SISTEM PENUNJANG KEPUTUSAN PENERIMA

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