -yangdigunakan Free WiFi pemkot Surabaya di TamanBungkul, mengalami overlapping dengan beberapahotspot lain di sekitar Taman Bungkul.

Gambar 5. Channel Overlapingdi Taman Bungkul


5-28

Taman Flora, pada Taman Flora Surabayahanya terdapat satu hotspot dan hotspot di taman inimemiliki kecepatan 59Mbps dan channel selebar149Mhz (gambar 6).

Gambar 6. Network Analyzer Taman Flora

Access Point di taman flora menggunakanfrekuensi 5 Ghz yang memiliki pilihan channel yanglebih banyak sehingga tidak terjadi overlapping.Seperti yang ditunjukan dengan gambar 7.

Gambar 7. Tidak Terjadi Channel Overlapingdi Taman Flora

Taman Korea, pada Taman Korea Surabayahanya terdapat satu hotspot dengan kecepatansebesar 58Mbps dan channel selebar 20Mhz denganmenggunakan frekuensi 2.4 Ghz (gambar 8).

Gambar 8. Network Analyzer Taman Korea

4. Hasil Survei Kuisioner

Untuk mendapatkan gambaran tentagkepuasan pengguna free WiFi pemkot Surabaya ini,maka dilakukan survey pada 150 orang pengguna.Hasil survey adalah sebagai berikut:

Tabel 1 menunjukan bahwa menurutpengguna, hotspot Taman Bungkul adalah yangterburuk dibanding dengan taman-taman yang lain,sedangkan taman Flora memiliki hotspot terbaikdisusul dengan hotpot di Taman Korea dan TamanPelangi. Secara rata-rata 46,67% penggunamenyatakan kepuasannya.

Tabel 1. Kepuasan Menggunakan Fasilitas WiFi

LOKASIPUAS?

YA TIDAK

1. Taman Bungkul (TB) 0 30

2. Taman Korea (TK) 20 10

3. Taman Lansia (TL) 12 18

4. Taman Flora (TF) 22 8

5. Taman Pelangi (TP) 16 14

Keluhan terbanyak terjadi pada Free WiFidi Taman Bungkul dan disusul dengan Taman Korea.Hal ini masuk akal karena banyaknya channeloverlapping di sekitar 2 hotspot tersebut sehinggamenimbulkan banyaknya permasalahan. Sementaraitu permasalahan di taman-taman yang lain tetapada, namun selisih keluhannya sangat besar dibandingkan kedua taman di atas.

Tabel 2. Keluhan Pengguna

LOKASIKELUHAN

LAMBAT SERINGTERPUTUS

SULITTERSAMBUNG

1. TB 12 14 4

2. TK 2 16 0

3. TL 2 8 0

4. TF 8 0 0

5. TP 4 0 0

Pada survei ini juga ditanyakan tentang apayang dilakukan oleh pengguna saat menggunakanFree WiFi pemkot ini? Dan terbanyak adalah untukchatting dan disusul dengan untuk browsing.

Tabel 3. Penggunaan Fasilitas Free WiFi

LOKASIPENGGUNAAN

Browse chat StreamLagu

StreamVideo

1. TB 11 17 0 2


5-29

2. TK 4 24 0 2

3. TL 9 12 3 6

4. TF 9 10 4 7

5. TP 10 13 2 5

Dari jawaban ini terlihat sudah beralihnyapenggunaan komunikasi person-to-person olehmasyarakat, yang sebelumnya mengandalkantelepon dan SMS beralih menjadi Instant Messenger.

4. Kesimpulan

Dari hasil pengumpulan data dan analisa diatas disimpulkan bahwa pada :Taman Bungkul perlu dilakukan perbaikan sistemutamanya pada penggunaan frekuensi 5 Ghz agarchannel overlapping bisa lebih diminimalkan.Selain itu juga perlu ditambah Access Point dibeberapa lokasi agar pengguna bisa memilih AccessPoint yang terdekat dengan lokasi di mana diaberada.

Taman Flora memiliki tingkat kepuasanpengguna tertinggi masalah yang terjadi hanyakeluhan beberapa pengguna tentang koneksiinternet yang lambat. Namun keluhan ini perludikaji ulang karena ada kemungkinan keluhanlambat ini terjadi pada akses streaming video -karena berdasarkan survei terlihat banyak penggunayang mengakses konten streaming video ini diTaman Flora.

Pada Taman Korea bandwidth masih memadaiuntuk memenuhi kebutuhan pengguna tetapi perludilakukan perbaikan sistem dengan menggantiAccess Point dengan yang frekuensi 5 Ghz, karenapenggunaan 2.4 Ghz sudah terlalu banyak di sekitartaman.

Sama seperti Taman Korea, pada Taman Lansiabandwidth juga masih memadai untuk memenuhikebutuhan pengguna dan cukupp mengganti AccessPoint dengan frekuensi 5 Ghz.

Pada Taman Pelangi bandwidth juga masihmemadai untuk memenuhi kebutuhan pengguna,namun perlu dipertimbangkan untuk menggantiAccess Point dengan frekuensi 5 Ghz sebelum lebihbanyak terjadi channel overlapping di lokasitersebut.Peneliti menyampaikan penghargaan danucapan terimakasih kepada PT. Rahajasa MediaInternet (RADNET) yang telah membantupenelitian ini dalam dalam kegiatan magangmahasiswa yang peneliti lakukan.

Daftar Pustaka

About.com. “Mobile Internet Access ComparisonPros and cons of different Internet-on-the Gooptions [Online]”. Available:http://mobileoffice.about.com/od/wifimobileconnectivity/a/wirelessinternet-comparison.htm(2012, Februari 14)

Ahmedur Rahman, C. I.Ezeife and A.K. Aggarwal.,Abdel-Majid Mourad, Loic Brunel, AkihiroOkazaki, and Umer Salim., 2010, “LTEArtichecture”, Mitsubishi Electric-InformationTechnology Centre Europe.

Bwif.org. 2006. “WiFi advantages, AdvanceBroadband WirelessInternet [Online]”,Available: http://www.bwif.org

B.Walke, P.Seidenberg, M.P.Althoff, 2003. “Multihop, ad-hoc broadband communications andWireless media systems”. UMTS TheFundamentals.

Cisco 2012. 802.11n: “Mission-Critical Wireless”,[Online].Available:http://www.cisco.com/en/US/netsol/ns767/index.html

dBrn Associates. “A comparison of technologies,market, and business plan [Online]”.Available:http://media.techtarget.com/searchMobileComputing/downloads/Finneran.pdf, (2004, Juni 1).

David Haskin. FAQ: 802.11n “wireless networkingNew standard offers faster speeds, greaterrange,[Online]”.Available:http://www.computerworld.com/s/article/9019472/FAQ_802.11n_wireless_networking, (2007, May 16).

David Haskin. FAQ: 802.11n “wireless networkingNew standard offers faster speedsgreaterrange,[Online]”.Available:http://www.computerworld.com/s/article/9019472/FAQ_802.11n_wireless_networking, (2007, May 16).

Excitingip.com. What is IEEE 802.11n, “what arethe advantages and challengesfor 802.11n in Wi-Finetworks[Online]”.Available:http://www.excitingip.com/186/what-is-ieee- 80211n-what-are-the-advantages-and-challenges-for-80211n-in-wi-fi-networks/, (2010, April 23).


6-30

SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHANPOWERBANK SESUAI BUDGET MENGGUNAKANMETODE SIMPLE ADDITIVE WEIGHTING (SAW)

Tyas Kartika Aminardi1, Achmad Zakki Falani2

1Program Studi Sistem Informasi Fakultas Ilmu Komputer, Universitas Narotama2Program Studi Teknik Informatika Fakultas Ilmu Komputer, Universitas Narotama

[email protected], [email protected]

Abstrak

Powerbank adalah sebuah teknologi untuk pengisian daya smartphone yang memungkinkanmenambah daya dimana saja, selama daya yang ada didalamnya masih cukup untuk ditransfer. Karenabanyaknya pilihan merek, kapasitas daya dan harga powerbank yang bervariasi memang membuatkebingungan untuk memilih. Banyak merek yang menawarkan harga murah dengan kapasitas yang besar.Ada juga yang menawarkan dengan kualitas baik dengan harga mahal. Merek asli dan kapasitasnya memangsetara dengan harga powerbank yang mahal. Namun kondisi ini sering dialami ketika ingin mencobamenentukan keputusan dalam membeli powerbank dengan merek dan kualitas baik sesuai budget.

Hal tersebut merasa perlu akan pentingnya membuat suatu sistem pendukung keputusan untukmemilih powerbank menggunakan metode Simple Additive Weighting (SAW). Dimana sistem ini bisamembantu proses penilaian terhadap powerbank yang akan dibeli sesuai dengan kebutuhan masing-masing.Penilaian berdasarkan kriteria dari merek, kapasitas, garansi, tegangan input output dan juga harga sesuaidengan anggaran.

.Kata kunci : Sistem Penunjang Keputusan, Powerbank, Simple Additive Weighting

1.1 Latar Belakang

Komunikasi dengan teknologi yangsemakin canggih membuat semua manusia tidakpernah lepas dari telepon selular sepertismartphone/tablet PC. Dalam kegiatan dimanapunselalu membawa smartphone sebagai saranakomunikasi jarak jauh. Namun smartphonememiliki daya tahan baterai yang terbatas. Denganketerbatasan kapasitas baterai, smartphone jugaharus dilengkapi perangkat pendukung daya yangpraktis dan bisa dibawa kemana-mana. Tanpaharus men-charger daya dengan terpancang padastop kontak dan kabel charger sehingga tidak bisamenggunakan smartphone. Pendukung baterai ituadalah powerbank. Alat ini biasanya digunakansaat situasi mendesak untuk men-chargersmartphone / tablet PC. Powerbank adalah sebuahteknologi untuk pengisian daya smartphone yangmemungkinkan menambah daya dimana saja,selama daya yang ada didalamnya masih cukupuntuk ditransfer.

Karena banyaknya pilihan merek,kapasitas daya dan harga powerbank yangbervariasi memang membuat kebingungan untukmemilih. Banyak merek yang menawarkan hargamurah dengan kapasitas yang besar. Ada juga yangmenawarkan dengan kualitas baik dengan harga

mahal. Merek asli dan kapasitasnya memangsetara dengan harga powerbank yang mahal.Namun kondisi ini sering dialami ketika inginmencoba menentukan keputusan dalam membelipowerbank dengan merek dan kualitas baik sesuaibudget.

Oleh sebab itu pentingnya kebutuhanakan membuat suatu sistem pendukung keputusanuntuk memilih powerbank menggunakan metodeSimple Additive Weighting (SAW). Dimana sistemini bisa membantu proses penilaian terhadappowerbank yang akan dibeli sesuai dengankebutuhan masing-masing. Penilaian berdasarkankriteria dari merek, kapasitas, garansi, teganganinput output dan juga harga sesuai dengananggaran.

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas, makapermasalahannya adalah bagaimanakah prosespemilihan powerbank yang berkualitas dan sesuaibudget user serta bagaimanakah cara merancangaplikasi sistem pendukung keputusan untukpemilihan powerbank menggunakan metodeSimple Additive Weighting (SAW).

1.3 Batasan Masalah

Tyas Kartika Aminardi1, Achmad Zakki Falani2, Sistem Penunjang Keputusan …

6-31

Batasan masalah yang digunakan dalampenelitian ini adalah :1. Pembuatan aplikasi ini menggunakan metode

Simple Additive Weighting untuk sistempendukung keputusan guna memilihpowerbank sesuai kualitas dan budget.

2. Jenis barang yang dijadikan objek adalahpowerbank robot RT 5600, powerbank RobotRT 6800, powerbank Robot RT 8800,powerbank Robot RT 500, powerbank romossolo 3, powerbank zola, powerbank Samsungavenger, powerbank veger, dan powerbankcross. Merek powerbank tersebut digunakanpada toko Art Nardi Cell sebagai studi kasus.

3. Kriteria yang digunakan adalah :a. Merek : untuk menentukan kualitas.b. Kapasitas : untuk menentukan kebutuhan

pengisian daya smartphone.c. Garansi : untuk memberikan layanan

service ketika powerbankbermasalah.

d. Tegangan output : untuk mengetahuitegangan yang akan masuk kedalamsmartphone dan dapat memprediksi waktucharger.

e. Harga : untuk menentukan anggaran.Karena harga yang mahal setara dengankualitas.

1.4 Tujuan

Tujuan penelitian ini adalah untukmemproses pemilihan powerbank sesuai budgetdan berkualitas serta untuk menerapkan metodeSimple Additive Weighting (SAW).

1.5 Manfaat

Manfaat penelitian ini adalahmempermudah pemilihan powerbank yangberkualitas sesuai budget dan dapat menerapkanmetode Simple Additive Weighting (SAW) dalampemilihan powerbank.

2.1 Sistem Pendukung Keputusan

Sistem pendukung keputusan adalahadalah sistem berbasis komputer yangmenyatukan informasi dari berbagai sumber,membantu organisasi dan analisis informasi sertamemfasilitasi evaluasi asumsi yang mendasaripenggunaan model tertentu. SPK memungkinkanpembuat keputusan untuk mengakses data yangrelevan di seluruh organisasi karena merekamembutuhkannya untuk membuat pilihan diantara beberapa alternatif. SPK memungkinkanpengambil keputusan untuk menganalisa data yangdihasilkan dari sistem pemrosesan transaksi dan

sumber informasi internal dengan mudah. (VickyL. Sauter, 2010: 5)

Ciri utama dari sistem penunjangkeputusan adalah kemampuannya untukmenyelesaikan masalah-masalah. Pada dasarnyasistem penunjang keputusan merupakanpengembangan lebih lanjut dari sistem manajementerkomputerisasi yang dirancang sedemikian rupasehingga bersifat interaktif dengan pemakainya.Sifat interaktif ini dimaksudkan untukmemudahkan integrasi antara berbagai komponendalam proses pengambilan keputusan sepertiprosedur, kebijakan, teknis, analisis, sertapengalaman dan wawasan manajerial gunamembentuk suatu kerangka keputusan yangbersifat fleksibel.Beberapa karakteristik dari SPK, diantaranyaadalah sebagai berikut: (Arthdi Putra, 2014)1. Mendukung seluruh kegiatan organisasi2. Mendukung beberapa keputusan yang saling

berinteraksi3. Dapat digunakan berulang kali dan bersifat

konstan4. Terdapat dua komponen utama, yaitu data dan

model5. Menggunakan baik data eksternal maupun

internal6. Memiliki kemampuan what-if analysis dan

goal seeking analysis7. Menggunakan beberapa model kuantitatif

Beberapa keuntungan penggunaan SPK antara lainadalah sebagai berikut: (Arthdi Putra, 2014)1. Mampu mendukung pencarian solusi dari

berbagai permasalahan yang kompleks2. Dapat merespon dengan cepat pada situasi

yang tidak diharapkan dalam konsisi yangberubah-ubah

3. Mampu untuk menerapkan berbagai strategiyang berbeda pada konfigurasi berbeda secaracepat dan tepat

4. Pandangan dan pembelajaran baru5. Sebagai fasilitator dalam komunikasi6. Meningkatkan kontrol manajemen dan kinerja7. Menghemat biaya dan sumber daya manusia

(SDM)8. Menghemat waktu karena keputusan dapat

diambil dengan cepat9. Meningkatkan efektivitas manajerial,

menjadikan manajer dapat bekerja lebihsingkat dan dengan sedikit usaha danmeningkatkan produktivitas analisis

2.2 Power Bank

Power Bank adalah sebagai pengisi dayagadget saat kita sedang berada diluar dan jauh darisumber listrik. Fungsi power bank dapat disebutjuga sebagai penyimpan daya atau dapatdianalogikan sebagai batrei cadangan, namun


6-32

untuk penggunannya kita tidak perlu mencopotbatrei handphone, kita cukup menancapkan kabelseperti saat kita men-charger menggunakancharger biasa.

Power bank memang khusus dibuat untukorang-orang lapangan yang jarang masuk ruangan,dan orang yang sering dalam perjalanan. Bendamungil itu memiliki bermacam-macam kapasitasdaya mulai dari ribuan mAh sampai puluhan ribumAh.

Untuk penggunaan power bank sendiricukup mudah. Untuk pengisian cukup dilakukanseperti saat kita men-charge handphone biasa.Setelah penuh power bank dapat digunakan.Pemasangannya juga hanya seperti saat kita men-charge handphone biasa. Untuk lama tidaknyasebuah power bank dapat digunakan tergantungdari daya yang dapat disimpan dari powerbanktersebut (biasanya dalam ukuran mAh).

Misalnya saja sebuah perangkatBlackberry, memiliki baterai berkapasitas 1500mAh. Jadi, power bank berkapasitas 6000 mAhdapat mengisi baterai 1500 mAh hingga empat kalicharge. Namun ada juga kemungkinan kurang dariempat kali charger, hal ini dikarenakan berbagaisebab misalnya saat pengisian power bank tidakmaksimal. (IT-Jurnal, 2016)Kelebihan menggunakan powerbank :

1. Sangat membantu saat anda saat beradadalam perjalanan dimana sulit atau bahkantidak ada aliran listrik.

2. Umumnya powerbank mempunyaispesifikasi high power dengan kapasitasmAh yang sangat besar, jauh dibandingbaterai cadangan. Hal ini menjadikan prosescharging bisa lebih cepat.

3. Powerbank charger bersifat universal,dengan menggunakan port microUSB atauminiUSB yang dapat mensuplai energibeberapa smartphone yang berbeda merek.

Kekurangan powerbank :1. Beberapa kasus powerbank malah dapat

mempersingkat umur baterai, pasalnyaukuran tegangan yang tidak sesuai antarapowerbank dengan smartphone tersebut.

2. Harganya masih relatif mahal, terutamapowerbank merek ternama dengan kapasitasbesar yang mempunyai kualitas bagus.

3. Bobot powerbank relatif berat untuk yangmemiliki kapasitas besar, dan beberapajenis harus dioperasikan dengan dukungankabel USB.

4. Powerbank juga memerlukan proses chargeseperti halnya baterai, dan biasanyadurasinya bisa mencapai 5 sampai 6 jambahkan seharian sampai kapasitas penuh.

5. Baterai smartphone cepat panas saat dicharge.

Dengan kelebihan dan kekurangan inikita dapat melihat dan mempertimbangkannyasebelum membeli. Menggunakan power bank adadampak baik dan buruknya, dampak baiknyaadalah kita bisa mencharge gadget kita dimanapundan kapanpun tanpa harus ada colokan listrik.Sedangkan dampak buruknya adalah apabila kitaterlalu sering menggunakannya dan kapasitaspowerbank dengan gadget kita tidak sesuai, hal itumalah akan merusak baterai gadget kita bahkankinerja dari powerbank pun akanmenurun.(hayyuretno, 29 januari 2014)

2.3 Simple Additive Weighting (SAW)

Definisi Metode Simple AdditiveWeighting (SAW) sering juga dikenal istilahmetode penjumlahan terbobot. Konsep dasarmetode SAW adalah mencari penjumlahanterbobot dari rating kinerja pada setiap alternatifpada semua atribut (Pahlevy. 2010). Metode SAWmembutuhkan proses normalisasi matrikskeputusan X ke suatu skala yang dapatdiperbandingkan dengan semua rating alternatifyang ada. Formula untuk melakukan normalisasitersebut adalah sebagai berikut (Kusumadewi,Harjoko, dan Wardoyo. 2006)

Dimana:a. rij = rating kinerja ternormalisasi dari

alternatif Ai (i=,2,…,m)b. Maxi= nilai maksimum dari setiap baris dan

kolom.c. Mini= nilai minimum dari setiap baris dan

kolom. xij= baris dan kolom dari matriks.Formula untuk mencari nilai preferensi untuksetiap alternatif (Vi) diberikan sebagai(Kusumadewi, Harjoko, dan Wardoyo.2006)Dimana:

a. Vi= Nilai akhir dari alternatifb. Wi= Bobot yang telah ditentukanc. rij= Normalisasi matriks.

Nilai Vi yang lebih besar mengindikasikan bahwaaternatif Ai lebih terpilih.

3.1 Metodologi Penelitian

Sistem pendukung keputusan yang baiktidak terlepas dari tahapan alur metodologipenelitian yang disusun dan mengamatipermasalahan yang muncul dan penyelesaianmasalah. Berikut tahapan Metodologi penelitianyang dijadikan sebagai acuan dalam kegiatanpenelitian tersebut.


6-33

Gambar 1. Metodologi Penelitian

4.1 Implementasi

Interface digunakan untuk interaksi antarapengunjung dengan sistem pendukung keputusanpemilihan powerbank. Pada tampilan menu kriteriaberisi nama kriteria, bobot dan keterangan. Untuknama kriteria diisi dengan kriteria yang sudahditentukan, nilai bobot disesuikan mana yang lebihpenting dalam pemilihan powerbank dari segimerek, kapasitas, tegangan, garansi atau harga.

Gambar 2. Tampilan Kriteria

4.2 Menu Alternatif

Pada tampilan menu alternatif initerdapat no, merek, seri, kapasitas, tegangan,garansi, harga. Menu ini juga bisa untuk tambah,edit dan delete.

Gambar 3. Tampilan Menu Alternatif

4.3 Input Penilaian

Pada tampilan menu input penilaian initerdapat no, alternatif, kriteria 1, kriteria 2, kriteria3, kriteria 4, kriteria 5. Dimana menu ini berisikannilai crisp dari setiap kriteria. Menu ini juga bisauntuk tambah, hitung, edit dan delete. Jikamemilih hitung maka akan muncul pada menulaporan perhitungan, dimana berisikan hasilperangkingan.

Gambar 4. Tampilan Input Penilaian

4.4 Perankingan & Crips

Setelah melakukan perhitungan penilaianmaka hasilnya ada pada menu perankingan. Menuini berisi data alternatif dengn hasil akhir yangsudah dihitung sesuai rumus. Hasil yang terbesarmenjadi pilihan sistem pendukung keputusan padapemilihan powerbank sesuai budget.

Gambar 5. Perankingan

Pada tampilan menu crisp ini terdapatkriteria, nama kriteria dan nilai. Untuk kriteriasesuai dengan tabel kriteria yang terdiri darimerek, kapasitas, tegangan output, garansi danharga. Nama kriteria berisi nama-nama alternatifyang sudah ditetapkan. Sedangkan nilai berisi nilaicrisp. Menu ini juga bisa untuk tambah, edit dandelete.


6-34

Gambar 6. Tampilan Crips

5.1 Kesimpulan

Dari hasil pembahasan pada pada bab-babsebelumnya, maka dapat disimpulkan bahwa:

1. Sistem penunjang keputusan ini merupakansebuah sistem informasi yang dibuat khususuntuk memproses dan menghitung penilaianterhadap pemilihan powerbank sesuaibudget dengan menggunakan metodeSimple Additive Weighting.

2. Kriteria yang telah ditetapkan oleh domainexpert antara lain merek bobot 25%keterangan benefit, kapasitas 15%keterangan benefit, tegangan 15%keterangan benefit, garansi 20% keteranganbenefit, harga 25% keterangan cost.

3. Dengan dibuatnya sistem penunjangkeputusan ini perusahaan dapat mengambilkeputusan secara cepat, tepat, dan obyektifuntuk memilih powerbank berkualitas dansesuai budget.

5.2 Saran

Berdasarkan hasil pembahasan dankesimpulan yang telah diuraikan, maka sarandalam penelitian ini adalah sistem penunjangkeputusan ini selanjutnya dapat dibuat berbasisandroid agar memudahkan konsumen lainnya bisamemilih powerbank dengan tepat sesuai budgetyang dimiliki dari perangkat handphone secaralangsung.

Daftar Pustaka

Ariyanto. 2012. “Sistem Pendukung KeputusanPemilihan Karyawan Terbaik dengan MetodeSAWI”. Universitas Islam Negeri SunanKalijaga, Jogjakarta.

Daftar harga powerbank semua tipe dan spesifikasiterbaru 2017.http://www.tipzblogging.com/2015/01/daftar-harga-powerbank-semua-tipe.html/ [diakses 4juni 2017]

Data, dimensi. 2016. 10 merek powerbank terbaikharga murah terbaru 2017.http://blog.dimensidata.com/10-merek-power-bank-terbaik-harga-murah-terbaru-2016/ [diakses 4 juni 2017]

Eniyati, Sri. 2011. “Perancangan SistemPendukung Pengambilan Keputusan untukPenerimaan Beasiswa dengan Metode SAW(Simple Additive Weighting)”. Program StudiSistem Informasi, Universitas Stikubank,Semarang.

Hakim, Lukmanul. 2014. “Rahasia inti master phpdan mysql”. Lokomedia, Yogyakarta.

Hartini, Citra Dwi. 2013. “Sistem PedukungKeputusan Pemilihan Hotel di KotaPalembang dengan Metode Simple AdditiveWeighting”.Universitas Sriwijaya, Palembang.

Rhozi, Luqman Fahrur. 2016. “Sistem PendukungKeputusan Pemilihan Smartphone Androidmenggunakan Metode Simple AdditiveWeighting (SAW)”. Universitas Nusantara

PGRI, Kediri.

Siregar, Choirotunisah. 2014. “Sistem PendukungKeputusan pemilihan Handphone BekasDengan Menggunakan Metode SimpleAdditive Weighting (SAWI)”. STMIK Budi

darma, Medan.

Store, Nano. Macam-macam merek powerbankrobot.http://tokonanopowerbank.com/blog/macam-macam-powerbank-dari-xiaomi-dan-vivan-robot [diakses, 14 Mei 2017]

Wahfa, JC. 2016. 5 merek powerbank dan tipsmemilih powerbank yang bagus.http://jeannettechapman.blogspot.com/2016/01/merek-power-bank-terbaik.html/ [diakses 4juni 2017]

I Lasmintayu, AZ Falani, 2017, “SistemPendukung Keputusan Untuk MemilihEkstrakurikulersiswa Di Sdn Kaliasin Vi-285Surabaya Dengan Menggunakan Metode RuleBased System”, Jurnal Link ISSN 1858-4667Vol.26 No.1, Fakultas Ilmu KomputerUniversitas.

Date post:	03-Mar-2019
Category:	Documents
Upload:	donhan
View:	235 times
Download:	0 times

Lintas Sistem Informasi dan Komputer KLASIFIKASI DAN ...link.narotama.ac.id/files/JURNAL LINKS Vol...

Documents