(STUDI KASUS SMK PGRI 1 SUMEDANG) David

APLIKASI ABSENSI SISWA BERBASIS BARCODE TERINTEGRASI SMS
GATEWAY DENGAN VB2010 DAN MYSQL
(STUDI KASUS SMK PGRI 1 SUMEDANG)
David Setiadi, S.Kom., M.T
Dosen Jurusan Teknik Informatika STMIK Sumedang
Email : [email protected]
Abstrak
Absensi siswa merupakan hal penting bagi pihak sekolah sebagai referensi untuk
penilaian siswa dalam hal keaktifan dan kehadiran, absensi pun menjadi bahan penting
dalam menentukan nilai seorang siswa oleh guru atau walikelas. Banyak cara untuk
meringankan beban guru dalam proses absensi siswa dan rekap absensinya, diantaranya
adalah absesnsi siswa berbasis barcode yang terintegrasi dengan sms gateway untuk
pemberitahuan kepada ponsel Orang tua atau Wali murid untuk memastikan bahwa siswa
sampai disekolah dan pulang dari sekolah. Sistem absensi ini dibuat dengan menggunakan
bahasa pemrograman Visual Studio 2010 dengan Database Mysql dan Gammu sebagai
Daemon SMS gateway.
Kata kunci : Absensi, SMS Gateway, Gammu
PENDAHULUAN
a. Latar Belakang
Pemanfaatan teknologi diberbagai bidang kehidupan memang sudah menjadi hal yang
biasa, dimana teknologi mampu membantu manusia dalam melakukan pekerjaannya sehingga
bisa dilakukan dengan lebih cepat, ringan dan efektif. Salahsatunya adalah pemanfaatan
teknologi di bidang pendidikan dari mulai membantu dalam proses pembelajaran hingga
membantu dalam proses manajemen sekolah untuk mengelola administrasi yang melibatkan
sistem yang besar yaitu siswa, guru, orang tua, staff hingga lingkungan sekolah yang
mungkin akan sangat rumit jika diproses dengan cara manual.
Hal yang tidak kalah penting adalah dalam hal pengolahan proses absensi siswa, dimana
biasanya pihak sekolah menyerahkan kepada organisasi kelas seperti ketua kelas atau
sekretaris kelas untuk mengelola absensinya dan guru melakukan rekap manual dari hasil
laporan dari organisasi kelas. Hal ini tentu saja sedikit merepotkan guru, siswa, wali kelas
hingga pihak sekolah dalam hal merekap seluruh kehadiran yang kemudian dijadikan sebagai
rujukan proses penilaian kehadiran siswa disekolah.
Atas dasar permasalahan tersebut diatas penulis membangun aplikasi sistem absensi
siswa dengan harapan dapat membantu komponen sekolah dalam proses absensi siswa dan
proses rekap kehadiran siswa dengan bantuan sistem aplikasi absesnsi, barcode scanner dan
modem sms gateway sebagai notifikasi ke orangtua/wali siswa.
b. Ruang Lingkup
Adapun ruang lingkup dari penelitian ini adalah absensi siswa di Smk PGRI 1 Sumedang
dengan menggunakan kartu siswa sebagai identitas unik untuk dibaca oleh mesin barcode
reader dan di proses oleh aplikasi absensi yang dibangun menggunakan VB 2010 dan
database Mysql yang terintegrasi dengan SMS Gateway untuk notifikasi otomatis kepada
nomor ponsel orang tua siswa sebagai pemberitahuan absen masuk dan keluar.
c. Tujuan
Tujuan dari penelitian ini adalah membuat aplikasi absensi berbasis barcode yang
terintegrasi dengan Sms Gateway sebagai notifikasi kehadiran siswa kepada orangtua siswa.
d. Metodologi
Metodologi yang digunakan pada penelitian ini adalah :
1. Studi Literatur
Mempeajari sumber-sumber pustaka untuk dijadikan referensi yang dapat berupa
buku, paper, dan halaman-halaman web mengenai sistem absensi , smsgateway, dan
pembangunan sistem menggunakan VB2010.
2. Analisis
Menganalisis aplikasi sebelumnya yang pernah dibuat oleh peneliti lainyang
kemudian dilengkapi kekurangannya dan ditambahkan fitur-fitur lain agar aplikasi
menjadi memiliki nilai tambah daripada aplikasi lainnya.
3. Membangun Perangkat Lunak dengan pendekatan berorientasi objek dengan proses
sebagai berikut :
(1) Analisis Perangkat Lunak
(2) Perancangan Perangkat Lunak
(3) Implementasi Perangkat Lunak
(4) Pengujian dan Evaluasi Perangkat Lunak
PEMBAHASAN
a. Konsep aplikasi
Adapun Flowchart dari konsep aplikasi absensi ini adalah sebagai berikut :
Gambar 1 : Flowchart Aplikasi
Dari gambar 1 diatas dapat diuraikan bahwa konsep aplikasi absensi ini adalah dimulai dari
inputan nomor unik (NIS) melalui barcode scanner yang dikonversi menjadi angka kemudian
di inputkan ke sistem, sistem akan mengecek id/NIS tersebut ke dalam database, jika ada
maka sistem akan mencatat dan menampilkan semua informasi tentang siswa dan selesai,
tetapi jika tidak ada maka sistem tidak akan memproses dan keluar, atau boleh mengulang
kembali menginput melalui barcode scanner.
b. Prinsip Kerja aplikasi
Prinsip kerja dari aplikasi ini secara garis besar dapat digambarkan seperti gambar
berikut ini :
(1)
(2)
(3)
(4)
Gambar 2 . Cara kerja Aplikasi Absensi & SMS Gateway
Kartu siswa
Kartu siswa digunakan sebagai id yang bersifat unik karena memiliki nomor induk
siswa (NIS) yang unik atau berbeda satu dengan yang lainnya. NIS di generate
menjadi sebuah barcode untuk di cetak pada bagian kartu siswa.
Barcode Scanner
Barcode scanner berfungsi untuk membaca code dari barcode yang ada di kartu siswa
yang kemudian di terjemahkan menjadi angka NIS dan di input ke dalam textbox
pada form absensi aplikasi.
Komputer
Komputer berfungsi untuk menjalankan aplikasi absensi dengan cara menerima
inputan dari barcode scanner berupa deretan angka NIS yang dijadikan kode unik
oleh sistem absensi melalui inputan textbox pada tampilan form masuk dan keluar.
Aplikasi ini akan mengolah semua data absensi siswa dari input hingga output berupa
dokument printout juga softcopy berupa MS.Excel. dan mengirimkan report berupa
notifikasi ke nomor handphone orang tua siswa melalui modem sms gateway.
Modem SMS Gateway
Modem sms gateway berfungsi untuk menerima perintah dari sistem atau apikasi
untuk mengirimkan isi sms ke nomor tujuan/ nomor handphone orang tua dengan
format nama_siswa, Jam masuk,Tanggal masuk,dan identitas sekolah.
c. Implementasi aplikasi
(1) Database
Gambar 4 : Struktur DataBase Absensi
Tabel 1. Kamus Data Absensi
Nama Tabel
tblsiswa
tbluser
tbljurusan
tblmasuk
tblkeluar
daemon
gammu
inbox
outbox
outbox_multip
art
pbk
pbk_groups
phones
sentitems
Field
id,nis,nisn,nama,kelas,jurusan,nohp,
foto
id,user,pass
id,jurusan
id,nis,tgl_masuk,jam_masuk,status
id,nis,tgl_keluar,jam_keluar,status
Start,Info
Version
UpdatedlnDB,ReceivingDateTime,Text,SenderNumber,Coding,U
DH,SMSCNumber,Class,TextDecoded,ID,RecipientID,Processed
Text,Coding,UDH,Class,TextDecoded,ID,SequencePosition
text,UDH,class,textDecoded,ID,sequencePosition
ID,groupID,number,name
name,ID
ID,UpdatedlnDB,InsertIntoDB,TimeOut,send,receeive,IMEI,Clien
t,Battery,Signal,Sent,Receive
UpdatedlnDB,InsertIntoDB,SendingDateTime,DeliveryDateTime,
text,DestinationNumber,Coding,UDH,SMSCNumber,Class,TextD
ecoded,ID,SenderID,SequencePosition,Status,StatusError,TPMR,
RelativeValidity,CreatorID
(2) Alur Coding
a. Login Administrator
Pembatasan hak akses untuk admin yang akan menjalankan aplikasi. Hanya admin
yang memiliki username dan password yang dapat menjalankan aplikasi, merubah
setting, input, edit dan hapus.
b. Menu Utama
Menu utama untuk mengekses ke beberapa sub-menu lainnya.
c. Manage User
Mengganti username dan password administrator absesnsi.
d. Input Siswa
Untuk input,update,delete data siswa.
e. Absensi Masuk
Proses absensi masuk, waktu, tanggal dan menentukan status tepat waktu atau
kesiangan.
f. Absensi Keluar
Proses absensi keluar, pencatatan jam dan tanggal keluar.
g. Cetak Laporan
Mencetak semua laporan masuk, keluar, harian, bulanan, perkelas, persiswa dan
per-rentang waktu.
h. SMS Gateway
Mengirim sms laporan ke orang tua siswa dari tabel masuk dan tabel keluar
tentang informasi siswa.
(3) Interface
a) Login Administrator
Gambar 14 : Form Login Administrator
b) Menu Utama
Gambar 15 : Menu Utama
c) Manage User
Gambar 16 : Form Ganti Password
d) Input Siswa
Gambar 17 : Form Input Siswa
e) Absensi Masuk
Gambar 18 : Form Absen Masuk
f) Absensi Keluar
Gambar 19 : Form Absen Keluar
g) Cetak Laporan
Gambar 20 : Form Cetak Laporan
h) SMS Gateway
Gambar 21 : Form Pesan Keluar
PENUTUP
a. Kesimpulan
Darihasil implementasi penelitian ini dapat disimpulkan sebagai berikut :
(1) Aplikasi absensi yang terpusat menggunakan barcode scanner dapat
menyelesaikan beberapa masalah yang timbul dari penggunaan sistem absensi
manual.
(2) Integrasi dengan SMS gateway dapat memberi manfaat untuk orang tua siswa
dalam memantau anaknya ketika masuk sekolah dan pulang sekolah karena akan
menerima notifikasi sms yang berisi rincian waktu masuk dan keluar siswa dari
sekolah ketika siswa melakukan absensi.
b. Saran
Adapun saran dari peneliti untuk pengembangan selanjutnya adalah :
(1) Untuk pengembangan selanjutnya, sesuai dengan kemajuan teknologi maka
sistem barcode dapat digantikan dengan sistem absensi RFID karena teknologi ini
memiliki banyak kelebihan dibanding teknologi barcode.
(2) Untuk pengembangan selanjutnya dapat diimplementasikan menggunakan
aplikasi web base sehingga baik pihak sekolah maupun orang tua dapat
memantau siswa dengan cara mengakses aplikasi webnya.
DAFTAR PUSTAKA
[1]
http://wammu.eu/gammu/
[2]
https://social.msdn.microsoft.com/Forums/vstudio/en-US/home?forum=vbgeneral
[3]
http://msdn.microsoft.com/en-us/library/aa712050(v=vs.71).aspx
[4]
http://forum.developer-id.com/forum-vb-net
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU DENGAN
LOGIKA FUZZY METODE TSUKAMOTO
(STUDI KASUS SMA ANGKASA YOGYAKARTA)
Hj. Maya Suhayati,S.Kom., M.Kom.
Dosen Jurusan Teknik Informatika STMIK Sumedang
Email : [email protected]
Abstrak
Penerimaan Siswa Baru merupakan kegiatan pertama yang dilakukan setiap
sekolah.Perkembangan teknologi saat ini tidak terlepas dari adanya langkah penerapan
pengembangan metode yang tepat untuk mengimbangi kemajuan teknologi tersebut. Setiap
sekolah selalu mengalami kesibukan yang luar biasa, saat penerimaan siswa baru dibuka
setelah sekolah memutuskan kelulusan bagi siswanya dan dapat melanjutkan kejenjang
pendidikan yang lebih tinggi. Sistem Pendukung Keputusan merupakan sebuah alat bantu
yang dapat digunakan untuk membantu dalam mengambil keputusan berdasarkan kriteriakriteria yang dikeluarkan oleh pihak sekolah. Alat bantu ini berupa program komputer yang
dapat digunakan untuk mendukung keputusan dalam pemilihan siswa. Sistem dapat
memberikan informasi dengan cepat dibandingkan pemilihan secara manual sehingga dapat
meningkatkan kualitas keputusan.
Kata kunci: Sistem Pendukung Keputusan, Penerimaan Siswa Baru, Logika Fuzzy, Metode
Tsukamoto
PENDAHULUAN
a. Latar Belakang
Perkembangan teknologi saat ini tidak terlepas dari adanya langkah penerapan
pengembangan metode yang tepat untuk mengimbangi kemajuan teknologi tersebut. Seperti
halnya dalam dunia pendidikan yang mengalami perkembangan sangat pesat, hal ini dapat
dilihat dari indikator banyaknya jumlah lulusan siswa SLTP dari berbagai sekolah di
Indonesia yang akan melanjutkan pendidikan ketingkat SMA.
Pada saat tahun ajaran baru, banyak memancing minat calon siswa yang ingin
melanjutkan pendidikannya di SMA . Hal ini membuat pihak sekolah mengalami kesibukan
untuk memilih atau menyeleksi calon siswa yang akan diterima karena pihak sekolah harus
benar-benar selektif dalam mengambil keputusan yang tepat yang sesuai dengan kriteria yang
ditetapkan oleh pihak sekolah tersebut.
Dengan adanya Sistem Pendukung Keputusan penerimaan siswa baru di SMA ,
diharapkan dapat membantu pihak sekolah untuk memilih calon siswa yang akan diterima di
SMA.
b. Ruang Lingkup Permasalahan
Lingkup masalah yang dikaji adalah :
1. SPK yang dibuat adalah untuk mengetahui apakah calon siswa diterima / tidak.
2. Masukan yang digunakan dalam SPK penerimaan siswa baru berdasarkan kriteria nilai
SKHUN, nilai test wawancara, nilai test IQ, ,nilai penampilan. Sedangkan sebagai
keluaran yaitu nama siswa dan keterangan diterima atau tidak diterima.
c. Tujuan Penelitian
Membuat sebuah aplikasi sistem untuk membantu sekolah dalam pengambilan
keputusan penerimaan siswa baru dengan menggunakan teknik Logika Fuzzy Metode
Tsukamoto.
d. Manfaat Penelitian
Manfaat penelitian yang akan dicapai adalah :
1. Mempermudah guru bagian penerimaan calon siswa baru dalam menentukan jumlah
siswa baru yang akan diterima berdasarkan kriteria-kriteria apa saja yang mendukung
penerimaan tersebut.
2. Kemudahan bagi sekolah dalam mengambil keputusan menyeleksi calon siswa,
sehingga menghemat waktu dan dapat meningkatkan kualitas sekolah.
e. Metode Penelitian
Adapun metode-metode yang digunakan dalam penelitian ini adalah :
1. Melakukan wawancara dengan kepala sekolah SMA Angkasa Yogjakarta.
2. Observasi ke sekolah yaitu di SMA Angkasa Yogjakarta
3. Studi literatur atau Studi Kepustakaan dengan membaca buku – buku yang relevan
terkait dengan topic yang diambil seperti Logika Fuzzy, metode Tsukamoto.
PEMBAHASAN
Sistem Pendukung Keputusan atau SPK merupakan sistem informasi interaktif yang
menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini digunakan untuk
membantu pengambil keputusan dalam situasi semiterstruktur dan situasi yang tidak
terstruktur, dimana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat
(Alter, 2002)
SPK dirancang sedemikian rupa untuk membantu mendukung keputusan-keputusan
yang melibatkan masalah-maslah kompleks yang diformulasikan sebagai problem-problem
semiterstruktur. SPK bisa dibangun untuk mendukung keputusan sekali saja, keputusan–
keputusan yang jarang dibuat atau keputusan-keputusan yang muncul secara rutin.
Untuk mengkaji permasalahan ada beragam rujukan teori yang terkait seperti :
1. Logika Fuzzy
Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar. Suatu nilai dapat
bernilai besar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotaan yang
memiliki rentang nilai 0 (nol) hingga 1(satu). Logika Fuzzy merupakan suatu logika yang
memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar atau salah. Dalam teori
logika fuzzy suatu nilai bisa bernilai benar atau salah secara bersama. Namun berapa besar
keberadaan dan kesalahan suatu tergantung pada bobot keanggotaan yang dimilikinya.
Logika fuzzy memiliki derajat keanggotaan dalam rentang 0 hingga 1. Berbeda dengan
logika digital yang hanya memiliki dua nilai 1 atau 0. Logika fuzzy adalah suatu cara yang
tepat untuk memetakan suatu ruang input kedalam suatu ruang output, mempunyai nilai
kontinyu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari
kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah pada
waktu yang sama (Kusumadewi, 2004).
2. Metode Tsukamoto
Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN
harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang
monoton. Sbagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara
tegas (crisp) berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan
menggunakan rata-rata terbobot (Kusumadewi, 2003). Misalkan ada variabel input, yaitu x
dan y, serta satu variabel output yaitu z. Variabel x terbagi atas 2 himpunan yaitu A1 dan
A2, variabel y terbagi atas 2 himpunan juga, yaitu B1 dan B2, sedangkan variabel output Z
terbagi atas 2 himpunan yaitu C1 dan C2. Tentu saja himpunan C1 dan C2 harus
merupakan himpunan yang bersifat monoton. Diberikan 2 aturan sebagai berikut:
IF x is A1 and y is B2 THEN z is C1
IF x is A2 and y is B2 THEN z is C1
α-predikat untuk aturan pertama dan kedua, masing-masing adalah a1 dan a2. Dengan
menggunakan penalaran monoton, diperoleh nilai Z1 pada aturan pertama, dan Z2 pada
aturan kedua. Terakhir dengan menggunakan aturan terbobot, diperoleh hasil akhir dengan
formula sebagai berikut:
Berikut merupakan gambar inferensi dengan Tsukamoto, dimana dalam penentuan
akhirnya menggunakan rata-rata terbobot (weight average) :
Gambar 1. Metode Inferensi Tsukamoto.
Data-Data Hasil Pengamatan
Data-data yang digunakan dalam pembuatan Sistem Pendukung Keputusan Penerimaan
Siswa Baru dengan Logika Fuzzy ini terdiri dari data nilai SKHUN, nilai hasil test
wawancara, nilai hasil test IQ, nilai penampilan. Data-data tersebut antara lain:
Tabel 1. Data Pengamatan
Metodologi Perancangan Sistem Fuzzy.
Dalam merancang sistem pendukung keputusan Penerimaan siswa baru ini dilakukan
dengan Metode Tsukamoto. Adapun beberapa tahapan perancangan sistem Fuzzy tersebut
sebagai berikut:
a. Mendefinisikan Model Masukan dan Keluaran Sistem
Langkah pertama dalam merancang sistem ini adalah dengan mendefinisikan terlebih
dahulu masukan dan keluaran bagi SPK Penerimaan Siswa Baru. Masukan dari pengguna
untuk simulasi SPK ini terdiri dari nilai SKHUN, nilai test wawancara, nilai test IQ, dan nilai
penampilan. Sedangkan keluaran sistem berupa nama calon siswa dan keterangan diterima
atau tidak diterima. Dimana masukan dan keluaran tersebut ditetapkan sebagai kriteria
penerimaan dan pengambilan keputusan untuk penerimaan siswa baru tahun ajaran
2010/2011.
b. Dekomposisi Variabel Model menjadi Himpunan Fuzzy
Dalam sistem inferensi fuzzy dikenal istilah variabel linguistik, yaitu variabel-variabel
yang dinyatakan dengan bilangan fuzzy, dimana bilangan fuzzy merepresentasikan konsep
fuzzy seperti kecil, sedang, besar (George J.Klir & Bo Yuan, 1995). Begitu pula dengan
sistem inferensi fuzzy yang digunakan untuk menentukan penerimaan siswa baru ini juga
menggunakan variabel-variabel linguistik.
Dari variabel-variabel masukan dibentuk himpunan fuzzy antara lain:
1. Nilai SKHUN; terdiri atas 2 himpunan fuzzy, yaitu: BAIK dan CUKUP
µ[x]
C
B
0
14
40
Gambar 2. Nilai SKHUN
Fungsi Keanggotaan:
1;
x ≤ 14
( 40 – x ) / ( 40 – 14 ) ;
14 ≤ x ≤ 40
0;
x ≥ 40
0;
x ≤ 14
µ nilai B
( x – 14 ) / ( 40 – 14 ) ;
14 ≤ x ≤ 40
1;
x ≥ 40
2. Nilai Test Wawancara; terdiri atas 2 himpunan fuzzy, yaitu: BAIK dan CUKUP
µ[x]
C
B
µ nilai C
0
30
100
Gambar 3. Nilai Test Wawancara
Fungsi Keanggotaan:
1;
x ≤ 30
µ nilai C
( 100 – x ) / ( 100 – 30 ) ;
30 ≤ x ≤ 100
0;
x ≥ 30
0;
x ≤ 30
µ nilai B
( x – 30 ) / ( 100 – 30 ) ;
30 ≤ x ≤ 100
1;
x ≥ 100
3. Nilai Test IQ; terdiri atas 2 himpunan fuzzy, yaitu: BAIK dan CUKUP
µ[x]
C
B
0
80
150
Gambar 4. Nilai Test IQ
Fungsi Keanggotaan:
1;
µ nilai C
( 150 - x) / ( 150 - 80 ) ;
0;
x ≤ 80
80 ≤ x ≤ 150
x ≥ 150
µ nila B
0;
( x – 80 ) / ( 150 – 80 ) ;
1;
x ≤ 80
80 ≤ x ≤ 150
x ≥ 55
4. Nilai Penampilan; terdiri atas 2 himpunan fuzzy, yaitu: BAIK dan CUKUP
µ[x]
C
B
0
10
90
Gambar 5. Nilai Penampilan
Fungsi Keanggotaan:
1;
µ nilai C
( 90 – x ) / ( 90 – 10 ) ;
0;
0;
µ nilai B
( x – 10 ) / ( 90 – 10 ) ;
1;
x ≤ 10
10 ≤ x ≤ 90
x ≥ 90
x ≤ 10
10 ≤ x ≤ 90
x ≥ 90
Untuk Keluarannya, dibentuk himpunan fuzzy yaitu:
1. Penilaian Siswa; terdiri atas 2 himpunan fuzzy yaitu: Terima (T) dan Tidak diTerima (TD)
µ[x]
TD
T
0
20
60
Gambar 6. Penilaian Siswa
Setelah variabel tersebut ditentukan himpunan fuzzy-nya kemudian menentukan
domain batas dari masing-masing himpunan fuzzy tersebut. Domain batas ditentukan
berdasarkan data-data yang telah ada. Data-data tersebut dianalisa sehingga dihasilkan nilai
batas dari setiap himpunan fuzzy pada setiap variabel tersebut. Domain himpunan fuzzy
Penerimaan Siswa Baru yang digunakan antara lain:
c.
1. Nilai SKHUN;
a. Batas Atas (B)
= [ 27 40]
b. Batas Bawah (C)
= [ 14 27]
2. Nilai Test Wawancara;
a. Batas Atas (B)
= [ 65 100 ]
b. Batas Bawah (C)
= [ 30 65 ]
3. Nilai Test IQ;
a. Batas Atas (B)
= [ 115 150 ]
b. Batas Bawah (C)
= [ 80 115 ]
4. Nilai Penampilan;
a. Batas Atas (B)
= [ 50 90 ]
b. Batas Bawah (C)
= [ 10 50 ]
Nilai batas untuk himpunan fuzzy pada tiap-tiap variabel fuzzy tersebut sama.
Pembuatan Aturan Fuzzy.
Dari keempat masukan dan dua buah keluaran yang telah didefinisikan di atas, dengan
melakukan analisa data terhadap batas tiap-tiap himpunan fuzzy pada tiap-tiap variabelnya
maka dibentuk 16 aturan fuzzy yang akan dipakai dalam sistem Penerimaan Siswa Baru ini,
yaitu:
No.
R1
R2
R3
R4
R5
R6
R7
R8
R9
R10
R11
R12
R13
R14
R15
R16
Aturan
If SKHUN B and wawancara B and IQ B and penampilan B then T
If SKHUN B and wawancara B and IQ B and penampilan C then T
If SKHUN B and wawancara B and IQ C and penampilan B then T
If SKHUN B and wawancara B and IQ C and penampilan C then T
If SKHUN B and wawancara C and IQ B and penampilan B then T
If SKHUN B and wawancara C and IQ B and penampilan C then T
If SKHUN B and wawancara C and IQ C and penampilan B then T
If SKHUN B and wawancara C and IQ C and penampilan C then TD
If SKHUN C and wawancara B and IQ B and penampilan B then T
If SKHUN C and wawancara B and IQ B and penampilan C then TD
If SKHUN C and wawancara B and IQ C and penampilan B then TD
If SKHUN C andwawancara B and IQ C and penampilan C then TD
If SKHUN C and wawancara C and IQ B and penampilan B then TD
If SKHUN C and wawancara C and IQ B and penampilan C then TD
If SKHUN C and wawancara C and IQ C and penampilan B then TD
If SKHUN C and wawancara C and IQ C and penampilan C then TD
d. Proses Logika Fuzzy
1. Fuzzifikasi(pakai 1) )
Merupakan proses untuk mendapatkan derajat keanggotaan dari sebuah nilai
numerik masukan (crisp).
Misalnya: suatu variabel mempunyai nilai X1 maka nilai X1 tersebut dicari derajat
keanggotaannya (μ[X1]). Di dalam mencari derajat keanggotaannya tersebut X1 harus
diketahui dahulu letaknya berada dimana. Misal diambil salah satu variabel yaitu nilai
SKHUN, apakah X1 tersebut berada di himpunan cukup atau baik. X1 dapat menempati di
dua tempat himpunan misalnya baik dan cukup atau bahkan satu himpunan saja.
Fungsi Keanggotaan Bawah :
1
x≤a
µBAWAH[X1]
(x - a) / (c - a)
a≤x≤c
0
x≥c
Keterangan :
a = Batas Bawah a/ Batas MIN
b = Batas Bawah b
c = Batas Bawah c
Berikut implementasi X1 tersebut di dalam Fuzzifikasi untuk himpunan cukup :
1
x ≤ 14
µ nilai C
(x - a) / (40 - 14)
14 ≤ x ≤ 40
0
x ≥ 40
Diambil suatu nilai untuk X1 = 35.50. Dimana nilai 35.50 hanya memenuhi untuk
himpunan cukup.
π nilai B [35.50] = (35.50 - 14) / (40 - 14)
= 21.50 / 26
= 0.83
Didapat derajat keanggotaan senilai 0.83 yang selanjutnya derajat keanggotaan
tersebut diimplementasikan ke dalam aturan fuzzy.
2. Aplikasi Fungsi Implikasi
Dimana penggunaan Fungsi MIN sebagai Metode Implikasinya dalam menentukan
α-predikat minimum dari tiap-tiap aturan yang ditetapkan, maksudnya dari beberapa
pernyataan IF tersebut diambil α-predikat atau nilai derajat keanggotaan terkecil.
Misal: Diambil contoh untuk aturan pertama dengan nilai derajat keanggotaan sembarang.
IF nilai SKHUN B And nilai wawancara B And nilai IQ B And nilai penampilan B THEN
calon siswa diTerima (T)
α-predikat1:
= µSKHUN B ∩ µWWC B ∩ µIQ B ∩ µPNP B
= MIN (µSKHUN B(35.50), µWWC B (90), µIQ B (49.98), µPNP B(75))
= MIN (0.83; 0.86; 0.87; 0.81)
= 0.81
Keterangan:
α-predikat1 = derajat keanggotaan terkecil/ minimum
3. Defuzzifikasi
Dalam perancangan sistem Penerimaan siswa baru dengan logika fuzzy ini,
digunakan Metode Inferensi Tsukamoto. Pada metode ini setiap konsekuen pada aturan yang
berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi
keanggotaan yang monoton dalam arti penerimaan nilai Zn tersebut dari hasil implikasi tiaptiap aturan masing-masing. Mula-mula Defuzzifikasi ini dilakukan pada tiap-tiap aturan,
setelah semua aturan terpenuhi serta didapat nilai Zn dari tiap-tiap aturannya kemudian mulai
melakukan penerimaan hasil akhir. Berikut gambaran melakukan Defuzzifikasi untuk tiap-tiap
aturan yang diambil dari aturan pertama:
Di dalam aturan pertama didapat sebuah pernyataan THEN yaitu siswa diterima (T).
Sehingga didapat sebuah rumusan Defuzzifikasi aturan pertama sebagai
berikut:
Z1= (α-predikat1 * selisih keluaran)+ batas bawah keluaran
Keterangan:
Z1
: Nilai Defuzzifikasi (aturan 1)
α-predikat1 : Derajat Keanggotaan 1
Defuzzifikasi itu sendiri merupakan suatu proses untuk merubah hasil penalaran yang
berupa derajat keanggotaan keluaran (α-predikat) menjadi variabel numerik kembali (crisp).
Sistem Penerimaan siswa baru ini menggunakan rata-rata terbobot (weight average) sebagai
metode Defuzzifikasi untuk mendapatkan hasil akhir penerimaan siswa baru. Adapun rumus
rata-rata terbobot tersebut adalah sebagai berikut:
Keterangan :
Z
: Jumlah Penilaian
αn
: Derajat Keanggotaan dari Aturan ke- n
Zn
: Nilai penilaian dari Aturan ke- n
Analisis Hasil
Analisis yang melibatkan metode logika fuzzy tsukamoto didapat suatu penyelesaian
masalah dalam menentukan Penerimaan Siswa Baru di SMA. Pengujian secara manual akan
di lakukan untuk mendapatkan perbandingan antara hasil yang ditampilkan sistem yang telah
di bangun dan hasil secara manual. Penerapan proses logika fuzzy tsukamoto tersebut melalui
tahapan; Fuzzifikasi, Implikasi, dan Defuzzifikasi selanjutnya tiga proses ini di terapkan
dalam aturan yang telah dibuat sebelumnya, yaitu 16 aturan. Yang kemudian aturan yang ada,
kembali dimasukan dalam rumus pembobotan. Rumusnya adalah sebagai berikut :
Keterangan :
Z = Jumlah Penilaian
αn = Derajat Keanggotaan dari Aturan ke- n
Zn = Nilai Penilaian dari Aturan ke- n
Nilai siswa dikatakan diterima apabila perolehan nilai yang di capai dari 40 – 60,
sedangkan nilai siswa dikatan tidak diterima apabila perolehan nilai yang di capai dari 20 –
40.
Contoh perhitungan secara manual Penerimaan Siswa Baru dengan empat krikteria
(nilai yang di jadikan contoh adalah nilai M.Riski) adalah sebagai berikut:
1. Nilai SKHUN
= 35.50
2. Nilai Test Wawancara = 90
3. Nilai IQ
= 145
4. Nilai Penampilan
= 75
Dari ke empat masukan tersebut, maka akan dibentuk satu keluaran yakni jumlah
penilaian yang akan merepresentasikan hasil.
Penerapan aturan dalam sistem penentuan jumlah pembiayaan yang harus dikeluarkan pada
anggota adalah sebagai berikut :
R1: IF SKHUN BAIK And Wawancara BAIK And IQ BAIK And Penampilan BAIK THEN
TERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.83; 0.86; 0.93; 0.81)
=
0.81
Lihat himpunan penilaian TERIMA,
Z1 = (0.81 * 40) + 20
= 52.50
R2: IF SKHUN BAIK And Wawancara BAIK And IQ BAIK And Penampilan CUKUP
THEN TERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.83; 0.86; 0.93; 0.19)
=
0.19
Lihat himpunan penilaian TERIMA,
Z2 = (0.19 * 40) + 20
= 27.50
R3: IF SKHUN BAIK And Wawancara BAIK And IQ CUKUP And Penampilan BAIK
THEN TERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.83; 0.86; 0.07; 0.81)
=
0.07
Lihat himpunan penilaian TERIMA,
Z3 = (0.07 * 40) + 20
= 22.86
R4: IF SKHUN BAIK And Wawancara BAIK And IQ CUKUP And Penampilan
CUKUPTHEN TERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.83; 0.86; 0.07; 0.19)
=
0.07
Lihat himpunan penilaian TERIMA,
Z4 = (0.07 * 40) + 20
= 22.86
R5: IF SKHUN BAIK And Wawancara CUKUP And IQ BAIK And Penampilan BAIK
THEN TERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.83; 0.14; 0.93; 0.81)
=
0.14
Lihat himpunan penilaian TERIMA,
Z5 = (0.14 * 40) + 20
= 25.71
R6: IF SKHUN BAIK And Wawancara CUKUP And IQ BAIK And Penampilan CUKUP
THEN TERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.83; 0.86; 0.93; 0.19)
=
0.14
Lihat himpunan penilaian TERIMA,
Z6 = (0.14 * 40) + 20
= 25.71
R7: IF SKHUN BAIK And Wawancara CUKUP And IQ CUKUP And Penampilan BAIK
THEN TERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.83; 0.86; 0.07; 0.81)
=
0.07
Lihat himpunan penilaian TERIMA,
Z7 = (0.07 * 40) + 20
= 22.86
R8: IF SKHUN BAIK And Wawancara CUKUP And IQ CUKUP And Penampilan CUKUP
THEN TIDAK DITERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.17; 0.14; 0.07; 0.19)
=
0.07
Lihat himpunan penilaian TIDAK DITERIMA,
Z8 = (0.07 * 40) - 60
= 57.14
R9: IF SKHUN CUKUP And Wawancara BAIK And IQ BAIK And Penampilan BAIK
THEN TERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.17; 0.86; 0.93; 0.81)
=
0.17
Lihat himpunan penilaian TERIMA,
Z9 = (0.17 * 40) + 20
= 26.92
R10: IF SKHUN CUKUP And Wawancara BAIK And IQ BAIK And Penampilan CUKUP
THEN TIDAK DITERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.17; 0.86; 0.93; 0.19)
=
0.17
Lihat himpunan penilaian TIDAK DITERIMA,
Z10 = (0.17 * 40) - 60
= 53.08
R11: IF SKHUN CUKUP And Wawancara BAIK And IQ CUKUP And Penampilan BAIK
THEN TIDAK DITERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.17; 0.86; 0.07; 0.81)
=
0.07
Lihat himpunan penilaian TIDAK DITERIMA,
Z11 = (0.07 * 40) - 60
= 57.14
R12: IF SKHUN CUKUP And Wawancara BAIK And IQ CUKUP And Penampilan CUKUP
THEN TIDAK DITERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.17; 0.86; 0.07; 0.19)
=
0.07
Lihat himpunan penilaian TIDAK DITERIMA,
Z12 = (0.07 * 40) - 60
= 57.14
R13: IF SKHUN CUKUP And Wawancara CUKUP And IQ BAIK And Penampilan BAIK
THEN TIDAK DITERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.17; 0.14; 0.93; 0.81)
=
0.14
Lihat himpunan penilaian TIDAK DITERIMA,
Z13 = (0.14* 40) - 60
= 54.29
R14: IF SKHUN CUKUP And Wawancara CUKUP And IQ BAIK And Penampilan CUKUP
THEN TIDAK DITERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.17; 0.14; 0.93; 0.19)
=
0.14
Lihat himpunan penilaian TIDAK DITERIMA,
Z14 = (0.14 * 40) - 60
= 54.29
R15: IF SKHUN CUKUP And Wawancara CUKUP And IQ CUKUP And Penampilan BAIK
THEN TIDAK DITERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.17; 0.14; 0.07; 0.81)
=
0.07
Lihat himpunan penilaian TIDAK DITERIMA,
Z15 = (0.07 * 40) - 60
= 57.14
R16: IF SKHUN CUKUP And Wawancara CUKUP And IQ CUKUP And Penampilan
CUKUP THEN TIDAK DITERIMA
α-Predikat
=
Min (V01∩V02∩V03∩V04)
=
Min (µV01[35.50]; µV02[90]; µV03[145]; µV04[75])
=
Min (0.17; 0.14; 0.07; 0.81)
=
0.07
Lihat himpunan penilaian TIDAK DITERIMA,
Z16 = (0.07 * 40) - 60
= 57.14
Nilai Z dapat dicari dengan cara sebagai berikut :
α-predikat*Z1 + α-predikat*Z2 + α-predikat*Z3 + α-predikat*Z4 + α-predikat*Z5 + +
α-predikat*Z6 + α-predikat*Z7 + α-predikat*Z8 + α-predikat*Z9 + α-predikat*Z10 +
α-predikat*Z11 + α-predikat*Z12 + α-predikat*Z13 + α-predikat*Z14 + α-predikat*Z15
+ α-predikat*Z16
Z=
α-predikat1 + α-predikat2 + α-predikat3 + α-predikat4 + α-predikat5 + α-predikat6 + αpredikat7 + α-predikat8 + α-predikat9 + α-predikat10 + α-predikat11 + α-predikat12 +
α-predikat13 + α-predikat14 + α-predikat15 + α-predikat16
109.82
Z=
2.49
Z = 44.12
Jadi nilai penilaian perhitungan manual dari Fuzzy untuk nilai siswa M.Riski adalah 44.12
(TERIMA). Perhitungan manual telah selesai kemudian dibandingkan hasil yang
diperoleh sistem yang di bangun maka didapatkan hasil yang sama. Dengan hasil ini
sistem dapat dikatakan berhasil.
PENUTUP
a. Kesimpulan
Kesimpulan yang diperoleh berdasarkan uji coba yang dilakukan maka dapat
disimpulkan bahwa Sistem Pendukung Keputusan Penerimaan Siswa Baru dengan Logika
Fuzzy Metode Tsukamoto merupakan solusi bagi para pengambil keputusan dalam
menentukan dan mengambil keputusan untuk penerimaan siswa baru setiap
tahunnya.Perancangan SPK digunakan Metode Inferensi Tsukamoto dimana penggunaan
metode Min sebagai fungsi implikasinya, kemudian output hasil implikasi dari tiap-tiap
aturan tersebut diberikan secara tegas (crisp) berdasarkan derajat keanggotaan terkecilnya
yang dikenal dengan Defuzzifikasi tiap-tiap aturan, selanjutnya penentuan hasil akhir dengan
menerapkan rata-rata terbobot untuk mendapatkan nama calon siswa yang diterima dan tidak
diterima.
b. Saran
Saran untuk sistem ini adalah nilai penerimaan siswa yang diinput, dalam sistem ini
tidak tidak boleh dibawah dan diatas domain nilai himpunan yang sudah ditetapkan.
DAFTAR PUSTAKA
[1] Kristanto, Andri, 2004, Rekayasa Perangkat Lunak (Konsep Dasar), Yogyakarta :
Penerbit Gava Media
[2] Kusumadewi S. dan Purnomo H., 2010, ”Aplikasi Logika Fuzzy untuk Pendukung
Keputusan”, Yogyakarta: Graha Ilmu
[3] Turban, Efram, Aronson, Jay E, dan Peng-Liang, Ting, 2003, Decision Support Systems
and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas),
Yogyakarta: CV. Andi Offset
RANCANG BANGUN APLIKASI PENCATATAN TRANSAKSI
PENJUALAN PULSA DAN PENGELUARAN BIAYA
(STUDI KASUS : 1.4.3 CELL)
Ipan Darmanto, S.Sos., M.Kom
Dosen Tetap Jurusan Sistem Informasi STMIK Sumedang
Email : [email protected]
Abstrak
Perkembangan teknologi mobile dan internet merupakan satu kesatuan yang tidak dapat
dipisahkan. Bahkan hampir pengguna pada umumnya menggunakan mobile yang terdapat fitur
internetnya. Seiring perkembangan tersebut maka penggunaan pulsa pun akan meningkat. Tempat
usaha penyedia pulsa akan banyak bermunculan ditambah dengan sistem usaha yang ditawarkan
sangat mudah dilakukan. Keuntungan dari penjualan pulsa memang tidak terlalu besar namun
antusias pelanggan dapat dipertimbangkan. Untuk itu pelaku usaha yang kurang bisa mengelola
keuangan maka tidak akan lepas dari permasalahan. Maka dari itu faktor yang sangat penting dalam
mengelola bisnis adalah paham mengelola keuangan. Dengan adanya permasalah tersebut,
penelitian ini menawarkan solusi sederhana dalam mengelola usaha penjualan pulsa yaitu dengan
menggunakan aplikasi yang didalamnya dapat mengelola pendapatan dan pengeluaran usaha pulsa
agar lebih baik lagi dalam mengelola keuangan.
Kata Kunci : pencatatan transaksi penjualan pulsa, pengeluaran pulsa
PENDAHULUAN
A. LATAR BELAKANG
Pada saat ini perkembangan teknologi informasi telah menjamur disemua kalangan. Hal
tersebut disebabkan oleh kebutuhan informasi yang tidak mengenal waktu dan tempat sehingga para
pengguna mau tidak mau dituntut harus mempunyai alat untuk berkomunikasi. Alat komunikasi yang
sekarang sedang mengalami perkembangan yang sangat pesat adalah alat telekomunikasi yaitu
Handphone, Smartphone, Tablet, dan yang lainnya. Tidak hanya itu munculnya alat-alat canggih
tersebut diiringi dengan perkembangan internet. Saat ini kebutuhan Internet sudah menjadi konsumsi
public yang selalu dibutuhkan. Alasan utamanya yaitu kebutuhan informasi yang bisa dengan mudak
dapat ditemukan dengan menggunakan media internet sehingga semua pengguna internet berlombalomba untuk memberikan dan menawarkan sesuatu yang mudah dan menarik di internet, hal tersebut
bisa buktikan dengan banyak munculnya website-website terkemuka baik itu organisasi, perusahaan,
bisnis, individu, social network, dan yang lainnya. Sehingga dua hal tersebut yaitu alat komunikasi
dan internet menjadikan dua hal yang tidak dapat dipisahkan.
Dengan adanya kebutuhan tersebut, untuk mengoprasikan antara alat komunikasi dan internet
dibutuhkan yang namanya pulsa. Sehingga tidak heran banyaknya pengguna alat komunikasi dan
internet diiringi juga banyaknya bermunculan tempat usaha yang menyediakan jasa penjualan pulsa.
Usaha pulsa diyakini akan tetap bertahan karena melihat tingkat pengguna alat komunikasi hampir di
semua kalangan maka akan meningkat pula penggunaan pulsa sehingga usaha ini akan mendatangkan
keuntungan.
Dengan banyak bermunculannya usaha penyedia pulsa, tidak sedikit juga yang mengalami
kegagalan. Kegagalan yang terjadi yaitu banyak konter pulsa yang gulung tikar dengan alasan karena
keuntungan yang dihasilkan tidak seberapa. Kalau dihitung keuntungan dari penjualan pulsa per
setiap transaksinya memang tidak begitu besar yang terkadang biaya pengeluaran yang tidak dapat
dihindari itu yang biasanya sangat besar. Sehingga ketika pelaku usaha tidak pandai dalam mengelola
keuangan maka hal tersebut akan menjadi permasalahan. Maka dari itu pelaku usaha kecil, menengah,
ataupun usaha besar mengelola keuangan merupakan faktor yang harus benar-benar dikuasai karena
merupakan jantungnya usaha. Selain itu juga jarang adanya dokumentasi tentang palaporan
pendapatan dan pengeluaran.
Oleh karena itu, adanya permasalahan tersebut maka dicarilah solusinya. Dalam penelitian ini
dibuatlah rancangan bangun aplikasi untuk mendata pendapatan dan pengeluaran pada konter pulsa.
Tujuan dari penelitian ini yaitu membuat aplikasi dengan konsep selayaknya penjualan pulsa
pada umumnya untuk mengelola pendapatan dan pengeluaran usaha pulsa agar lebih baik lagi dalam
mengelola keuangan.
B. LINGKUP MASALAH
Agar penelitian ini tidak melebarmaka dibuatlah batasan masalah dari penelitian yang
dilakukan, yaitu hanya membuat aplikasi tentang pencatatan transaksi pengisian pulsa dan
pengeluaran saja yang berhubungan dengan kegiatan operasional harian di konter pulsa.
C. TUJUAN
Tujuan penelitian ini yaitu :
1. Dapat mengelola kegiatan operasional harian dikonter pulsa
2. Menampilkan laporan yang dibutuhkan untuk mengetahui pendapatan dan pengeluaran di konter
pulsa
d. Metode Penelitian
Dibawah ini merupakan kerangka penelitian sebagai gambaran dari metode pengembangan
aplikasi yang dibuat.
Mengidentifikasi
Kebutuhan pemakai
Mengembangkan
Prototype
Prototype dapat diterima
ya
Mengkodekan system
operasional
Tidak
Menguji system
operasional
Tidak
ya
Sistem dapat diterima
Menggunakan system
operasi
Gambar 2 Kerangka Penelitian
PEMBAHASAN
Untuk memperjelas pembahasan maka ada beberapa teori yang menjadi rujukan diantaranya
yaitu :
Rancang Bangun (desain) adalah tahap dari setelah analisis dari siklus pengembangan sistem
yang merupakan pendefinisian dari kebutuhan-kebutuhan fungsional, serta menggambarkan
bagaimana suatu sistem dibentuk yang dapat berupa penggambaran, perencanaan dan pembuatan
sketsa atau pengaturan dari beberapa elemen yang terpisah ke dalam satu kesatuan yang utuh dan
berfungsi, termasuk menyangkut mengkonfigurasikan dari komponen-komponen perangkat keras dan
perangkat lunak dari suatu sistem(Jogiyanto 2005:197)
Berdasarkan pengertian diatas maka dapat disimpulkan pengertian rancang bangun
merupakan kegiatan menerjemahkan hasil analisa ke dalam bentuk paket perangkat lunak kemudian
menciptakan sistem tersebut ataupun memperbaiki sistem yang sudah ada.
Menurut Hengky W. Pramana dalam bukunya Kunci Sukses Visual FoxPro 6.0 menjelaska
aplikasi adalah suatu unit perangkat lunak yang dibuat untuk melayani kebutuhan akan beberapa
aktifitas seperti sistem perniagaan, game pelayanan masyarakat, periklanan, ata semua proses yang
hampir dilakukan manusia.
Dari pengertian diatas, dapat disimpulkan bahwa aplikasi merupakan software yang berfungsi
untuk melakukan berbagai bentuk pekerjaan atau tugas-tugas tertentu seperti penerapan, penggunaan
dan penambahan data.
METODE PENGEMBANGAN SISTEM YAITU DENGAN
MENGGUNAKAN PROTOTYPE
Mengidentifikasi
kebutuhan pemakai
Mengembangkan
Prototype
Tidak
Prototype dapat diterima
ya
Mengkodekan system
operasional
Menguji system
operasional
Tidak
ya
Sistem dapat diterima
Menggunakan system
operasi
Gambar 1 Skema Aplikasi [5]
A. ANALISIS SISTEM YANG SEDANG BERJALAN
Analisis ini dilakukan untuk melihat proses bisnis yang sedang berjalan pada saat ini ditempat
usaha tersebut. Sehingga sistem yang akan dibuat berdasarkan pada sistem yang sedang berjalan
sekarang tanpa harus mengubang sistem keseluruhan.
Sistem Yang Sedang Berjalan di 1.4.3 Cell
Konsumen
Petugas
Mulai
Pemilik
Info kategori pulsa
Tidak Ada
Menanyakan kategori
pulsa
Cek
Info kategori pulsa
Ada
Daftar Isi Pulsa
Mengisi daftar isi pulsa
Daftar Isi Pulsa
Menjual
Pulsa
Konfirmasi
Pengiriman
Konfirmasi
Pengiriman
Daftar Penjualan
Pulsa
Merekap Daftar
Isi Pulsa
Daftar Penjualan
Pulsa
Daftar Pengeluaran
Mencatat
Pengeluaran
Daftar Pengeluaran
Gambar 3 Sistem Yang Sedang Bejalan
ANALISIS KEBUTUHAN PENGGUNA
Berdasarkan pada metodologi yang digunakan yaitu prototype yang salah satu tahapannya yaitu
mengidentifikasi kebutuhan pengguna maka analisis kebutuhan pengguna harus dirumuskan untuk
mengetahui apa saja yang dibutuhkan oleh pengguna tentang kebutuhan/informasi yang diinginkan.
Tabel 1 Kebutuhan Pengguna
No
Pengguna
1
Pemilik Konter/Usaha
2
Petugas Konter/Usaha
3
Pembeli/Konsumen






Kebutuhan
Jumlah Pendapatan
Jumlah Pengeluaran
Laba Rugi
Jumlah Transaksi Penjulaan/Pengeluaran
Jumlah saldo
Daftar Harga Pulsa
USULAN SISTEM BARU
Usulan untuk sistem baru yang diberikan tidak berbeda dengan proses bisnis yang sedang
berjalan saat ini namun adanya pembaharuan, penambahan, atau penggabungan proses bisnis untuk
mengoptimalkan proses bisnis yang dilakukan.
Sistem Yang Diusulkan di 1.4.3 Cell
Konsumen
Petugas
Mulai
Pemilik
Daftar Isi Pulsa
Melihat dan Mengisi
Daftar Pulsa
Menjual
Pulsa
Daftar Pulsa
Konfirmasi
Pengiriman
Daftar Penjualan
Pulsa
Merekap
Penjualan Pulsa
dengan Aplikasi
Konfirmasi
Pengiriman
Daftar Penjualan
Pulsa
Daftar Pengeluaran
Menginput
Pengeluaran
dengan Aplikasi
Daftar Pengeluaran
Laporan Laba Rugi
Pembuatan Laba
Rugi dengan
Aplikasi
Laporan Laba Rugi
Gambar 4 Sistem Yang Diusulkan
PERANCANGAN DATABASE
1 TABEL
1. Tabel Pulsa
Nama Field
Kode_Pulsa
Jenis_Pulsa
Nominal
Harga_Beli
Harga_Jual
2. Tabel Kategori Beban
Nama Field
No
Kategori_Beban
Tabel 2 Tabel Pulsa
Tipe Data
Ukuran
Field
Text
10
Text
20
Number
Long Integer
Number
Long Integer
Number
Long Integer
Keterangan
Primarykey
Tabel 3 Tabel Kategori Beban
Tipe Data
Ukuran Field Keterangan
AutoNumber
Integer
Primarykey
Text
50
3. Tabel Penjualan
Tabel4 Tabel Penjualan
Nama Field
Nota_Jual
Tanggal_Jual
Nama_Pelanggan
Tipe Data
Text
Date/Time
Text
Ukuran Field
10
30
Keterangan
Primarykey
4. Tabel Detail Penjualan
Tabel 5 Tabel Detail Penjualan
Nama Field
Tipe Data
Ukuran Field Keterangan
Nota_Jual
Text
10
Froiegnkey
No_HP
Text
15
Kode_Pulsa
Text
30
Froiegnkey
5. Tabel Pengeluaran
Tabel pengeluaran berfungsi untuk menyimpan transaksi pengeluaran yang sudah dilakukan.
Tabel 6 Tabel Pengeluaran
Nama Field
Tipe Data Ukuran Field Keterangan
No_Pengeluaran
Text
10
Primarykey
Tanggal_Pengeluaran
Text
20
Kategori_Beban
Text
50
Uraian
Text
100
Total
Number
Long Integer
PERANCANGAN MASUKAN
1. Desain Form Menu Utama Aplikasi
Gambar 5 Desain Form Menu Utama Aplikasi
2. Desain Form Input Pulsa
Gambar 6 Desain Form Input Pulsa
3. Desain Form Input Kategori Beban
Gambar 7 Desain Form Input Kategori Beban
4. Desain Form Input Penjualan
Gambar 8 Desain Form Transaksi Penjualan
5. Desain Form Input Pengeluaran
Gambar 9 Desain Form Pengeluaran
PERANCANGAN KELUARAN
1. Desain Daftar Pulsa
Gambar 10 Desain Daftar Pulsa
2. Laporan Penjualan
Gambar 11 Desain Laporan Penjualan
3. Desain Laporan Pengeluaran
Gambar 12 Desain Laporan Pengeluaran
4. Desain Laporan Rugi Laba
Gambar 12 Desain Laporan Laba Rugi
IMPLEMENTASI
1. Form Menu Utama Aplikasi
Gambar 13 Form Menu Utama Aplikasi
2. Form Input Pulsa
Gambar 14 Form Input Pulsa
3. Input Kategori Beban
Gambar 15 Form Input Kategori Beban
4. Form Penjualan
Gambar 17 Form Transaksi Penjualan
5. Form Pengeluaran
Gambar 18Form Transaksi Pengeluaran
6. Daftar Pulsa
Gambar 19 Daftar Pulsa
7. Laporan Penjualan
Gambar 20 Laporan Penjualan
8. Laporan Pengeluaran
Gambar 21 Laporan Pengeluaran
9. Laporan Laba Rugi
Gambar 22 Laporan Laba Rugi
KESIMPULAN DAN SARAN
A. KESIMPULAN
Kesimpulan dari penelitian tentang rancang bangun aplikasi pencatatan transaksi penjualan
pulsa dan pengeluaran biaya, yaitu Telah dibuat aplikasi sederhana mengelola kegiatan operasional
harian dikonter pulsa,T elah dihasilkan beberapa laporan sebagai output untuk pengguna(Daftar pulsa,
Laporan Penjualan, Laporan Pengeluaran, Laporan Laba Rugi)
B. SARAN
Sedangkan sebagai saran untuk perkembangan selanjutnya baik itu kepada pengembang
maupun pengelola, yaitu bagi pengelola agar dapat mencoba menggunakan aplikasi ini untuk
mengetahui sejauh mana manfaatnya dibandingkan sebelum menggunakan aplikasi,k arena aplikasi
yang dibuat hanya mendata transaksi saja untuk mendapatkan kalkulasi pendapatan tidak dibuat
aplikasi untuk isi pulsanya maka saran yang diberikan yaitu untuk pengembang agar membuatkan
aplikasi untuk isi pulsa agar transaksi penjualan tidak perlu diinput kembali sudah berdasarkan
pengisian pulsa yang sudah dilakukan
DAFTAR PUSTAKA
[1]
Jeffry, L. Whitten,et al. 2004. Metode Desain dan Analisis Sistem. Edisi I. Diterjemahkan oleh
tim penerjemah ANDI. Yogyakarta: Penerbit Andi Madcoms.
[2]
Hengky W. Pramana, Kunci Sukses Visual FoxPro 6.0, Jakarta: PT. Elex Media Komputindo,
1999
[3]
Jogiyanto, H.M . “Analisis dan Desain Sistem Informasi : Pendekatan TerstrukturTeori dan
Aplikasi Bisnis ‘edisi kedua “. Andi Offset, Yogyakarta : 2001
[4]
Roger S. Pressman, 2002. Rekayasa Perangkat Lunak Pendekatan Praktisi (Buku Satu), ANDI
Yogyakarta.
[5]
Raymond McLeod, Jr. Sistem Informasi Manajemen jilid 1, New Jersey Prentice Hall 1998
ANALISIS KUALITAS LAYANAN SISTEM INFORMASI AKADEMIK
(STUDI KASUS STMIK SUMEDANG)
Leni Nurhayati, S.Si., M.A.B
Dosen Jurusan Sistem Informasi STMIK Sumedang
Email: [email protected]
Abstrak
Pandangan pelanggan terhadap kualitas layanan terfokus pada dimensi-dimensi
kualitas layanan. Citra kualitas layanan ditentukan oleh pelanggan. Penelitian ini bertujuan
untuk mengevaluasi tingkat layanan Sistem Informasi Akademik (SIA) STMIK Sumedang
dengan menggunakan metode ServQual. Variabel penelitian terdiri dari persepsi, ekspektasi,
dan kepuasan pelanggan terhadap layanan SIA STMIK Sumedang. Kuisioner terdiri dari
kuisioner persepsi dan ekspektasi dengan menggunakan lima dimensi yaitu Tangibles,
Reliability, Responsiveness, Assurance, dan Empathy. Hasil penelitian menunjukkan bahwa
kelima dimensi menunjukkan adanya nilai kesenjangan yang negatif, dengan nilai
kesenjangan (gap) tertinggi pada dimensi Tangibles. Hal tersebut mengindikasikan
ketidakpuasan pelanggan terhadap layanan SIA yang diberikan. Dengan demikian dapat
disimpulkan bahwa kualitas layanan SIA STMIK Sumedang masih belum memenuhi
kebutuhan dan keinginan pelanggan sehingga perlu dilakukan perbaikan terhadap setiap
dimensi yang telah diukur agar dapat meningkatkan kualitas layanan yang diberikan.
Keyword: ServQual, persepsi, ekspektasi, kepuasan pelanggan, kesenjangan
PENDAHULUAN
a. Latar Belakang
Dalam lingkungan dunia usaha yang semakin kompetitif, organisasi yang bergerak di
bidang jasa atau layanan harus dapat memberikan kepuasan terhadap keinginan dan
kebutuhan pelanggan. Peningkatan kualitas pelayanan menjadi salah satu strategi yang dapat
diterapkan agar berhasil dalam memberikan kepuasan pelanggan tersebut. Bagi organisasi
jasa, kepuasan pelanggan merupakan hal yang sangat vital. Namun, sangat sulit untuk
mengetahui secara spesifik keinginan dan kebutuhan pelanggan apabila pelanggan tidak
mengutarakannya. Begitu pentingnya kualitas layanan saat ini, baik bagi industri manufaktur
maupun jasa, sehingga fokus riset terhadap kualitas layanan, saat ini menjadi tren di berbagai
organisasi.
Pandangan pelanggan terhadap kualitas layanan terfokus pada dimensi-dimensi
kualitas layanan. Parasuraman dan kawan-kawan (1990) menyederhanakan berbagai dimensi
kualitas layanan menjadi lima dimensi yang dikenal dengan sebutan SERVQUAL (Service of
Quality) yang terdiri dari Reliability, Responsiveness, Assurance, Empathy, dan Tangibles.
Menilai kinerja kualitas layanan yang diberikan kepada pelanggan, pada dasarnya adalah
melakukan identifikasi terhadap gap-gap yang timbul antara harapan pelanggan dengan
layanan actual yang mereka terima. Dengan mengetahui adanya gap-gap tersebut, maka dapat
dilakukan analisis terhadap kinerja organisasi yang berkaitan dengan kualitas layanan
terhadap pelanggan (Wibisono, 2006).
STMIK Sumedang merupakan suatu organisasi jasa dengan bidang usaha lembaga
pendidikan. Dalam menjalankan proses bisnisnya, STMIK Sumedang telah mengembangkan
dan mengimplementasikan beberapa sistem informasi diantaranya Sistem Informasi
Akademik (SIA). Pengembangan sistem informasi akademik ini merupakan salah satu upaya
dalam memenuhi kepuasan pelanggan.
Citra kualitas layanan sistem informasi akademik ini ditentukan oleh pelanggan. Oleh
karena itu perlu dilakukan analisis kualitas layanan sistem informasi akademik untuk
mengetahui tingkat layanannya. Citra kualitas layanan yang baik bukan berdasarkan sudut
pandang atau persepsi pihak penyedia layanan, melainkan berdasarkan sudut pandang atau
persepsi pelanggan. Persepsi pelanggan terhadap kualitas layanan merupakan penilaian
menyeluruh atas keunggulan suatu layanan.
Berdasarkan hasil observasi awal dengan kuisioner kepada sejumlah mahasiswa
STMIK Sumedang yang dapat dilihat pada tabel 1 mengenai tingkat kepuasan mahasiswa
terhadap layanan sistem informasi akademik yang diberikan, dapat disimpulkan bahwa
sebagian besar responden menyatakan ketidakpuasannya atas layanan sistem informasi
akademik yang diberikan.
Tabel 1 Hasil Kuesioner Kepuasan Mahasiswa STMIK Sumedang terhadap SIA
No.
Pernyataan
Frekuensi Responden
1.
Puas dengan SIA
42,67%
2.
Tidak Puas dengan SIA
57,33%
Akan tetapi hasil observasi tersebut tidak memberikan gambaran secara spesifik
mengenai keinginan dan kebutuhan pelanggan. Dengan demikian perlu dilakukan penelitian
lebih lanjut mengenai analisis kualitas layanan Sistem Informasi Akademik STMIK
Sumedang untuk mengetahui tingkat layanan yang diberikan.
b. Lingkup Masalah
Untuk mendapatkan langkah pemecahan yang tepat dan tidak terlalu melebar
pembahasannya, maka pada penelitian ini ditetapkan pembatasan masalah sebagai berikut
yaitu penelitian hanya difokuskan pada penilaian kinerja kualitas layanan sistem informasi
yang diberikan kepada pelanggan menggunakan metode ServQual.
c. Tujuan
Penelitian ini bertujuan untuk mengevaluasi tingkat layanan Sistem Informasi
Akademik STMIK Sumedang dilihat dari dimensi-dimensi kualitas layanan yaitu dimensi
tangibles, reliability, responsiveness, assurance, dan empathy. Hasil penelitian diharapkan
dapat mengembangkan kualitas pelayanan STMIK Sumedang dalam upaya memenuhi
kepuasan pelanggannya.
d. Metode Penelitian
Penelitian ini dilakukan dengan menggunakan data primer dan sekunder. Data primer
diperoleh melalui penyebaran kuisioner sedangkan data sekunder diperoleh dari jurnal-jurnal
dan sumber-sumber lain yang dapat dijadikan sebagai masukan untuk penelitian.
Metode pengumpulan data primer yang ada dalam penelitian ini menggunakan metode
ServQual sedangkan skala pengukuran yang digunakan untuk indikator dari setiap jawaban
yang ada dalam kuesioner adalah skala Likert yang terdiri dari 5 tingkatan. Pengumpulan data
primer dilakukan dengan menggunakan kuisioner yang bersifat tertutup. Populasi dari
penelitian ini adalah semua mahasiswa STMIK Sumedang. Sedangkan untuk penentuan
jumlah sampel digunakan rumus Solvin. Pengambilan sampel dilakukan secara acak. Uji
Validitas dan Uji Reliabilitas menggunakan software SPSS 17.0. Setelah adanya
pengumpulan data dari penyebaran kuesioner maka selanjutnya dilakukan kegiatan
pengolahan dan analisis data. Kegiatan analisis data ini terdiri beberapa tahap yaitu tahap
persiapan, tabulasi data, dan tahap analisis. Model analisis penelitian seperti dalam gambar 1
berikut:
Kinerja (Persepsi)
Harapan (Ekspektasi)
Tangibles
Tangibles
Reliability
Reliability
Responsiveness
GAP
Responsiveness
Assurance
Assurance
Empathy
Empathy
Gambar 1 Model analisis kinerja layanan dan tingkat harapan pengguna layanan
Langkah-langkah yang dilakukan dalam penelitian ini digambarkan pada Gambar 2
berikut.
Penentuan Variabel dan
Dimensi yang akan diukur
Penyederhanaan
pertanyaan ServQual
Pretest (Uji Validitas
dan Uji Reliabilitas)
Penyebaran Kuisioner
Pengolahan Data
Analisis Data
Kesimpulan
Gambar 2 Tahap Pelaksanaan Penelitian
PEMBAHASAN
a. Konsep Kualitas Layanan
Kualitas pelayanan merupakan salah satu hal penting yang harus diperhatikan oleh
para manajer perusahaan. Kualitas pelayanan merupakan tingkat keunggulan yang diharapkan
dan pengendalian atas tingkat keunggulan untuk memenuhi keinginan konsumen (Lovelock,
1988).
Parasuraman dkk. (1988) dan Kotler (1997) mendefinisikan kualitas layanan sebagai
suatu bentuk penilaian konsumen terhadap tingkat layanan yang diterima (perceived service)
dengan tingkat layanan yang diharapkan (expected service). Menurut definisi ini, ada dua
faktor utama yang mempengaruhi kualitas layanan yaitu, layanan yang diharapkan (expected
service) dan layanan yang diterima (perceived service).
Harapan pembeli diyakini berperan dalam menentukan kualitas layanan dan kepuasan
pembeli. Karena adanya harapan pembeli suatu perusahaan akan berusaha memberikan
layanan yang berbeda dibandingkan perusahaan lain dalam rangka memuaskan pembelinya.
Parasuraman dkk. (1988) mendefinisikan harapan sebagai keinginan atau tuntutan konsumen
yang seharusnya dipenuhi penyedia jasa. Faktor-faktor yang mempengaruhi harapan
konsumen yaitu:
1. Komunikasi dari mulut ke mulut (world of mouth). Komunikasi ini merupakan faktor yang
cukup potensial, karena konsumen umumnya cenderung untuk mempercayai konsumen
lain yang sudah mencoba produk atau jasa tersebut. Pengaruh ini timbul dari apa yang
didengar konsumen dari konsumen lain.
2. Kebutuhan individu (personal need). Pengaruh ini timbul karena konsumen mengharapkan
sesuatu, biasanya dipengaruhi oleh kebutuhan pribadi.
3. Pengalaman masa lalu (past experiences). Pengalaman pada waktu yang lalu (sebelumnya)
berpengaruh terhadap harapan konsumen. Pada umumnya semakin berpengalaman
konsumen, semakin rendahharapannya akan keramahan dan kesantunan (kesopanan),
tetapi semakin tinggi harapannya terhadap kompetensi dan efektivitas kerja perusahaan.
4. Komunikasi eksternal. Komunikasi eksternal, misalnya iklan atau selebaran-selebaran
memegang peranan penting dalam membentuk harapan konsumen.
Expected service dibagi menjadi dua, yaitu desired service dan adequate service.
Desired service adalah layanan yang seharusnya diterima pembeli, sedangkan adequate
service adalah layanan minimum yang akan diterima pembeli. Daerah antara desired service
dan adequate service disebut sebagai daerah toleransi (zone of tolerance). Besarnya daerah
toleransi ini berbeda pada setiap orang dan fluktuasinya lebih dipengaruhi oleh tingkat
adequate service-nya. Besarnya daerah toleransi ini berbeda pada setiap orang dan
fluktuasinya lebih dipengaruhi oleh tingkat adequate service-nya (Parasuraman, dkk., 1994).
Tinggi rendahnya suatu kualitas pelayanan tergantung pada bagaimana penerimaan
konsumen akan pelayanan nyata yang diperolehnya sehubungan dengan apa yang mereka
harapkan. Dengan kata lain kualitas pelayanan merupakan selisih antara pengharapan
konsumen atau keinginan mereka dengan persepsi mereka. Parasuraman dan kawan-kawan
(1990) mengidentifikasikan adanya lima gap yang dapat terjadi dalam proses layanan kepada
pelanggan, yang dapat diminimasi untuk meningkatkan kinerja. Secara diagramatis, kelima
gap tersebut dapat diilustrasikan seperti pada gambar 3 berikut ini :
PELANGGAN
Komunikasi dari
mulut ke mulut
Kebutuhan Individu
Layanan yanng
diharapkan
Pengalaman masa
lalu
Gambar 3 Model Konseptual Kualitas Layanan (Wibisono : 2006)
b. Dimensi Kualitas Pelayanan
Parasuraman dan kawan-kawan (1990) menyederhanakan sepuluh dimensi kualitas
layanan menjadi lima dimensi saja dengan sebutan SERVQUAL (singkatan dari Service of
Quality), yaitu:
1. Tangibles, adalah wujud fisik fasilitas, peralatan, personel, dan bahan komunikasi.
2. Reliability, yaitu kemampuan untuk memenuhi janji pelayanan yang akurat.
3. Responsiveness, yaitu menggambarkan keinnginan untuk menolong pelanggan dan
untuk menyediakan layanan yang ceppat dan tepat.
4. Assurance, yaitu mengetahui dan menghormati karyawan serta memberikan
kepercayaan dan kenyamanan.
5. Empathy, merupakan kepedulian, perhatian individual yang diberikan oleh perusahaan
kepada pelangggan.
c. Conceptual Framework
Kepuasan pelanggan suatu organisasi jasa biasanya dituangkan dalam rencana kerja
yang dimplementasikan dalam pelayanan terhadap para pelanggannya. Hal ini dapat
menghasilkan suatu indikator pengukuran kualitas layanan antara harapan pelanggan yang
diterima (tingkat kepentingan pelanggan) dengan pelayanan/kinerja yang diberikan kepada
para pelanggannya (tingkat kepuasan pelayanan) sehingga dapat menghasilkan adanya suatu
kesenjangan (gap). Adanya pengukuran kualitas layanan yang bertujuan untuk mengetahui
baik atau tidaknya pelayanan yang diberikan dapat dijadikan sebagai dasar pengembangan
kualitas yang ddiberikan sehingga pada akhirnya akan berpengaruh terhadap kepuasan
pelanggan. Peta pemikiran konseptual dalam penelitian ini digambarkan secara skematis
pada gambar 4 berikut ini:
SISTEM INFORMASI
AKADEMIK STMIK
SUMEDANG
TINGKAT KINERJA LAYANAN
YANG DIBERIKAN
TINGKAT HARAPAN
PENGGUNA LAYANAN
PENGUKURAN KESENJANGAN
(GAP) TERHADAP 5 DIMENSI
SERVQUAL
PENGEMBANGAN KUALITAS
LAYANAN
KEPUASAN PELANGGAN
Gambar 4 Conceptual Framework
d. Hasil Uji Validitas dan Uji Reliabilitas
Uji Validitas dan Uji Reliabilitas pada tahap pretest dengan menyebar 30 kuisioner.
Hasil menunjukkan bahwa untuk uji validitas diperoeh hasil > 0,3 dan untuk uji reliabilitas
diperoleh hasil > 0,7. Dengan demikian rancangan kuisioner valid dan reliable untuk
dijadikan instrumen penelitian.
e. Karakteristik Responden
Kuisioner penelitian yang disebarkan kepada 100 orang mahasiswa STMIK
Sumedang terdiri dari profil responden, kuisioner persepsi, dan kuisioner ekspektasi.
Responden penelitian terdiri dari 63% laki-laki dan 37% perempuan. Usia responden berkisar
antara 19-26 tahun. Semua program studi yang ada di STMIK Sumedang terwakili oleh
responden terpilih.
f. Analisis Kualitas Layanan
Hasil indeks kepuasan pelanggan menunjukkan bahwa kelima dimensi yang diukur
memiliki kesenjangan negatif. Dimensi yang memiliki kesenjangan tertinggi adalah dimensi
Tangibles dengan nilai kesenjangan -1,23 sedangkan untuk kesenjangan terendah pada
dimensi Assurance dengan nilai -0,82. Dalam dimensi Tangibles atribut yang memiliki
kesenjangan tertinggi adalah fasilitas komputer yang tersedia sedangkan atribut yang
memiliki kesenjangan terendah adalah penampilan staf atau petugas. Hasil keseluruhan
penelitian dapat dilihat pada tabel 2 dan 3 berikut.
Tabel 2 Indeks Kepuasan Pelanggan Kelima Dimensi
Dimensi
Tangibles
Reliability
Responsiveness
Assurance
Empathy
Nilai rata-rata
Persepsi
3,05
3,35
3,42
3,69
3,46
Nilai rata-rata
Harapaan
4,29
4,51
4,56
4,51
4,46
Kesenjangan
-1,23
-1,15
-1,14
-0,82
-1,01
Tabel 3 Indeks Kepuasan Pelangan Seluruh Atribut dalam Tiap Dimensi
Dimensi
Tangibles
Reliability
Atribut
Fasilitas komputer untuk
mengakses SIA
mencukupi
Area ruangan untuk
mengakses SIA luas
Kondisi ruangan untuk
mengaksses SIA nyaman
dan bersih
Tampilan interface SIA
menarik
Sttaf/petugas
berpenampilan rapi dan
sopan
Staf/petugas memberikan
penjelasan yang akurat
mengenai prosedur
penggunaan SIA
Informasi akademik pada
SIA up-to-date
Data akademis
mahasiswa bebas dari
kesalahan
Data akademis
mahasiswa
terdokumentasi dengan
baik
Nilai
Nilai
RataRataKesenjangan
rata
rata
Persepssi Harapan
2,68
4,71
-2,03
2,82
4,25
-1,43
3,31
4,46
-1,15
2,94
3,92
-0,98
3,52
4,09
-0,57
3,51
4,6
-1,09
3,15
4,41
-1,26
2,92
4,4
-1,48
3,72
4,61
-0,89
Tabel 3 Lanjutan Indeks Kepuasan Pelangan Seluruh Atribut dalam Tiap Dimensi
Nilai
Nilai
Dimensi
Atribut
RataRataKesenjangan
rata
rata
Persepssi Harapan
Responsiveness
Staf/petugas
menyelesaikan
permasalahan/keluhan
mahasiswa dengan cepat
Pemunculan data
akademis tepat waktu
Penanganan yang cepat
dan teapat waktu bila
terjadi perubahan data
akademis
Staf/petugas bersedia
memberikan informasi
yang dibutuhkan
3,06
4,51
-1,45
3,2
4,58
-1,38
3,42
4,56
-1,14
4,01
4,59
-0,58
Tabel 4 Indeks Kepuasan Pelangan Seluruh Atribut dalam Tiap Dimensi (lanjutan)
Dimensi
Assurance
Empathy
Atribut
Tidak ada gangguan saat
menggunakan SIA
Data akademis aman dari
penggunaan oleh orang yang
tidak berhak
Staf/petugas menguasai
permasalahan SIA
SIA mmudah diakses
Staf /petugas ssabar dalam
memberikan penjelasan
kepada mahasiswa
Staf/petugas memahami
kebutuhan setiap mahasiswa
Staf/petugas mudah
dihubungi apabila terjadi
permasalahan
Staf/petugas meneranggka
dengan jelas dalam mengatasi
permasalahan
Nilai
Rata-rata
Persepssi
Nilai
RataKesenjangan
rata
Harapan
2,9
4,43
-1,53
3,85
4,62
-0,77
3,68
3,6
4,45
4,54
-0,77
-0,94
3,53
4,36
-0,83
3,37
4,39
-1,02
3,43
4,55
-1,12
3,49
4,55
-1,06
Berdasarkan hasil tabel-tabel tersebut dapat dilihat bahwa pengguna layanan SIA
STMIK Sumedang belum puas dengan layanan yang diberikan sehingga dapat dikatakan
bahwa kualitas layanan SIA STMIK Sumedang perlu untuk ditingkatkan lagi. Terutama yang
menyangkut dimensi Tangibles yang memiliki kesenjangan tertinggi. Atribut dalam dimensi
Tangibles yang perlu ditingkatkan berdasarkan urutan kesenjangan adalah fasilitas komputer
yang mencukupi.
PENUTUP
a. Kesimpulan
Kualitas layanan SIA STMIK Sumedang dapat dikatakan belum cukup baik karena
berdasarkan indeks kepuasaan pelanggan dari lima dimensi ServQual menunjukkan
kesenjangan yang negatif. Hal ini mengindikasikan bahwa penguna layanan SIA STMIK
Sumedang belum terpuaskan dengan layanan yang diberikan. Dimensi yang memiliki
kesenjangan tertinggi adalah dimensi Tangibles.
b. Saran
Agar dapat memperbaiki tingkat layanan yang diberikan oleh STMIK Sumedang
perlu dilakukan analisis lebih lanjut menggunakan Importance Performance Analysis (IPA)
Framework dan Kano Model sehingga dapat diketahui gambaran yang lebih spesifik dalam
urutan prioritas perbaikan.
DAFTAR PUSTAKA
[1] Kotler, Philip, 1997. Marketing Management: Analysis, Planning, Implementation, and
Control. 9th Edition. Prentice Hall, Inc. New Jersey.
[2] Lovelock, Christoper, 1988. Managing Service: Marketing, Operations and Human
Resources. Prentice Hall Int Inc. London.
[3] Parasuraman. A., Zeithaml, V.A. dan Berry, L.L. 1994. Reassessment of Expectations as
a Comparison Standar in Measuring Service Quality: Implication for Further
Research. Journal of Marketing. January (58): 111-124.
[4] -------- .1988. SERVQUAL: A Multiple Item Scale for Measuring Consumer Perceptions
of Service Quality. Journal of Retailing. Vol. 64, No. 1, Spring, 12-40.
[5] -------- .1990. Delivery Quality Service: Balancing Customer Perceptions and
Expectation. The Free Press Adivision of Macmillan, Inc. New York USA.
Wibisono, D. 2006. Manajemen Kinerja: Konsep, Desain, dan Teknik Meningkatkan Daya
saing Perusahaan. Erlangga. Jakarta, INA.
PERANCANGAN APLIKASI DATA MINING UNTUK ANALISIS KEMUNGKINAN
PENGUNDURAN DIRI CALON MAHASISWA BARU
(STUDI KASUS STMIK SUMEDANG)
Sri Bekti Handayani N, S.T., M.Kom.
Dosen Jurusan Sistem Informasi STMIK Sumedang
Email : [email protected]
Abstrak
Penerimaan mahasiswa baru merupakan aktifitas yang rutin dilakukan oleh sebuah
perguruan tinggi. Setiap tahun kegiatan ini dilakukan dengan berbagai strategi untuk
mendapatkan hasil yang optimal yaitu dengan penggunaan teknologi informasi dan sistem
informasi. Pada kegiatan penerimaan mahasiswa baru banyak permasalahan yang terjadi,
salah satunya adalah pengunduran diri calon mahasiswa baru. Berdasarkan permasalahan
tersebut, maka dibuatlah perancangan aplikasi data mining clasification untuk data
penerimaan mahasiswa baru di STMIK Sumedang yang bertujuan merancang pengolahan
data mining dengan mengelompokan data pendaftaran mahasiswa baru berdasarkan NEM,
jenis kelamin, asal sekolah, jurusan, gelombang, pilihan 1, pilihan 2, catatan, nilai, agama,
lulus_jur, propinsi, kabupaten. Adapun manfaat dari penelitian ini adalah menghasilkan
pengklasifikasian data berdasarkan NEM, jenis kelamin, asal sekolah, jurusan, gelombang,
pilihan 1, pilihan 2, catatan, nilai, agama, lulus_jur, propinsi, kabupaten sehingga dapat
digunakan untuk menganalisis kemungkinan pengunduran diri calon mahasiswa baru.
Metode yang digunakan untuk membangun data mining pada penelitian ini adalah
clasification dengan menggunakan algoritma C45 yang terdiri dari Identifikasi masalah,
pengumpulan data, explore, clean, dan preprocess data, ekstraksi data, mendefinisikan tugas
data mining, memilih teknik data mining yang digunakan, membuat algoritma C4.5,
menginterpretasikan hasil algoritma, perancangan sistem data mining. Kesimpulan dari
penelitian ini adalah bahwa pada setiap tahunnya terjadi pengunduran diri calon mahasiswa
baru maka dari itu dengan klasifikasi dari kumpulan data calon mahasiswa yang ada dapat
memprediksi kemungkinan terjadi pengunduran diri calon mahasiswa baru sehingga pihak
manajemen perguruan tinggi dapat melakukan tindakan-tindakan yang diperlukan untuk
mempertahakan calon-calon mahasiswa tersebut.
Kata kunci : data mining, PMB, C45
PENDAHULUAN
a. Latar Belakang
Penerimaan mahasiswa baru merupakan aktifitas yang rutin dilakukan oleh sebuah
perguruan tinggi. Setiap tahun kegiatan ini dilakukan dengan berbagai strategi untuk
mendapatkan hasil yang optimal yaitu dengan penggunaan teknologi informasi dan sistem
informasi. Banyak permasalahan yang terjadi, salah satunya adalah pengunduran diri calon
mahasiswa baru. Jika dapat ditanggulangi sejak dini tentunya pihak manajemen perguruan
tinggi dapat melakukan tindakan-tindakan yang diperlukan untuk mempertahakan calan-calon
mahasiswa tersebut. Selama ini ada kesulitan dalam menganalisis sekumpulan data calon
mahasiswa, dikarenakan item data yang bercampur dalam satu tabel. Salah satu cara untuk
melakukan analisis kemungkinan pengunduran diri seorang calon mahasiswa baru adalah
dengan melakukan klasifikasi dari sekumpulan data calon mahasiswa yang ada. Dengan
demikian diperlukan sebuah sistem yang dapat mengolah data tersebut sehinggan membantu
pihak yang berkepentingan untuk dengan informasi penerimaan mahasiswa baru tersebut
untuk megumpulkan informasi-informasi tersebut berupa pengelompokan calon mahasiswa
berdasarkan NEM, jenis kelamin, asal sekolah, jurusan, gelombang, pilihan 1, pilihan 2,
catatan, nilai, agama, lulus_jur, propinsi, kabupaten, sehingga dapat digali knowledge
kemungkinan calon mahasiswa yang mengundurkan diri dengan cara tidak melakukan
registrasi karena berdasarkan kriteria yang telah disebutkan di atas. Berdasarkan latar
belakang yang diuraikan, maka diperlukan sistem pengolahan data pendaftaran mahasiswa
baru (PMB) yang didukung data mining dengan metode clasification sehingga dapat
membantu dalam menarik kesimpulan dengan cara menampilkan hasil informasi yang tergali
setelah dilakukan proses clasification. Data yang telah mengalami proses clasification akan
ditampilkan dalam bentuk pengelompokan data dari sekumpulan kriteria, sehingga dapat
memberikan informasi hasil dari aplikasi berupa detail klasifikasi yang terbentuk
b. Ruang lingkup
Ruang lingkup dibatasi pada :
a. Input :
1. Data yang dipakai adalah data NEM, jenis kelamin, asal sekolah, jurusan,
gelombang, pilihan 1, pilihan 2, catatan, nilai, agama, lulus_jur, propinsi,
kabupaten
2. Ruang lingkup data adalah pada jurusan Sistem Informasi STMIK Sumedang
b. Proses :
1. Hasil input akan dikelompokan berdasarkan NEM, jenis kelamin, asal sekolah,
jurusan, gelombang, pilihan 1, pilihan 2, catatan, nilai, agama, lulus_jur,
propinsi, kabupaten
2. Metode yang digunakan adalah clasification dengan menggunakan algoritma
C45
3. Pemilihan variabel, melakukan pra-proses dengan cara mengelompokan nilai
nilai, menterjemahkan nilai pilihan1,pilihan2, lulus_jur, agama,
c. Output
Menampilkan data berdasarkan klasifikasi registrasi dan non registrasi
c. Tujuan
Tujuan dari penelitian ini adalah :
Merancang aplikasi data mining dengan mengelompokan data pendaftaran mahasiswa baru
berdasarkan NEM, jenis kelamin, asal sekolah, jurusan, gelombang, pilihan 1, pilihan 2,
catatan, nilai, agama, lulus_jur, propinsi, kabupaten.
d. Metode Penelitian
Metode yang digunakan untuk membangun data mining pada penelitian ini adalah
Decision Trees dengan algoritma C4.5. Adapun tahapan yang dilakukan untuk membangun
data mining pada penelitian ini terdiri dari :
Gambar 1. Skema metode data mining
a.
b.
c.
d.
e.
f.
g.
h.
Identifikasi Masalah
Adalah proses membangun pemahaman dalam membangun proyek data mining
dengan cara memberikan jawaban dari berbagai pertanyaan
Pengumpulan Data
Adalah proses mendapatkan sekumpulan data yang akan digunakan untuk
dianalisis. Proses pengumpulan data dilakukan dengan pencarian dari database
yang berbeda berasal dari internal dan eksternal organisasi.
Explore, clean, dan preprocess data. Melakukan verifikasi bahwa data dalam
kondisi yang baik, pembersihan data (data cleaning), pengumpulan informasi
yang diperlukan untuk memodelkan, penentuan strategi untuk menangani field
data yang hilang, dan pencatatan informasi urutan waktu dan perubahan yang
diketahui.
Ekstraksi data, meliputi penentuan fitur penting untuk merepresentasikan data
bergantung pada tujuan, dan menggunakan reduksi dimensionalitas atau metodemetode transformasi untuk mengurangi banyaknya variabel efektif di bawah
pertimbangan, atau menemukan representasi invarian bagi data
Mendefinisikan Tugas Data mining
Menentukan representasi model yang sesuai dengan apa yang akan dilakukan
oleh data mining, dan kemudian ditentukan algoritma untuk menemukan model.
Memilih teknik data mining yang digunakan
Memilih teknik data mining yang sesuai dengan tugas data mining yang telah
didefinisikan
Membuat algoritma C4.5.
Melakukan pendefinisian atribut sebagai root, kemudian membuat cabang untuk
tiap nilai, membagi kasus dalam cabang, dan berulang sampai cabang memiliki
kelas yang sama.
Menginterpretasikan hasil algoritma.
i.
dalam proses ini pola-pola yang telah diidentifikasi oleh sistem kemudian
diterjemahkan ke dalam bentuk knowledge yang lebih dimengerti oleh user untuk
dapat membantu mengambil keputusan, misalnya dengan menunjukkan item yang
saling berasosiasi melalui tampilan yang lebih mudah untuk dimengerti.
Perancangan sistem data mining
Pada proses ini dilakukan perancangan basis data dan perancangan antar muka
sistem data mining untuk pengguna.
PEMBAHASAN
Teori tentang belum ada :
Data mining
Algoritma C.45
a. Identifikasi Masalah
Pada penelitian ini akan dibangun perancangan aplikasi data mining clasification
untuk data penerimaan mahasiswa baru STMIK Sumedang. Rancangan aplikasi data mining
ini memberikan bentuk informasi pengklasifikasian data calon mahasiswa baru dengan tujuan
untuk menganalisis kemungkinan pengunduran diri calon mahasiswa baru yang sering terjadi
selama beberapa tahun terakhir ini. Dengan menggunakan output dari aplikasi data mining
ini, yang berupa item-item dari yang telah terklasifikasi (clasification), pengambil keputusan
dapat mengetahui informasi “tersembunyi” yang tersimpan pada kelompok-kelompok
tersebut. Klasifikasi data dapat menunjukan keputusan “Registrasi” pada calom mahasiswa
baru.
b. Pengumpulan Data
Pengumpulan data dilakukan di bagian administrasi penerimaan mahasiswa baru. Saat
ini bagian administrasi penerimaan mahasiswa baru sudang menggunakan sistem
komputerisasi untuk mencatat segala kegiatan penerimaan mahasiswa baru di lingkungan
STMIK Sumedang. Setiap calon mahasiswa mempunya data no identitas berupa
no.pendaftaran. setiap calon mahasiswa mempunyai catatan mengenai nama lengkap, tempat
lahir, tanggal lahir, JK, status sipil, agama, kewarganegaraan, alamat lengkap rumah, no
telpon/HP, pendidikan terakhir, NEM, nama sekolah/perguruan tinggi asal, jurusan/program
studi pendidikan terakhir, pilihan 1, pilihan2, persyaratan, registrasi pembayaran, status
registrasi.
Tabel 1. Format asli data calon mahasiswa
No_pendaftaran Kode_ptgs Nama_lgkp JK Tempat _lhr
Tanggal_lhr
...
...
Status sipil
NEM
Agama Kewarganegaraan
Nama_Sklh/PT_Asal
Pil_jurusan Biaya_pendaftaran
Nilai Ket_lulus No_rek
Alamat_rumah No_tlp_rmh/HP
...
...
Jurusan/program studi pendidikan terakhir
...
...
UPP
...
...
NPM
SPP
Persyaratan
Jur_lulus Jaket
...
Status_tes
Buku_panduan
...
Stat_transfer
Dispensasi Thn_akademik
NamaProp
NamaKab
Registrasi
Sumber : data PMB STMIK Sumedang 2014
Dari data-data tersebut, kolom yang diambil sebagai variabel keputusannya adalah kolom
Registrasi, sedangkan kolom yang diambil sebagai variabel penentu dalam pembentukan
pohon keputusan adalah kolom NEM, JK, Nama_Sklh/PT_Asal, Pilihan_1, Pilihan_2, Nilai,
agama, Jur_lulus, NamaProp, NamaKab.
c. Melakukan Pra Proses
Dari hasil pengumpulan data, selanjutnya dilakukan proses ekstraksi data yaitu
penentuan fitur penting untuk merepresentasikan data bergantung pada tujuan, dan
menggunakan reduksi dimensionalitas atau metode-metode transformasi untuk mengurangi
banyaknya variabel efektif di bawah pertimbangan, atau menemukan representasi invarian
bagi data. Sehingga didapatkan data-data yang terpilih dengan format, sbb :
Tabel 2 Format data calon mahasiswa hasil pemilihan
NEM JK Nama_Sklh/PT_Asal Jurusan/program studi pend.terakhir ...
...
Pil_jur
Nilai Agama
Jur_lulus
NamaProp
NamaKab Registrasi
Dari hasil ekstraksi data, kemudian dilakukan pra-proses sebagai berikut :
1) Pengelompokan berdasarkan NEM
Tabel 3. Pengelompokan berdasarkan NEM
NEM
Klasifikasi
0–5
1
5–6
2
6–7
3
7–8
4
8–9
5
9- 10
6
2) Pengelompokan berdasarkan Nilai
Tabel 4 Pengelompokan berdasarkan Nilai
NEM
Klasifikasi
0 - 50
1
0 - 60
2
60 - 70
3
70 - 80
4
80 - 90
5
90 - 100
6
3) Menerjemahkan Jenis Kelamin
Tabel 4 Menerjemahkan Jenis Kelamin
Jenis Kelamin
Nilai Baru
L
Laki – laki
P
Perempuan
4) Menerjemahkan Status sipil
Tabel 5 Menerjemahkan Status sipil
Status sipil
Nilai Baru
1
Belum menikah
2
Menikah
3
Pernah menikah
5) Menerjemahkan Agama
Tabel 6 Menerjemahkan Agama
Agama
Nilai Baru
1
Islam
2
Katholik
3
Protestan
4
Budha
5
Hindu
6
Lain-lain
6) Menerjemahkan Kewarganegaraan
Tabel 7 Menerjemahkan Kewarganegaraan
Kewarganegaraan
Nilai Baru
1
WNI
2
WNA
3
WNI Keturunan
7) Menerjemahkan Pendidikan Terakhir
Tabel 8 Menerjemahkan Pendidikan Terakhir
Pendidikan Terakhir
1
2
3
4
Nilai Baru
SLTA/SMA/SMK/Sederajat
Diploma-1
Diploma-3
Pindahan
8) Menerjemahkan Pilihan Jurusan
Tabel 9 Menerjemahkan Pilihan Jurusan
Pilihan Jurusan
1
2
3
Nilai Baru
Teknik Informatika (S1)
Sistem Informasi (S1)
Manajemen Informatika (D3)
9) Menerjemahkan Persyaratan
Tabel 10 Menerjemahkan Persyaratan
Persyaratan
(umum/lanjutan/pindahan
Nilai Baru
1
2
FC STTB/Ijazah 3lbr
FC KTP 1Lbr
Pas Photo berwarna 3x4 dan 2x3
@4lbr
Surat Izin dari Atasan (Karyawan
FC Ijazah Pendidikan Terakhir
3lembar
FC Transkrip Nilai 3lembar
FC Kartu Hasil Studi Tiap Semester
1lembar
FC KTM 3 lembar
Surat Ket Pindah dari PT asal
3
4
5
6
7
8
9
d. Rancangan DAD
aturan
Analisis
3
Pembentukan
Aturan
klasifikasi
Kerja[n]
2
Testing
Nilai atribut
Node
Atribut, gain
1
Training
atribut
Daftar_Atribut
node
atribut
Node
Tree
kasus
Atribut, nilai, entropy
Sub_Kerja[n]
kasus
Kasus
Gambar 2. Diagram aliran data level 1
a. Tabel D_atribut
Create table D_atribut (
nama_atrribut varchar(30) NOT NULL,
is_aktif char(1) default ‘Y’,
Is_hasil char(1) default ‘T’, ket varchar(15) default ‘’,
Primary key (nama_atribut) );
b. Tabel Kasus
Create table kasus
( nem char(1), JK varchar(6), Nama_Sklh varchar(25),
jurusan varchar(15), Pil_jur, nilai varchar(3),
agama varchar(25), jur_lulus varchar(10),
Namaprop varchar(25), namakab varchar(25),
registrasi varchar(10) );\
c. Tabel Tree
Create table tree (
id_node integer, node varchar(30), nilai varchar(30),
Induk varchar(30), is_atribut char(1) default ‘Y’ );
2.4
d. Tabel Kerja[0]
Create table kerja0 (nama_atribut varchar(30), gain numeric(15,2) );
e. Tabel sub_kerja[0] s.d sub_kerja[n]
Create table subkerja0 (
nama_atribut varchar(30), nilai varchar(3),
entropy numeric (15,2), Result_1 varchar(30),
result_2 varchar(30), jml_kasus integer );
Rancangan Algoritma
Mulai
Hapus tabel tree
l = nama_atribut dalam tabel
tribut is_hasil = ‘Y’
nct atribut_hasil dari tabel kasus
2. jml_hasil = 0
Q1 Eof ?
1. Hasil[jml_hasil] =’result_’+j.Fields[0]
2. Tampil[jml_hasil] = Q1
3. inc(i)
ai
Gambar 3. Algoritma inisialisasi pembentukan node
d dari tabel
ode sampai dengan
aktif
tidak
1. Q[level]=jumlah record dari tabel kasus yang memenuhi
syarat dari node sampai dengan cabang yang sedang aktif
dan atribut_hasilnya : hasil[i]
2. entropy := entropy+ (-Q[level].Field[0].Asinteger/
v_jml_kasus*log2 (Q[level].Field[0].Asinteger/v_jml_kasus))
3. inc(i)
P1
Gambar 4. Algoritma pembentukan node 1
P1
P2
ext
ya
Q[level].Eof?
1. masukkan ke tabel kerja[level]
(atribut:Q[level].Field[0]
gain:gain )
2. Q[level]Next
tidak
1. Gain : 0
2. Q[level+1]:jenis nilai dari
Q[level].nama_atribut
ya
Q[level +1].Eof?
tidak
1. V_sub_jml_kasus: jml data yang
jenisNilai=Q[level+1].Jenis_nilai
1. Q[level+2=jml data yang
jenisnilai=Q[level+1].jenis_nilai dengan
atribut_hasil=hasil[i]
2. sub_entropy=sub_entropy(Q[level+2]..fields(0).Asinteger/
v_sub_jml_kasus*log2(Q[level+2].Fields(
0).Asinteger/v_sub_jml_kasus))
3. inc(i)
tidak
tidak
V_sub_jml_kasus>0 ?
ya
1. Sub_entropy=0
2. i=0
i=jml_hasi-1?
ya
1. Gain:=Gain-(v_sub_jml_kasus/
v_jml_kasus*sub_entropy
2. Masukkan ke tabel sub_kerja[level]
( atribut:Q[level].Field[0]
nilai:Q[level+1].Field[0]
entropy : sub_entropy
)
Gambar 5. Algoritma pembentukan node 2
P2
1. Q[level]=cari nama_atribut dari
tabel kerja[level] dengan nilai gain
tertinggi
2. i_node.add(jml_node+1)
ya
Q[level].empty?
tidak
1. masukkan ke tabel tree
( id_node:jml_node+
Node:’tidak terklasifikasi
Nilai : nilai_atribut_terpakai[level-1]
Induk : id_node[level-1]
Is_atribut=’T’)
2. inc(jml_node)
3. nilai_atribut_terpakai.add(“,”)
4. atribut_terpakai.add(“)
1. terpilih=Q[level].Fields[0]
2. atribut.terpakai.add(terpilih)
ya
Level=0?
1. masukkan ke tabel tree
(id_node:jml_node+’
Node:atribut_terpakai[level)
2. inc(jml_node)
tidak
1. Masukkan ke tabel tree
(
Id_node:jml_node+’
Node:atribut_terpakai[level]
Nilai:nilai_atribut_terpakai[level-1]
Induk:id_node[level-1])
2. inc(jml_node)
Q[level]=cari data dari
Sub_kerja[level]
Nama_atributnya :
Atribut_terpakai[level]
P3
Q[level].empty
?
ya
tidak
Nilai_atribut_terpa
kai.add(“”)
Gambar 6. Algoritma pembentukan node 3
ya
Q[level].Fileds[jml_kasus]=
Q[level].Fileds[hasil[i]?
1. Masukkan ke tabel tree
( id_node:jml_node+1
Node:tam[il[i]
Nilai:nilai_atribut_terpakai[level]
Induk:id_node[level]
Is_atribut=’T’)
2. inc(jml_node)
3. ketemu=true
tidak
Inc()
P5
tidak
i<=jml_hasil-1
Dan
Ketemu=false?
1.
Nilai_atribut_terpakai[level]=
Q[level].Fileds[nilai
2. i=0
Ketemu=false
P3
P6
tidak
Q[level].eof
P4
Gambar 7. Algoritma pembentukan node 4
P5
Exit
1. inc(level)
Ketemu=false?
Dec(level)
Level<=0
tidak
Buat node
Q[level].Next
P6
Gambar 8. Algoritma pembentukan node 5
P4
1. nilai_atribut_terpakai.delete(level)
2. atribut_terpakai.delete(level)
3. id_node.delete(level)
4. Q[level]=cari jenis atribut_terpakai[level-1] dalam
tabel kasus yang atribut_terpakai[level-1]- nya
belum ada dalam tabel tree
Q[level.eof
ya
Dec(level)
tidak
1. Nilai_atribut_terpakai[level-1]:=Q[level].Fields(0)
2. Q[level+1] = cari jml_kasus, hasil[1].hasil[n] dan
sub_jkerja[level-1yang nama_atributnya :
Atribut_terpakai[level-1] dan nilai
nilai_atribut_terpakai[level-1]
2. ketemu = false
P8
P7
Selesai
Gambar 9. Algoritma pembentukan node 6
P8
P7
Q[level].next
ya
1. Q[level+1].next
2. Buat_node
Q[level+1].empty?
tidak
i=0
i<=jml_hasil-1
tidak
Ketemu=false
ya
1. Masukkan ke tabel tree (
id_node : jml_node+1
node : tampil(i)
nilai : nilai_atribut_terpakai[level]
induk:id_node[level]
is_atribut=’T’ )
2. inc(jml_node)
3. ketemu=true
4. inc(i)
Q[level+1].Fileds[jml_kasus]=
Q[level+1].Fileds[hasil[i]?
ya
Gambar 10. Algoritma pembentukan node 7
PENUTUP
a. Kesimpulan
Kesimpulan yang diambil adalah untuk penerapan aplikasi pada kasus analisis mahasiswa di
jurusan sistem informasi STMIK Sumedang, dientry 35 record data calon mahasiswa tahun
ajaran 2012/2013 ke dalam database kasus. Dari keseluruhan data tersebut 5 tidak registrasi
dan sisanya melakukan registrasi.
b. Saran
Data yang pada penerimaan mahasiswa baru masih belum lengkap sesuai harapan untuk
melengkapi klasifikasi dalam memprediksi kemungkinan yang lainnya. Adapun data yang
dibutuhkan antara lain data orang tua, alternatif pilihan jurusan, dsb.
DAFTAR PUSTAKA
[1] Daniel T. Larose , 2005, Discovery knowledge in data, Wiley.
[2] Earl Cox, 2005, Fuzzy Modelling And Genetic Algorithms For Data Mining And
Exploration, Morgan Kaufmann.
SISTEM PENGENALAN WAJAH DENGAN METODE
EIGENFACE UNTUK ABSENSI KARYAWAN
Ir. Suhanda. M.T, Akhmad Yahya
Dosen dan Asisten Jurusan Teknik Informatika USB YPKP Bandung
Email : [email protected]
Abstrak
Pada saat ini penggunaan Sistem Komputerisasi semakin tumbuh dan berkembang di
kalangan Masyarakat yang sedang meningkatkan perusahaanya, terutama dibidang Industri.
Maka dengan demikian perlu adanya pengawasan keta terhadap Karyawannya, untuk
meningkatkan disiplin kerja. Jurnal ini akan menguraikan Sistem Komputerisasi Absen,
Salah satunya adalah dengan melakukan Absen kehadiran Karyawannya. Absen yang
dilakukan dengan memakai Sistem Pengenalan Wajah. Sehingga Absen tersebut tidak bisa
diwakilkan kepada temannya.Karena Wajah masing – masing Karyawan akan terekam di
layar Komputer pada saat mengabsen, dan sesudah mengabsen. Sistem yang dipakai adalah
Metode EigenFace. Juga menggunakan Algoritma yang berhubungan dengan metode
tersebut. Begitu Karyawan sesudah mengabsen maka Data namanya sesuai dengan waktu
mengabsen akan masuk ke DataBase yang ada pada Sistem tersebut di dalam penyimpanan
Sekunder. Dengan demikian Sistem ini akan membantu keakuratan Data Absen, Kedisiplinan
Karyawan, dan menghindari kecurangan dalam Mengabsen oleh karyawan yang bolos dan
Karyawan yang sering terlambat. Sistem ini akan mendukung peningkatan Kualitas kerja
Karyawan tersebut. Sehingga para karyawan juga akan dituntut untuk kejujuran dalam
bekerja serta pihak perusahaan akan mengetahui mana karyawan yang rajin dan mana
karyawan yang malas. Jadi pihak Perusahaan akan lebih mudah menilai kwalitas
karyawannya dalam kejujuran dan kemampuan bekerja sesuai dengan waktu yang ditetapkan
bersama antara karyawan dan perusahaan. Untuk mencapai kinerja dan kemajuan serta
target yang dicapai oleh Perusahaan.
Kata Kunci : Kecerdasan Buatan, Absen Karyawan, Metode EigenFace
Abstract
At this time the use of Computerized Systems is growing and developing in the community
who are stepping up his company, especially in the field of industry. It is thus necessary to
the strictest supervision of the Employees, to improve labor discipline. This journal will
describe Absent Computerized System, One is by doing Absent Employees presence. Absent
were carried out using Facial Recognition System. Absent so it can not be delegated to
temannya.Karena face each - each employee will be recorded on the computer screen during
the roll call, and after the roll. The system used is eigenface method. Also use the algorithm
associated with the method. Once the employee after the roll call his name in accordance
with the time data will roll into the DataBase exist in the system at the secondary storage.
Thus this system will help the accuracy of the data Absent, discipline employees, and to avoid
fraud in the roll by employee absenteeism and employees are often late. This system will
support the improvement of the quality of employee work. So that employees will be
prosecuted to the honesty in work and the company will know which employees are diligent
and where employees are lazy. So the company will be easier to assess the quality of its
employees in the honesty and the ability to work in accordance with the stipulated time
shared between the employee and the company. To achieve the performance and progress
and targets achieved by the Company.
Keywords: Artificial Intelligence, Absent Employees, eigenface method
PENDAHULUAN
a. Latar Belakang
Absensi adalah salah satu transaksi repetitif yang sangat penting, karena berkaitan
dengan produktifitas dari karyawan dan merupakan salah satu indikator pengontrol Sumber
daya manusia (SDM) yang bertujuan meningkatkan potensi sumber daya manusia serta
digunakan dalam rangka efisiensi. Perkembangan teknologi saat ini memungkinkan membuat
suatu sistem yang dapat membantu Manusia dalam pengenalan suatu citra digital. Salah
satunya bidang yang sekarang ini sudah mulai dikembangkan adalah pengenalan pola.
Teknologi ini mengidentifikasi ciri-ciri khusus fisik seseorang. Contoh pengenalan pola
misalnya adalah pengenalan wajah (face recognition), Pengenalan iris (iris recognition),
pengenalan sidik jari (finger recognition), dan lain-lain.
Dalam penelitian pengenalan wajah ini menggunakan sebuah kamera untuk menangkap
wajah seseorang kemudian dibandingkan dengan wajah yang sebelumnya telah disimpan di
dalam database tertentu. Secara garis besar proses dari pengenalan wajah ini adalah kamer
webcam melakukan capture pada wajah. Kemudian didapatkan sebuah nilai R,G,B. Dengan
menggunakan pemrosesan awal, dilakukan crop, konversi RGB ke Grayscale. Setelah
dilakukan proses Grayscale, dilakukan tahap pengolahan wajah dengan menggunakan
metode eigenface. Didalam metode eigenface ini terdapat beberapa tahapan inti yaitu:
mengubah wajah menjadi matrik, menghitung rataan FlatVector, menentukan nilai eigenface
dan melakukan proses identifikasi wajah dengan mencari nilai eigenface yang mendekati.
Pengenalan wajah ini salah satunya dapat dikembangkan untuk menjadi aplikasi absensi yang
dapat diterapkan diperusahaan untuk mencegah manipulasi absen oleh karyawan. Umumnya
sistem absensi karyawan pada perusahaan dilakukan dengan mengisi buku absen atau yang
lebih maju lagi dengan menggunakan mesin absensi. Mesin absensi tersebut menggunakan
kartu tempat mencetak tanggal, jam masuk serta jam pulang.
Dilihat dari segi keamanan, sistem ini mempunyai banyak kelemahan, antara lain
adalah absen karyawan bisa dititipkan oleh karyawan lainnya, dan jika kartu tersebut
tertinggal maka karyawan tidak dapat melakukan absensi. Hal ini tentu berakibat kerugian
bagi karyawan.
Alternatif lain yang bisa dilakukan adalah dengan menggunakan sidik jari sebagai
pengganti barcode. Akan tetapi, pada absensi dengan mesin sidik jari masih ditemukan
beberapa kekurangan seperti ketidak mampuan mesin absensi sidik jari memverifikasi jari
karyawan apabila jari karyawan itu kotor, terluka ataupun berminyak, dan memerlukan
tambahan alat dengan harga yang tidak murah dan dapat bermanpaat bagi pemakai.
b. Lingkup Masalah
Untuk memudahkan dalam pembentukan sistem, maka masalah ini dibatasi pada :
1.
2.
3.
4.
Menentukan cara menganal wajah masing-masing Karyawan
Merencanakan waktu kerja supaya tercatat dalam DataBase Karyawan
Merancang rekaman Photo wajah dari setiap Karyawan pada saat masuk kerja
Menentukan kendala pada wajah karyawan yang memilik wajah yang mirip dengan
karyawan yang lainnya
5. Merancang sistem untuk menentukan kerja proses perekaman
6. Merancang sistem absensi untuk mendapatkan tingkat keakuratan yang lebih
maksimal dan dengan biaya yang lebih murah
c. Tujuan Penelitian
Dengan melihat permasalahan di atas, maka dirancang dan dibangun perangkat lunak
yaitu :
1. Membuat aplikasi berbasis pengenalan wajah (face recognition) dengan menggunakan
Metode eigenface untuk melakukan proses Absensi karyawan.
2. Mempelajari prinsip dasar dari pengenalan wajah dengan menggunakan metode
Eigenface.
3. Mengkomputerisasikan data Absensi karyawan sehingga lebih mudah dalam
pelaporan ke pihak eksekutif.
d. Metode Penelitian
Metodologi penelitian yang digunakan dalam penelitian ini dibagi dalam beberapa
tahap, yaitu:
1. Mempelajari algoritma eigenface
2. Wawancara kepada petugas Data Absen karyawan
3. Mengimplementasikan algoritma dalam prototype
4. Melakukan pengujian algotima dan analisa hasil pengujian algoritma.
PEMBAHASAN
Untuk mengkaji permasalan ini maka perlu beberapa teori pendukung diantaranya
adalah :
a. Metode Eigenface
Prinsip dasar dari pengenalan wajah adalah dengan mengutip informasi unik wajah
terbut kemudian di-encode dan dibandingkan dengan hasil decode yang sebelumnya
dilakukan. Dalam metode eigenface, decoding dilakukan dengan menghitung eigenvector
kemudian direpresentasikan dalam sebuah matriks yang berukuran besar. Metode ini
disempurnakan lagi oleh Turk dan Pentland pada tahun 1991. Prinsip dasar dari metode
eigenface adalah bagaimana caranya untuk mengekstrak informasi yang relevan dari sebuah
citra wajah lalu mengubahnya ke dalam satu set kode yang paling efisien, dan
membandingkan kode wajah ini dengan database berisi beragam wajah yang telah dikodekan
secara serupa [9].
Algoritma Eigenface adalah Algoritma pengenalan wajah dimulai dengan membuat
matriks kolom dari wajah yang diinput ke dalam database. Rata-rata vector citra (mean) dari
matriks kolom dihitung dengan cara membaginya dengan jumlah banyaknya citra yang
disimpan di dalam database.
b. Langkah Penyusunan Flatvector matriks citra
1. Langkah pertama adalah menyusun seluruh training image menjadi 1 matrix tunggal.
Misalnya image yang kita simpan berukuran H x W piksel dJan jumlahnya N buah,
maka memiliki flatvector dengan dimensi N x (H x W). representasikan semua matriks
training menjadi matriks dengan bentuk N×1 atau matriks linier seperti yang
ditunjukkan berikut ini:
[
𝑎
𝑥
𝑏 𝑐
] -> [a b c x y z]
𝑦 𝑧
Misalnya didalam training image terdapat tiga image ukuran 3x3 piksel maka kita akan
mempunyai eigenvector ukuran 2x9. Contoh dibawah ini mengunakan empat wajah
citra yang telah diubah menjadi matrix, lalu matrix tersebut diubah kedalam bentuk
rataan FlatVector.
Skema flatvector wajah:
10
C1[10
10
10
10
10
2 2
C2[2 2
2 2
11
C3[11
11
10
10][10 10 10 10 10 10 10 10 10]
10
2
2][2 2 2 2 2 2 2 2 2]
2
11
11
11
9 9
C4[9 9
9 9
11
11][11 11 11 11 11 11 11 11 11]
11
9
9][9 9 9 9 9 9 9 9 9]
9
2. Hitung Rataan Flat Factor
Dari FlatVector yang diperoleh, jumlahkan seluruh barisnya sehingga kita peroleh
matrix berukuran 1 x (H x W):
10 10 10 10 10 10 10 10 10
2 2 2 2 2 2 2 2 2
C1+C2+C3+C4=[
]
11 11 11 11 11 11 11 11 11
𝑦 𝑦 𝑦 𝑦 𝑦 𝑦 𝑦 𝑦 𝑦
C1+C2+C3+C4=[32 32 32 32 32 32 32 32 32]
Setelah itu bagi matriks tadi dibagi dengan jumlah image N untuk mendapatkan
Rataan FlatVector:
[32 32 32 32 32 32 32 32 32]
= [8 8 8 8 8 8 8 8 8]
Nilai flatvector citra akan digunakan untuk menghitung nilai eigenface citra wajah
untuk training image.
4
3. Tentukan Nilai Eigenface
Dengan memakai rataan flatvector citra di atas nilai eigenface untuk matriks latvector
yang sudah disusun tersebut dapat dihitung nilai eigenfacenya. Caranya dengan
mengurangi baris-baris pada matrix flatvector dengan rataan flatvector. Jika
didapatkan nilai dibawah nol, maka nilainya diganti dengan nol.
10 10 10 10 10 10 10 10 10
8 8 8 8 8 8 8 8
2 2 2 2 2 2 2 2
C1=82
−
2 2 2 2 2 2 2 2 2
8 8 8 8 8 8 8 8
−
0 0 0 0 0 0 0 0 0
C2 = 8
11 11 11 11 11 11 11 11 11
8 8 8 8 8 8 8 8
3 3 3 3 3 3 3 3
−
9 9 9 9 9 9 9 9 9
8 8 8 8 8 8 8 8
1 1 1 1 1 1 1 1
−
C3=83
C4=81
4. Proses Identifikasi
Untuk mengenali citra tes (testface), langkah identifikasinya adalah hitung nilai
eigenface untuk matriks testface dengan cara sebelumnya untuk penentuan nilai
eigenface dan flatvector citranya.
9
Ct[9
9
9 9
7 9][999979979]
7 9
9 9 9 9 7 9 9 7 9
8 8 8 8 8 8 8 8 8−
1 1 1 1 0 1 1 0 1
Nilai eigen dari testface= (111101101)
Nilai eigen (eigenvalue) dari testface digunakan untuk identifikasi dengan
menentukan jarak terpendek dengan eigenface dari eigenvector training dengan cara
menentukan nilai absolut dari pengurangan baris I pada matriks eigenface training
citra dengan eigenface dari testface dan jumlahkan dengan elemen penyusun vector
yang dihasilkan dari pengurangan dan didapat jarak d indeks I dan cari nilai d yang
paling kecil. Setelah nilai eigenface untuk testface diperoleh maka kita bisa
melakukan identifikasi dengan menentukan jarak terpendek dengan eigenface dari
eigenvector training image. Pertama tentukan nilai absolut dari pengurangan baris
pada matrix eigenface training image dengan eigenface dari testface, kemudian
jumlahkan elemen-elemen penyusun vector yang dihasilkan dari pengurangan tadi
dan ditemukan jarak indeks. Lakukan untuk semua baris. Cari nilai yang paling kecil.
Nilai EignFace C1=(2 2 2 2 2 2 2 2 2)
2 2 2 2 2 2 2 2 2
1 1 1 0 1 1 0 1
−
1 1 1 2 1 1 2 1
C1= 11
Nilai EignFace C2 = (0 0 0 0 0 0 0 0 0)
C1 = 1+1+1+1+2+1+1+2+1= 11
0 0 0 0 0 0 0 0 0
1 1 0 1 1 0 1
C2 =−11 −11 −1
−
−1 0 −1 −1 0 −1
C2 = 1+1+1+1+0+1+1+0+1=7
Nilai Eigenface C3 = (3 3 3 3 3 3 3 3 3)
3 3 3 3 3 3 3 3 3
C3 = 1 1 1 1 0 1 1 0 1 −
2 2 2 2 3 2 2 3 2
C3 = 2+2+2+2+3+2+2+3+2= 20
Nilai Eigenface C4 = (1 1 1 1 1 1 1 1 1)
1 1 1 1 1 1 1 1 1
C4 = 10 10 10 10 01 10 01 10 01 −
C4 = 0+0+0+0+1+0+0+1+0= 2
Dari hasil perhitungan, diperoleh jarak citra wajah empat memiliki nilai yang terkecil
yaitu dua. Karena jarak eigenface face satu dengan testface yang paling kecil, maka
hasil identifikasi menyimpulkan bahwa testface lebih mirip dengan face empat dari
pada face satu, face dua, dan face tiga.
b. Analisa
1. Alur Metode Eigenface
Pada tahap ini dilakukan analisis yang mendalam mengenai alur dari proses absensi
menggunakan metode eigenface. Inti dari algoritma eigenface adalah ketika karyawan
melakukan absensi maka gambar foto karyawan akan disimpan dalam database aplikasi, lalu
dikalkulasi nilai eigenface gambar karyawan tersebut dan dilakukan proses matching untuk
dicari nilai eigen yang paling mendekati.
2. Alur Proses Identifikasi dengan Metode Eigenface
Pada tahap ini akan dilakukan proses perhitungan matriks dari setiap wajah yang
dicapture oleh webcam. Tahapan yang terjadi adalah penyusunan flatvector matriks citra,
menentukan nilai rataan flatvector, penghitungan nilai eigenface dan proses identifikasi untuk
mendapatkan identitas gambar yang dicapture
3. Pengujian Algoritma pada Metode Eigenface
Pada tahapan ini dilakukan pengujian dengan melakukan absensi kepada lima orang.
Percobaan ini didasarkan atas pernyataan dari Ming-Hsuan, Kriegman, dan Ahuja pada 2002
yang mengatakan salah satu faktor dari system pengenalan wajah adalah Kondisi pencitraan
yang salah satu contohnya adalah pencahayaan dan jarak. Pencahayaan yang dilakukan
menggunakan cahaya gelap dan terang. Serta untuk jarak dengan webcam dengan 30 cm dan
60 cm.
c. Rancangan Sistem Informasi
1. Rancangan Struktur Basis Data Entiti Relation Diagram (ERD)
Rancangan Strukturnya dapat digambarkan sebagai berikut :
Gambar 1. Rancangan Entity Relation Diagram
2. Transformasi ER-Diagram ke Logical Record Structure
Gambar 2. Rancangan ER-Diagram ke Logical Record Structure
3. Logical Record Structure (LRS)
Gambar 3. Rancangan Logical Record Structure
i). Analisa Dan Implementasi Metode Eigenface
Pada tahapan ini dilakukan analisa dari hasil pengujian pengenalan wajah dengan
menggunakan metode eigenface. Terdapat beberapa tahapan dalam melakukan pengujian dan
analisa terhadap metode ini.
1. Pemecahan Masalah
Dalam hasil absensi yang akurat, dibutuhkan sebuah sistem absensi cukup mudah
digunakan oleh karyawan, dan memiliki kunci yang unik untuk setiap orang. Maka dari itu
dikembangkanlah sebuah sistem yang memanfaatkan wajah manusia yang dimiliki setiap
orang, sifatnya unik. Sehingga karyawan tidak perlu repot membawa kartu karena
memanfaatkan wajah sebagai media absensi.
Sistem pengenalan wajah dengan algoritma eigenface adalah sebuah solusi identifikasi wajah
dan pengenalan wajah. Sistem ini dapat diterapkan baik dalam aplikasi desktop yang
menggunakan wajah sebagai autentikasinya atau pengenalan dan identifikasi wajah otomatis.
Setelah didapatkan nilai eigenface maka dilakukan proses matching dengan mencari
nilai eigenface dengan database wajah untuk mendapatkan nilai eigenface yang paling
mendekati. Tahapan terakhir adalah menampilkan gambar/citra yang mendekati dari hasil
nilai eigenface yang sudah didapatkan . Untuk lebih jelasnya dapat dilihat pada Gambar
berikut :
Gambar 4. Proses Matching Mencari Nilai Eigenface
2. Metode Kerja Sistem Aplikasi
Proses pengenalan wajah manusiadari sisi aplikasi ini terdiri dari beberapa tahap. Tahap
pertama dimulai dengan pengambilan gambar dari wajah karyawan melalui alat pengambilan
gambar (webcam). Setelah itu, gambar diperoses untuk menghasilkan database wajah.
Penjelasan dari tiap-tiap tahapan proses adalah sebagai berikut :
3. Pengambilan Data
Pada tahap ini, setiap data karyawan menginput data masing-masing dengan lengkap di
form master karyawan, setelah lengkap maka karyawan difoto melalui Webcam. Posisi
kawyawan harus benar dalam pengambilan gambar. Penerangan di ruangan tempat
pengambilan gamber harus sama.
4. Proses Absensi
Pada tahap ini karyawan berdiri tegak dan menyesuaikan wajahnya agar tepat pada
pisisi Webcam. Setelah tepat maka karyawan menekan tombol ambil yang terdapat pada form.
Jika wajah teridentifikasi maka selanjutnya karyawan menekan tombol absen. Jika wajah
karyawan berbeda, maka karyawan harus menekan tombol batal dan lalu mencari posisi
kembali yg sesuai sampai data karyawan tersebut tepat.
5. Pembuatan Laporan
Pada tahap ini user perlu menginput tanggal awal dan akhir yg diinginkan lalu
masukkan jumlah hari libur diluar mingguan.kemudian menekan tombol cetak.
6. Tampilan Layar
7. Spesifikasi Hardware dan Software
Agar sistem ini berjalan dengan baik, maka dibutuhkan beberapa spesifikasi minimal
yang harus terpenuhi. Diantaranya merupakan spesifikasi minimal hardware yg harus
dipenuhi untuk mendukung dalam pengoperasian system pengenalan wajah yang dibuat:
a) Processor Intel Pentium 4 (2,8 Ghz)
b) Memori 1GB RAM
c) Keyboard
d) HD 20 GB
e) Webcam
f) Monitor
g) VGA On Board 32 MB
Kemudian disamping Hardware, juga spesifikasi software yg dibutuhkan agar system
pengenalan wajah dapat berjalan dengan baik antara lain :
a) System Operasi Microsoft Windows XP Profesional Edition SP 2
b) Connector odbc 5.1.9 Win32
c) XAMPP Ver 1.6.8
PENUTUP
a). Kesimpulan
Berdasarkan hasil analisa yang dilakukan terhadap permasalahan dan aplikasi yang
dikembangkan maka dapat ditarik kesimpulan sebagai berikut:
1. Apliksi absensi dapat dibuat menggunakan pengenalan wajah dengan menggunakan
metode EignFace untuk pengenalan wajah.
2. Factor-faktor yang mempengaruhi hasil pengenalan pada system ini adalah
pencahayaan, jarak pengambilan gambar (Cacpture) antara objek. Kesimpulan ini
didapat dari hasil perbandingan data pengamatan yng dicoba pada 5 orang pada
intensitas cahaya yang berbedea dan jarak pengambilan gambar. Terdapat perbedaan
keakuratan.
3. Metode eigencafe merupakan salah satu metode ntk pengenalan wajah dengan
memperhitungkan matriks setiap wajah yang di capture dengan mengkalkulasi nilai
eigenface untuk didapatkan nilai eigenface yang mendekati.
b). Saran
Dengan adanya Sistem Pengabsenan keryawan ini ada beberapa saran yang
menjadi pendorong bagi Pengguna antara lain :
1. Lebih ditingkatkan lagi Sistem kerja ini, sehingga dapat menunjang kriteria kerja
karyawan
2. Adanya pengawasan yang lebih ketat, dalam penggunaan sistem ini, sehingga pihak
Karyawan dan pihak terkait lebih disiplin lagi masuk kerjanya
3. Sebaiknya yag mengoerasikan Sisem ini, harus orang yang bertanggung jawab, dan
diberikan pelatihan terlebih dahulu
DAFTAR PUSTAKA
[ 1.] Li Stan Z., Jain Anil K. ,2005, Handbook of Face Recognition, New York:Springer
[ 2.] Privida Kristiono, 2008, Pemrograman Database Tingkat Lanjut dengan VB6, PT
Elex Media Komputindo
[ 3.] Putra Darma, 2009, Sistem Biometrika: Konsep Dasar, Teknik Analisis Citra, dan
Tahapan Membangun Aplikasi Sistem Biometrika, Yogyakarta : Andi Offset
[ 4.] Siswanto, Ir., 2005, Kecerdasan Tiruan, Yogyakarta : Graha Ilmu
[ 5.] Supardi, Ir., Yuniar, 2011, Semua Bisa Menjadi Programmer VB6 Hingga VB 2008
Basic, PT Elex Media Komputindo.
[ 6.] Sutoyo T., Mulyanto Edy S.Si., M.Kom., Dr. Vincent Suhartono, 2009, Teori
Pengolahan Citra Digital, Yogyakarta: Andi
[ 7.] Swastika, Windra, 2007, VB & MYSQL Seri 2, Dian Rakyat.
[ 8.] Wikipedia the free encyclopedia, Eigenface, http://en.wikipedia.org/wiki/Eigenface
diakses pada : Oktober 2012
[ 9.] Wikipedia the free encyclopedia, Pengenalan Pola
http://id.wikipedia.org/wiki/Pengenalan_pola diakses pada : Oktober 2012