Kumpulan Jurnal PDF

VOLUME 1 NOMOR 1 SEPTEMBER 2014
JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI

(JATISI)
Terbit dua kali setahun pada bulan Maret dan September, Jurnal Teknik Informatika dan
Sistem Informasi (JATISI) merupakan media penyampaian hasil penelitian untuk semua
bidang yang ada pada rumpun teknik informatika dan sistem informasi, diharapkan hasil
penelitian yang ada pada jurnal ini dapat menjadi penghubung antara peneliti dan pihak yang
berkepentingan. ISSN 2407-4322, diterbitkan pertama kali pada tahun 2014
KETUA PENYUNTING
Gasim
DEWAN PENYUNTING
Kudang Boro Seminar
Gasim
Djoko Soetarno
STAF AHLI (MITRA BESTARI)

Joko Lianto Buliali
Agus Harjoko
Iping Supriana Suwardi
Achmad Benny Mutiara
TATA USAHA
Yulizar Kasih
Rizani Teguh
Sudiadi
PENANGGUNG JAWAB
Ketua STMIK Global Informatika MDP, Ir. Rusbandi, M.Eng.
PENERBIT
Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika
MDP bekerjasama dengan IndoCEISS (Indonesian Computer, Electronics and
Instrumentation Support Society)
ALAMAT PENYUNTING & TATA USAHA

Gedung STMIK GI MDP, Jalan Rajawali No. 14 Palembang 30113
Telp. 0711-376400, Fax. 0711-376360,
Website : http://jatisi.mdp.ac.id, Email : jatisi@mdp.ac.id
BERLANGGANAN
Langganan dapat dilakukan dengan pemesanan untuk minimal 2 edisi (1 tahun) Rp. 350.000,-
ditambah ongkos kirim.
KATA PENGANTAR
Puji syukur kehadirat Tuhan YME atas berkat rahmat dan karunia-Nya sehingga
majalah ilmiah Jurnal Teknik Informatika dan Sistem Informasi (JATISI) dapat terbit
sebagaimana direncanakan.
Sebagai tenaga profesional, dosen memiliki kewajiban mengajar, meneliti, dan

pengabdian pada masyarakat. Setiap hasil penelitian sebaiknya dipublikasikan untuk memberi
tahu kepada masyarakat luas tentang hasil penelitiannya.JATISI diharapkan dapat menjadi
wadah bagi para dosen untuk mempublikasikan hasil penelitiannya, dan menjadi sarana untuk
penyebaran ilmu pengetahuan di bidang teknik informatika dan sistem informasi secara
berkelanjutan. JATISI juga diharapkan menjadi pertemuan antara dunia penelitian dan dunia
industri yang tertarik terhadap hasil penelitian.
JATISI bekerja sama dengan IndoCEISS dalam pengelolaannya. IndoCEISS

merupakan wadah bagi para ilmuwan, praktisi, pendidik, dan penggemar dalam bidang
komputer, elektronika, dan instrumentasi yang menaruh minat untuk memajukan bidang
tersebut di Indonesia.
JATISI diterbitkan 2 kali dalam setahun (September dan Maret), makalah yang
diterbitkan JATISI minimal terdiri dari 60% dari luar Sumatera Selatan, dan 40% dari
Sumatera Selatan. Makalah yang diterbitkan melalui tahap review oleh reviewer yang
berpengalaman dan sudah memiliki makalah yang diterbitkan di jurnal internasional yang
terindeks SCOPUS.
Kami mengucapkan terima kasih kepada para peneliti yang telah mengirimkan hasil
penelitiannya untuk diterbitkan di JATISI, kepada para mitra bestari yang sudah meluangkan
waktu guna mereview makalah yang kami ajukan, kepada Yayasan Multi Data Palembang
yang mendukung penuh atas pengelolaan jurnal ini, dan kami mengucapkan kepada semua
pihak yang tidak dapat kami sebutkan satu persatu.
Ketua Redaksi JATISI,
Dr. Gasim, S.Kom., M.Si.

Jatisi, Vol. 1 No. 1 September 2014 1
Analisis Prediksi Tingkat Pengunduran Diri Mahasiswa

dengan Metode K-Nearest Neighbor
Ricky Imanuel Ndaumanu*1, Kusrini2, M. Rudyanto Arief3

3
Magister Teknik Informatika STMIK AMIKOM Yogyakarta
E-mail: * ricky_ndaumanu@ymail.com, 2kusrini@amikom.ac.id, 3rudy@amikom.ac.id
1
Abstrak
Kebutuhan akan analisis mengenai prediksi tingkat pengunduran diri mahasiswa di
STIKOM UYELINDO Kupang, menjadi alasan dilakukannya penelitian terhadap prediksi tingkat
pengunduran diri mahasiswa. Menentukan prediksi tingkat pengunduran diri mahasiswa dalam
jumlah besar tidak mungkin dilakukan secara manual karena membutuhkan waktu yang cukup
lama. Untuk itu dibutuhkan sebuah algoritma yang dapat mengkategorisasikan prediksi tingkat
pengunduran diri mahasiswa secara otomatis menggunakan komputer. Dalam memprediksi
digunakan sistem pendukung keputusan berupa prototype dan dalam menganalisis menggunakan
Metode K-Nearest Neighbor karena memiliki prinsip kerja mencari jarak terpendek antara data
yang akan dievaluasi dengan K terdekat dalam data pelatihannya. Berdasarkan dalam pengujian
hasil prediksi dengan menggunakan Algoritma K-Nearest Neighbor yang pengujiannya dilakukan
secara manual dan menggunakan sistem pendukung keputusan menghasilkan data yang baik.
Hasil uji tersebut menyatakan sistem cukup layak untuk digunakan dalam prediksi calon
mahasiswa meskipun sistem belum menghasilkan tingkat akurasi yang maksimal. Untuk
menghasilkan nilai validasi yang maksimal membutuhkan data yang seimbang antara kasus
keluar dan aktif. Hasil pengujian menggunakan prototype sistem pendukung keputusan dan
dibandingkan secara manual yang menggunakan metode Algoritma K-Nearest Neighbor dengan
4 variabel yaitu IPK, Pekerjaan orang tua, jurusan dan semester adalah mendapatkan kesesuaian
79%.
Kata kunciSistem Pendukung Keputusan, Data Mining, K-Nearest Neighbor.
Abstract
The need for an analysis of the prediction of the level of resignation of a student at stikom
uyelindo kupang, be the reason he did research on predictions the level of the resignation of a
student. Determine the prediction of the level of the resignation of the students in large quantities
could not be done manually because it requires time cukub a long time.For that required an
algorithm that can be mengkategorisasikan predictions the level of the resignation of students
automatically use the computer. In forecasting used the support system decision in the form of
prototypes and in analyzing uses the method k-nearest neighbor because it has the working
principle of looking for the shortest distance between the data will be evaluated with k nearest in
the data his training. Based on in testing the outcome predicted by using algorithm k-nearest
neighbor that its done manually and use the support system decision produces good data going
back. The results of such tests said the system quite feasible for use in the prediction of a
candidate student although the system has not generate a level of accuracy maximally.To produce
the value of validation maximum requiring data that balanced between cases out and active.
Results testing use prototype support system decision and compared manually that uses method
algorithms k-nearest neighbor with 4 variable ipk, namely work parents, side and semester is get
conformity 79 %.
KeywordsDecision Support System, Data Mining, K-Nearest Neighbor.
Title of manuscript is short and clear, implies research results (First Author)
ISSN: 1978-1520
2 ISSN : 2407-4322
1. PENDAHULUAN
Dari jumlah pendaftaran mahasiswa baru ini, banyak juga mahasiswa yang mengundurkan
diri setiap tahunnya yang disebabkan berbagai masalah. Oleh karena adanya mahasiswa yang
mengundurkan diri terutama di Sekolah Tinggi Manajemen Informatika Komputer (STIKOM)
UYELINDO Kupang maka penulis ingin melakukan analisis pengunduran diri mahasiswa
dengan mengangkat judul penelitian Analisis Prediksi Tingkat Pengunduran Diri Mahasiswa Di
STIKOM UYELINDO Kupang Dengan Metode K-Nearest Neighbor.
Penelitian ini mengangkat permasalahan bagaimana mengetahui prediksi pengunduran diri
mahasiswa menggunakan Algoritma K-Nearest Neighbor (KNN) di STIKOM UYELINDO
Kupang ?, Bagaimana keakuratan klasifikasi pengunduran diri mahasiswa dengan menggunakan
Algoritma K-Nearest Neighbor (KNN) ?. Penelitian ini bertujuan untuk memprediksi seberapa
tingkat akurasi pengunduran diri mahasiswa Sekolah Tinggi Manajemen Informatika Komputer
(STIKOM) UYELINDO Kupang dengan metode Algoritma K-Nearest Neighbor (KNN). Manfaat
penelitian ini bagi pihak Sekolah Tinggi Manajemen Informatika Komputer (STIKOM)
UYELINDO Kupang yaitu bermanfaat untuk mempermudah perguruan tinggi mengambil
keputusan secara baik, bijak dan benar dalam menentukan tujuan dan arah kedepan perguruan
tinggi untuk mengurangi pengunduran mahasiswa dan dapat dijadikan sebagai dasar pembuatan
kebijakan oleh pimpinan dalam hal sistem seleksi mahasiswa baru, sistem pembelajaran.
2. METODE PENELITIAN
2.1 Data Mining

Data Mining adalah suatu istilah yang di gunakan untuk menguraikan penemuan
pengetahuan di dalam database [1]. Data mining adalah proses yang menggunakan teknik static.
matematika, kecerdasan buatan dan machine learning untuk mengekstraksi dan mengidentifikasi
informasi yang bermanfaat dan pengetahuan yang terakit dari berbagai database besar [2].
Knowledge discovery data (KDD) adalah keseluruhan proses non-trivial untuk mencari dan
mengidentifikasikan pola (pattern) dalam data, dimana pola yang ditemukan bersifat sah, baru
dapat bermanfaat dan dapat dimengerti [3].
Gambar 1. Proses Knowledge Discovery in Database (KDD)[3]
Dimana tahapan proses KDD antara lain :

1. Data Selection
Menciptakan himpunan data target, pemilihan himpunan data atau memfokuskan pada
subset variabel atau sampel data, dimana penemuan (discovery) akan dilakukan.
IJCCS Vol. x, No. x, July201x : first_pageend_page

2. Preprocesing / Cleaning
Pemprosesan pendahuluan dan pembersihan data merupakan operasi dasar seperti
penghapusan noise dilakukan. Sebelum proses data mining dapat dilaksanakan, perlu
dilakukan proses cleaning pada data yang menjadi fokus KDD.
3. Transformation
Proses ini merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi
yang akan dicari dalam basis data.
4. Data Mining
Pemilihan algoritma data mining untuk pencarian (searching) Proses Data mining yaitu
Teknik, metode atau algoritma dalam data mining sangat bervariasi. Pemilihan metode
atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara
keseluruhan.
5. Interpretation / Evaluation
Tahap ini merupakan bagian dari proses KDD yang mencakup pemeriksaan apakah pola
atau informasi yang ditemukan bertentangan dengan fakta atau hipotesa yang ada
sebelumnya.
2.2 Algoritma
Algoritma dalam pengertian modern mempunyai kemiripan dengan istilah resep, proses,
metode, teknik, prosedur, rutin. Algoritma adalah sekumpulan aturan-aturan berhingga yang
memberikan sederetan operasi-operasi untuk menyelesaikan suatu jenis masalah yang khusus.
2.3 Algoritma K-Nearest Neighbor

K-Nearest Neighbor (KNN) termasuk kelompok instance-based learning. Algoritma ini
juga merupakan salah satu teknik lazy learning. KNN dilakukan dengan mencari kelompok k
objek dalam data training yang paling dekat (mirip) dengan objek pada data baru atau data
testing [4]. Algoritma K-Nearest Neighbor adalah sebuah metode untuk melakukan klasifikasi
terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek
tersebut. Nearest Neighbor adalah pendekatan untuk mencari kasus dengan menghitung
kedekatan antara kasus baru dan kasus lama yaitu berdasarkan pada pencocokan bobot dari
sejumlah fitur yang ada [1]
Untuk mendefinisikan jarak antara dua titik yaitu titik pada data training (x) dan titik
pada data testing (y) maka digunakan rumus Euclidean, seperti yang ditunjukkan pada
persamaan (1)
(, ) = 1( )2 (1)
Dengan D adalah jarak antara titik pada data training x dan titik data testing y yang
akan diklasifikasi, dimana x=x1,x2,,xi dan y=y1,y2,,yi dan I merepresentasikan nilai
atribut serta n merupakan dimensi atribut.
Pada fase training, algoritma ini hanya melakukan penyimpanan vektor-vektor fitur dan
klasifikasi data training sample. Pada fase klasifikasi, fitur-fitur yang sama dihitung
untuk testing data (yang klasifikasinya tidak diketahui). Jarak dari vektor baru yang ini terhadap
seluruh vektor training sample dihitung dan sejumlah k buah yang paling dekat diambil.
Langkah-langkah untuk menghitung metode Algoritma K-Nearest Neighbor:

a. Menentukan Parameter K (Jumlah tetangga paling dekat).
b. Menghitung kuadrat jarak Euclid (queri instance) masing-masing objek terhadap data
sampel yang diberikan.
ISSN: 1978-1520
4 ISSN : 2407-4322
c. Kemudian mengurutkan objek-objek tersebut ke dalam kelompok yang mempunyai jarak

Euclid terkecil.
d. Mengumpulkan kategori Y (Klasifikasi Nearest Neighbor)
e. Dengan menggunakan kategori Nearest Neighbor yang paling mayoritas maka dapat
diprediksi nilai queri instance yang telah dihitung.
2.4 Klasifikasi
Data classification memiliki dua tahap proses. Tahap pertama adalah membangun
suatu model yang berdasarkan serangkaian data class, yang disebut learned model. Model
tersebut dibangun dengan menganalisa database tuple. Setiap tuple diasumsikan menjadi
predefined class yang ditentukan oleh satu atribut yang disebut class label attribute [5].
2.5 Metode Penelitian

Metode penelitian yang digunakan oleh penulis adalah Model Penelitian Tindakan
(Action Research). Metode yang digunakan menggunakan metode tindakan kelas model Kurt
Lewin yang mengembangkan penelitian tindakan atas dasar konsep pokok bahwa penelitian
tindakan terdiri dari empat komponen pokok yang juga menunjukkan langkah, yaitu [6]:
a. Perencanaan (planning),
b. Tindakan (acting),
c. Pengamatan (observing),
d. Refleksi (reflecting).
Acting
Planning Observing
Reflecting
Gambar 2. Metode Kurt Lewin 1990 [6]
1. Perencanaan
Rencana tindakan ini mencakup semua langkah tindakan secara rinci.
2. Tindakan
Tahap ini merupakan implementasi dari semua rencana yang telah dibuat.
3. Pengamatan
Kegiatan pengamatan dilakukan bersamaan dengan pelaksanaan tindakan.
4. Refleksi
Tahapan ini merupakan tahapan untuk memproses data yang didapat saat dilakukan
pengamatan dan data yang didapat kemudian dianalisis.
2.6 Alur Penelitian

Gambar alur penelitian yang di lakukan oleh penelitian dari awal hingga akhir
penelitian yang di tunjukan pada Gambar 3.

Mulai Data Mining

Analisis dengan Menggunakan Algoritma K-
Nearest Naighbor untuk mencari sesuai yang
Identifikasi Masalah diinginkan pada rumusan masalah
(latar belakang, rumusan a. Perancangan model dengan
masalah, batasan variabel
Tahap Dalam PHP

menggunakan Algoritma K-Nearest
penelitian, manfaat penelitian Neighbor
,Tujuan Penelitian)
Action / Tindakan
b. Tentukan nilai K
c. Sorting
d. Cari K terdekat
Planning / Perencanaan
Pengumpulan Data Di STIKOM e. Berdasarkan jumlah tetangga yang di

UYELINDO Kupang tentukan hitung jumlah pembobotan
(wawancara, Ovservasi, Dokumen) f. Tampilkan hasil atau akurasi prediksi
Tinjauan pustaka
Hitung jumlah benar dan salah untuk
(landasan teori, keaslian
mengetahui tingkat kepercayaan prediksi
penelitian)
Pengamatan
Input data Atribut dan nilai
Apakah hasil sudah sesuai dengan yang diharapkan untuk
kedekatan antar atribut mendapat hasil :
Observation /
Pengamatan
a. Bagaimana mengetahui prediksi pengunduran diri
Data Selection mahasiswa menggunakan Algoritma K-Nearest
Pemilihan data hasil seleksi yang Neighbour (KNN) di STIKOM UYELINDO Kupang
akan digunakan untuk proses b. Bagaimana keakuratan klasifikasi pengunduran diri
data mining mahasiswa dengan menggunakan Algoritma K-
Nearest Neighbour (KNN) dalam penentuan bobot ?
Pre-processing/ Cleaning
Pemrosesan pendahuluan dan
Interpretation/ Evaluation
pembersihan data atau proses
Penerjemahan pola-pola yang dihasilkan
cleaning (membuang duplikasi
dari data mining dalam bentuk yang
Action / Tindakan
data dan memperbaiki kesalahan

mudah dimengerti apakah sudah sesuai.
pada data)
Refleksi / Evaluasi
Jika Tidak Jika sesuai
Tampilan Hasil / Akurasi
Prediksi
Transformation
Proses pemindahan data yang
telah dibersihkan untuk database Jika Ya
data mining Kesimpulan
dan saran
Selesai
Gambar 3. Alur Penelitian
2.7 Metode Pembobotan

Adapun rumus yang digunakan dapat dilihat pada persamaan (2) dan (3) [7]:
a. Input nilai kriteria masing-masing model.
b. Input bobot masing-masing kriteria.
c. Hitung normalisasi dari bobot.
=1() % (2)
=

= (3)

Dimana : SBK : Kriteria

BBT : Bobot Kriteria
NK : Nilai Kriteria.
ISSN: 1978-1520
6 ISSN : 2407-4322
3. HASIL DAN PEMBAHASAN
3.1 Pemberian Nilai Bobot

a. Memberi pembobotan pada IPK
Dalam model IPK ini diberikan nilai yang diurutkan berdasarkan pengaruh data
pengunduran diri mahasiswa, yang nilainya diberikan berdasarkan pengaruhnya dari range
10 -100. Cara pembobotan ini dapat dilihat pada Table 1 [7].
Tabel 1 Pembobotan Pada IPK

NO Kriteria IPK Nilai Bobot
1 IPK < 2 100
2 IPK >=2 and IPK<3 80
80% menjadi 0,8
3 IPK>=3 and IPK<3,5 60
4 IPK >=3.5 40
Nilai Kriteria IPK Adalah:
(100 0,8) + (80 0,8) + (60 0,8) + (40 0,8)

=
4
80 + 64 + 48 + 32
=
4
224
=
4
= 56
b. Memberi pembobotan pada Pekerjaan Orang Tua.

Tabel 2 adalah model pembobotan pada pekerjaan orang tua.
Tabel 2 Pembobotan Pekerjaan Orang Tua

NO Kriteria Nilai Bobot
1 Petani 100
2 PNS 90
3 TNI 80
60% menjadi 0,6
4 Swasta 70
5 Wiraswasta 60
6 Pensiunan 50
Dalam model Pekerjana Orang Tua ini diberikan nilai yang diurutkan berdasarkan
pengaruh data pengunduran diri mahasiswa, yang nilainya diberikan berdasarkan pengaruhnya
dari range 10-100. Cara pembobotan ini dapat dilihat pada Table 2 [7].
Nilai Kriteria Pekerjaan Orang Tua Adalah :
(100 0,6) + (90 0,6) + (80 0,6) + (70 0,6) + (60 0,6) + (50 0,6)
=
6
60 + 54 + 48 + 42 + 36 + 30
=
6

270
=
6
= 4
c. Memberi Pembobotan pada Jurusan.

Berikut ini adalah model pembobotan pada jurusan :
Tabel 3 Pembobotan Jurusan

1 TI-S1 100
2 SI-S1 70 40% menjadi 0,4
3 TI-D3 40
Dalam model Jurusan ini diberikan nilai yang diurutkan berdasarkan pengaruh data
10-100. Cara pembobotan ini dapat dilihat pada Table 3 [7] .
Nilai Kriteria Jurusan Adalah:
(100 0,4) + (70 0,4) + (40 0,4)

=
3
40 + 28 + 16
=
3
84
=
3
= 28
d. Memberi pembobotan pada Semester.

Berikut ini adalah model pembobotan pada Semester.
Tabel 4 Pembobotan Semester

1 Semester 1 100
2 Semester 2 80
30% menjadi 0,3
3 Semester 3 60
4 Semester 4 40
Dalam model semester ini diberikan nilai yang diurutkan berdasarkan pengaruh data
10-100. Cara pembobotan ini dapat dilihat pada Table 4 [7].
Nilai Kriteria semester Adalah :
(100 0,3) + (80 0,3) + (60 0,3) + (40 0,3)

=
4
30 + 24 + 18 + 12
=
4
ISSN: 1978-1520
8 ISSN : 2407-4322
84
=
4
= 21
e. Pembobotan Keseluruhan
Proses perhitungan keseluruhan model berdasarkan rumus dari pembobotan yang
dijelaskan didepan adalah sebagai berikut :
Nilai akhir adalah:
56 + 45 + 28 + 21
=
4
150
=
4
= 37,5
3.2 Mengklasifikasi pembobotan.

Dalam mengklasifikasi pembobotan ini adalah untuk mempermudah dalam penghitungan
dalam proses di sistem Penunjang keputusan Analisis prediksi tingkat pengunduran diri
mahasiswa sebagai berikut :
a. Pembobotan Variabel
Berikut ini adalah model pembobotan pada Variabel:
Tabel 5 Pembobotan Variabel

No Variabel bobot
1 IPK 0.8
2 Pekerjaan Ortu 0.6
3 Jurusan 0.4
4 Semester 0.3
Dalam pembobotan variabel ini dilihat dari yang berpengaruh dalam studi di perguruan
tinggi STIKOM UYELINDO Kupang, pembobotan tersebut dilihat dari data yang paling
tinggi tingkat pengunduran diri disebabkan oleh variabel-variabel dilihat pada Tabel 5.
b. Kedekatan Nilai Variabel IPK

Berikut ini adalah model kedekatan nilai variable IPK:
Tabel 6 Klasifikasi IPK

NO Kriteria IPK Nilai Bobot
1 IPK < 2 100
2 IPK >=2 and IPK<3 80
80% menjadi 0,8
3 IPK >=3 and IPK<3,5 60
4 IPK >=3.5 40
Setelah dilakukan klasifikasi IPK berikutnya melakukan pencarian nilai kedekatan

variabel IPK yaitu dilihat pada Tabel 7.

Tabel 7 Kedekatan Nilai Variabel IPK

1 2 3 4
1 1 0.8 0.6 0.4
2 0.8 1 0.75 0.5
3 0.6 0.75 1 0.666667
4 0.4 0.5 0.666667 1
c. Kedekatan Nilai Variabel Pekerjaan Orang Tua.

Berikut ini adalah model kedekatan nilai variable pekerjaan orang tua:
Tabel 8 Pekerjaan Orang Tua

1 Petani 100
2 PNS 90
3 TNI 80
60% menjadi 0,6
4 Swasta 70
5 Wiraswasta 60
6 Pensiunan 50
Nilai kedekatan variable pekerjaan orang tua di sajikan pada Tabel 9.
Tabel 9 Kedekatan Nilai Variabel Pekerjaan Orang Tua

PNS Swasta Wiraswasta TNI Pensiunan Petani
PNS 1 0.777778 0.666667 0.888889 0.555556 0.9
Swasta 0.777778 1 0.8571286 0.875 0.71286 0.7
Wiraswasta 0.666667 0.857143 1 0.75 0.833333 0.6
TNI 0.888889 0.875 0.75 1 0.625 0.8
Pensiunan 0.555556 0.714286 0.83333333 0.625 1 0.5
Petani 0.9 0.7 0.6 0.8 0.5 1
d. Kedekatan Nilai Variabel Jurusan.

Tabel 10 adalah model kedekatan nilai variabel jurusan.
Tabel 10 Kode Jurusan

1 TI-S1 100
2 SI-S1 70 40% menjadi 0,4
3 TI-D3 40
Adapun nilai kedekatan variabel jurusan tersaji pada Tabel 11.
Tabel 11 Kedekatan Nilai Variabel Jurusan

1 2 3
1 1 0.7 0.4
2 0.7 1 0.571429
3 0.4 0.571429 1
e. Kedekatan Nilai Variabel Semester.

Tabel 12 adalah model kedekatan nilai variabel semester.
ISSN: 1978-1520
10 ISSN : 2407-4322
Tabel 12 Semester
1 Semester 1 100
2 Semester 2 80
30 Menjadi 0.3
3 Semester 3 60
4 Semester 4 40
Tabel 13 adalah nilai kedekatan variabel semester.

Tabel 13 Kedekatan Nilai Variabel Semester
1 2 3 4
1 1 0.8 0.6 0.4
2 0.8 1 0.75 0.5
3 0.6 0.75 1 0.666667
4 0.4 0.5 0.666667 1
Tabel 14 Hasil Perhitungan

Hitung
KASUS 1 KASUS 2 KASUS 3
Kedekatan Kasus
a Kedekatan semester 1 0.8 1
b Bobot semester 0.4 0.4 0.4
c Kedekatan jurusan 1 1 1
d Bobot jurusan 0.3 0.3 0.3
e Kedekatan IPK 0.75 0.6 1
f Bobot IPK 0.8 0.8 0.8
g Kedekatan pekerjaan orang tua 0.75 0.875 0.888888889
h Bobot pekerjaan orang tua 0.6 0.6 0.6
Jarak 0.8333333 0.77381 0.968253968
Berikut adalah contoh penghitungan tabel hasil perhitungan contoh kedekatan dengan
kasus yang baru antara lain:
1. Menghitung kasus 1
a. Kedekatan semester kasus baru terhadap kasus 1 = 1
b. Bobot semester = 0.4
c. Kedekatan jurusan kasus baru terhadap kasus 1 = 1
d. Bobot jurusan = 0.3
e. Kedekatan IPK kasus baru terhadap kasus 1 = 0.75
f. Bobot IPK = 0.8
g. Kedekatan Pekerjaan Orang Tua kasus baru terhadap kasus 1 = 0.75
h. Bobot Pekerjaan Orang Tua = 0.6
Menghitung:
()+)+( )+()
Jarak =
+++
(10.4)+10.3)+(0.750.8 )+(0.750.6)
Jarak=
0.4+0.3+0.8+0.6
1.75
Jarak =
2.1
Jarak = 0.8333

a. Kedekatan semester kasus baru terhadap kasus 2 = 0,8
e. Kedekatan IPK kasus baru terhadap kasus 2 = 0.6
f. Bobot IPK = 0.8
g. Kedekatan Pekerjaan Orang Tua kasus baru terhadap kasus 2 = .75
Menghitung:
()+)+( )+()
Jarak =
+++
(0.80.4)+10.3)+(0.60.8 )+(0.750.6)
Jarak =
0.4+0.3+0.8+0.6
1.55
Jarak =
2.1
Jarak = 0.738
a. Kedekatan semester kasus baru terhadap kasus 3 = 1
e. Kedekatan IPK kasus baru terhadap kasus 3 = 1
f. Bobot IPK = 0.8
g. Kedekatan Pekerjaan Orang Tua kasus baru terhadap kasus 3 = 0.889
Menghitung:
()+)+( )+()
Jarak =
+++
(10.4)+(10.3)+(10.8)+(0.8890.6)
Jarak =
0.4+0.3+0.8+0.6
Jarak = 0.968
4. Melihat dari ke tiga kasus tersebut maka yang mempunyai nilai tertinggi adalah kasus ke
tiga, melihat dari kasus yang tertinggi bahwa kasus itulah yang merupakan kasus yang
terdekat dengan kasus baru. Berarti yang mendekati dengan kasus baru adalah kasus ke tiga.
ISSN: 1978-1520
12 ISSN : 2407-4322
3.3 Pengujian
3.3.1 Skenario Pengujian
Gambar 4 adalah skenario pengujian aplikasi. Rencana pengujian yang dilakukan pada
Aplikasi prediksi pengunduran diri mahasiswa di STIKOM UYELINDO Kupang,
menggunakan pengujian data histori atau training untuk menghasilkan prediksi dan keakuratan
klasifikasi dengan menggunakan Algoritma K-Nearest Neighbor. Adapun rencana pengujian
tersebut dapat dilihat pada Gambar 4.
Start
end
Masukan data
histori mahasiswa
Hasil
(Sama / Tidak
Masukan data testing sama)
yang akan di uji
Membandingkan data testing

Proses prediksi
prediksi pengunduran diri
pengunduran diri
mahasiswa STIKOM
mahasiswa
UYELINDO Kupang dengan
menggunakan
sistem berdasarkan aturan
sistem pendukung
prediksi pengunduran diri
keputusan
mahasiswa
Gambar 4. Skenario Pengujian
3.3.2 Menu Utama

Menu utama ini merupakan tampak depan setelah memasukkan user name dan password.
Menu utama dapat di lihat pada Gambar 5.
Gambar 5. Menu utama
Gambar 5 merupakan tampilan utama dari aplikasi prediksi tingkat pengunduran diri
mahasiswa STIKOM UYELINDO Kupang.

3.3.3 Form Hasil Kasus Baru

Berikut ini adalah hasil dari proses tambah kasus baru pada SPK yang akan melakukan
prediksi terhadap mahasiswa dan hasilnya mengeluarkan status aktif (a), keluar (k).
Gambar 6. Form Hasil Kasus Baru
Berdasarkan hasil pengujian (Gambar 6) prediksi secara manual (diperkirakan yang

akan keluar) dan menggunakan sistem pendukung keputusan menunjukan hasil kesesuaian
prediksi pengunduran diri mahasiswa STIKOM UYELINDO Kupang. Hasil kesesuaian di
tunjukkan dengan cara menghitung secara manual dengan memasukkan data pada tabel (Tabel
15) untuk mendapatkan matriks seperti yang di sajikan pada Gambar 7.
Tabel 15 Perbandingan
HASIL JUMLAH
Sama 71
Tidak sama 19
Grand Total 90
Berikut uji Validitas yang ditunjukan pada Gambar 7.
71
Uji Validitas = 100 %
90
= 78,89 % menjadi 79 %
Gambar 7. Uji Validitas
ISSN: 1978-1520
14 ISSN : 2407-4322
3.4 Analisis Hasil

Berdasarkan pengujian hasil prediksi menggunakan algoritma k-nearest neighbor
secara manual dan menggunakan sistem yang digunakan data training adalah mengunakan 90
data mahasiswa yaitu 42 orang data teknik informatika S1, 40 orang mahasiswa sistem
informasi S1 dan 8 orang mahasiswa teknik informatika D3.
Berdasarkan hasil uji coba menggunakan secara manual dan menggunakan sistem
didapatkan kesamaan hasil prediksi yaitu 79% dan melihat dari presentasi mungkin saja ini
kurang akurat.
4. KESIMPULAN
Berdasarkan hasil dan pembahasan maka didapatkan kesimpulan sebagai berikut:

1. Bagaimana mengetahui prediksi pengunduran diri mahasiswa menggunakan algoritma K-
Nearest Neighbor di STIKOM UYELINDO Kupang dengan cara Langkah awal
implementasi metode K-Nearest Neighbor adalah dengan menghitung nilai kemiripan atau
jarak vektor data pada testing terhadap data yang akan digunakan sebagai data training.
Selanjutnya akan diambil sejumlah k tetangga terdekat sesuai hasil penghitungan kemiripan
atau jarak. Kemudian dilakukan penghitungan apakah cocok dengan data manual pada data
testing. Data testing diklasifikasi kedalam kelas kategori yang memiliki nilai kesamaan
kelas untuk data testing yang paling tinggi.
2. Hasil pengujian menggunakan prototype sistem pendukung keputusan dan dibandingkan
secara manual yang menggunakan metode Alogaritma K-Nearest Neighbor dengan 4 variabel
yaitu IPK, Pekerjaan orang tua, jurusan dan semester adalah mendapatkan kesesuaian 79% .
3. Sistem pendukung keputusan yang dibangun untuk memprediksi tingkat pengunduran diri
mahasiswa STIKOM UYELINDO Kupang dapat menjadi acuan atau pedoman dalam
penyeleksian penerimaan mahasiswa.
4. Dalam mendapatkan hasil dari proses prototype pada data training mempunyai data yang
masih aktif, nonaktif dan keluar datanya kurang berimbang menyebabkan dalam
memprediksi. Oleh sebab itu status aktif lebih sering muncul karena kurang berimbang antara
kasus tersebut.
5. SARAN
Berikut adalah saran agar penelitian berikutnya yang akan melakukan penelitian yang
sama, agar mendapatkan hasil yang lebih baik lagi.
1. Data yang digunakan dalam penelitian ini kurang berimbang antara data yang mengundurkan
diri dengan yang masih aktif, sehingga data yang masih aktif lebih dominan hal ini berimbas
pada sistem, justru menganalisis data yang aktif lebih sering muncul, untuk kedepannya lebih
diselaraskan dan lebih seimbang antara data mahasiswa yang aktif dan sudah keluar ucapan
terima kasih.
2. Sistem pendukung keputusan analisis prediksi tingkat pengunduran diri mahasiswa STIKOM
UYELINDO Kupang agar lebih akurat atau optimal, dibutuhkan data lebih banyak lagi dan
menambah jumlah variabel.

DAFTAR PUSTAKA
[1] Kusrini, Emha T. Luthfi, 2009, Algoritma Data Mining. Andi, Yogyakarta
[2] Turban, 2005, Decision Support System and Intelligent System (Terjemahan: Sistem
Pendukung Keputusan dan Sistem Cerdas)Jilid 1, Andi Offset, Yogyakarta
[3] Fayyad, Usama. 1996. Advances in Knowledge Discovery and Data Mining. MIT Press.
[4] Chang, C, Wu, Y., Hou, S. (2009) Preparation and Characterization of

Superparamagnetic Nanocomposites of Aluminosilicate/Silica/Magnetite, Coll. Surf. A336:
159,166.
[5] Han, J. Kamber, M. 2001. Data Mining: Concepts and Techniue. Morgan Kaufmann
Publishers: San Fransisco.
[6] Kurt Lewin, 1990, Action Research Minority Problems, 3rd ed. Victoria : Deaklin
University.
[7] I Wayan Supriana, 2012, Sistem Pendukung Keputusan Dalam Pemilihan Tempat Kost
Dengan Metode Pembobotan ( Studi Kasus : Sleman Yogyakarta) Program Pascasarjana
Ilmu Komputer Fakultas MIPA Universitas Gadjah Mada , Jurnal Ilmu Komputer-Volume
5 - No 2 September 2012
ISSN: 1978-1520
16 ISSN : 2407-4322
Sistem Pendukung Keputusan Pengangkatan Jabatan

Karyawan pada PT.Ayn dengan Metode Profile Matching
Deny Adhar*1
1,2
STMIK Potensi Utama; Jl.K.L.Yos Sudarso Km 6,5 No. 3A, 061-6640525 Medan
e-mail:*1adhar_7@yahoo.com
Abstrak
Pengelolaan karir pegawai yang jelas dan transparan merupakan salah satu faktor
penting yang dapat meningkatkan keharmonisan suasana kerja dan mempererat tingkat
kepercayaan diantara pegawai dan manajemen. Masalah yang sering terjadi dalam proses
penilaian kinerja pegawai diantaranya adalah subyektifitas pengambilan keputusan, terutama
apabila beberapa pegawai memiliki kemampuan yang tidak jauh berbeda. Sistem Pendukung
Keputusan pengangkatan jabatan karyawan merupakan suatu system yang mampu meningkatkan
efektivitas dan efisiensi manajemen serta keputusan yang mampu memberikan evaluasi kinerja
pegawai yang akan dipromosikan. Kecepatan dan validitas dalam mengolah informasi tersebut
di atas merupakan syarat utama untuk mendukung keputusan pengangkatan pegawai, sehingga
system pendukung keputusan yang digunakan juga harus memiliki perencanaan secara
komprehensif dan terpadu untuk mengecilkan tingkat resiko kegagalan pengembangan dan
pemilihan keputusan, Penelitian ini membahas mengenai analisa Aspek Kapasitas Intelektual,
Aspek Sikap Kerja dan Aspek Perilaku yang dikategorikan dalam core factor dan secondary
factor menggunakan metode GAP Analysis yang dikombinasikan dengan metode Profile
Matching. Hasil penelitian berupa sebuah system pendukung keputusan yang mampu memberikan
evaluasi kinerja pegawai yang akan dipromosikan.
.
Kata kunciSistem Penunjang Keputusan, Profile Matching, GAP Analysis
Abstract
Career management employees a clear and transparent is one of the important factors
that can improve the working atmosphere of harmony and deepen the level of trust between
employees and management. The problem that often occurs in the employee performance
appraisal process include the subjectivity of decision-making, especially when some employees
have capabilities that are not much different. Decision Support Systems employee appointments
is a system that is able to improve the effectiveness and efficiency of management as well as
decisions that can provide performance evaluation of employees who will be promoted. Speed
and validity in information processing mentioned above is the main requirement to support
hiring decisions, so the decision support system used must also have a comprehensive and
integrated plan to shrink the level of risk of failure of development and selection decisions, this
study discusses the analysis of Aspects of Intellectual Capacity , Aspects of Work Attitude and
Behavior Aspects categorized in the core factor and the secondary factor method combined with
the GAP Analysis Profile Matching method. The results of the study in the form of a decision
support system that can provide a performance evaluation of employees who will be promoted.
KeywordsDecision Support System, Profile Matching, GAP Analysis

1. PENDAHULUAN
Sumber daya manusia/Pegawai merupakan salah satu faktor penting dari jalannya suatu
organisasi/perusahaan. Pengelolaan yang baik dari pegawai ini akan sangat mempengaruhi aspek
keberhasilan kerja, jika pegawai dapat diorganisir dengan baik, diharapkan organisasi/ perusahaan
dapat menjalankan semua proses usaha dengan baik pula. Masalah subyektifitas dalam penilaian
kinerja pegawai merupakan hal yang hampir tidak bisa dihindari. Penilaian secara kuantitatif
sering dianggap mengecewakan karena sulitnya mengukur parameter-parameter yang ada. Di
lain pihak manajemen dan pegawai membutuhkan proses penilaian kinerja yang rutin dan cepat
sehingga dapat memberikan umpan balik dan perbaikan yang cepat di lingkungan kerja.
Transparansi proses penilaian biasanya dapat memberikan efek positif bagi peningkatan motivasi
kerja pegawai. Masalah yang muncul saat ini adalah proses evaluasi (penilaian) yang rumit,
artinya yang sering terjadi sekarang adalah umumnya pegawai yang mendapatkan promosi
kenaikan jabatan hanya dilihat pada criteria pertama saja, tetapi pegawai tersebut belum tentu
unggul pada beberapa kriteria-kriteria yang lain tapi tetap mendapat promosi untuk kenaikan
jabatan. Masalah inti yang ada saat ini adalah Proses penilaian pegawai yang masih manual
(Konvensional) sehingga memakan waktu yang lama dan belum adanya sistem serta aplikasi yang
mendukung proses penilaian pegawai. Untuk membantu proses penilaian kinerja pegawai ini,
perlu dibuat sebuah system yang dapat memberikan masukan bagi manajemen khususnya Biro
Umum dan Kepegawaian dalam membuat keputusan yang tepat bagi pengembangan potensi
setiap pegawai, sehingga diharapkan pegawai yang memiliki kemampuan terbaik akan
mendapatkan penilaian yang terbaik pula. Penelitian ini bertujuan untuk menganalisa data-data
pegawai sesuai dengan kriteria tertentu menggunakan model GAP analyis dan metode Profile
Matching untuk mengevaluasi kinerja pegawai dalam rangka penentuan promosi jabatan.
2.1 Sistem Pendukung Keputusan

Sistem pendukung keputusan (Decision Support Systems disingkat DSS) adalah bagian
dari sistem informasi berbasis komputer termasuk sistem berbasis pengetahuan (manajemen
pengetahuan) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi
perusahaan atau lembaga pendidikan. Menurut Moore and Chang, Sistem Pendukung keputusan
dapat digambarkan sebagai sistem yang berkemampuan mendukung analisis data dan pemodelan
keputusan, berorientasi keputusan, orientasi perencanaan masa depan dan digunakan pada saat-
saat yang tidak biasa.
Kegiatan merancang sistem pendukung keputusan merupakan sebuah kegiatan untuk
menemukan, mengembangkan dan menganalisis berbagai alternatif tindakan yang mungkin untuk
dilakukan. Tahap perancangan ini meliputi pengembangan dan mengevaluasi serangkaian
kegiatan alternatif. Sedangkan kegiatan memilih dan menelaah ini digunakan untuk memilih satu
rangkaian tindakan tertentu dari beberapa yang tersedia dan melakukan penilaian terhadap
tindakan yang telah dipilih. Sistem Pendukung keputusan dirancang untuk mendukung seluruh
tahap pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan
dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai
mengevaluasi pemilihan alternatif
Dari pengertian Sistem Pendukung Keputusan maka dapat ditentukan karakteristik
antara lain [2] :
1. Mendukung proses pengambilan keputusan, menitik beratkan pada management by
perception.
2. Adanya tatap muka manusia / mesin dimana manusia (user) tetap memegang kendali
proses pengambilan keputusan
ISSN: 1978-1520
18 ISSN : 2407-4322
3. Mendukung pengambilan keputusan untuk membahas masalah terstruktur, semi terstruktur

dan tak struktur
4. Memiliki kapasitas dialog untuk memperoleh informasi sesuai dengan kebutuhan
5. Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi
sebagai kesatuan item.
6. Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi
seluruh tingkatan manajemen.
2.2 Arsitektur Sistem Pendukung Keputusan

Pada aplikasi DSS ini, memiliki komponen yang merupakan subsistem dari DSS itu
sendiri yang terdiri dari:
1. Subsistem manajemen data, Subsistem manajamen data memasukkan satu database yang
berisi data yang untuk situasi dan dikelola oleh perangkat lunak yang disebut system
manajemen database (DBMS).
2. Subsistem manajemen model merupakan paket perangkat lunak yang memasukkan model
keuangan, statistik, ilmu manajemen atau model kuantitatif yang lainnya yang memberikan
kapabilitas analitik dan manajemen perangkat lunak yang tepat.
3. Subsistem antarmuka pengguna berkomunikasi dengan dan memerintah DSS melalui
subsistem ini. Pengguna adalah bagian yang dipertimbangkan dari sistem. Para peneliti
menegaskan bahwa beberapa kontribusi unik dari DSS berasal dari interaksi yang intensif
antara komputer dan pembuat keputusan. Browser Web memberikan struktur antarmuka
pengguna grafis yang familiar dan konsisten bagi kebanyakan DSS.
4. Subsistem manajemen berbasis pengetahuan, Subsistem ini dapat mendukung semua
subsistem lain atau bertindak sebagai suatu komponen independen. Ia memberikan
intelegensi untuk memperbesar pengetahuan si-pengambilan keputusan. Subsistem ini
dapat diinterkoneksikan dengan repositori perusahaan (bagian dari sistem manajemen
pengetahuan), yang kadang-kadang disebut basis pengetahuan organisasional [4].
2.3 Pemetaan GAP

Pemetaan GAP yang dimaksudkan pada pembahasan ini adalah perbedaan kriteria yang
dimiliki seseorang dengan kriteria yang diinginkan pengguna sesuai dengan aspek penilaian [4].
Formula untuk pemetaan GAP tersebut dapat dilihat pada persamaan (1).
GAP = Kriteria seseorang Kriteria diinginkan (1)
Sedangkan perhitungan GAP lainnya yang terjadi itu sendiri pada tiap aspeknya
memiliki perhitungan yang berbeda-beda.
2.4 Penentuan Bobot Nilai

Setelah pemetaan GAP dilakukan, maka hasil dari pemetaan tersebut diberi bobot nilai
dengan patokan tabel bobot nilai (Tabel 1).
Tabel 1 Bobot Nilai
No. Selisih Bobot Nilai Keterangan
1 0 5 Kompetensi sesuai dengan yang dibutuhkan
2 1 4,5 Kompetensi individu kelebihan 1 tingkat/level
3 -1 4 Kompetensi individu kekurangan 1 tingkat/level

2.5 Eksperimen
Berikut adalah contoh perhitungan nilai gap untuk variable pengetahuan dan budaya
perusahaan yang digunakan sebagai dasar penentuan penerimaan pegawai. Pada variabel
tersebut dilakukan proses perhitungan gap antara nilai profil karyawan dan nilai standar profil
lowongan untuk masing-masing sub variabel, dimana pada variabel pengetahuan dan budaya
perusahaan terdiri atas 6 sub-variabel.
Tabel 2 Variabel Kemampuan dan budaya perusahaan

Kode VARIABEL
No
Karyawan T001 T002 T003 T004 T005 T006 GAP
1 PE001 2 3 3 4 5 3
2 PE005 5 4 2 3 4 5
3 PE002 2 3 3 5 4 4
PROFILE 4 4 4 4 4 4 (-) (+)
1 PE001 -2 -1 -1 0 1 -1 5 1
2 PE005 1 0 -2 -1 0 1 3 2
3 PE002 -2 -1 -1 1 0 0 4 1
Keterangan :
T001: Tes Skill : melihat pengetahuan/wawasan karyawan berdasarkan disiplin ilmu yang
dimiliki yang ada hubungannya dengan jenis lowongan pekerjaan yang ada.
T002: Psikotest : bertujuan untuk mencari gambaran atau potret diri dari peserta seleksi yang
meliputi beberapa aspek yaitu aspek intelektual, sikap dan kepribadian.
T003: Tes wawancara : test ini terdiri dari aspek Pengetahuan Teori, Praktis, Penguasaan
Bidang Pekerjaan, Keterampilan dan Sikap.
T004: Medical test : bertujuan untuk melihat kondisi fisik/kesehatan peserta seleksi secara
menyeluruh meliputi pemeriksaan Laboratorium antara lain: Hematologi, Urine
Lengkap, Kimia Darah, Rontgent dan Pemeriksaan Dokter.
T005: Tes Potensial : Pada tahap tes potensial ini bertujuan untuk melihat kemampuan verbal,
kuantitatif dan penalaran dari karyawan.
T006: Tes Bidang Study : pada tahap ini dilakukan untuk melihat kemampuan dan
pengetahuan dalam penguasaan terhadap pekerjaan pada posisi yang akan ditempati
oleh pegawai.
Dapat dilihat pada Tabel 2 bahwa nilai profil jabatan untuk tiap sub-variabel yang
tertera dalam tabel tersebut adalah sama yaitu bernilai 4. Selanjutnya, sebagai contoh diambil
karyawan dengan Kode Karyawan PE001 dimana nilai profilnya adalah :
(T001) = 2 (T002) = 3 (T003) = 3
(T004) = 4 (T005) = 5 (T006) = 3
Sehingga nilai gap yang terjadi untuk tiap sub variabelnya adalah :
(T001) = -2 (T002) = -1 (T003) = -1
(T004) = 0 (T005) = 1 (T006) = -1
Proses yang sama juga dilakukan untuk variable kemampuan dan kepribadian. Setelah
didapatkan nilai gap masing-masing karyawan maka tiap nilai profil karyawan diberi bobot nilai
dengan patokan tabel bobot nilai gap. Seperti yang dapat dilihat pada Tabel 3.
ISSN: 1978-1520
20 ISSN : 2407-4322
Tabel 3 Nilai Bobot GAP

NO GAP NILAI BOBOT KETERANGAN
1 0 5.0 Kompetensi sesuai standar
2 1 4.5 Kompetensi kekurangan 1 level
3 -1 4.0 Kompetensi kekurangan 1 level
4 2 3.5 Kompetensi kelebihan 2 level
7 -3 2.0 Kompetensi kelebihan 3 level
Dari hasil konversi nilai gap menjadi bobot akan diperoleh nilai bobot untuk setiap
karyawan. Sehingga tiap karyawan akan memiliki tabel bobot seperti contoh-contoh tabel yang
ada. Contoh hasil pemetaan gap variabel pengetahuan dan budaya perusahaan:
Tabel 4 Bobot Nilai GAP Variabel Pengetahuan dan Budaya Perusahaan

VARIABEL
NO KODE KARYAWAN
T001 T002 T003 T004 T005 T006
1 PE001 -2 -1 -1 0 1 1
2 PE005 1 0 -2 -1 0 1
3 PE002 -2 -1 -1 1 0 0
NILAI BOBOT
1 PE001 3.0 4.0 4.0 5.0 4.5 4.0
2 PE005 4.5 5.0 3.0 4.0 5.0 4.5
3 PE002 3.0 4.0 4.0 4.5 5.0 5.0
Proses yang sama dilakukan untuk menentukan bobot nilai gap variabel kemampuan
dan kepribadian. Setelah seluruh bobot nilai gap diperoleh, maka proses berikutnya adalah
mengelompokkan variabel-variabel tersebut kedalam kelompok Core Factor (CF) dan
Secondary Factor (SF). Untuk perhitungan core factor ditunjukkan pada persamaan (1).

=
(1)
Keterangan:
NCF : Nilai rata-rata core factor
NC : Jumlah total nilai core factor
IC : Jumlah item core factor
Sedangkan untuk perhitungan secondary factor dapat ditunjukkan pada persamaan (2)

=
(2)
Keterangan:
NSF : Nilai rata-rata secondary factor
NS : Jumlah total nilai secondary factor
IS : Jumlah item secondary factor
Untuk lebih jelasnya pengelompokkan bobot nilai gap dapat dilihat pada contoh
perhitungan variabel Pengetahuan dan Budaya Perusahaan berikut ini. Penghitungan core factor
dan secondary factor diawali dengan terlebih dahulu menentukan sub variabel mana yang

menjadi core factor. Misalnya sub-variabel T001, T002 dan T003, maka sub variabel sisanya
akan menjadi secondary factor. Kemudian nilai core factor dan secondary factor ini
dijumlahkan sesuai persamaan (1) dan (2) di atas, sehingga diperoleh nilai.
3 + 4 + 4 11
= = = 3,666
3 3
5 + 4,5 + 4 13,5
= = = 4,5
3 3
Hasil proses perhitungan nilai variabel CF dan SF untuk variabel Pengetahuan dan
Budaya Perusahaan.
Tabel 5 Nilai Cf dan Sf untuk Variabel

KODE VARIABEL
NO
KARYAWAN T001 T002 T003 T004 T005 T006 CF SF
1 PE001 3 4 4 5 4.5 4 3.666 4.5
2 PE005 4.5 5 3 4 5 4.5 4.166 4.5
3 PE002 3 4 4 4.5 5 5 3.666 4.8333
Dari hasil perhitungan tiap variabel di atas, kemudian dihitung nilai total berdasar
prosentase dari core dan secondary yang diperkirakan berpengaruh terhadap kinerja tiap-tiap
profil. Contoh perhitungan dapat dilihat pada persamaan (3)
= ()% + ()% (3)

Keterangan:
NCF : Nilai Rata-rata Core Factor
NSF : Nilai Rata-rata Secondary Factor
NT : Nilai Total dari variabel
(x)% : Nilai persen yang dimasukkan
Untuk lebih jelasnya perhitungan nilai total dapat dilihat pada contoh perhitungan
variable Pengetahuan dan Budaya Perusahaan dengan nilai prosentase 60% dan 40%.
() = (60%3,666) + (40%4,5) = 3,9996
Tabel 6 Nilai Total Variabel Pengetahuan dan Budaya Perusahaan

NO KODE KARYAWAN CF SF NT(bp)
1 PE001 3.666 4.5 3.9996
2 PE005 4.166 4.5 4.2996
3 PE002 3.666 4.833 4.1328
Hasil akhir dari proses profile matching adalah ranking dari karyawan yang diajukan
untuk mengisi suatu lowongan tertentu. Penentuan ranking mengacu pada hasil perhitungan
persamaan (4)
= ()%() + ()%() + ()%() (4)
Keterangan:
NT (bp) : Nilai total variabel pengetahuan dan budaya perusahaan
NT (km) : Nilai total variabel kemampuan
ISSN: 1978-1520
22 ISSN : 2407-4322
NT (kp) : Nilai total variabel kepribadian

(x)% : Nilai prosentase setiap variable
Proses perhitungan ranking setiap kandidat adalah sebagai berikut :

Nilai Prosentase untuk setiap variabel adalah 30% (Pengetahuan dan Budaya Perusahaan), 40%
(Kemampuan) dan 30% (Kepribadian)
Skor = (30%x3,9996) + (40%x4,5) + (30%x4,6998)
Skor = 1,1999 + 1,8 + 1,4099
Skor = 4,4098
Tabel 6 Hasil Akhir Proses Profile Matching
NO KODE KARYAWAN NT(bp) NT(km) NT(kp) SKOR

1 PE001 3.9996 4.5 4.6998 4.4098
2 PE005 4.2996 4.3996 4.4996 4.3996
3 PE002 4.1328 4.5 4.6 4.4198
Tabel 6 menunjukkan bahwa karyawan dengan kode PE001 menduduki peringkat

pertama sebagai kandidat terbaik.
Berikut adalah perhitungan nilai gap untuk variable pengetahuan dan standar perusahaan
yang digunakan sebagai dasar penentuan jabatan karyawan. Pada variabel tersebut dilakukan
proses perhitungan gap antara nilai profil karyawan dan nilai standar profil jabatan untuk
masing-masing sub variabel, dimana pada variabel pengetahuan dan standar perusahaan terdiri
atas 6 sub-variabel.
Tabel 7 Variabel Kemampuan dan Standar Perusahaan

No Kode VARIABEL
Karyawan T001 T002 T003 T004 T005 T006 GAP
1 PE001 2 3 3 4 5 3
2 PE005 5 4 2 3 4 5
3 PE002 2 3 3 5 4 4
PROFILE 4 4 4 4 4 4 (-) (+)
1 PE001 -2 -1 -1 0 1 -1 5 1
2 PE005 1 0 -2 -1 0 1 3 2
3 PE002 -2 -1 -1 1 0 0 4 1
Keterangan :
T001 : Penilaian Skill : melihat pengetahuan/wawasan karyawan berdasarkan disiplin ilmu
yang dimiliki yang ada hubungannya dengan jabatan perusahaan.
T002 : Penilaian Masa Kerja : yang menentukan berdasarkan pengalaman karyawan bekerja
pada perusahaan
T003 : Penilaian Disiplin : yang menentukan tingkat kedisiplinan karyawan sehari-hari.
T004 : Penilaian Tanggung Jawab : bertujuan untuk melihat besarnya tanggung jawab pada
karyawan.

T005 : Penilaian Bekerja Sama : Pada tahap penilaian ini bertujuan untuk mengukur
kemampuan bekerja sama dengan karyawan lain.
T006 : Penilian Komunikasi : pada tahap ini dilakukan untuk melihat kemampuan
berkomunikasi secara baik seperti dalam penyampaian laporan kerja.
Dapat dilihat pada Tabel 2 bahwa nilai profil jabatan untuk tiap sub-variabel yang
tertera dalam tabel tersebut adalah sama yaitu bernilai 4. Selanjutnya, sebagai contoh diambil
karyawan dengan Kode Karyawan PE001 dimana nilai profilnya adalah :
(T001) = 2 (T002) = 3 (T003) = 3
(T004) = 4 (T005) = 5 (T006) = 3
Sehingga nilai gap yang terjadi untuk tiap sub variabelnya adalah :
(T001) = -2 (T002) = -1 (T003) = -1
(T004) = 0 (T005) = 1 (T006) = -1
Proses yang sama juga dilakukan untuk variable kemampuan dan kepribadian. Setelah
didapatkan nilai gap masing-masing karyawan, maka tiap nilai profil karyawan diberi bobot
nilai dengan patokan tabel bobot nilai gap. Seperti yang dapat dilihat pada Tabel 8.
Tabel 8 Nilai Bobot GAP

NO GAP NILAI BOBOT KETERANGAN
1 0 5.0 Kompetensi sesuai standar
Dari hasil konversi nilai gap menjadi bobot akan diperoleh nilai bobot untuk setiap
karyawan. Sehingga tiap karyawan akan memiliki tabel bobot seperti contoh-contoh tabel yang
ada. Contoh hasil pemetaan gap variabel pengetahuan dan standar perusahaan :
Tabel 9 Bobot Nilai GAP Variabel Pengetahuan dan Standar Perusahaan

VARIABEL
NO KODE KARYAWAN
T001 T002 T003 T004 T005 T006
1 PE001 -2 -1 -1 0 1 1
2 PE005 1 0 -2 -1 0 1
3 PE002 -2 -1 -1 1 0 0
nilai bobot
1 PE001 3.0 4.0 4.0 5.0 4.5 4.0
2 PE005 4.5 5.0 3.0 4.0 5.0 4.5
3 PE002 3.0 4.0 4.0 4.5 5.0 5.0
ISSN: 1978-1520
24 ISSN : 2407-4322
Proses yang sama dilakukan untuk menentukan bobot nilai gap variabel kemampuan
dan kepribadian. Setelah seluruh bobot nilai gap diperoleh, maka proses berikutnya adalah
mengelompokkan variabel-variabel tersebut kedalam kelompok Core Factor (CF) dan
Secondary Factor (SF). Untuk perhitungan core factor dapat ditunjukkan pada persamaan (1).

=
(1)
Keterangan:
NCF : Nilai rata-rata core factor
NC : Jumlah total nilai core factor
IC : Jumlah item core factor
Sedangkan untuk perhitungan secondary factor dapat ditunjukkan pada persamaan (2)

=
(2)
Keterangan:
NSF : Nilai rata-rata secondary factor
NS : Jumlah total nilai secondary factor
IS : Jumlah item secondary factor
Untuk lebih jelasnya pengelompokkan bobot nilai gap dapat dilihat pada contoh
perhitungan variabel Pengetahuan dan Standar Perusahaan berikut ini. Penghitungan core factor
dan secondary factor diawali dengan terlebih dahulu menentukan sub variabel mana yang
menjadi core factor. Misalnya sub-variabel T001, T002 dan T003, maka sub variabel sisanya
akan menjadi secondary factor. Kemudian nilai core factor dan secondary factor ini
dijumlahkan sesuai rumus (1) dan (2) diatas, sehingga diperoleh nilai sebagai berikut.
3 + 4 + 4 11 5 + 4,5 + 4 13,5
= = = 3,666 = = = 4,5
3 3 3 3
Tabel 10 adalah hasil proses perhitungan nilai variabel CF dan SF untuk variabel
Pengetahuan dan Standar Perusahaan.
Tabel 10 Nilai Cf Dan Sf Untuk Variabel Pengetahuan dan Standar Perusahaan

KODE VARIABEL
NO
KARYAWAN T001 T002 T003 T004 T005 T006 CF SF
1 PE001 3 4 4 5 4.5 4 3.666 4.5
2 PE005 4.5 5 3 4 5 4.5 4.166 4.5
3 PE002 3 4 4 4.5 5 5 3.666 4.8333
Dari hasil perhitungan tiap variabel diatas, kemudian dihitung nilai total berdasar
prosentase dari core dan secondary yang diperkirakan berpengaruh terhadap kinerja tiap-tiap
profil. Contoh perhitungan dapat dilihat pada persamaan (3).
= ()% + ()% (3)

Keterangan:
NCF : Nilai Rata-rata Core Factor
NSF : Nilai Rata-rata Secondary Factor
NT : Nilai Total dari variabel
(x)% : Nilai persen yang dimasukkan

Untuk lebih jelasnya perhitungan nilai total dapat dilihat pada contoh perhitungan
variable Pengetahuan dan Standar Perusahaan dengan nilai prosentase 60% dan 40%.
() = (60%3,666) + (40%4,5) = 3,9996
Tabel 11 Nilai Total Variabel Kompetensi Karyawan

KODE
NO CF SF NT(bp)
KARYAWAN
1 PE001 3.666 4.5 3.9996
2 PE005 4.166 4.5 4.2996
3 PE002 3.666 4.833 4.1328
Hasil akhir dari proses profile matching adalah ranking dari karyawan yang diajukan
untuk mengisi suatu lowongan tertentu. Penentuan ranking mengacu pada hasil perhitungan
persamaan (4).
= ()%() + ()%() + ()%() (4)
Keterangan:
NT (bp) : Nilai total variabel pengetahuan dan standar perusahaan
NT (km) : Nilai total variabel kemampuan
NT (kp) : Nilai total variabel kepribadian
(x)% : Nilai prosentase setiap variable
Proses perhitungan ranking setiap kandidat adalah sebagai berikut :
Nilai Persentase untuk setiap variabel adalah 30% (Penilaian Skill), 40% (Penilaian Masa Kerja)
dan 30% (Penilian Komunikasi)
Skor = (30%x3,9996) + (40%x4,5) + (30%x4,6998)
Skor = 1,1999 + 1,8 + 1,4099
Skor = 4,4098
Tabel 12 Hasil Akhir Proses Profile Matching

KODE
NO NT(bp) NT(km) NT(kp) SKOR
KARYAWAN
1 PE001 3.9996 4.5 4.6998 4.4098
2 PE005 4.2996 4.3996 4.4996 4.3996
3 PE002 4.1328 4.5 4.6 4.4198
Adapun hasil pengujian yang dilakukan pada Tabel 12 pengujian adalah :

1. Form Klasifikasi Karyawan
Dari Tabel 12 menunjukkan bahwa karyawan dengan kode PE001 menduduki peringkat
pertama sebagai kandidat terbaik yang berhak mendapatkan jabatan baru.
ISSN: 1978-1520
26 ISSN : 2407-4322
Gambar 1. Form Klasifikasi Karyawan
Setelah data-data dimasukkan maka dapat dilakukan perhitungan terhadap profile

matching dan hasilnya dapat dilihat pada Gambar 2. Pihak SDM perusahaan juga dapat
menyusun daftar nama-nama karyawan yang cocok untuk menduduki (kandidat) jabatan
tertentu.
Gambar 2. Hasil Perhitungan Profil Matching
Untuk bisa melakukan penilaian, terlebih dahulu harus memasukkan bobot penilaian
dari jabatan yang akan dipromosikan yang nantinya akan digunakan untuk mengolah nilai gap
yang ada dalam analisis gap Profile Matching yang kemudian menghasilkan pemetaan hasil gap
yang dapat dilihat pada Gambar 3 dan nilai bobot GAP kompetensi Profile Matching yang dapat
dilihat pada Gambar 4.

Gambar 3. Hasil Pemetaan GAP Kompetensi
Gambar 4. Hasil Nilai Bobot GAP
Setelah semua proses dilakukan maka terakhir adalah melakukan proses pengujian
aplikasi yaitu dengan white box dan black box. Pengujian White box dilakukan untuk
memastikan proses komputasi Profile Matching dan Komputasi Gap Analysis yang terdapat
dalam menu aplikasi sistem, seperti menu Hasil pemetaan Gap Kompetensi. Pengujian Black
ISSN: 1978-1520
28 ISSN : 2407-4322
Box dilakukan dalam perhitungan penilaian evaluasi kinerja pegawai menggunakan metode Gap
analysis, penentuan core factor dan secondary factor dari aspek/criteria mempunyai bobot yang
sudah ditentukan sebelumnya yaitu 60% untuk core factor dan 40% untuk secondary factor.
Tabel 13 Perhitungan GAP Analysis

NO NIK Hasil Akhir Rangking Hasil Akhir Tidak Rangking
Penggunaan menggunakan Profile
Profile Matching Matching
1 104103200008 1.883 8 4.334 18
2 104103200015 1.886 7 4.529 8
3 104103200017 1.878 9 4.582 3
4 104103200018 1.849 14 4.403 14
5 104103200022 1.874 11 4.453 10
4. KESIMPULAN
Berdasarkan hasil penelitian yang telah diuraikan di atas, maka dapat diambil beberapa
kesimpulan sebagai berikut :
1. Pemilihan penerimaan karyawan yang ada di perusahaan tidak lagi hanya mengandalkan
tingkat skill, masa kerja serta tanggung jawab namun juga mempertimbangkan factor
komunikasi serta standar perusahaan, kemampuan dan keahlian serta kepribadian
karyawan.
2. Pemilihan kriteria dan variabel penilaian serta penentuan standar nilai untuk setiap profil
personil sangat berpengaruh dalam proses pengangkatan jabatan.
3. Pencarian nilai core factor dan secondary factor dicari dengan menggunakan metode
Profile Matching
4. Perbedaan antara pencarian rangking menggunakan metode gap analysis konvensional
dengan metode gap analysis dengan pencarian bobot menggunakan Profile Matching
mempunyai perbedaan sebesar 63%, jadi dalam evaluasi kinerja pegawai menggunakan
gap analysis ini sangat membutuhkan AHP untuk uji konsistensi data dalam penentuan
bobot agar lebih akurat dan obyektif
5. SARAN
Berdasarkan hasil penelitian, berikut ini adalah saran yang sebaiknya dilakukan guna
pengembangan sistem ini menjadi lebih baik :
1. Sistem Pendukung Keputusan penerimaan karyawan dapat dikembangkan seiring dengan
perkembangan spesifikasi kebutuhan pengguna sistem.
2. Sebaiknya diaplikasikan dengan metode lain untuk membandingkan hasilnya.
DAFTAR PUSTAKA
[1] Berdasarkan Kinerja dengan Metode AHP : http://jurnal.sttn-batan.ac.id/wp-content/

uploads/2008/06/30-supriyono-ahp-hal-311-322.pdf
[2] Bourgeois, R. 2005. Analytical Hierarchy Process: an Overview UNCAPSA UNESCAP.

Bogor.

[3] Kadarsah, Suryadi, dan Ramdani, M.Ali. 2002 Sistem Pendukung Keputusan: Suatu
Wacana Struktural Idealisasi dan Implementasi Konsep Pengambilan Keputusan
Rosdakarya, Bandung
[4] Erwin Setiabudi S, 2012. Sistem penunjang keputusan untuk penerimaan karyawan baru
pada PT. pupuk kalimantan timur, Yogyakarta : Jurusan Tehnik Informatika : AMIKOM.
[5] Dwijaya, Ilman Fahma. 2010. Sistem Pendukung Keputusan Kenaikan Jabatan pada PT.
SYSMEX Menggunakan Metode Profile Matching. Bandung : Jurusan Teknik Informatika
Fakultas Teknik dan Ilmu Komputer : Universitas Komputer Indonesia.
[6] Setiabudi, Andreas Handojo, Djoni H., Pembuatan Aplikasi Sistem Pendukung Keputusan
untuk Proses Kenaikan Jabatan dan Perencanaan Karir Pada PT X, Fakultas Teknologi
Industri, Jurusan Teknik Informatika, Universitas Kristen Petra
ISSN: 1978-1520
30 ISSN : 2407-4322
Sistem Informasi Akademik Berbasis Web pada SMK

Pelayaran Sinar Bahari Palembang
Kornelia*1, Emi Yuliati2, Dedy Hermanto3

1,2
Kampus STMIK GI MDP PALEMBANG; Jl. Rajawali No 14 Palembang
3
Jurusan Sistem Informasi, STMIK GI MDP, Palembang
e-mail: * korneliaseptiaji@yahoo.co.id, 2emi.yuliati26@yahoo.co.id, 3dedy@mdp.ac.id
1
Abstrak
SMK Pelayaran Sinar Bahari Palembang merupakan sekolah dengan konsentrasi
pendidikan pelayaran. Adapun permasalahan pada SMK Pelayaran Sinar Bahari Palembang
adalah informasi akademik maupun non akademik hanya bisa diperoleh di lingkungan sekolah
saja. Pengembangan Sistem Informasi Akademik berbasis web ini diharapkan dapat menjadi
media alternatif bagi siswa, guru, maupun pihak sekolah, untuk memperoleh informasi baik
akademik maupun non akademik selain di lingkungan sekolah. Pengembangan sistem pada
penelitian ini menggunakan metode iterasi dalam, untuk pengembangan sistem berbasis web.
Dalam tahap perancangan menggunakan alat bantu antara lain diagram konteks, diagram
dekomposisi, DAD, ERD, relasi antar tabel, STD Chart dan desain antar muka sesuai dengan
yang diusulkan. Penerapan Sistem Informasi Akademik berbasis web ini dapat mempermudah
untuk siswa dan orang tua dalam mengakses informasi yang diberikan pihak sekolah.
Kata kunciSistem Informasi Akademik, Iterasi, SMK Pelayaran Sinar Bahari, Web
Abstract
The purpose of the author of this thesis is to provide an alternative to the process of
learning and teaching in SMK Sinar Bahari Palembang. The problems at SMK Sinar Bahari
Palembang is the academic and non-academic information can only be obtained in the school
environment. in this issue the authors use iterative methods in a web-based Academic
Information System. In the design phase the authors use tools such as context diagrams,
decomposition diagrams, DAD, ERD, STD Charts and display interfaces in accordance with the
proposed. Web-based Academic Information System Could made easy way for parents and
student to access that school gives.
KeywordsAcademic Information Systems, Iterative, SMK Pelayaran Sinar Bahari, Web
1. PENDAHULUAN
Kemajuan ilmu dibidang teknologi informasi cepat dirasakan perkembangannya pada

masa sekarang ini. Informasi yang berkembang saat ini penyebarannya tidak terbatas jarak dan
waktu. Penyebaran informasi saat ini sangat cepat karena didukung oleh teknologi informasi,
media dewasa ini yang digunakan untuk penyebaran informasi menggunakan telepon, televisi,
radio surat kabar, majalah dan lainnya. Namun, dari contoh-contoh media informasi yang telah
disebutkan tadi, internet merupakan media yang paling digemari dan dipercaya sebagai
penyedia layanan informasi tercepat dan akurat dengan komputer yang terkoneksi sebagai
media untuk menjalankannya.

Komputer merupakan sistem elektronis yang mampu menghitung dan memanipulasi

data yang dirancang dan diorganisasikan supaya secara otomatis dapat menerima dan
menyimpan data. Dengan komputer yang telah terkoneksi dengan jaringan internet maka
manusia dapat memperoleh informasi yang dibutuhkan secara cepat.
Kebutuhaan akan informasi yang cepat dan tepat untuk menyajikan data yang lengkap
sangat dibutuhkan oleh suatu organisasi atau perusahaan, sebab dengan informasi yang
diperoleh itu seorang pimpinan dapat segera mengambil kebijakan untuk kelangsungan
organisasi atau perusahaanya. Oleh karena itu SMK Pelayaran Sinar Bahari Palembang, ketika
dalam mengolah data seorang pimpinan (Kepala Sekolah) membutuhkan informasi yang cepat
dan akurat untuk memberikan kebijakan bagi para guru, pegawai dan taruna-taruni. Namun,
sampai saat ini di sekolah tersebut dalam pengolahan data akademik saat ini masih
menggunakan kegiatan konvensional, dimana semua data (data taruna-taruni, data guru,
administrasi dan lain-lain) disimpan dalam satu berkas akademik yang memungkinkan tingkat
efisiensi yang cukup kecil.
Pada SMK Pelayaran Sinar Bahari Palembang saat belum memiliki suatu sarana dalam
mengelola dan memudahkan penyebaran informasi secara umum maupun khusus yang dapat
membantu materi pembelajaran taruna-taruni. Dalam proses yang berjalan agar SMK Pelayaran
Sinar Bahari Palembang dapat berjalan dengan baik maka dibutuhkan Sistem Informasi
Akademik.
2. LANDASAN TEORI
2.1 Konsep Dasar Sistem Informasi

Sistem informasi merupakan sistem dengan komponen-komponen yang bekerja untuk
mengolah data menjadi informasi[2].
Sistem terdiri dari unsur-unsur seperti masukan (input), pengolahan (processing), serta
keluaran (output). Ciri pokok sistem[4] ada empat yaitu sistem itu beroperasi dalam suatu
lingkungan, terdiri atas unsur-unsur, ditandai dengan saling berhubungan dan mempunyai satu
fungsi atau tujuan utama, seperti tersaji pada Gambar 1.
Masukan Pengolahan Keluaran

(Input) (Processing) (Output)
Gambar 1. Model Sistem
Proses yang berjalan pada Gambar 1 menunjukan bahwa sistem atau pendekatan sistem
minimal harus mempunyai empat komponen yakni masukan (input), pengolahan (processing),
keluaran (output) dan balikan atau control.
2.2 Komponen Sistem Informasi

Sistem Informasi terdiri dari (enam) blok yaitu blok masukan, blok model, blok
keluaran, blok teknologi, blok database dan blok kendali. Ke (enam) blok tersebut masing-
masing saling berinteraksi satu dengan yang lainnya membentuk satu kesatuan untuk mencapai
sasarannya[2].
1. Blok Masukan : Input mewakili data yang masuk ke dalam sistem informasi. Input disini
termasuk metode dan media untuk menangkap data yang akan dimasukkan yang dapat
berupa dokumen dasar
2. Blok Model : Blok ini terdiri dari kombinasi prosedur, logika dan model matematika yang
akan memanipulasi data input dan data yang tersimpan di basis data dengan cara tertentu
untuk menghasilkan keluaran yang diinginkan.
ISSN: 1978-1520
32 ISSN : 2407-4322
3. Blok Keluaran : Blok keluaran yang merupakan informasi yang berkualitas dan
dokumentasi yang berguna untuk semua tingkat manajemen serta semua pemakai sistem.
4. Blok Teknologi : Teknologi ini merupakan kotak alat dalam sistem informasi. Teknologi
digunakan untuk menerima input, menjalankan model, menyimpan dan mengakses data,
menghasilkan sekaligus mengirimkan keluaran dan membantu pengendalian dari sistem
secara keseluruhan
5. Blok Database: Database ini merupakan kumpulan dari data yang saling berhubungan satu
dengan lainnya, tersimpan di perangkat keras komputer dan digunakan perangkat lunak
untuk memanipulasinya.
6. Blok Kendali : Pengendalian perlu dirancang dan diterapkan untuk menyakinkan bahwa
hal-hal yang dapat merusak sistem dapat dicegah ataupun bila terlanjur terjadi kesalahan
dapat langsung cepat diatasi.
2.3 Informasi
Informasi adalah data yang diolah menjadi sebuah bentuk yang berarti bagi penerimanya
dan bermanfaat dalam pengambilan keputusan saat ini atau mendatang [2].
2.4 Macromedia Dreamweaver 8

Macromedia Dreamweaver 8 adalah aplikasi yang digunakan untuk mengolah HTML
secara visual. Dreamweaver bisa digunakan untuk mendesain web secara statis maupun
dinamis. Dreamweaver juga terintegrasi dengan Fireworks, Flash dan Free Hand. Kemampuan
lain yang didukung Dreamweaver adalah dukungan terhadap JavaScript, CSS dan XML.
Sedangkan bahasa pemrograman yang didukungnya, seperti ASP, Java Script, ASP VB Script,
Coldfusion dan PHP [1].
2.5 HTML
HTML (Hypertext Markup Language) adalah bahasa pemograman dasar yang dipakai
untuk menampilkan informasi pada halaman web. HTML menampilkan informasi dalam bentuk
hypertext dan sesuai dengan namanaya. Bahasa ini menggunakan tanda (markup) disebut
dengan Tag untuk memenuhi perintah-perintahnya [1].
2.6 PHP
PHP (Hypertext Preprocessor) merupakan bahasa web serverside yang bersifat open
source. PHP digunakan sebagai bahasa script server-side dalam pengembangan web yang
disisipkan pada dokumen HTML. PHP ditulis menggunakan bahasa pemograman C. Kelebihan
dari PHP itu sendiri dapat digunakan pada semua sistem operasi, antara lain Linux, Unix,
Microsoft Windows, Mac OS X, RISC OS. PHP dapat di download secara bebas dan gratis dari
situs resminya [3].
2.7 MySQL
MySQL adalah database yang menghubungkan script PHP menggunakan perintah query
dan escape character yang sama dengan PHP. Database ini sangat cocok berpasangan dengan
PHP dengan beberapa pertimbangan. Dimana MySQL dilepaskan dengan suatu lisensi open
source dan tersedia secara cuma-cuma. MySQL bekerja pada berbagai sistem operasi dan banyak
bahasa. MySQL bekerja dengan cepat dan baik dengan data yang besar. PHP menyediakan
banyak fungsi untuk mendukung database MySQL [3].
2.8 Penelitian Terdahulu

Penelitian terdahulu yang membahas masalah sistem informasi akademik, tersaji pada
Tabel 1.

Tabel 1 Penelitian Terdahulu

Judul Penulis/Tahun Rangkuman
Sistem Informasi Lusi Melian, S.Si. M.T Sistem Informasi Akademik dibangun
Akademik Berbasis Web dan Bayu Meildy menggunakan metodologi pengembangan
(Studi Kasus: SMP Pertama S.Kom/2013 sistem dengan UML dan metode Prototype.
Negeri 44 Bandung) Pengembangan sistem menggunakan PHP dan
penyimpanan menggunakan MySQL.
Perancangan Sistem Anggiani Septima Sistem Informasi Akademik menggunakan
Informasi Berbasis Riyadi, Eko Retnandi Metodologi UA (Unified Aproach) dengan
Website Sub Sistem Guru dan Asep Deddy/2012 bahasa pemrogramman PHP dan hasil yang
di Sekolah Pesantren didapat adalah tidak terdapat batasan jarak
Persatuan Islam 99 dalam melakukan akses informasi yang
Rancabango diberikan pihak sekolah
Sistem Informasi Sofianti Indriasari/2012 Sistem Informasi yang dikembangkan untuk
Berbasis Web Untuk menyimpan data alumni dari mahasiswa
Membantu Kegiatan diploma IPB, Sistem Informasi ini
Tracer Study Program dikembangkan dengan memanfaatkan Tabular
Diploma Institut dan form dengan tampilan grafis secara
Pertanian Bogor optimal.
3.1 Analisis Permasalahan

Analis permasalahan yang dilakukan pada penelitian ini menggunakan kerangka
PIECES. Hasil analisis dengan PIECES tersaji pada Tabel 2.
Tabel 2 Analisis PIECES

Kerangka Masalah
Penyampaian materi pelajaran dengan cara tatap muka langsung hanya terjadi
Performance saat berada di sekolah dan belum adanya media penyampaian materi
pembelajaran antara taruna-taruni dan guru ketika berada di luar jam sekolah
a. Tidak semua taruna-taruni tertarik untuk membaca informasi yang terdapat
pada papan pengumuman maupun majalah dinding, sehingga tidak semua
taruna-taruni mengetahui informasi kegiatan yang disampaikan oleh pihak
Information
sekolah. Kurangnya informasi mengenai nilai-nilai taruna-taruni bagi orang
tua. Minimnya informasi untuk orang tua/wali tentang pembayaran bulanan
taruna-taruni
Proses masih terjadi secara tidak terkomputerisasi dapat menyebabkan
Economics meningkatnya biaya operasional dalam penyampaian informasi mengenai
kegiatan sekolah, pengolahan data taruna-taruni, guru dan nilai
Kurangnya tingkat keamanan data-data yang disimpan dalam bentuk dokumen
Control berupa arsip karena sewaktu-waktu data tersebut bisa hilang ataupun bisa
rusak karena masih menggunakan kertas dan tidak ada back Up datanya
Dalam kegiatan kerja kelompok sangat tidak efisiensi karena memakan biaya
jika mengerjakan tugas kelompok di luar jam sekolah dan banyak waktu yang
Efficiency
terbuang karena tidak fokus dalam mengerjakan tugas yang diberikan oleh
guru
Pelayanan mengenai nilai ujian akhir semester dan fasilitas ruang belajar
Service
kelompok di luar jam sekolah kurang memuaskan.
3.2 Analisis Kebutuhan

Untuk menganalisis kebutuhan, pemodelan yang digunakan yaitu pemodelan use
case.[6] Use case adalah urutan langkah-langkah yang secara tindakan saling terkait (skenario),
ISSN: 1978-1520
34 ISSN : 2407-4322
baik terotomatisasi maupun secara manual, untuk tujuan melengkapi satu tugas bisnis tunggal.
Use case digunakan untuk menggambarkan fungsi-fungsi dari sistem dari sudut pandang
pengguna eksternal dan dalam sebuah cara dan terminology yang mereka pahami. Use case
disajikan secara garis besar dengan elips horizontal dengan nama use case muncul di atas, di
bawah atau di dalam elips tersebut. Sebuah use case mempresentasikan satu tujuan tunggal dari
sistem dan menggambarkan satu rangkaian kegiatan dan interaksi pengguna untuk mencapai
tujuan. Use case sendiri bukan merupakan persyaratan fungsional, tapi cerita (skenario) yang
disampaikan oleh use case terdiri dari satu atau lebih persyaratan. Use case Sistem Informasi
Akademik SMK Pelayaran Sinar Bahari Palembang tersaji pada Gambar 2.
Hak Akses Laporan
Login Laporan Taruna/i
Ubah Password Laporan Guru

Kepala Sekolah
LogOut Laporan Iuran
Data Master
Pembelajaran
Data Mata Pelajaran
Upload Materi
Data Kelas
Upload Tugas
Data Guru
Tata Usaha
Data Taruna/i Upload Jawaban Tugas
Data Ekstrakulikuler Input Nilai

Data Pengumuman
Lihat Jadwal
Data Pendaftaran
Lihat Iuran
Guru
Operasional Lihat Pengumuman
Kelola Ajar Lihat Nilai
Kelola Jadwal Download Materi
Kelola Iuran
Download Tugas
Kelola Nilai
Download Jawaban
Input Hasil UN Taruna-taruni Tugas
Wali /
Orangtua
Gambar 2. Use Case SMK Pelayaran Sinar Bahari Palembang
3.3 Diagram Dekomposisi

Diagram dekomposisi merupakan diagram yang kegiatannya menguraikan sistem
menjadi subsistem dan proses. Diagram dekomposisi yang akan diusulkan pada SMK Pelayaran
Sinar Bahari Palembang yang terdiri dari subsistem dimana setiap subsistem tersebut terbagi
lagi menjadi beberapa proses. Diagram dekomposisi yang akan diusulkan tersaji pada Gambar 3

SMK Pelayaran Sinar Bahari

Palembang
Hak Akses Master Operasional Pembelajaran Laporan
Kelola Mata Kelola Upload Laporan

Login
Pelajaran Ajar Materi Taruna/i
Ubah Kelola Upload Laporan

Kelola Kelas
Password Jadwal Tugas Guru
Upload
Kelola Laporan
LogOut Kelola Guru Jawaban
Iuran Iuran
Tugas
Kelola Input
Kelola Taruna/i
Nilai Nilai
Kelola Input Lihat

Ekstrakulikuler Hasil UN Jadwal
Kelola Lihat
Pengumuman Iuran
Lihat
Pengumuman
Lihat
Nilai
Download
Materi
Download
Tugas
Gambar 3. Diagram Dekomposisi
3.4 Diagram Aliran Data Sistem Fisik

Gambar diagram aliran data logis Sistem Informasi Akademik bebasis Web pada SMK
Pelayang Sinar Bahari Palembang Tersaji pada Gambar 4.
ISSN: 1978-1520
36 ISSN : 2407-4322
1.0 Data_taruna/i
Pass_taruna/i_baru Taruna/i
Hak Akses Kepala Sekolah
Hak Akses Guru Data_guru
Hak Akses/ Pass_guru_baru Guru
Hak Akses Taruna/i Pengguna
Taruna/i Data_tata_usaha
Tata_Usaha
Pass_tata_usaha_baru
Hak Akses Tata Usaha Data_Kepala_sekolah

Pass_kepala_sekolah_baru Kepala Sekolah
Data mata pelajaran

2.0 mata pelajaran baru Mata Pelajaran
Data Mata Pelajaran
Data mata pelajaran yang dikelola Data kelas Kelas
Data Kelas Data kelas baru
Tata Data kelas yang dikelola Data Guru
Usaha Data Guru Master Data Guru baru
Data Guru yang ditambah Data Taruna/i
Data Taruna/i Data
Data Taruna/i yang ditambah Data Taruna/i baru
Data Ekstrakulikuler Data ekstrakulikuler
Data Ekstrakulikuler yang ditambah Ekstrakulikuler baru Ekstrakulikuler
Data pengumuman
Data pengumuman yang ditambah Data pengumuman
Pengumuman baru Pengumuman
Data Ajar 3.0 Data ajar

Data ajar baru Ajar
Data ajar yang dikelola
Data Jadwal Data jadwal
Data jadwal yang dikelola Data jadwal baru Jadwal
Data Iuran Data Iuran
Data iuran yang ditambah Operasional Data iuran baru Iuran
Data Nilai
Data nilai yang ditambah Data nilai Nilai
Data Hasil UN Data nilai baru
Data Hasil UN yang ditambah Data hasil UN
Data hasil UN baru Hasil UN
Daftar Materi
Guru Materi yang akan ditambah
Daftar Tugas Materi baru
Tugas yang akan ditambah 4.0 Daftar Materi
Materi
Daftar Jawaban Tugas
JawabanTugas yang ditambah Tugas baru
Daftar Nilai Daftar Tugas Tugas
Nilai yang akan ditambah
Kriteria Jadwal Jawaban Tugas baru Jawaban
Informasi Jadwal Daftar Jawaban Tugas Tugas
Kriteria Pengumuman Pembelajaran
Informasi Pengumuman Nilai baru
Kriteria Jadwal Daftar Nilai
Informasi Jadwal
Kriteria Iuran Daftar Jadwal
Informasi Iuran Daftar Pengumuman
Kriteria Pengumuman
Informasi Pengumuman Daftar Iuran
Kriteria Nilai
Informasi Nilai
Kriteria Materi
Daftar Materi
Kriteria Tugas
Daftar Tugas
Kriteria Jawaban Tugas
Daftar Jawaban Tugas
Data Taruna/i 5.0

Konfirmasi_data_taruna/i
Data Guru
Konfirmasi Data Guru Data Taruna/i
Data Iuran
Konfirmasi Data Iuran Laporan Data Guru
Laporan Guru Data Iuran
Laporan Taruna/i
Kepala
Sekolah Laporan Iuran
Gambar 4. Diagram Aliran Data Sistem Logis

3.5 Entity Relationship Diagram (ERD)

Entity Relationship Diagram (ERD) adalah model data yang menggunakan beberapa
notasi untuk menggambarkan data dalam konteks entitas dan hubungan yang dideskripsikan
oleh data tersebut [6]. Pemodelan data yang digunakan dalam sistem informasi akademik
berbasis web pada SMK Pelayaran Sinar Bahari Palembang adalah dengan menggunakan Entity
Relantionship Diagram (ERD) versi James Marthin.
Pengertian dari Entity Relationship Diagram (ERD) sendiri adalah model data yang
menggunakan beberapa notasi untuk menggambarkan data dalam konteks dan hubungan yang
dideskripsikan oleh data tersebut. Untuk lebih jelasnya, ERD dari Sistem Informasi Akademik
berbasis Web pada SMK Pelayaran Sinar Bahari Palembang tersaji pada Gambar 5.
Guru Tugas
Nik
Id_tugas
Nama_Guru
Id_ajar
Jenis_Kelamin
Judul
Kontak
Keterangan
Alamat
Tanggal
Tempat_Lahir
File Jawaban_Tugas Taruna Iuran
Tanggal_Lahir Id_Iuran
Agama Id_Iuran
Id_jawaban NISN
Bidang_Studi NISN NISN
Id_tugas Tanggal
Jabatan Nama_Taruna Tanggal
NISN Bulan
Tmt Ajar Jenis_Kelamin Bulan
Keterangan Tahun_Ajara
Status_Kepegawaian Nama_Orangtua Tahun_Ajara
Id_ajar Tanggal n
Status_Sertifikasi Tempat_Lahir n
Nik File Tanggal_Lahir
Kelas Asal_Sekolah
Jadwal Idmatapelajaran Pengguna
Alamat
Kelas Id_pengguna
Id_jadwal Hasil UN User_name
Kelas Kontak
Id_ajar Id_UN Password
Agama
Hari Kelas NISN Status
Jam Jurusan Hasil
Tingkat Kelas Pengumuman
Materi Nilai
Id_Materi IdPengumuman
Id_Nilai Tanggal
Idmatapelajaran Mata Pelajaran NISN
Judul Judul
IdMataPelajaran Isi
Keterangan Idmatapelajaran
Tahun_Ajaran
Tanggal Nama_Matapelajaran
Semester
Tingkat Jurusan
Kelas
File Nilai
Gambar 5. Entity Relationship Diagram
3.6 Relasi Antar Tabel

Tabel yang ada pada basis data digambarkan sebagai entitas dan saling berelasi. Relasi-
relasi antar tabel tersaji pada Gambar 6.
ISSN: 1978-1520
38 ISSN : 2407-4322

3.7 Rancangan Antarmuka

Berikut ini adalah rancangan antarmuka halaman utama, halaman beranda pengguna
dan halaman data login. Kegiatan tersebut tersaji pada Gambar 7.
Gambar 7. Halaman Utama
Halaman ini merupakan halaman taruna/i dimana taruna/i dapat melihat jadwal, iuran,
nilai, hasil UN, profil/datanya sendiri dan menggunduh materi, tugas yang telah di unggah oleh
guru serta taruna/i bisa mengubah password. proses kegiatan tersebut tersaji pada Gambar 8.
Gambar 8. Halaman Taruna/i
Kegiatan berikutnya merupakan halaman tata usaha dan login tata terdapat user dan
password yang harus diisikan oleh pihak tata usaha agar dapat masuk ke dalam halaman tata
ISSN: 1978-1520
40 ISSN : 2407-4322
usaha yang dapat disebut sebagai orang yang bertanggung jawab atas segala proses yang ada
pada sistem akademik. Kegiatan ini tersaji pada Gambar 9.
Gambar 9. Halaman Admin
4. KESIMPULAN
Sistem Informasi Akademik yang dikembangkan mulai dari tahap analis pengembangan
sistem dan implementasi mendapatkan beberapa kesimpulan yaitu:
1. Media Sistem Informasi Akademik dapat digunakan untuk membuat jadwal pelajaran,
jadwal ujian dan iuran menjadi lebih terstruktur.
2. Sistem Informasi Akademik dapat digunakan untuk pembagian informasi jarak jauh dan
memudahkan untuk mendapatkan informasi baru.
3. Orang tua menjadi lebih mudah untuk mengawasi putra-putri mereka dengan mengontrol
pembayaran iuran bulanan dan melihat nilai-nilai taruna/i di Internet.
5. SARAN
Untuk pengembangan selanjutnya terdapat beberapa saran yang diberikan untuk

meningkatkan proses yang berjalan pada Sistem Informasi Akademik yaitu:
1. Membuat Sistem Informasi Akademik dengan fitur yang sedikit kompleks mulai dari
informasi menggunakan email atau informasi menggunakan SMS broadcast.
2. Membuat fitur baru berupa informasi buku, informasi untuk orang tua berkomunikasi
dengan guru pembimbing.
DAFTAR PUSTAKA
[1] Dominikus, Juju, 2006, Desain Web dengan Fireworks & Dreamweaver 8. Gramedia,
Jakarta.
[2] Fatta, Hanif Al, 2007, Analisis dan Perancangan Sistem Informasi. Andi Offset, Jakarta.
[3] Firdaus, 2007, PHP dan MYSQL dengan Dreamweaver. Maxikom, Palembang.
[4] Gapspert, 2001, E-learning: Konsep dan Aplikasi. Andi Offset, Yogyakarta.
[5] Turban, Efraim, dkk, 2005, Sistem Pendukung Keputusan & Sistem Cerdas Jilid 1. Andi,
Yogyakarta.
[6] Whitten, L.Jeffery, 2006, Systems Analysis and Design Methods, 6 th Edition. Mc Grawhill,
America.

[7] Jogiyanto, 2005, Analisis dan Desain, Andi Offset, Yogyakarta
[8] Melian, Lusi dan Pertama, Bayu Meildy, 2013, Sistem Informasi Akademik Berbasis Web
(Studi Kasus: SMP Negeri 44 Bandung), Jurnal Teknologi dan Informasi UNIKOM,
Bandung
[9] Riyadi, A. Septima, dkk, 2012, Perancangan Sistem Informasi Berbasis Website Sub Sistem
Guru di Sekolah Pesantren Persatuan Islam 99 Rancabango, Jurnal STT-Garut, Bandung
[10] Indriasari, Sofiyanti, 2012, Sistem Informasi Berbasis Web Untuk Membantu Kegiatan
Tracer Study Program Diploma Institut Pertanian Bogor, Jurnal Sains Terapan Institut
Pertanian Bogor, Bogor
ISSN: 1978-1520
42 ISSN : 2407-4322
Pemanfaatan Sistem Informasi Geografis Berbasis Web

untuk Penyebaran Lokasi Puskesmas di Kota Tangerang
Ruli Supriati*1, Sugeng Santoso2, Anjar Juniarno3

1,2
STMIK Raharja; Jl. Jend. Sudirman no.40 Modern Cikokol-Tangerang, 021-5529692
3
Jurusan Teknik Informatika, STMIK Raharja, Tangerang
e-mail: * ruli@raharja.info, 2sugeng.santoso.@raharja.info, 3anjar.juniarno@gmail.com
1
Abstrak
Pusat Kesehatan Masyarakat atau di singkat Puskesmas sangatlah dibutuhkan bagi
masyarakat Indonesia pada umumnya, apalagi saat sekarang ini biaya pengobatan sangatlah
mahal bagi sebagian besar masyarakat Indonesia.Untuk itulah diperlukan pilihan sarana
kesehatan yang terjangkau seperti puskesmas. Untuk itu diperlukan adanya suatu sistem
informasi geografis berbasis web yang menyediakan informasi mengenai lokasi puskesmas di
Kota Tangerang. Sistem informasi geografis(GIS) dalam pencarian lokasi tentu membutuhkan
letak atau suatu posisi yang dikenal sebagai informasi geografis. Informasi geografis yang
paling banyak digunakan masyarakat pada saat ini yaitu aplikasi Google Maps. Dalam
perancangan dan pengembangan aplikasi, digunakan waterfall model dan sumber data yang
digunakan dalam penelitian ini yaitu Peta Kota Tangerang yang diperoleh dari Google Maps
API dan data lokasi puskesmas yang di peroleh dari dinas kesehatan Kota Tangerang dan
Puskesmas Kota Tangerang. Hasilnya adalah adanya satu aplikasi system yang dapat
dioperasikan oleh masyarakat luas dengan tujuan untuk mengetahui letak puskesmas yang
berada di kota Tangerang. Sehingga masyarakat dapat mengetahui lokasi puskesmas hanya
dengan menggunakan key word untuk pencarian lokasi puskesmas. Sistem Informasi geografis
dapat mengetahui jalan yang harus dilewati menuju puskesmas.
Kata kunciGIS Puskesmas, Lokasi, Dinas Kesehatan
Abstrac
Community Health Center or in short is needed for the Indonesian people in general,
especially when the present is the cost of treatment is very expensive for most people that's
necessary Indonesia. For dable choice health facilities such as health centers. It required a
web-based geographic information system that provides information about the location of
health centers in the city of Tangerang. Geographic information systems (GIS) in the search
location would require a layout or a position known as geographic information. Geographical
information of the most widely used public at this time that the Google Maps application. In the
design and development of applications, used waterfall model and source data used in this
study, namely Tangerang City Map obtained from Google Maps API and the health clinic
location data that was obtained from the health department and health center Tangerang
Tangerang City. The result is that there is a system application that can be operated by the
public in order to determine the location of the health center in the city of Tangerang. So that
people can know the location of health centers simply by using a key word to search the
location of health centers. Geographical Information Systems can figure out the path to be
passed to the health clinic.
KeywordsGIS Health Center, Location, Department of Health

1. PENDAHULUAN
Puskesmas adalah sarana pelayanan kesehatan dasar yang amat penting, keberadaan
puskesmas daerah Kota Tangerang sangat beragam di setiap kecamatan. Seringnya warga
setempat yang harus segera berobat di rumah sakit dengan biaya yang cukup mahal menjadikan
pusat kesehatan masyarakat (puskesmas) pilihan kedua. Puskesmas sangat bermanfaat bagi
masyarakat untuk memeriksa kesehatan dengan harga yang relatif murah. Seringkali banyak
puskesmas yang belum diketahui masyarakat secara luas dan tidak di imbangi informasi,
sehingga masih banyak masyarakat Kota Tangerang yang tidak mengetahui dimana saja lokasi
puskesmas tersebut. Seiring dengan banyaknya pendatang yang ada di Kota Tangerang yang
masih awam terhadap lokasi puskesmas.
Hal ini akan menjadi tugas pokok dan fungsi dari dinas kesehatan pada seksi pelayanan
informasi yang bertanggung jawab dalam pemberitahuan informasi mengenai lokasi puskesmas
di daerah Kota Tangerang, sehingga masyarakat dapat dengan mudah mengakses lokasi
puskesmas di Kota Tangerang.
Dari gambaran masalah tersebut maka diperlukan adanya suatu sistem informasi
berbasis web yang menyediakan informasi mengenai lokasi puskesmas di Kota Tangerang.
Dalam pencarian lokasi tentu membutuhkan letak atau suatu posisi yang dikenal sebagai
informasi geografis. Informasi geografis yang paling banyak digunakan masyarakat pada saat
ini yaitu aplikasi Google Maps. Dengan adanya sistem informasi geografis berbasis web
tersebut akan memberikan alternatif kemudahan kepada masyarakat untuk mencari informasi
mengenai lokasi puskesmas yang ada di Kota Tangerang serta memberi kemudahan kepada
cabang dinas kesehatan Kota Tangerang dalam mengolah informasi lokasi puskesmas di daerah
Kota Tangerang.
2.1 Tahapan Perancangan yang digunakan

Metode perancangan yang digunakan dalam menganalisis sistem ini adalah System
Develoment Life Cycle SDLC. Struktur metodologi SDLC dalam pengembangan sistem
informasi berbasis web dapat dililhat pada Gambar 1.
Planning
Analysis
Design
Coding
Testing
Implementasi
Gambar 1. Metode SDLC
ISSN: 1978-1520
44 ISSN : 2407-4322
Tahap-tahap SDLC dalam pembangunan sistem informasi web : Planning (perencanaan) adalah
feasibility dan wawancara, observasi, quesioner. Jika pada tahap feasibility hasilnya baik maka
langsung ketahap investigasi dan diberi form kepada client untuk mencatat kebutuhan client.
Dalam sistem investigasi, dapat berupa wawancara, kuosiener atau observasi. Dalam tahap ini
hal yang pertama dilakukan adalah memberikan form ke user yang digunakan untuk mengetahui
permintaan user. Analisa yang digunakan terbagi menjadi 4 yaitu analisa teknologi, analisa
informasi, analisa user dan analisa biaya resiko. Untuk desain tahapannya adalah tahapan desain
informasi dimodelkan link dari setiap halaman. Lalu desain grafis, database application dan
model development database design PHP library development. Bagian penting terakhir adalah
Implementasi penulisan program dan isntalasi atau pengujian web dan dokumen web.
2.1.1 Perancangan menggunakan UML (unified modelling language)
Gambar 2. Use Case Diagram
Keterangan Gambar 2:
Aktor yang dimiliki adalah 2 yaitu admin dan masyarakat. 2 aktor ini yang akan dapat
mengakses ke website sistem informasi geografis lokasi puskesmas kota Tangerang. Dengan
memiliki 5 use case yaitu mengakses website, melakukan login, tambah lokasi puskesmas baru,
tambah detail puskesmas baru dan melakukan logout. Gambar 2 menjelaskan bagaimana
bermanfaatnya suatu sistem aplikasi terkomputerisasi jika benar-benar diterapkan dengan baik.
Masyarakat akan lebih mudah mengetahui letak puskesmas yang berada di kota Tangerang ini
dengan lebih cepat. Dengan menggunakan metode GIS (Geografis sistem informasi) maka
masyarakan akan mengetahui lokasi-lokasi puskesmas yang ada di kota Tangerang.

2.2 Penelitian sebelumnya

PENULIS ATAU
NO JUDUL PEMBAHASAN
SUMBER
1. Analisis dan Merancang basis data geografis dan non-geografis Achmad
Perancangan mengenai tempat-tempat wisata di wilayah DKI Abdurrahman Ami
Sistem Jakarta serta menganalisis dan merancang sistem Nalloh, Asep
Informasi informasi geografis berbasis web untuk lokasi Sunandar, Djodi
Geografis tempat-tempat wisata. Kelebihan penelitian ini adalah Ihsan Dimitra.,
Berbasis Web sistem yang telah dibuat memudahkan 2013, Universitas
Untuk Lokasi pengorganisasian data dan pengolahan basis data Bina Nusantara,
Tempat Wisata memungkinkan untuk dilakukannya input, update Jakarta
Di DKI Jakarta dan delete data terkait lokasi tempat wisata,
menampilkan informasi tekstual dan spesial terkait
informasi lokasi tempat wisata di wilayah DKI
Jakarta. Kekurangan penelitian ini adalah template
web terkesan kaku sehingga pengguna menjadi
kurang tertarik. Untuk itu dibutuhkan sebuah
template yang tidak kaku sehingga pengguna
menjadi lebih tertarik untuk menggunakan aplikasi
sistem informasi geografis berbasis web ini.
2. Aplikasi Sistem Merancang dan membuat sebuah aplikasi Bali Albert Purnama
Informasi Vacance berbasis Android yang digunakan untuk Iwan, Willianto,
Geografis mencari informasi, tracking dan navigasi lokasi- Joseph Sulivan
Pariwisata Pulau lokasi pariwisata di pulau Bali dengan Widjaja,
Bali menggunakan sistem informasi geografis. 2013,Universitas
Menggunakan Kelebihan penelitian ini adalah Aplikasi Bina Nusantara,
Platform memudahkan user untuk mendapatkan deskripsi Jakarta.
Android informasi dan data lokasi-lokasi wisata di pulau
Bali. Cara ini lebih memudahkan user dalam
mencari informasi dibanding menggunakan buku
atau melalui website. Kekurangan penelitian ini
adalah kurangnya informasi data secara
menyeluruh baik itu data informasinya dan juga
kapasitas memori yang lebih besar. Untuk itu
dibutuhkan sebuah data informasi secara lengkap
sehingga pengguna lebih cepat mendapatkan
informasi.
3. Intelligence Merancang aplikasi berbasis website yang dapat Dyah Ayu Arditya.,
Website For digunakan PAUD dengan mudah. Pengurus PAUD 2013, STMIK
Report dapat mengakses website HIMPAUDI, melakukan Raharja,
Monitoring On upload laporan dalam bentuk file excel dan dapat Tangerang.
Himpaudi Kota direkapitulasi secara otomatis oleh sistem ke dalam
Tangerang bentuk grafik. Kelebihan penelitian ini adalah
Business intelligence merupakan metode dan
teknologi yang baik dalam mengintegrasikan data
yang dapat ditampilkan dalam bentuk grafik dan
dapat dilihat berdasarkan ukuran/measure tertentu
yang sudah ditentukan, seperti jenis kelamin, umur,
tahun dan lain-lain. Kekurangan penelitian ini adalah
tidak adanya peta yang menunjukan lokasi serta
gambar bangunan PAUD tersebut. Untuk itu
dibutuhkan pemanfaatan Google Maps API untuk
menunjukan lokasi serta gambar bangunan paud
tersebut
4. Perancangan Sistem informasi geografis dengan memanfaatkan Dewi Mayasari S.,
Sistem Mapserver karena sistem yang berbasis web akan 2007, Departemen
ISSN: 1978-1520
46 ISSN : 2407-4322
Informasi lebih mudah dan cepat diakses oleh pengguna dari Teknik Elektro,
Geografis berbagai tempat hanya dengan menggunakan Jakarta.
Berbasis Web komputer, web-browser dan jaringan internet.
Menggunakan Kelebihan penelitian ini adalah MapServer dapat
Mapserver digunakan untuk membangun aplikasi web based
GIS yang interaktif. Kekurangan penelitian ini
adalah kurangnya interaksi untuk memudahkan
pengguna sistem informasi geografis tersebut.
Untuk itu dibutuhkan pengembang aplikasi dengan
menggunakan bahasa script seperti PHP untuk
memudahkan pengguna berinteraksi dengan
aplikasi
5. Aplikasi Bertujuan untuk Untuk mendesain database Fajar Rusdyanto,
WebGIS Hotel Aplikasi webGIS Hotel Di Kota Surakarta Andri Suprayogi,
Di Kota Memanfaatkan Google Maps API yang terstruktur Haniah., 2014,
Surakarta dan tertata dengan baik yaitu dengan Universitas
Memanfaatkan mengelompokkan data pada database MySQL Diponegoro,
Google Maps sesuai dengan id hotel dan kelas hotel sehingga Semarang.
API data dari database google maps dan database
MySQL dapat diakses dan diambil bersamaan
secara online dari server dan dapat disajikan
kepengguna. Kelebihan penelitian ini adalah
memanfaatkan Google Maps API yang terstruktur
dan tertata dengan baik yaitu dengan
mengelompokkan data pada database MySQL
sesuai dengan id hotel dan kelas hotel sehingga data
dari database google maps dan database MySQL
dapat diakses dan diambil bersamaan secara online
dari server dan dapat disajikan ke pengguna.
Kekurangan sistem ini adalah interface website
yang kurang menarik. Untuk itu dibutuhkan sebuah
interface website yang menarik sehingga pengguna
suka menggunakannya.
3.1 Tampilan Menu Home
Gambar 3. Tampilan Home

Gambar 3 merupakan tampilan utama web sistem informasi geografis lokasi Puskesmas
Kota Tangerang dimana masyarakat bisa memilih menu yang di sediakan untuk mencari nama
puskesman dan melihat peta lokasi untuk menuju ke arah puskesmas yang dituju.
3.2 Tampilan Daftar Puskesmas
Gambar 4. Tampilan Halaman Daftar Puskesmas
Gambar 4 merupakan halaman daftar puskesmas dimana masyarakat bisa melihat

informasi tentang puskesmas, yang telah di input oleh admin. Melalui tampilan daftar
puskesmas ini maka masyarakat dapat dengan mudah dan cepat mengetahui lokasi puskesmas
terdekat yang akan dituju.
3.3 Tampilan Peta Puskesmas
Gambar 5. Tampilan Halaman Peta Puskesmas
ISSN: 1978-1520
48 ISSN : 2407-4322
Gambar 5 merupakan halaman peta Puskesmas yang dapat di akses oleh masyarakat.
Jadi masyarakat dapat melihat peta puskesmas yang berada di kota Tangerang.
3.4 Tampilan Fitur Jalur Menuju
Gambar 6. Tampilan Fitur Jalur Menuju pada Halaman Peta Puskesmas
Gambar 6 merupakan fitur jalur menuju untuk masyarakat pada halaman peta
Puskesmas. Banyak masyarakat di kota Tangerang yang belum mengetahui secara menyeluruh
lokasi puskesmas. Mereka hanya mengetahui lokasi terdekat saja dengan fitur jalur menuju
lokasi puskesmas maka masyarakat akan dapat dengan mudah mengetahui lokasi puskesmas
yang berada di kota Tangerang.
4. KESIMPULAN
Berdasarkan hasil penelitian dan observasi yang dilakukan pada sistem informasi
geografis lokasi Puskesmas Kota Tangerang, maka penulis dapat menarik kesimpulan sebagai
berikut:
1. Sebuah system yang terkomputerisasi berbasis GIS (Geografis system informasi) dapat
membantu masyarakat untuk mengecek lokasi puskesmas secara online.
2. GIS (Geografis system informasi) sangat bermanfaat untuk membantu menentukan jalur
menuju puskesmas.
3. Dapat memudahkan masyarakat luas untuk mencari jalur alternative jalan untuk menuju
puskesmas
4. Dengan adanya sistem informasi geografis maka masyarakat dapat mengetahui nama-nama
puskesmas yang ada di Kota Tangerang ini.
5. Masyarakat kota Tangerang dapat menambah wawasan perihal lokasi puskesmas yang
berada di kota Tangerang.

5. SARAN
Agar penerapan perancangan sistem informasi geografis ini dapat terwujud dengan baik
maka ada beberapa hal yang sebaiknya yang perlu di perhatikan:
1. Disarankan untuk mengembangkan sistem pencarian jalur menuju berdasarkan tempat.
2. Disarankan untuk menambah polygon batas wilayah di setiap masing masing puskesmas.
3. Disarankan aplikasi tidak hanya berjalan di back end tetapi juga berjalan di front end.
4. Disarankan aplikasi bisa mempunyai fitur cari Puskesmas terdekat dengan memanfaatkan
teknologi GPS.
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada orang-orang yang telah banyak membantu
sampai artikel ini terbit:
1. Djoko Soetarno, Ir., Dr., D.E.A.
2. Irfan, S.Kom
3. Seluruh staff STMIK Raharja
DAFTAR PUSTAKA
1] Achmad Abdurrahman Ami., Asep Sunandar., Djodi Ihsan Dimitra., 2013, Analisis dan
Perancangan Sistem Informasi Geografis Berbasis Web Untuk Lokasi Tempat Wisata Di
DKI Jakarta, skripsi, Universitas Bina Nusantara, Jakarta.
[2] Anhar., 2010, Panduan Menguasai PHP & MySQL Secara Otodidak, Mediakita, Jakarta.
[3] Arditya, Dyah Ayu., 2013, Intelligence Website For Report Monitoring On Himpaudi Kota
Tangerang, STMIK Raharja, Tangerang.
[4] Haryadi, Hendy., 2009, Administrassi Perkantoran untuk Manajer dan Staf, Transmedia
Pustaka, Jakarta.
[5] Hartono, Tono., Priyo Wicaksono., 2013, Perangkat Lunak Pelayanan Kesehatan
Puskesmas. Universitas Komputer Indonesia, Jakarta.
[6] Indrayani,E, Humdiana., 2009, Sistem Informasi Manajemen Mempersiapkan Pekerja

Berbasis Pengetahuan Dalam Mengelola Sistem Informasi, Mitra Wacana Media, Jakarta.
[7] Iwan., Albert Purnama., Willianto., Joseph Sulivan Widjaja., 2013, Aplikasi Sistem
Informasi Geografis Pariwisata Pulau Bali Menggunakan Platform Android, skripsi,
Universitas Bina Nusantara, Jakarta
[8] Jogiyanto, H.M, 2009, Sistem Teknologi Informasi: Pendekatan Terintegrasi Konse Dasar
Teknologi Aplikasi Pengembangan Dan Pengelolaan, Edisi Ke-3, Andi, Yogyakarta
[9] Kusrini, Koniyo, Andri, 2008, Tuntunan Praktis Membangun Sistem Informasi Akuntansi
Dengan Visual Basic Dan Microsoft Sql Server, Andi, Yogyakarta.
ISSN: 1978-1520
50 ISSN : 2407-4322
[10] Mayasari S, Dewi, 2007, Perancangan Sistem Informasi Geografis Berbasis Web
Menggunakan Mapserver,Tugas akhir, Departemen Teknik Elektro, Jakarta.
[11] Mustakini, Jogiyanto Hartono, 2009, Sistem Teknologi Informasi, andi, Yogyakarta.
[12] Mulyanto, Agus, 2009, Sistem Informasi Konsep dan Aplikasi, Pustaka Pelajar,
Yogyakarta.
[13] Nugroho, Adi, 2009, Rekayasa Perangkat Lunak Menggunakan UML Java, Andi,
Yogyakarta.
[14] Prahasta, Eddy, 2009, Konsep Konsep Dasar Sistem Informasi Geografis, Informatika,
Bandung
[15] Rahardja, Untung., Sudaryono., Suryo Guritno. 2010. Theory and Application of IT
Research, Andi, Yogyakarta.
[16] Rusdyanto, Fajar., Andri Suprayogi., Haniah, 2014, Aplikasi WebGIS Hotel Di Kota
Surakarta Memanfaatkan Google Maps, Jurnal Geodesi, UNDIP, Semarang.

Rancang Bangun Edugame Pembelajaran Kesehatan Gigi

untuk Anak-Anak Berbasis UNITY 3D
Theofilus Fiendi Hernowo*1, Evi Sulviana2, Willy3, Hernando Ivan Teddy4

1-4
Jurusan Teknik Informatika, STMIK GI MDP, Palembang
e-mail: * theofilus.fiendi@gmail.com, 2viana_sulviana@ymail.com, 3willy@mdp.ac.id,
1
4
nando.great91@gmail.com
Abstrak
Game adalah sarana bermain yang dapat dijadikan hiburan untuk mengisi waktu luang
bagi kebanyakan orang. Namun ada baiknya jika game yang dimainkan adalah game yang
bersifat mendidik sehingga selain bermain para pengguna juga dapat sambil belajar untuk
menambah pengetahuan mereka. Game edukasi berbasis Unity 3D ini dibuat mengenai
kesehatan gigi untuk anak-anak yang mana game ini nantinya dapat dijadikan sarana
pembelajaran bagi pengguna untuk mengetahui betapa pentingnya menjaga kesehatan gigi
sejak dini. Game engine yang digunakan dalam mengembangkan game adalah Unity 3D yang
mana di dalam proses pembuatan game edukasinya berisikan karakter pemain, objek 3D,
animasi dan texture. Karakter player yang dipakai adalah objek pasta gigi yang mana nantinya
akan dipakai oleh pengguna untuk bermain dan menyemprotkan pasta gigi ke kuman-kuman
dan bakteri. Metodologi yang digunakan dalam membangun game edukasi ini adalah
metodologi prototyping dengan tujuan utama game edukasi ini adalah agar pengguna dapat
menjadikan game ini sebagai media pembelajaran tentang pentingnya menjaga kesehatan gigi.
Aplikasi game ini diharapkan dapat dijadikan sarana belajar bagi pengguna agar selalu
menjaga kebersihan gigi.
Kata kunciEdukasi, Kesehatan gigi, Game, Unity, Prototyping
Abstract
Game is a medium for playing and for most of the people its used as an entertainment
to spend their spare time. Nevertheless, it should be better if the game used is an educational
game, so that the users do not only have fun but also learn something to enrich their knowledge.
Therefore, because of the reason above, the writer created an educational game base on Unity
3D about the dental health for kids, so it can be used by the users as a medium of learning to
know the importance of keeping the dental health early. This educational game is created by
using Unity 3D as its engine. In the process of creating this game, the writer created the
character of player, 3D objects, animations and textures. Its player is an object of toothpaste
thats used by the users to play and squirt the toothpaste to the germs and bacterias. The
method used to create this educational game is prototyping method and the main purpose of this
game is the users can use it as a medium of learning about the importance of keeping the dental
health. As the result, this educational game application can be used as a medium of learning for
the users to always keep their dental health.
KeywordsEducational, Dental health, Game, Unity, Prototyping
ISSN: 1978-1520
52 ISSN : 2407-4322
1. PENDAHULUAN
Hidup sehat memang tidak mudah bagi setiap orang. Menjaga tubuh tetap sehat seperti
gampang-gampang susah. Kadang kala harus meninggalkan kebiasaan sehari-hari untuk hidup
sehat, seperti keseringan tidur larut malam yang dapat memicu penyakit jantung dan kadang
juga tidak peduli dengan yang dianggap sepele, seperti halnya menyikat gigi. Kesehatan gigi
sering diabaikan oleh banyak orang khususnya anak-anak yang malas untuk merawat gigi.
Penyebab penyakit pada gigi bisa disebabkan oleh bakteri-bakteri jahat yang merusak
gigi. Seperti bakteri streptococcus mutans yang dapat menyebabkan gigi berlubang. Bakteri
yang merusak gigi dapat menyerang siapa saja, dari anak-anak sampai orang dewasa, laki-laki
ataupun perempuan. Kesadaran menjaga kesehatan gigi bagi mereka anak-anak tidak terlalu
dipedulikan. Perlu bantuan orang dewasa agar anak-anak sadar bahwa menjaga kesehatan gigi
sangat perlu. Menjaga kesehatan gigi dapat dicegah dengan melakukan tindakan dini seperti
menjaga kebersihan gigi, menjaga asupan makanan yang mengandung gula, menjaga kebersihan
makanan, makan dengan teratur, serta memberikan pendidikan tentang kesehatan gigi. Bahkan
media pembelajaran game edukasi juga dapat digunakan sebagai media belajar.
Game sangat digemari oleh banyak kalangan, bahkan anak-anak. Tidak lepas dari
perkembangan jaman, game dibuat agar mampu memiliki sisi edukasi atau yang sekarang
dikenal dengan istilah edugame. Edugame dibuat agar proses belajar lebih menyenangkan.
Memiliki tujuan agar materi yang disampaikan dapat lebih diterima dan menjadi media
pembelajaran. Tujuan yang ingin dicapai adalah membuat media pembelajaran yang
menyenangkan tentang pengenalan kesehatan gigi untuk anak-anak berbasis unity 3D. Ruang
lingkup dari topik ini adalah menciptakan permainan berbentuk 3 dimensi dan bahasa
pemrograman C# (C Sharp). Selain itu, permainan ini menggunakan konsep First Person
Controller.
2.1 Metodologi Prototyping

Prototyping adalah bagian dari produk yang mengekspresikan logika maupun fisik
antarmuka eksternal yang ditampilkan. Konsumen potensial menggunakan prototyping dan
menyediakan masukan untuk tim pengembang sebelum pengembangan skala besar dimulai.
Melihat dan mempercayai menjadi hal yang diharapkan untuk dicapai dalam prototyping.
Dengan menggunakan pendekatan ini, konsumen dan tim pengembang dapat mengklarifikasi
kebutuhan dan interpretasi[1].
Pengumpulan Kebutuhan
Tahap ini dilakukan studi terhadap apa saja kebutuhan yang dibutuhkan, pengembang
mendefinisikan format kebutuhan, seluruh perangkat lunak dan garis besar sistem yang akan
dibuat.
2.2 Membangun Prototype

Pada tahap ini penerjemahan dari keperluan atau data yang telah dianalisis ke dalam
bentuk yang mudah dimengerti oleh user, prototyping didesain dengan membuat perancangan
sementara yang berfokus pada penyajian kepada pelanggan (misalnya dengan membuat input
dan format output) untuk menentukan apakah prototyping dapat diterima oleh pemesan atau
pemakai.
2.3 Evaluasi Prototyping

Pada tahap ini evaluasi dilakukan oleh pelanggan apakah prototyping yang sudah
dibangun sudah sesuai dengan keinginan pelanggan. Jika sudah sesuai maka langkah
membangun sistem akan diambil. Jika tidak, maka prototyping direvisi dengan mengulang

langkah perencanaan dan pendesainan kembali. Langkah ini digunakan untuk memperbaiki
kekurangan atau kesalahan terhadap pengembangan produk.
2.4 Membangun Sistem

Pada tahap ini prototyping yang sudah disepakati dibangun untuk menjadi sebuah
sistem atau aplikasi yang diterjemahkan ke dalam bahasa pemrograman yang sesuai berdasarkan
hipotesis ke dalam produk prototyping.
2.5 Menguji Sistem

Pada tahap ini, setelah sistem sudah menjadi suatu perangkat lunak yang siap pakai,
maka harus diuji terlebih dahulu sebelum digunakan. Pengujian ini dilakukan dengan testing
bermain edugame, dalam melakukan pengujian digunakan data sekunder maupun data primer
untuk memastikan bahwa sistem dapat berlangsung dengan baik dan benar, sesuai kebutuhan.
Gambar 1. Metode Prototype[1]
Berdasarkan hasil dari pembuatan aplikasi yang penulis buat maka diperoleh hasil
sebagai berikut :
3.1 Storyboard Permainan
Tabel 1 Storyboard Permainan

No. Gambar Deskripsi
1 Pada tampilan awal permainan, user akan masuk
pada tampilan menu utama, yang terdiri dari menu
MENU UTAMA main yang nantinya akan masuk pada menu pilih area
MAIN bermain, selanjutnya ada menu petunjuk yang
PETUNJUK nantinya akan membawa user untuk melihat instruksi
KELUAR bagaimana cara game dimainkan, kemudian ada
menu keluar yang akan membawa user keluar dari
permainan.
ISSN: 1978-1520
54 ISSN : 2407-4322
2 Aksi di area bermain yakni di area 1, player memulai

Area Bermain 1 permainan dengan berjalan mencari rumah gigi,
Skor setelah player menemukan rumah gigi maka di kotak
Healthbar misi akan tampil misi selanjutnya yang harus
diselesaikan. Di area bermain terdapat kuman-kuman
M dan player harus menyemprot kuman-kuman tersebut
i GIGI Kuman
dengan pasta gigi. Kuman-kuman tersebut jika
s
disemprot maka skor akan bertambah. Penambahan
i
skor juga bisa didapat dari mengambil poin-poin yang
berwana kuning yang menyebar di area permainan.
Dan player harus segera menyelesaikan misi sebelum
healthbar habis.
Poin Player
3 Selanjutnya setelah misi selesai maka akan ada

Pertanyaan perintah untuk mencari lampu kuning, dimana lampu-
lampu tersebut mengandung pertanyaan-pertanyaan
Lampu Lampu seputar gigi yang harus dijawab oleh player. Jika
player menjawab pertanyaan dengan benar maka
akan tampil pemberitahuan jawaban benar jika
salah maka akan muncul pemberitahuan jawaban
salah.
Player
4 Lampu
Jika semua lampu kuning telah ditemukan maka
lampu terakhir yang harus dicari adalah lampu
berwarna merah. Saat player menemukan lampu
berwarna merah maka akan tampil GUI BOX
yang akan menampilkan jumlah skor yang
didapat serta akan tampil juga jumlah jawaban
Player
benar dan jawaban salah yang telah dijawab
GUI BOX
sebelumnya saat bermain.
5 Pada area dua terdapat tiga buah gigi yang harus

Area Bermain 2 kita bersihkan dari kotoran dan dari serangan
Skor kuman-kuman. Pada area dua juga terdapat
kotak misi yang harus didelesaikan oleh player.
M Healthbar
i
Terdapat juga tiga buah healthbar dari masing-
s masing gigi. Untuk cara bermainnya sendiri
i GIGI Kuman masih sama dengan permainan yang ada pada
area satu yaitu menyelesaikan misi, kemudian
GIGI
mencari lampu kuning dan menjawab
pertanyaan yang muncul dan setelah itu mencari
GIGI
lampu merah diakhir permainan.
Player

6 Pada area tiga sedikit berbeda dengan area satu dan

Area Bermain 3 dua. Di area tiga untuk menyelesaikan misi pertama
yaitu mencari keberadaan gigi kita harus melewati
Healthbar Skor labirin, karena keberadaan gigi terdapat pada ujung
M
jalan labirin tersebut. Pada area tiga terdapat satu
i buah gigi yang sangat besar dengan banyak kotoran
s GIGI dan kuman-kuman yang menyerang gigi, kita harus
i membersihkan gigi dari semua kotoran dan kuman-
kuman sebelum waktu pada healthbar habis.
Kuman
Labirin
Player
7 Jika player telah menyelesaikan semua misi dan
Finish telah menjawab semua pertanyaan maka permainan
selesai.
GUI BOX
Player
3.2 Kelebihan Aplikasi

1. Game yang penulis buat memiliki area-area bermain yang cukup menghibur anak-anak.
2. Game memiliki nilai edukasi yang dapat dijadikan pembelajaran bagi anak-anak tentang
pentingnya menjaga kesehatan gigi.
3.3 Tampilan Aplikasi Permainan

Berikut ini adalah tampilan-tampilan permainan Plaque Attack.
Gambar 2. Tampilan Menu Utama
ISSN: 1978-1520
56 ISSN : 2407-4322
Gambar 3. Tampilan Menu Petunjuk
Gambar 4. Tampilan Menu Pilih Area

Gambar 5. Tampilan Area 1
ISSN: 1978-1520
58 ISSN : 2407-4322
3.4 Pengujian Aplikasi
Tabel 2 Uji Coba Menu Utama

No. Kasus Hasil yang Diharapkan Hasil Uji
1 Menu Main Saat player memilih menu main pada menu Benar
utama maka akan tampil area-area permainan.
2 Pilih Area Saat player memilih area tempat bermain Benar
maka tampil area permainan.
3 Menu Petunjuk Saat player memilih menu petunjuk maka Benar
tampil menu petunjuk permainan.
4 Menu Keluar Saat player memilih menu keluar maka Benar
aplikasi game akan tertutup.
Tabel 3 Uji Coba Player

1 Player Player berbentuk pasta gigi dan Benar
menembakkan/menyemprotkan cairan pasta
gigi.
2 Kondisi Player Player dapat dikendalikan dengan baik pada Benar
saat menembak/menyemprot bakteri dan
kuman.

Tabel 4 Uji Coba Soal

1 Memunculkan Player mendekati objek cahaya kuning Benar
soal
2 Soal yang muncul Soal yang muncul terdiri dari empat pilihan Benar
pertanyaan.
3 Menjawab Player menjawab soal yang muncul dan Benar
pertanyaan menghasilkan jawaban benar atau jawaban
salah.
Tabel 5 Uji Coba Skor

1 Mengumpulkan Ketika player menembak/menyemprot kuman Benar
skor makan skor akan bertambah 50 dan saat
player mengambil poin yang berbentuk tabung
berwarna kuning maka skor akan bertambah
10.
Tabel 6 Uji Coba Tombol Pause

1 Tombol P Saat player menekan tombol P maka tampil Benar
GUI BOX PAUSE dan game akan dalam
keadaan pause.
2 Memilih tombol Ketika player memilih tombol lanjut pada Benar
lanjut GUI BOX PAUSE maka permainan akan
dilanjutkan kembali.
3 Memilih tombol Ketika player memilih tombol menu utama Benar
menu utama pada GUI BOX PAUSE, maka player akan
kembali pada tampilan menu utama
4 Memilih tombol Ketika player memilih tombol ulang, maka Benar
ulang akan kembali keawal permainan.
Tabel 7 Uji Coba Misi Selesai

1 Pada saat finish Pada saat menyelesaikan semua misi yang Benar
telah ditentukan, maka akan tampil tampilan
yang menunjukkan bahwa misi telah berhasil
diselesaikan.
Tabel 8 Uji Coba Cahaya Merah

1 Player mendekati Saat player mendekati lampu merah tampil GUI Benar
cahaya merah BOX total skor yang didapat
Tabel 9 Uji Coba Kuman

1 Pada saat kuman Pada saat player menembak kuman maka kuman Benar
tertembak akan menghilang dan skor akan bertambah.
ISSN: 1978-1520
60 ISSN : 2407-4322
Tabel 10 Uji Coba Misi Gagal

1 Pada saat misi Pada saat player tidak berhasil menyelesaikan Benar
tidak selesai misi dengan batas waktu yang telah ditentukan
maka permainan akan selesai.
Tabel 11 Uji Coba Menjawab Pertanyaan

1 Pada saat player Pada saat player menjawab pertanyaan dengan Benar
menjawab pertanyaan benar maka akan tampil GUI BOX yang
dengan benar memberitahukan bahwa jawaban yang telah
dijawab adalah benar.
2 Pada saat player Pada saat player menjawab pertanyaan dengan Benar
menjawab pertanyaan salah maka akan tampil GUI BOX yang
dengan jawaban yang memberitahukan bahwa jawaban yang telah
salah dijawab adalah salah.
Tabel 12 Uji Coba Peluru (Pasta Gigi)

1 Pada saat player Pada saat player meng-klik kiri mouse maka Benar
meng-klik kiri mouse akan keluar peluru dari pasta gigi.
3.5 Pengujian Hasil Kuesioner

Berikut ini adalah grafik hasil dari pengujian kuesioner aplikasi.
Gambar 8. Jumlah Jawaban Responden terhadap Pertanyaan No. 1-4
Keterangan pertanyaan :
1. Apakah tampilan menu aplikasi mudah dimengerti?
2. Apakah tata letak pilihan menu dan tombol pada game telah sesuai?
3. Apakah objek 3D pada aplikasi menyerupai bentuk aslinya?
4. Apakah perpaduan warna yang digunakan pada aplikasi sangat sesuai?

1. Apakah bentuk objek 3D pada game tidak sesuai?
2. Apakah pergerakan objek/karakter player sudah baik?
3. Apakah informasi yang ditampilkan pada game mudah dimengerti?
4. Apakah soal-soal yang ada pada aplikasi sangat sesuai dengan tema aplikasi?
14
12
responden (orang)
10
8
6
4
2
0
9 10 11 12
pertanyaan
Setuju Sangat Setuju

Tidak Setuju Sangat Tidak Setuju
1. Apakah informasi yang ditampilkan pada game cukup banyak?
2. Apakah melalui permainan ini pengguna menjadi mengenal dan mengetahui pengetahuan
yang disajikan dalam permainan?
3. Apakah antara tema aplikasi dan soal-soal yang ditampilkan tidak sesuai?
4. Apakah misi-misi yang ada pada aplikasi sangat menantang dan mudah dimengerti?
ISSN: 1978-1520
62 ISSN : 2407-4322
Gambar 11. Jumlah Jawaban Responden terhadap Pertanyaan No.13-16
1. Apakah area-area bermain yang ada di dalam game sangat menarik?
2. Apakah game yang dibangun sangat menghibur?
3. Apakah game yang dibangun bersifat mendidik dan menyenangkan?
4. Apakah permainan memiliki area-area yang tidak menarik?
4. KESIMPULAN
Berdasarkan hasil implementasi uji coba dan evaluasi, dapat diambil kesimpulan
sebagai berikut:
1. Game edukasi ini dapat membantu penggunanya dalam memahami pentingnya menjaga
kesehatan gigi serta dapat menjadi sarana belajar sambil bermain.
2. Berdasarkan hasil kuesioner yang didapat dari responden kami menyimpulkan bahwa game
yang dibangun cukup menarik dan memiliki area-area yang baik untuk anak-anak dan
responden setuju bahwa fitur-fitur yang ada pada game seperti text, tombol, gambar, sound,
karakter, serta objek-objeknya dapat berjalan dengan baik.
5. SARAN
Berikut ini adalah beberapa saran yang ingin disampaikan penulis :

1. Pada pengembangannya, game ini diharapkan dapat dikembangkan untuk dapat
diimplementasikan pada Smartphone
2. Dalam pengembangan lebih lanjut, diharapkan edukasi yang terdapat pada game bisa lebih
banyak lagi agar pengguna bisa mendapatkan pengetahuan yang lebih banyak lagi tentang
pentingnya menjaga kesehatan gigi dari bermain game ini.
3. Pengembangan lebih lanjut, diharapkan misi-misi dan objek yang terdapat didalam game
lebih menantang dan lebih menarik minat pengguna untuk memainkan game ini.
DAFTAR PUSTAKA
[1] AS, Rosa 2013, Modul Pembelajaran Rekayasa Perangkat Lunak, Modula, Bandung.
[2] Goldstone Will 2009, Unity Game Development Essentials, Packt Publishing, Birmingham.

[3] Norton Terry 2013, Learning C# by Developing Games with Unity 3D Beginner's Guide,
Packt Publishing, Birmingham.
[4] Chandra 2004, Adobe Illustrator CS untuk Orang Awam, Maxikom,Palembang.
[5] Wahana Komputer 2010, SQL Server 2008 Express ,Andi Offset,Yogyakarta.
[6] Cristiano, Giuseppe 2005, Analyzing Storyboard, Lulu.com, United States
ISSN: 1978-1520
64 ISSN : 2407-4322
Sistem Pakar untuk Diagnosa Penyakit yang Disebabkan

oleh Nyamuk Berbasis WEB
Sadly Syamsuddin*1, Ahyuna2
1,2
Jl. Perintis Kemerdekaan Km.9 Makassar, 0411-587194/0411-588284
3
Jurusan Teknik Informatika, STMIK Dipanegara Makassar
e-mail: *1sadlyg2@gmail.com, 2sakuraabadi@ymail.com
Abstrak
Perkembangan yang pesat pada ilmu kedokteran dan penemuan obat-obatan serta
metode penyembuhan melahirkan suatu ketergantungan satu sama lain antara dokter dan
pasiennya. Masalah akan timbul apabila dokter tidak dapat mengidentifikasi dengan tepat
penyakit menurut gejala-gejala yang diderita oleh pasiennya, begitu pula dengan pasien yang
mungkin sulit untuk memberi pemaparan yang jelas mengenai gejala-gejala yang mereka derita
kepada dokternya. Oleh karena itu dibutuhkan suatu sistem pakar yang mampu mengadopsi
pengetahuan manusia atau dokter ke komputer yang dirancang untuk memodelkan kemampuan
manusia atau dokter tersebut menyelesaikan masalah seperti layaknya seorang pakar.
Penelitian ini merancang suatu sistem pakar dimana sistem pakar ini bertujuan untuk
mendiagnosa penyakit yang disebabkan oleh nyamuk. Sistem pakar ini dirancangan dengan
alat pemodelan sistem Unified Modeling Language(UML), MySQL sebagai sistem manajemen
basis data SQL dan PHP sebagai bahasa pemrograman. Setelah sistem dapat diimplementasikan
maka dilakukanlah pengujian sistem dengan metode Black Box. Hasil dari sistem yang dibangun
adalah sebuah sistem pakar yang mampu melakukan diagnosa penyakit yang disebabkan oleh
nyamuk dengan tingkat akurasi yang baik dan hampir tidak ditemukan kesalahan yang ada pada
tiap form komponen yang diuji.
Kata kunciSistem Pakar,Unified Modeling Language (UML), MySQL, PHP, Black Box.
Abstract
The rapid developments in medical science and drug discovery and healing methods give
birth to an interdependence between doctors and patients. Problems will arise when doctors can
not identify exactly according to the symptoms of the disease suffered by the patient, as well as
patients who may be difficult to give a clear explanation of the symptoms they suffer to the doctor.
Therefore we need an expert system capable of adopting human knowledge or physician to a
computer that is designed to model the human ability or the doctor solve problems like an expert.
This study design an expert system expert system which aims to diagnose diseases caused by
mosquitoes. This expert system modeling tool system dirancangan with the Unified Modeling
Language (UML), MySQL as database management system SQL and PHP as the programming
language. Once the system can diimplemntasikan we perform system testing with the Black Box.
The results of the system built is an expert system that is able to diagnose a disease caused by a
mosquito with a good degree of accuracy and misunderstandings that exist in each form
component under test is not found at all.
KeywordsExpert System, Unified Modeling Language (UML), MySQL, PHP, Black Box.

1. PENDAHULUAN
Perkembangan yang pesat di ilmu kedokteran dan penemuan obat-obatan serta metode
penyembuhan melahirkan suatu ketergantungan satu sama lain antara dokter dan pasiennya.
Masalah akan timbul apabila dokter yang menangani pasiennya tidak dapat menyembuhkan
mereka. Hal ini bisa disebabkan karena dokter tidak dapat mengidentifikasi dengan tepat
penyakit menurut gejala-gejala yang diderita oleh pasiennya, begitu pula dengan pasien yang
mungkin sulit untuk memberi pemaparan yang jelas mengenai gejala-gejala yang mereka derita
karena didorong oleh rasa enggan dan malu kepada dokternya. Apalagi jika penyakit yang
diderita oleh pasien ini memerlukan penanganan yang segera dan tidak bisa ditunda ditambah
dengan banyaknya pasien yang harus ditangani oleh dokter, maka bisa saja dokter akan keliru
menentukan jenis penyakit bahkan obat yang diberikan kepada pasiennya yang berakibat fatal
baik bagi pasien maupun dokter itu sendiri.
Salah satu penyakit yang tergolong mematikan adalah penyakit yang disebabkan oleh
nyamuk. Penyakit ini tidak dapat dilihat secara kasat mata namun dapat diketahui melalui
gejala-gejala yang muncul dan dikeluhkan oleh pasien. Satu gejala yang dikeluhkan oleh pasien
penyakit ini dapat berarti banyak kemungkinan bagi dokter yang memeriksanya. Profesionalisme
seorang dokter akan teruji lewat pengindentifikasian jenis penyakit pasien yang disimpulkan
melalui gejala-gejala yang dikeluhkan oleh pasiennya tersebut dengan segera, khususnya
penyakit-penyakit yang disebabkan oleh nyamuk.
Dengan kemampuan komputer saat ini yang dapat memproses data dengan cepat dan
akurat yang hampir menyerupai manusia, maka kemampuan komputer ini dapat dipakai untuk
membantu dokter spesialis tersebut untuk menangani pasien mereka serta masyarakat dapat
lebih cepat dalam melakukan penanganannya. Penelitian ini akan mengadopsi pengetahuan
dokter tentang gejala-gejala penyakit yang disebabkan oleh nyamuk ke dalam sistem yang
terkomputerisasi dengan metode sistem pakar.
2.1 Konsep Sistem Pakar

Sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan
manusia ke komputer, agar komputer dapat menyelesaikan masalah yang biasa dilakukan oleh
para pakar. Ada beberapa pengertian Sistem Pakar menurut beberapa ahli diantaranya Sistem
pakar adalah sebuah perangkat lunak komputer yang memiliki basis pengetahuan untuk domain
tertentu dan menggunakan penalaran inferensi menyerupai seorang pakar dalam menyelesaikan
masalah[1].
Struktur dasar sistem pakar tersusun atas tiga komponen utama yaitu system berbasis
pengetahuan, mekanisme interfensi dan struktur penghubung antara pengguna dengan sistem
seperti terlihat pada Gambar 1 [4].
Keterangan [4] :
1. Basis Pengetahuan berisi informasi data, relasi antara data dan aturan dalam pengambilan
kesimpulan
2. Mekanisme Interfensi berfungsi menganalisa data yang ada dan menarik kesimpulan
berdasarkan aturan yang ada.
3. Struktur Penghubung (User Interface) berfungsi sebagai alat atau media komunikasi antar
pengguna dengan program.
ISSN: 1978-1520
66 ISSN : 2407-4322
Basis
Pengetahuan
Mekanisme
Interferensi
Struktur
Hubungan
Pengguna
Gambar 1. Struktur Sistem Pakar
2.2 Unified Modeling Language(UML)

Pada perkembangan teknologi perangkat lunak, diperlukan adanya bahasa yang
digunakan untuk memodelkan perangkat lunak yang akan dibuat dan perlu adanya standarisasi
agar orang di berbagai negara dapat mengerti pemodelan perangkat lunak. Seperti yang kita
ketahui bahwa menyatukan banyak kepala untuk menceritakan sebuah ide dengan tujuan untuk
memahami hal yang sama tidaklah mudah, oleh karena itu diperlukan sebuah bahasa pemodelan
perangkat lunak yang dapat dimengerti oleh banyak orang.
Pada perkembangan teknik pemrograman berorientasi objek, muncullah sebuah
standarisasi bahasa pemodelan untuk pembangunan perangkat lunak yang dibangun dengan
menggunakan teknik pemrograman berorientasi objek, yaitu Unified Modeling Language (UML).
UML muncul karena adanya kebutuhan pemodelan visual untuk menspesifikasikan,
menggambarkan, membangun dan dokumentasi dari sistem perangkat lunak. UML merupakan
bahasa visual untuk pemodelan dan komunikasi mengenai sebuah sistem dengan menggunakan
diagram dan teks-teks pendukung [8].
2.2.1 Uses Case Diagram

Use Case merupakan sebuah teknik yang digunakan dalam pengembangan sebuah
software atau sistem informasi untuk menangkap kebutuhan fungsional dari sistem yang
bersangkutan, Use Case menjelaskan interaksi yang terjadi antara aktor inisiator dari
interaksi sistem itu sendiri dengan sistem yang ada, sebuah Use Case direpresentasikan dengan
urutan langkah yang sederhana [8].
2.2.2 Activity Diagram

Activity diagram menggambarkan workflow (aliran kerja) atau aktivitas dari sebuah
sistem atau proses bisnis. Yang perlu diperhatikan disini adalah bahwa diagram aktivitas
menggambarkan aktivitas sistem bukan apa yang dilakukan aktor, jadi aktivitas yang dapat
dilakukan oleh sistem [9].
2.3 PHP (PHP Hypertext Preprocessor)

Dalam buku Wahana Komputer menyatakan bahwa PHP Hypertext Preprocessor atau
yang lebih dikenal dengan PHP merupakan bahasa pemrograman berbasis web yang memiliki
kemampuan untuk memproses data dinamis[2].
PHP dikatakan sebagai sebuah server-side embedded script language artinya sintaks-
sintaks dan perintah yang kita berikan akan sepenuhnya dijalankan oleh server tetapi disertakan
pada halaman HTML biasa. Aplikasi-aplikasi yang dibangun oleh PHP pada umumnya akan

memberikan hasil pada web browser, tetapi prosesnya secara keseluruhan dijalankan di server
[6].
2.4 MySQL
Adi Prasetyo menyatakan bahwa MySQL adalah sebuah perangkat lunak sistem
manajemen basis data SQL atau DBMS yang multithread, multi-user, dengan sekitar 6 (enam)
juta instalasi di seluruh dunia. [7]. Pada dasarnya struktur MySQL dapat dikelompokkkan
menjadi 3 (tiga) macam yaitu: DDL (Data Definition Language) yang bertugas untuk membuat
objek SQL dan menyimpan definisi ini dalam tabel, DML (Data Manipulation Language) yang
digunakan untuk memproses data dalam objek skema dan DCL (Data Control Language) yang
berfungsi sebagai alat control keamanan terhadap database dan tabelnya, terdapat dua perintah
utama yaitu grant dan revoke.
2.5 Black Box

Pengujian black box adalah pengujian yang mengabaikan mekanisme internal sistem
atau komponen dan fokus semata-mata pada output yang dihasilkan yang merespon input yang
dipilih dan kondisi eksekusi [9].
2.6 Desain Aplikasi

Desain aplikasi adalah tahapan dimana kami mendesain aplikasi yang akan dibangun,
untuk metode yang digunakan adalah UML use case dan activity diagram. Berikut ini adalah
bentuk desain apliksai dalam use case dan activity diagram.
2.6.1 Use Case System

Use Case Sistem Pakar Diagnosa Penyakit Nyamuk disajikan pada Gambar 2.
Sistem Pakar Diagnosa Penyakit Nyamuk
Klik Mulai
Diagnosa
Menjawab <<include>> Validasi

Pertanyaan Diagnosa
Diagnosa
user
Melihat
Hasil Diagnosa
(Jenis Penyakit dan
Pencegahanya)
Gambar 2. Use Case Sistem Pakar Diagnosa Penyakit Nyamuk
Penjelasan:
1. Untuk memulai menggunakan sistem, user mengklik Mulai Diagnosa
2. Setelah itu user menjawab semua pertanyaan yang diberikan oleh sistem untuk keperluan
validasi diagnosa.
3. Dari validasi tersebut, sistem akan mencocokkan jawaban-jawaban dari tiap pertanyaan
yang diberikan kepada user untuk menemukan nama penyakit yang dialami user.
4. Setelah sistem menemukan nama penyakit user sistem akan menampilkan nama penyakit
tersebut beserta pencegahannya pada halaman web yang dapat dilihat langsung oleh user
itu sendiri.
ISSN: 1978-1520
68 ISSN : 2407-4322
2.6.2 Activity Diagram

Activity Diagram Sistem Pakar Diagnosa Penyakit Nyamuk yang dirancang disajikan
pada Gambar 3.
Membuka
Halaman WEB
Klik MULAI
False True
Menampilkan
Pertanyaan Diagnosa
User Menjawab
Pertanyaan Diagnosa
Sistem Pakar melakukan

False True Validasi jawaban
dari user
User Klik
Lanjut? Pertanyaan
False
Diagnosa
Habis?
True
Nama Penyakit
Menampilkan dan
Hasil Diagnosa Pencegahanya
True
User Ulangi
False Diagnosa?
Gambar 3. Activity Diagram Sistem Pakar Diagnosa Penyakit Nyamuk
Penjelasan:
1. Ketika user ingin menggunakan aplikasi user memilih tombol Mulai.
2. Setelah itu akan muncul pertanyaan.
3. Jika user telah menjawab dan menekan tombol lanjut maka jawaban dari pertanyaan
sebelumnya akan divalidasi dan dijadikan bahan untuk menciptakan rule dan node
berikutnya, lalu akan muncul pertanyaan berikutnya sesuai jawaban yang diinput
sebelumnya
4. Sistem akan terus mengulang langkah ke-2 dan ke-3 hingga pertanyaan sudah habis karena
diagnosa telah selesai dilakukan.
5. Sistem akan menampilkan hasil diagnosa pada halaman hasil diagnosa dimana hasil yang
ditampilkan adalah nama penyakit dan pencegahanya.
6. Jika user ingin mendiagnosa kembali maka user tinggal memilih tombol Ulangi Diagnosa.

2.8 Desain Antarmuka

Perancangan antarmuka dalam penelitian ini terbagi dalam 3 halaman inti, yaitu :
2.8.1 Rancangan Halaman Utama

Rancangan halaman utama adalah rancangan interface sistem yang pertama kali dibuat,
karena halaman ini merupakan halaman terdepan sebelum user memulai diagnosa. Rancangan
halaman utama sistem pakar yang dibangun dijelaskan pada Gambar 4.
banner.jpg
Dp.jpg
DP BANNER
Nyamuk.jpg
Gambar
NYAMUK
Label1 Mulai Diagnosa

(link mulai Diagnosa) Copyright @ Januari 2013, Sadly Syamsuddin
Gambar 4. Rancangan Halaman Utama
2.8.2 Rancangan Halaman Diagnosa

Rancangan halaman diagnosa adalah rancangan interface sistem yang akan menampilkan
pertanyaan-pertanyaan yang diajukan oleh sistem. Halaman ini merupakan halaman inti pada
sistem karena pada halaman ini user malakukan inputan pilihan jawaban yang kemudian akan
di validasi kococokan rule oleh sistem dan akhirnya akan menghasilkan jawaban nama penyakit
dan pencegahan dari system pakar yang dibangun. Rancangan halaman diagnosa akan dijelaskan
pada Gambar 5.
Banner.jpg
Dp.jpg
DP BANNER
Nyamuk.jpg
FOTO
NYAMUK
DIAGNOSA
Label1 Radio Button1
(Pertanyaan Diagnosa) (Value =0,1)
Pertanyaan?
Ya Tidak
LANJUT >>
Button Submit
Gambar 5. Rancangan Halaman Diagnosa
ISSN: 1978-1520
70 ISSN : 2407-4322
2.8.3 Rancangan Halaman Hasil Diagnosa

Rancangan halaman hasil diagnosa adalah rancangan interface sistem yang akan
menampilkan hasil diagnosa dan pencegahan pada aplikasi sesuai dengan jawaban yang
diinputkan oleh masing-masing user. Rancangan halaman diagnosa akan dijelaskan pada
Gambar 6.
Banner Aplikasi
Logo Dipanegara
DP BANNER
Gambar Nyamuk
FOTO
NYAMUK
Label2
DIAGNOSA
(Pencegahan yang bisa
Label1 Hasil Diagnosa (Nama Penyakit)
dilakukan)
(Jawaban Hasil Diagnosa/
Nama Penyakit)
Pencegahanya
Gambar 6. Rancangan Halaman Hasil Diagnosa
2.9 Metode Validasi Gejala

Validasi gejala-gejala yang dialami guna mendapatkan jawaban berupa nama penyakit
yang diderita adalah dengan menentukan jenis penyakit dan gejala yang dialami oleh penderita
penyakit yang disebabkan oleh nyamuk, berikut adalah pembahasannya:
2.9.1 Jenis Penyakit

Contoh sederhana penerapan sistem pakar dalam bidang kedokteran yaitu diagnosis
penyakit yang disebabkan oleh nyamuk berdasarkan gejala-gejala yang muncul. Adapun
Penyakit yang disebabkan oleh nyamuk antara lain sebagai berikut:
1. Demam Berdarah Denque
2. Demam Penyakit Kuning
3. Chikungunya
4. Encephalitis
5. Malaria
2.9.2 Gejala Penyakit

Diagnosa dengan benar dapat dilakukan dengan terlebih dahulu mengetahui gejala-
gejala dari penyakit tersebut. Beberapa gejala yang mungkin muncul dari ketiga jenis penyakit
tersebut adalah sebagai berikut:
1. Demam.
2. Merasa kedinginan.
3. Tubuh terasa sakit.
4. Sakit kepala.
5. Tenggorokan sakit saat menelan.
6. Terasa lemas dan lemah.
7. Muncul bintik-bintik berwarna merah.
8. Panas tubuh tinggi.

9. Otot terasa nyeri.

10. Nafsu makan menurun.
11. Merasa mual-mual.
12. Denyut nadi terasa lemah.
13. Merasakan ngilu.
14. Merasakan persendian membengkak.
15. Stamina terasa menurun.
16. Nyeri pada setiap persendian.
17. Merasakan ingin muntah.
18. Penglihatan terganggu bila melihat cahaya.
19. Leher dan punggung terasa kaku.
20. Sering merasa mengantuk.
21. Mudah terangsang.
2.9.3 Diagnosa
Dari gejala-gejala tersebut diatas maka kami memberikan kesimpulan diagnose sebagai
berikut:
1. Jika gejala yang timbul adalah 1,2, 3,4,5,6 dan 7 maka dia menderita Demam Berdarah
Denque.
2. Jika gejala yang timbul 1,4,8,9,10,11 dan 12 maka dia menderita Demam Penyakit Kuning.
3. Jika gejala yang timbul adalah 1,11,13,14,15,16 dan 17 maka dia menderita Chikungunya.
4. Jika gejala yang timbul 1,4,17,18,19,20 dan 21 maka dia menderita Encephalitis.
5. Jika gejala yang timbul 1,2,4,6 dan 8 maka dia menderita Malaria.
2.9.4 Pencegahan
Pencegahan yang dapat dilakukan adalah dengan menghindari gigitan nyamuk dengan
cara:
1. Menggunakan kelambu (bed net) pada waktu tidur, lebih baik lagi dengan kelambu
berinsektisida.
2. Mengolesi badan dengan obat anti gigitan nyamuk (repellent).
3. Menggunakan pembasmi nyamuk, baik bakar, semprot maupun lainnya.
4. Memasang kawat kasa pada jendela dan ventilasi.
5. Letak tempat tinggal diusahakan jauh dari kandang ternak.
6. Mencegah penderita malaria dan gigitan nyamuk agar infeksi tidak menyebar.
7. Membersihkan tempat hinggap/istirahat nyamuk dan memberantas sarang nyamuk.
8. Hindari keadaan rumah yang lembab, gelap, kotor dan pakaian yang bergantungan serta
genangan air.
9. Membunuh jentik nyamuk dengan menyemprotkan obat anti larva (bubuk abate) pada
genangan air atau menebarkan ikan atau hewan (cyclops) pemakan jentik.
10. Melestarikan hutan bakau agar nyamuk tidak berkembang biak di rawa payau sepanjang
pantai.
3. HASIL DAN PENGUJIAN
3.1. Hasil Perancangan

Saat user mengetikkan link addres aplikasi (web sistem pakar) maka akan tampil
halaman utama sistem yang outputnya seperti pada Gambar 7.
ISSN: 1978-1520
72 ISSN : 2407-4322
Link mulai diagnosa
Gambar 7. Halaman Utama Sistem Pakar
Pada halaman utama (Gambar 7), terdapat link Mulai Diagnosa yang akan
mengarahkan user menuju halaman diagnosa. Pada halaman diagnosa (Gambar 8) akan tampil
pertanyaan yang wajib dijawab oleh user dan pada saat itu pula sistem melakukan validasi kondisi
dari jawaban yang diinput user. Tombol Lanjut akan digunakan untuk melanjutkan
kepertanyaan berikutnya jika user menjawab Ya untuk pertanyaan pertama, tetapi jika user
menjawab Tidak maka secara otomatis akan tampil hasil anda hanya menderita demam
biasa.
Gambar 8. Halaman Diagnosa
Bentuk tampilan hasil dari diagnosa adalah seperti pada Gambar 9. Pada halaman ini di
munculkan jenis penyakit yang di derita lengkap dengan cara pencegahanya.
Gambar 9. Halaman Hasil Diagnosa

3.2 Pengujian Sistem

3.2.1 Rencana Pengujian
Rincian rencana pengujian sistem dengan teknik pengujian Black Box akan disebutkan
pada Tabel 1.
Tabel 1 Rencana Pengujian

Jenis
No Komponen Sistem Yang di Uji Butir Uji
Pengujian
LinkMulai Diagnosa pada
1 Mengklik link mulai diagnosa Black Box
Halaman Utama.
Memilih salah satu jawaban dari
Black Box
2 Halaman Diagnosa option
Tombol Lanjut Black Box
3 Halaman Hasil Diagnosa Tombol Ulangi Diagnosa Black Box
Untuk melakukan pengujian kami menetapkan komponen uji dengan tiga hal utama
yaitu LinkMulai Diagnosa pada fungsi yang ada pada Halaman Utama Halaman Diagnosa dan
fungsi yang ada pada Halaman Hasil Diagnosa.
3.2.2 Hasil Pengujian

Hasil pengujian akan disebutkan dalam Tabel 2.
Tabel 2 Hasil Pengujian dari Rencana Pengujian

Komponen
Hasil
No Sistem yang Skenario Uji Hasil Yang Diharapkan
Pengujian
Diuji
1 LinkMulai Mengklik link Ketika user mengklik tombol [ ] Diterima
Diagnosa pada mulai diagnosa mulai diagnosa maka sistem [ ] Ditolak
Halaman akan menampilkan halaman
Utama. Diagnosa yang berisi pertanyaan
yang harus dijawab user
2 Halaman Memilih salah satu Ketika user menjawab pertanyaan, [ ] Diterima
Diagnosa jawaban dari maka sistem akan melakukan [ ] Ditolak
option validasi seleksi tanpa adanya pesan
kesalahan.
Tombol Lanjut Ketika user menekan tombol [ ] Diterima
Lanjut, maka sistem akan [ ] Ditolak
menampilkan pertanyaan yang
berikutnya setelah sebelumnya di
validasi. Jika pertanyaan sudah
cukup untuk menjawab jenis
penyakit maka akan tampil
halaman hasil Diagnosa.
3 Halaman Hasil Tombol Ulangi Pada halaman diagnosa user dapat [ ] Diterima
Diagnosa Diagnosa menekan tombol ulangi. Jika [ ] Ditolak
tombol ulangi diklik maka sistem
akan kembali ke halaman diagnosa.
Setelah dilakukan pengujian pada LinkMulai Diagnosa pada, fungsi yang ada pada
Halaman Utama Halaman Diagnosa dan fungsi yang ada pada Halaman Hasil Diagnosa maka
ISSN: 1978-1520
74 ISSN : 2407-4322
hasil yang ditemukan adalah semua fungsi berjalan dengan baik dan untuk hasil diagnose yang
dimunculkan oleh system sudah sesuai dengan rule yang ada.
4. KESIMPULAN
Berdasarkan hasil perancangan dan pembahasan hasil yang telah diuraikan maka dapat
diambil suatu kesimpulan sebagai berikut :
1. Sistem pakar diagnosa penyakit yang disebabkan oleh nyamuk ini dirancang menggunakan
metode pemodel UML dan dibangun dengan bahasa pemrograman PHP dan menggunakan
MySQL sebagai aplikasi databasenya.
2. Hasil dari perancangan terdiri dari 3 halaman utama yakni halaman depan sebagai pintu
menuju ruang diagnosa, halaman diagnosa untuk menjawab semua pertanyaan yang
diajukan dan hasil diagnosa yang menampilkan nama penyakit dan cara pencegahanya.
3. Hasil dari sistem yang dibangun adalah sebuah sistem pakar yang mampu melakukan
diagnosa penyakit yang disebabkan oleh nyamuk dengan tingkat akurasi yang baik dan
hampir tidak ditemukan kesalahan yang ada pada tiap form komponen yang diuji.
DAFTAR PUSTAKA
[1] Arhami Muhammad, Konsep Dasar Sistem Pakar, Andi Offset, Yogyakarta, 2005.
[2] COMPUTER WAHANA, PHP Programming, Andi, Yogyakarta, 2009.
[3] Hamdani, Sistem Pakar Untuk Diagnosa Penyakit Mata Pada Manusia, 2010, Vol 5 No.2;
Hal 13.
[4] Kusrini, Aplikasi Sistem Pakar,Andi, Yogyakarta, 2008.
[5] Luther Latumakulita, Chriestie E. J. C. Montolalu, Sistem Pakar Pendiagnosa Penyakit

Ginjal, 2011, Vol 11 No.1; Hal 131.
[6] MADCOMS, Aplikasi WEB Database Dengan Dreamwaver dan PHP-MySQL, Andi,
Yogyakarta, 2011.
[7] Nugroho, Adi, 2011, Perancangan Dan Implementasi Sistem Basis Data, Andi,
Yogyakarta.
[8] Rosa, Shalahuddin M., Rekayasa Perangkat Lunak (Terstruktur dan berorientasi objek).
Modula, Bandung, 2011.
[9] Simarmata Janner, Rekayasa Perangkat Lunak, Andi, Yogyakarta, 2010

Analisis Usability pada Aplikasi Akreditasi
Prayudha Wibi Hascarya*1, Wing Wahyu Winarno2, Sudarmawan3

3
Mahasiswa Magister Teknik Informatika STMIK AMIKOM Yogyakarta
3
Dosen Magister Teknik Informatika STMIK AMIKOM Yogyakarta
e-mail: masyudha@gmail.com, 2wing@mail.ugm.ac.id, 3sudarmawan@amikom.ac.id
*1
Abstrak
Badan Akreditasi Propinsi Sekolah Menengah Daerah Istimewa Yogyakarta yang
selanjutnya disingkat dengan BAP SM DIY, saat ini web akreditasi online yang di gunakan oleh
BAP-SM DIY tersebut berbentuk Aplikasi pendaftaran online yang di sertakan menu informasi
nilai dan daftar sekolah yang telah dan akan di akreditasi . Menurut (Karnohartomo dkk, 2012)
dalam pengembangan perangkat lunak yang interaktif, terdapat dua sasaran utama yang
dijadikan parameter keberhasilan, yaitu usability dan user experience goals, maka aplikasi
tersebut harus dapat memberikan kesempatan kepada pengguna untuk menyelesaikan aktivitasnya
pada aplikasi tersebut sebaik mungkin. Analisa dalam penelitian ini menggunakan metode
PLS (Partial Least Square). Menurut Tanenhaus dkk, (2010), PLS merupakan metode analisis
yang powerfull karena tidak didasarkan pada banyak asumsi. Metode PLS mempunyai
keunggulan di antaranya, data tidak harus terdistribusi normal multivariate (indikator dengan
skala kategori, ordinal, interval sampai rasio dapat digunakan pada model yang sama) dan
ukuran sampel tidak harus besar. Berdasarkan hasil pengujian reliabilitas menunjukan bahwa
seluruh penilaian item dalam kuesioner ini reliabel, karena angka Cronbach Alpha > 0,70 dan
Composite reliability > 0,7. Perbedaan terlihat bahwa nilai cronbachs alpha dan composite
reliability paling besar adalah dari path analisis dengan intervensi. Hubungan Error dengan
Usability yaitu nilai korelasi 0,9051 yang berarti bahwa semakin tinggi error maka semakin
tinggi usability Hubungan antar variabel learnability dengan efficiency yaitu nilai korelasi
sebesar 0,1343 yang berarti bahwa semakin tinggi learnability maka semakin tinggi efisiensi.
Kata kunciUsability, Reliability, Partial Least Square
Abstract
Currently web accreditation online that is used by BAN-SM DIY is a typical
registration system online in enclose menu information of value and a list schools and will in
accreditation.According to (Karnohartomo dkk, 2012 ) to develop software interactive, there are
two main target for parameters success, namely usability and user experience goals, then the
application must be given opportunity for users to complete its activity on the application as well
as possible In this research writer using methods PLS (Least Partial Square).According to
Tanenhaus dkk, (2010), PLS is a method of analysis which powerful because not based many
assumption.Method pls have excellence are data must not normally distributed multivariate
(indicators with scales categories, ordinal, intervals until the ratio can be used on the same
model) and size samples not necessarily big. Based on the results reliability testing showed that
all the items in it 's reliable assessment the questionnaire , with the figures of cronbach alpha &
gt; 0.70 and composite reliability & gt; 0.7 .The difference it is evident that the value of cronbachs
alpha and composite reliability most are analysis of the path by intervention .Namely relations
error with usability correlation value 0,9051 which means that the higher error the higher the
relations between variables usability learnability with efficiency namely correlation value of
0,1343 which means that the higher learnability the higher efficiency.
KeywordsUsability, Reliability, Partial Least Square
ISSN: 1978-1520
76 ISSN : 2407-4322
1. PENDAHULUAN
Badan Akreditasi Propinsi Sekolah Menengah Daerah Istimewa Yogyakarta yang

selanjutnya disingkat dengan BAP SM DIY adalah badan akreditasi yang mengeluarkan sertifikat
akreditasi di indonesia pada sekolah menengah dan madrasah di indonesia, saat ini web
akreditasi online yang di gunakan oleh BAP-SM DIY tersebut berbentuk sistem pendaftaran
online yang di sertakan menu informasi nilai dan daftar sekolah yang telah dan akan di akreditasi.
Pengembangan perangkat lunak yang interaktif, terdapat dua sasaran utama yang
dijadikan parameter keberhasilan, yaitu usability dan user experience goals. Suatu aplikasi
menjadi efektif, efisien dan dapat memberikan kepuasan kepada pengguna, maka aplikasi tersebut
harus dapat memberikan kesempatan kepada pengguna untuk menyelesaikan
aktivitasnya pada aplikasi tersebut sebaik mungkin. Hal ini menunjukan erat hubungannya suatu
aplikasi dengan pengguna untuk dapat bekerja seefektif mungkin[1] [2].
Usability, kebergunaan bisa diartikan sebagai seberapa jauh suatu produk bisa
digunakan oleh pengguna yang dimaksudkan demi mencapai tujuan diharapkan dengan
efektifitas, efisiensi, dan kepuasan dalam konteks penggunaan yang diharapkan. Dari pengertian
itu usability merupakan manfaat sebuah aplikasi terhadap pengguna dalam menggunakan
aplikasi dalam menyelesaikan perkerjaannya atau mencari informasi yang diharapkan[3].
BAP SM memiliki website yang digunakan oleh sekolah menengah dan madrasah untuk
melakukan pendaftaran sebagai registrasi administrasi yang nantinya data tersebut akan diseleksi
apakah layak untuk di lakukan akreditasi atau tidak. BAP SM D.I. Yogyakarta mengharapkan
bahwa website BAP SM dilakukan evaluasi terhadap sistem akreditasi online guna melihat tingkat
manfaat dari sistem tersebut yang kemudian akan dibuat rekomendasi guna memperbaiki sistem
untuk mencapai manfaat yang di harapkan. Penelitian ini dilakukan untuk menganalisis usability
terhadap user yang mempengaruhi kepuasan pengguna ( user satisfaction) terhadap website BAP
SM D.I. Yogyakarta.
Penelitian terdahulu tentang evaluasi usability di antaranya adalah Purwani (2011) tentang
evaluasi usability situs web perpustakaan. Jenis penelitian yang digunakan adalah penelitian
kuantitatif dengan metode survei. Hasil analisis menunjukkan bahwa situs web Perpustakaan
UGM bermanfaat bagi mahasiswa, artinya tingkat usability situs web perpustakaan dinilai baik.
Faktor effectiviness dan efficiency berpengaruh signifikan terhadap usability situs web
Perpustakaan. Sedangkan faktor satisfaction tidak berpengaruh signifikan terhadap usability situs
web perpustakaan. Artinya tingkat satisfaction menggunakan situs web perpustakaan, tidak
mempengaruhi secara nyata terhadap tingkat usability-nya[4].
Munaisech (2012) tentang Pengujian Web Aplikasi DSS Berdasarkan Pada Aspek
Usability. Penelitian ini melakukan pengujian kebergunaan terhadap perangkat lunak aplikasi
tersebut dengan menggunakan metode kuisioner berdasarkan pengamatan terhadap kelima aspek
usability yaitu learnability, efficiency, memorability, errors dan satisfaction. Hasil
evaluasi/pengujian menunjukkan bahwa nilai penerimaan usability oleh user berada di atas angka
3 (diatas nilai tengah) dalam skala 5 atau memiliki nilai rata-rata 4. Secara umum, perangkat lunak
aplikasi web yang sudah dibuat telah memenuhi kelima aspek usability tersebut dengan nilai
usability yang baik sehingga dapat diterapkan sebagai sistem yang akan dioperasikan oleh
pengguna [5].
Mosche dkk (2006),User satisfaction from commercial web sites: The effect of design and
use, penelitian ini Secara empiris menyelidiki efek dari desain berbasis pengguna dan kegunaan 4
situs yang di dasarkan pada kepuasan pengguna antara lain: online shopping, customer self-
service, trading, dan publish/subscribe. Untuk tujuan ini, dikumpulkan kuesioner berdasarkan
laporan instrumen untuk mengukur kepuasan pengguna, kegunaan dan desain berbasis pengguna.
359 responden digunakan untuk menilai 20 koleksi situs Web komersial yang populer. Data yang
dikumpulkan dianalisis untuk menguji hipotesis pada empat hubungan antara atribut yang di
analisa. Atribut situs Web juga diplot pada peta persepsi bi-dimensi untuk memvisualisasikan

interaksi mereka. Dua teknik menghasilkan hasil yang sama, yaitu situs perdagangan yang dinilai.
Temuan ini sangat berguna untuk perancang situs Web Electronic Commerce dan dapat
membantu dalam fase pembangunan dan pemeliharaan situs Web [6]
Muncul permasalahan yang perlu di teliti yang akan diteliti pada penelitian ini yaitu: 1.
hubungan antara 5 variabel exogen dengan 1 variabel endogen, 2. faktor usability yaitu faktor user
satisfaction berpengaruh terhadap sistem, 3. Rekomendasi terhadap pengelola.
Penelitian ini untuk mengetahui manfaaat ( usability) pada suatu aplikasi. Dilihat dari
permasalahan yang diteliti yaitu mencari hubungan antara faktor usabilitty dan Apakah dari
beberapa faktor usability ada faktor yang paling berpengaruh terhadap sistem.
Menurut Hasibuan (2007) Action research merupakan penelitian yang berfokus
langsung pada tindakan sosial. Empowering ada peneliti yang terjun langsung ke daerah
penelitian karena tidak bisa disurvei. Dengan memahami dan mencatat pola-pola yang ada.
Secara metodologis tidak kuat. Ada bentuk riset lain mungkin secara metodologi tidak
kuat tapi ada knowladge yang bisa digali dari situ. Action research atau penelitian tindakan
merupakan salah satu bentuk rancangan penelitian, dalam penelitian tindakan peneliti
mendeskripsikan, menginterpretasi dan menjelaskan suatu situasi sosial pada waktu yang
bersamaan dengan melakukan perubahan atau intervensi dengan tujuan perbaikan atau partisipasi.
Action research dalam pandangan tradisional adalah suatu kerangka penelitian pemecahan
masalah, dimana terjadi kolaborasi antara peneliti dengan client dalam mencapai tujuan.
Uraian diatas menunjukan bahwa penelitian ini merupakan penelitian Action Research[7].
2.1 Bahan dan Alat Penelitian

Jenis data yang digunakan dalam penelitian ini adalah:
a. Data Primer yaitu kuesioner tertutup dan observasi terhadap user dalam hal ini 5
faktor usability antara lain learnbility, memoribility, satisfaction, efficiency dan eror
sebagai variabel nya
b. Data Sekunder yaitu data pendukung dalam penelitian ini yaitu kepustakaan. Alat
penelitian: adalah Notebook yang di gunakan untuk menggunakan analisis data
menggunakan PLS
2.2 Sample Penelitian

Populasi adalah kelompok atau kumpulan individu-individu atau obyek penelitian yang
memiliki standar-standar tertentu dari ciri-ciri yang telah ditetapkan sebelumnya sedangkan
sampel adalah sebagian dari seluruh elemen-elemen atau individu-individu yang terdapat pada
populasi dalam penelitian ini yaitu guru masing-masing jurusan yang menginputkan data karena
dalam SMK yang di akreditasi yaitu jurusan nya bukan institusi nya. Teknik pengambilan sampel
yang digunakan dalam penelitian ini dilakukan dengan quote sampling. metode pengambilan
sampel dengan cara sensus yaitu keseluruhan jumlah populasi akan dijadikan sampel, jumlah
responden dalam penelitian ini yaitu 100 responden.
2.3 Metode Analisis Data

Data yang diperoleh melalui studi pustaka maupun lapangan kemudian di olah agar dapat
diperoleh hasil yang akan digunakan dalam penelitian ini. Analisis data merupakan salah satu
proses penelitian yang dilakukan setelah semua data yang diperlukan guna memecahkan
permasalahan yang diteliti sudah diperoleh secara lengkap. Ketajaman dan ketepatan dalam
penggunaan alat analisis sangat menentukan keakuratan pengambilan kesimpulan, karena itu
kegiatan analisis data merupakan kegiatan yang tidak dapat diabaikan begitu saja dalam proses
ISSN: 1978-1520
78 ISSN : 2407-4322
penelitian. Kesalahan dalam menentukan alat analisis dapat berakibat fatal terhadap kesimpulan
yang dihasilkan dan hal ini akan berdampak lebih buruk lagi terhadap penggunaan dan
penerapan hasil penelitian tersebut. Dengan demikian, pengetahuan dan pemahaman tentang
berbagai teknik analisis mutlak diperlukan bagi seorang peneliti agar hasil penelitiannya mampu
memberikan kontribusi yang berarti bagi pemecahan masalah sekaligus hasil tersebut dapat
dipertanggungjawabkan secara ilmiah.
Teknik analisis data terbagi ke dalam dua bagian, yakni analisis kuantitatif dan
kualitatif. Yang membedakan kedua teknik tersebut hanya terletak pada jenis datanya. Untuk data
yang bersifat kualitatif (tidak dapat diangkakan) maka analisis yang digunakan adalah analisis
kualitatif, sedangkan terhadap data yang dapat dikuantifikasikan dapat dianalisis secara kuantitatif,
bahkan dapat pula dianalisis secara kualitatif.
Menurut Tanenhaus dkk, (2005), PLS merupakan metode analisis yang powerful oleh
karena tidak didasarkan banyak asumsi . Metode PLS mempunyai keunggulan diantaranya, data
tidak harus terdistribusi normal multivariate (indikator dengan skala kategori, ordinal, interval
sampai rasio dapat digunakan pada model yang sama) dan ukuran sampel tidak harus besar.
Metode PLStersebut digunakan untuk menguji pola hubungan 5 variabel exogen yaitu
learnability, memorybility, satisfaction, error, satisfaction dan efficiency dalam satu variabel
endogen yaitu Usability [8]. Penelitian ini menggunakan metode PLS (Partial Least Square). Alur
Penelitian pada penelitian ini di bagi menjadi 4 bagian menurut metode action research yaitu
planning, observation, action dan reflection dapat di jelaskan dalam Gambar 1.

ISSN: 1978-1520
80 ISSN : 2407-4322
3.1 Gambaran Objek Penelitian

Sistem pendaftaran online akreditasi Sekolah dan Madrasah merupakan sarana
teknologi informasi yang dibuat guna membantu dalam mempermudah user dalam hal ini yaitu
jurusan. Pelaksanaan akreditasi sekolah/madrasah menggunakan kriteria dan perangkat
akreditasi yang mengacu pada delapan komponen Standar Nasional Pendidikan baik untuk satuan
pendidikan SD/MI (Permendiknas Nomor 11 Tahun 2009), SMP/MTs (Permendiknas Nomor 12
Tahun 2009), SMK/MAK (Permendiknas Nomor 13 Tahun 2009), maupun SMA/MA
(Permendiknas Nomor 52 Tahun 2008).
Dengan menggunakan instrumen akreditasi yang komprehensif, hasil akreditasi
diharapkan dapat memetakan secara utuh profil sekolah/madrasah. Proses akreditasi
sekolah/madrasah berfungsi untuk hal-hal berikut:
1. Pengetahuan, yaitu sebagai informasi bagi semua pihak tentang kelayakan sekolah/madrasah
dilihat dari berbagai unsur terkait yang mengacu pada standar nasional pendidikan
beserta indikator-indikatornya.
2. Akuntabilitas, yaitu sebagai bentuk pertanggungjawaban sekolah/madrasah kepada publik,
apakah layanan yang dilakukan dan diberikan oleh sekolah/ madrasah telah memenuhi
harapan atau keinginan masyarakat.
3. Pembinaan dan pengembangan, yaitu sebagai dasar bagi sekolah/madrasah, pemerintah, dan
masyarakat dalam upaya peningkatan atau pengembangan mutu sekolah/madrasah.
Syarat untuk dapat mendaftarkan online yaitu selain satuan pendidikan mengajukan
permohonan secara online sesuai dengan jadwal. Satuan pendidikan yang akan melakukan
pengajuan harus memenuhi persyaratan sebagai berikut:
1. Memiliki surat Keputusan Pendirian/Operasional yang masih berlaku.
2. Memiliki peserta didik pada semua tingkatan kelas.
3. Memiliki sarana dan prasarana pendidikan.
4. Memiliki pendidik dan tenaga kependidikan.
5. Melaksanakan kurikulum nasional yang berlaku.
6. Telah menamatkan peserta didik.
3.2 Uji validitas dan Reliabilitas

3.2.1 Uji validitas Model Awal dan dengan Intervensi
Uji validitas dilakukan terhadap 72 responden sebagai data penelitian. Setiap item
pertanyaan dinyatakan valid jika memiliki nilai faktor loadings antara > 0,7 atau AVE > 0,50.
Dengan menggunakan bantuan program smart PLS, hasil pengujian validitas dapat dirangkum
pada tabel-tabel berikut dengan 2 analisis garis/path analysis, yaitu:
1. Path Analysis model awal (antar variabel tidak dihubungkan)
Yaitu path/garis variabel independent ke variabel dependent saja tanpa adanya
path/garis antar variabel. Gambar 2 merupakan gambar path analysis model awal (tanpa
garis antar variabel) dengan indikator tidak valid.

Gambar 2. Path Analysis Model Awal (antar variabel tidak dihubungkan)
Gambar 2 menggambarkan path analysis model awal dengan indikator tidak valid
yang merupakan model struktural diagram alur model awal dari hasil pengolahan data
awal. Gambar tersebut menunjukkan bahwa konstruk efficiency diukur dengan 5 buah
indikator yaitu eff1, eff2, eff3, eff4, eff5. Demikian juga konstruk error diukur dengan 6
buah indikator yaitu err1, err2, err3, err4, err5, err6, konstruk learnability diukur dengan 6
buah indikator yaitu lea1, lea2, lea3, lea4, lea5, lea6, dan konstruk memorability diukur
dengan 3 indikator yaitu mem1, mem2, mem3, serta konstruk satisfaction diukur dengan 5
buah indikator yaitu sat1, sat2, sat3,sat4, sat5, ke variabel dependent yaitu kostruk
usability terdiri dari usa1, usa2, usa3, usa4 dan usa5. Gambar 2 path analysis model awal
dikurangi 5 indikator yang tidak valid.
Gambar 3. Path Analysis Model Awal dengan Indikator yang Valid
Gambar 3 menunjukkan bahwa path analysis model awal dengan 5 indikator yang
valid telah hilang yaitu indikator lea6, eff3, sat3, err1, err2 dan err3, karena di model awal
terdapat 5 indikator yang tidak valid, maka peneliti mengulang kembali path analysis
dengan intervensi yaitu memberikan panah yang menghubungkan antar variabel (dilakukan
intervensi). Menurut Tuckman (dalam Sugiyono, 2007),Variabel intervening adalah
ISSN: 1978-1520
82 ISSN : 2407-4322
variabel yang secara teoritis mempengaruhi hubungan antara variabel independent

dengan dependen menjadi hubungan yang tidak langsung dan tidak dapat diamati dan
diukur. [9]
2. Path Analysis dengan intervensi

Dalam indikator ada saling keterkaitan antar variabel maka di uji untuk dimediasi,
berikut adalah Gambar 4 merupakan gambar path analysis dengan intervensi (panah antar
variabel eksogen) dengan indikator tidak valid.
Gambar 4. Path Analysis Intervensi dengan Indikator Tidak valid
Berdasarkan hasil validitas path analysis dengan intervensi kemudian dibuat diagram
baru dengan menghilangkan indikator-indikator yang tidak valid. Setelah masing-masing
indikator yang tidak valid dihilangkan maka diperoleh hasil diagram alur yang merupakan
gambar path analysis dengan intervensi (panah antar variabel eksogen) dengan indikator valid.
Gambar 5. Path Analysis Intervensi dengan Indikator Tidak valid

Dari hasil olah data yang telah dilakukan maka diperoleh 6 variable dan 27 indikator
yang valid yang akan digunakan dalam penelitian ini. Penjelasan indikator tentang valid dan
tidak valid , menggunakan path analysis dengan intervensi maka terdapat perbedaan hasil
validitas dengan path analysis model awal yaitu sebelumnya 5 indikator yang tidak valid
kemudian menjadi 3 indikator yang tidak valid sehingga dianggap gugur dan tidak digunakan
dalam penelitian ini yaitu indikator Err1, Err2, dan Sat3.
3.2.2 Uji Reliabilitas Model Awal dan Dengan Intervensi

Suatu butir pertanyaan dapat dikatakan reliabel manakala nilai koefisien alfa lebih besar
atau sama dengan 0,6. Hasil pengujian reliabilitas ditunjukkan 2 path analysis model awal dan
path analysis dengan intervensi yaitu pada Tabel 1.
Tabel 1 Hasil Uji Reliabilitas Model Awal dan dengan Intervensi
Sumber : Report 23 Agustus 2014 (PLS: Cronbach Alpha dan Composite Reliability).
Berdasarkan hasil pengujian reliabilitas seperti tampak pada Tabel 1 menunjukkan bahwa
seluruh penilaian item dalam kuesioner ini reliabel, karena angka Cronbach Alpha > 0,70
dan Composite reliability > 0,7. Perbedaan terlihat bahwa nilai cronbachs alpha dan
composite reliability paling besar adalah dari path analisis dengan intervensi. Dari hasil validitas
dan reliabilitas path analysis model awal dan intervensi, selanjutnya peneliti memutuskan
bahwa dalam melakukan analisis data selanjutnya menggunakan path analysis dengan
intervensi.
3.3 Hasil Analisis

Berdasarkan path analysis dan pengolahan data dengan intervensi yang telah
dilakukan, maka diperoleh hasil-hasil analisis sebagai berikut antara lain:
3.3.1 Hubungan Antara Faktor-Faktor Usability

Hubungan / korelasi antara faktor-faktor usability diantaranya adalah efficiecy,
error, learnability, memorability, satisfaction adalah merupakan validitas diskriminasi
hubungan dengan prinsip bahwa pengukuran-pengukuran konstruk yang berbeda seharusnya
tidak berkorelasi dengan tinggi. Uji validitas diskriminasi berdasarkan cross loadings
pengukuran dengan konstruknya, hal ini bertujuan untuk menentukan bahwa suatu sistem
pertanyaan membentuk konstruk dengan benar sehingga item pertanyaan termuat dengan skor
yang tinggi di konstruk tersebut dan tidak boleh termuat lebih tinggi di konstruk lain.
Model yang digunakan untuk menilai validitas diskriminan adalah dengan membadingkan akar
AVE suatu konstruk seharusnya lebih tinggi dibandingkan dengan korelasi antar variabel laten
tersebut atau dengan melihat cross loading [10]. Korelasi antar variabel laten pada penelitian ini
dapat dilihat pada Tabel 2.
ISSN: 1978-1520
84 ISSN : 2407-4322
Tabel 2 Korelasi Antar Faktor/Antar Konstruk dengan Intervensi
Sumber : Report 23 Agustus 2014 (PLS: Latent Variable Correlations).
Berdasarkan T abel 2 dapat dilihat bahwa terdapat hubungan antar variabel yang
relatif tinggi ke rendah yang menjelaskan bahwa masing-masing variabel berpengaruh.
Penjelasan secara berturut-turut dari nilai korelasi adalah sebagai berikut:
1. Hubungan adalah Error dengan Usability yaitu nilai korelasi 0,9051 yang berarti bahwa
semakin tinggi error (dari sudut pandang user telah menjelaskan kemungkinan
terjadinya error atau kesalahan yang dilakukan oleh pengguna dan seberapa mudah mereka
dapat mengatasinya), maka semakin tinggi usability (kemudahan dalam kebergunaan).
2. Hubungan antar variabel learnability dengan efficiency yaitu nilai korelasi sebesar
0,1343 yang berarti bahwa semakin tinggi learnability (tingkat kemudahan sistem untuk
dipelajari), maka semakin tinggi efisiensi (efisien kebutuhan sumber daya, seperti
usaha, waktu dan biaya).
3.3.2 Analisis Faktor Usability Yang Berpengaruh Terhadap Sistem

Dalam analisis faktor usability yang terdiri dari efficiency, error, learnbility, memorability
dan satisfaction yang berpengaruh terhadap sistem dilakukan menggunakan uji t. Uji t digunakan
untuk mengetahui pengaruh suatu variabel secara individu dalam menerangkan variasi variabel
dependen. Uji t dilakukan pada tingkat signifikan 95% sebesar 1,645. Hipotesis dapat diterima
jika t-hitung lebih besar dari t-tabel. Apabila nilai t-hitung lebih besar dari t-tabel maka
pengaruh antara konstruk yang satu dengan konstruk yang lain adalah signifikan dan sebaliknya
apabila nilai t-statistik lebih kecil dari nilai t-tabel maka pengaruh antara konstruk yang satu
dengan konstruk yang lain adalah tidak signifikan. Hasil uji t pada penelitian ini dijelaskan pada
Tabel 3.
Tabel 3 Uji t
Sumber : Report 23 Agustus 2014 (Bootstrapping).

Pengujian ini merupakan pengujian one tale, oleh karena itu untuk melihat arah
hubungan antara konstruk laten dapat dilihat dari nilai koefisien jalur yang terbentuk. Jika
koefisien jalur yang terbentuk menghasilkan nilai positif maka menunjukkan bahwa arah
hubungan yang dibangun antar konstruk adalah positif, sebaliknya jika nilai koefisien jalur
negative maka hubungan antara konstruk yang terbentuk adalah negatif. Nilai koefisien jalur
pada penelitian ini dapat dilihat pada Tabel 4.
Tabel 4 Nilai Koefisien Jalur
Sumber : Report 23 Agustus 2014 (PLS: Path Coefficients).
Dari Tabel 4 dapat dilihat bahwa semua hubungan antar konstruk pada penelitian ini
memiliki pengaruh positif. Berdasarkan hasil uji t dan nilai koefisien jalur yang dihasilkan dari
pengolahan data maka hasil pengujian dari masing-masing konstruk/faktor adalah sebagai
berikut:
1. Faktor Efficiency berpengaruh positif terhadap Usability
Hasil pengujian hipotesis seperti disajikan pada Tabel 4 menunjukkan bahwa nilai t-
statistik untuk menilai pengaruh efficiency terhadap usability adalah sebesar 3,0060, lebih
besar dibanding nilai t-tabel dengan tingkat kepercayaan 95%. Hal ini menunjukkan bahwa
efficiency berpengaruh secara signifikan terhadap usability. Sementara pengujian koefisien
jalur menunjukkan nilai koefisien jalur yang positif, hal ini berarti terdapat korelasi positif
antara konstruk efficiency dengan usability.
2. Faktor Error berpengaruh positif terhadap Usability
statistik untuk menilai pengaruh error terhadap Usability adalah sebesar 7,5978, lebih kecil
dibanding nilai t-tabel dengan tingkat kepercayaan 95%. Hal ini menunjukkan bahwa error
berpengaruh secara signifikan terhadap Usability. Sementara pengujian koefisien jalur
menunjukkan nilai koefisien jalur yang positif, hal ini berarti terdapat korelasi positif antara
konstruk error dengan Usability.
3. Faktor Learnability berpengaruh positif terhadap Usability
statistik untuk menilai pengaruh learnability terhadap Usability adalah sebesar 2,0218,
lebih besar dibanding nilai t-tabel dengan tingkat kepercayaan 95%. Hal ini menunjukkan
bahwa learnability berpengaruh secara signifikan terhadap usability. Sementara pengujian
koefisien jalur menunjukkan nilai koefisien jalur yang positif, hal ini berarti terdapat
ISSN: 1978-1520
86 ISSN : 2407-4322
korelasi positif antara konstruk learnability dengan usability.

4. Faktor Memorability berpengaruh positif terhadap Usability
statistik untuk menilai pengaruh Memorability terhadap Usability adalah sebesar 4,1435,
lebih besar dibanding nilai t-tabel dengan tingkat kepercayaan 95%. Hal ini menunjukkan
bahwa Memorability berpengaruh secara signifikan terhadap Usability. Sementara
pengujian koefisien jalur menunjukkan nilai koefisien jalur yang positif, hal ini berarti
terdapat korelasi positif antara konstruk Memorability dengan Usability.
5. Faktor Satisfaction berpengaruh positif terhadap Usability
statistik untuk menilai pengaruh Satisfaction terhadap Usability adalah sebesar
0,2076, lebih kecil dibanding nilai t-tabel dengan tingkat kepercayaan 95%. Hal ini
menunjukkan bahwa satisfaction berpengaruh tidak signifikan terhadap usability.
Sementara pengujian koefisien jalur menunjukkan nilai koefisien jalur yang positif,
hal ini berarti terdapat korelasi positif antara konstruk satisfaction dengan usability tetapi
tidak signifikan.
Dari penjelasan diatas dapat diketahui bahwa ada beberapa faktor usability yang paling
berpengaruh terhadap website BAP SM DIY yaitu faktor error, memorability, efficiency,
learnability dan satisfaction.
4. KESIMPULAN
Penelitian ini dilakukan untuk mengukur tingkat usability pada sistem pendaftaran
online Badan Akreditasi Provinsi Sekolah Menengah berdasarkan hasil analisis dan penelitian
yang telah dilakukan maka dapat diambil kesimpulan sebagai berikut:
1. Hubungan antara faktor-faktor usability yaitu learnability, memorability, efficiency, error,
satisfaction terhadap aplikasi pendaftaran BAP SM D.I. Yogyakarta adalah dari yang
paling tinggi ke yang rendah secara berturut-turut yaitu error, memorability,
satisfaction, efficiency, dan learnability.
2. Beberapa faktor usability, faktor user satisfaction berpengaruh terhadap sistem tetapi yang
paling berpengaruh adalah faktor error karena dalam website BAP SM DIY masih
terdapat error yang harus diperbaiki sehingga jika beberapa error diperbaiki, maka faktor
usability menjadi lebih meningkat karena tidak adanya error dalam website tersebut
sehingga user menjadi puas.
3. Rekomendasi terhadap pengelola website akreditasi BAN-SM D.I. Yogyakarta adalah
perbaikan akses informasi meminimalkan terjadinya error dalam akses, perbaikan alur
pendaftaran dengan memasukan nilai instrumen secara otomatis melalui input database,
perbaikan struktur menu agar lebih mudah dalam mengoperasikan sistem tersebut dan
perbaikan terhadap interface aplikasi agar aplikasi dapat lebih nyaman digunakan.
5. SARAN
Saran yang dapat diberikan sebagai tindak lanjut penelitian adalah sebagai berikut:
1. Hasil dari penelitian ini adalah berupa rekomendasi yang digunakan sebagai acuan dalam
memperbaiki website BAP SM DIY khususnya bagian pendaftaran online. Diharapkan
pihak BAN SM DIY untuk melakukan penerapan dan pengimplementasian terhadap hasil
dari penelitian ini.
2. Jika website BAP SM DIY telah diperbaiki maka diharapkan terdapat penelitian selanjutnya
dengan sampel yang lebih besar lagi dari berbagai sekolah dibeda propinsi.

3. Penelitian selanjutnya dapat dilakukan pada sistem online tersebut, sehingga dari penelitian
ini kemudian dapat dilakukan analisis sistem yang lebih terperinci.
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih yang sebesar-besarnya kepada STMIK AMIKOM

Yogyakarta khususnya Program Pascasarjana Magister Teknik Informatika MTI STMIK
AMIKOM Yogyakarta yang telah memberikan ilmu dan kesempatan dalam menyelesaikan
penelitian ini.
DAFTAR PUSTAKA
[1] Karnohartomo Imam Prabowo et al., 2012, Impementasi User Centered Design Melalui
Pembangunan Aplikasi yang Memanfaatkan Animasi Studi Kasus : Personalisasi Produk,
Jurnal Sarjana Institut Teknologi Bandung Bidang Teknik Elekto dan Informatika
Volume 1, Number 2, Juli 2012
[2] Mardiati, Aji Siti. 2013. Pelayanan Publik Berbasis Sistem Informasi Akademik di
Fakultas Ilmu Sosial dan Ilmu Politik Universitas Mulawarman. Ejournal ilmu
pemerintahan,Vol.1, No.2
[3] Anonim, di akses tanggal 12-06-2014, ISO 9241-11 usability, http://www.hitech-

projects.com/euprojects/nomadic-media/public/Results%20and
%20publications/papers/using_the_iso924111_definition_sept2004.pdf
[4] Istiana Purwani, 2011, Evaluasi Usability Situs Web Perpustakaan, Visi Pustaka, Vol.
13 No. 3 Desember 2011
[5] Munaisech, C. P. C, 2012, Pengujian Web Aplikasi Berdasarkan Pada Aspek

Usability, Orbith VOL. 8 No. 2 Juli 2012
[6] Mosche, et al., 2006, User satisfaction from comercial website: the effect of design and use,
[7] Hasibuan, Zainal A. 2007 Metodologi penelitian pada bidang Ilmu Komputer dan
Teknologi informasi, Fakultaas Ilmu Komputer UI, hal 79
[8] Tanenhaus,M,et al.,, 2005 PLS Path Modeling Computational Statistic & Data Analisys,
48;159-205
[9] Sugiyono. 2007. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung: Alfabeta
[10] Jogiyanto, H.M; Willy, A. 2009. Konsep dan Aplikasi PLS (Partial Least Square)
u ntuk Penelitian Empiris. BPFE Fakultas Ekonomika dan Bisnis UGM. Yogyakarta
ISSN: 1978-1520
88 ISSN : 2407-4322
Analisis dan Perancangan Sistem Informasi Akademik

(Studi Kasus SMA Negeri 1 Talang Kelapa Palembang)
Azhar Irfandi*1, Okta Liansyah2, Ervi Cofriyanti3, Hermawan4

1,2
STMIK GI MDP; Jl. Rajawali No. 14 Palembang, Telp: (0711) 376400, Fax: (0711) 376360
3
Program Study Sistem Informasi, STMIK GI MDP, Palembang
e-mail: *1irvanhellboy@gmail.com, 2oktaliansyah@gmail.com, 3ervi@mdp.ac.id,
4
hermawan@mdp.ac.id
Abstrak
Sistem informasi akademik merupakan suatu sistem yang memberikan layanan berupa
data akademik. Dalam hal ini, penulis mengambil SMA Negeri 1 Talang Kelapa sebagai
tempat penelitian, karena sistem informasi akademik yang ada di sekolah tersebut belum
terkelola dengan baik, sehingga sulit dalam pelaksanaan aktifitas-aktifitas akademik yang ada,
seperti sulitnya penentuan kriteria siswa kelas X yang layak masuk jurusan IPA atau IPS,
proses pencarian data siswa data guru yang masih membutuhkan waktu yang cukup lama
sehingga informasi sulit diperoleh dengan cepat, bentuk penyimpanan arsip yang masih banyak
membutuhkan lemari arsip, sulitnya wali murid mengetahui bahwa anaknya hadir atau tidak di
sekolah, serta sulitnya mendapatkan informasi tentang alumni siswa dan memberikan informasi
pengumuman kepada alumni berupa undangan, misalnya undangan acara reuni SMA.
Berdasarkan alasan tersebut, penulis mengembangkan sebuah sistem informasi akademik yang
terkomputerisasi untuk membantu menyelesaikan beberapa masalah akademik yang terjadi.
Metodologi pengembangan menggunakan metodologi SDLC model RAD (Rapid Application
Development) yang memiliki 4 fase yaitu fase kebutuhan dengan melakukan observasi,
wawancara dan studi literatur, fase perancangan dengan membuat pemodelan data dan proses,
perancangan basis data dan perancangan antar muka, fase konstruksi dengan membuat kode-
kode program dan fase pelaksanaan yang memberikan hasil dari pengujian dan pengenalan
sistem yang telah diselesaikan. Dengan adanya sistem informasi akademik yang penulis
kembangkan dapat membantu proses akademik SMA Negeri 1 Talang Kelapa khususnya untuk
mewujukan visi sekolah yang telah ditetapkan.
.
Kata kunciSistem Informasi Akademik, Metodologi RAD, SMA Negeri 1 Talang Kelapa
Abstract
Academic information system is a system that provides services such as academic data. In this
study, authors take SMA Negeri 1 Talang Kelapa as a research site, because the academic
information system at the school has not been managed well,so that it is difficult in
implementing the existing academic activities, such as the difficulty of determining the
properness criteria for tenth grade students in filtering major social science (IPS) or natural
science (IPA), the searching process of student and teacher data still needs a lot of time,
consequently the information is difficult to be access quickly, the archival storage need a lot
of file cabinet, the student parents are still difficult to know whether their children are present
or not, and also the difficulty for seeking information about the student alumni and giving an
announcement for the alumni such as high school reunion invitation. Based on those reasons,
authors develop a computerized academic information system to resolve the academic
problems. The methodology in developing this system is using Rapid Application Development

Methodology. This methodology has four phases namely requirement phases, in this phase,
authors do the observations, interviews and literature study. Second, the design phase, in this
phase authors make the data and process model, database design and interface design. The
third one, construction phase, in the this phase authors make program codes and the last,
implementation phase. in the result of system testing is installed and socialized in the school. By
implementation the academic information system, it can help the academic business process in
SMA Negeri 1 Talang Kelapa, especially for actualizing the school vision.
KeywordsAcademic Information System, RAD Methodology, SMA Negeri 1 Talang Kelapa
1. PENDAHULUAN
Perkembangan teknologi informasi telah banyak memberikan kontribusi yang nyata

bagi kemajuan di bidang usaha atau instansi. Informasi merupakan sesuatu yang sangat
dibutuhkan oleh manusia, karena dengan informasi seseorang akan mengetahui apa saja yang
sedang terjadi di sekitarnya. Juga dengan informasi seseorang akan mampu mengambil langkah-
langkah apa saja dalam hal pengambilan keputusan.
Di era globalisasi ini diharapkan bisa mengikuti perkembangan ilmu pengetahuan
dalam bidang teknologi informasi untuk menunjang proses belajar mengajar dan proses-proses
lainnya agar bisa menghasilkan lulusan yang berkualitas dengan memanfaatkan teknologi
komputer untuk melakukan proses pengolahan data ataupun dalam penyajian informasi secara
cepat, tepat, akurat dan berkualitas. Pengolahan data yang sudah menggunakan komputer
namun belum menggunakan sistem menyebabkan beberapa permasalahan dan kendala
diantaranya yaitu pengolahan data guru, data siswa, data nilai, data absen guru, absen siswa dan
data alumni yang memakan banyak waktu di setiap pengolahannya, informasi yang dihasilkan
berupa laporan data guru dan siswa, laporan nilai siswa, laporan data alumni yang ditujukan
untuk kepala sekolah masih kurang akurat karena sering terjadi kesalahan. Sehingga diperlukan
sistem informasi akademik yang memiliki arti sistem yang mengelola semua aktifitas yang
berkaitan dengan kegiatan akademis, seperti proses pembelajaran, ujian, nilai, pengelolaan data
siswa dan guru, kelulusan dan alumni.
Dalam dunia pendidikan, sistem komputer sangat diperlukan untuk membantu dalam
mengolah data seperti pengolahan data akademik. Adapun beberapa aktivitas yang dilakukan di
SMA Negeri 1Talang Kelapa yaitu diantaranya proses pengolahan data absensi guru dan siswa,
proses pengolahan data siswa dan guru misalnya proses pencarian data siswa dan data guru
membutuhkan waktu yang cukup lama sehingga sulit mendapatkan informasi dengan cepat,
proses pembuatan jadwal mengajar guru, proses pembagian kelas IPA dan IPS, proses
pengolahan nilai akhir siswa yang masih berbentuk dokumen yang diarsipkan, proses
pengolahan data alumni yang masih bersifat dokumen sehingga sulit untuk mendapatkan
informasi data alumni secara cepat dan sulitnya pihak sekolah untuk memberikan pengumuman
untuk para alumni misalnya undangan acara reuni dan proses pembuatan laporan-laporan
akademik untuk kepala sekolah dan laporan kehadiran siswa untuk wali murid, karena selama
ini tidak ada pemberian informasi kehadiran anaknya disekolah kurang dari persentase
kehadiran yang ditetapkan oleh pihak sekolah. Akan tetapi proses pengolahan yang telah
disebutkan di atas, dalam proses pengolahan dan penginputan data dilakukan dengan dicatat
dalam buku induk berupa arsip-arsip, sehingga sering terjadi keterlambatan dan ketidakakuratan
dalam proses pengolahan data akademik yang akan berpengaruh pada pengambilan keputusan,
pengendalian, serta pengolahan data siswa yang ada di sekolah. Berdasarkan sistem informasi
akademik yang sudah pernah ada diterapkan disekolah lain kami mengambil sebagai acuan dan
mengembangkan lebih baik dengan vitur tambahan.
Berdasarkan penguraian di atas penulis ingin merancang suatu sistem informasi
ISSN: 1978-1520
90 ISSN : 2407-4322
akademik yang diharapkan dapat membantu proses sistem pembelajaran pada SMA Negeri 1
Talang Kelapa. Sebagai dasar acuan pengembangan sistem informasi akademik, penulis
merujuk ke penelitian-penelitian sebelumnya seperti [1], dan [2]. Pada sistem informasi yang
akan dibangun ditambahkan fitur baru berupa sms gateway seperti [1] dan [2] yang bisa
membantu memberikan informasi secara langsung kepada wali murid mengenai nilai akademik
dan presensi siswa. Tetapi selain itu pada rancangan sistem informasi akademik ini akan
ditambahkan juga sms gateway untuk alumni.
2.1 Metodologi
Metodologi yang digunakan penulis dalam pengembangan sistem ini adalah metodologi
RAD (Rapid Application Development) adalah model proses pengembangan perangkat lunak
yang bersifat inkremental terutama untuk waktu pekerjaan yang pendek. Model RAD adalah
adaptasi dari model air terjun versi kecepatan tinggi dengan menggunakan model air terjun
untuk pengembangan setiap komponen perangkat lunak[3]. Berdasarkan pendapat tersebut
melihat sistem yang akan penulis kembangkan mempunyai lingkup yang tidak terlalu besar dan
waktu penyelesaian sistem juga relatif singkat maka metodologi yang tepat untuk
mengembangkan sistem ini adalah dengan menggunakan Metodologi RAD [3].
Tahapan dalam pengembangan sistem menggunakan model RAD antara lain [4]:
1. Fase Perencanaan Syarat-syarat
Fase ini merupakan fase dimana pengembang harus dapat memutuskan fungsi-fungsi apa
yang harus diterapkan dalam pengembangan aplikasi serta pengembang sistem harus dapat
mencari informasi untuk memenuhi kebutuhan aplikasi yang dibangun.
2. Fase Perancangan Pengguna
Fase ini merupakan fase yang membahas desain non teknis dari sistem dengan bimbingan
penganalisis.
3. Fase Konstruksi
Fase konstruksi merupakan fase yang berasal dari fase sebelumnya kemudian ditingkatkan
dengan menggunakan perangkat PAC (Pembuatan Aplikasi Cepat) dalam hal ini
merancang pemrograman yang dimana ketika fungsi yang baru tersedia, dapat ditunjukkan
kepada pengguna untuk mendapatkan interaksi, komentar dan revisi.
4. Fase Pelaksanaan
Fase pelaksanaan merupakan tahapan untuk pengujian sistem yang telah dibuat, pelatihan
pengguna berdasarkan prosedur-prosedur yang telah ada [4]
2.2 Analisis Permasalahan

Diagram Ishikawa merupakan sebuah alat grafis yang digunakan untuk mengidentifikasi,
mengeskplorisasi dan menggambarkan suatu masalah sebab akibat dari masalah itu[5].
Berdasarkan dari prosedur sistem yang berjalan pada kegiatan akademik SMA Negeri 1
Talang Kelapa, maka dapat diidentifikasikan beberapa masalah yang akan diuraikan dengan
menggunakan diagram fishbone.
Gambar 1 menunjukan salah satu hasil identifikasi permasalahan dengan diagram
fishbone yaitu penentuan jurusan siswa yang lama. Penentuan jurusan siswa yang lama
dipengaruhi oleh beberapa faktor penyebab antara lain:
1. Faktor metode : perhitungan nilai rata-rata jurusan masih menggunakan kalkulator.
2. Faktor sistem : belum adanya sistem yang menginformasikan siswa layak masuk jurusan
sesuai nilai jurusan dan nilai jurusan yang belum terintegrasi dengan data pada wali kelas
dan bimbingan konseling.
3. Faktor prosedur : prosedur pemilihan yang banyak dan rumit.

4. Faktor mesin : tidak adanya komputer pada bagian konseling untuk mengelola jurusan
siswa.
Gambar 1. Diagram Fishbone Sulitnya Penentuan Jurusan Siswa yang Lama
2.3 Analisis Kebutuhan

Tujuan dari fase analisis adalah memahami dengan sebenar-benarnya kebutuhan dari
sistem baru dan mengembangkan sebuah sistem yang mewadahi kebutuhan tersebut, atau
memutuskan bahwa sebenarnya pengembangan sistem baru tidak dibutuhkan. Kebutuhan sistem
dapat diartikan sebagai pernyataan tentang apa yang harus dikerjakan oleh sistem[6].
1. Use Case Diagram
Use case adalah metode berbasis teks untuk menggambarkan dan mendokumentasikan
proses yang kompleks dan menambahkan detail untuk kebutuhan yang telah dituliskan
pada definisi sistem kebutuhan[6].
Gambar 2 menunjukkan 3 orang aktor yang terlibat yaitu staf tata usaha, waka kurikulum
dan kepala sekolah. Terdapat 5 subsistem yaitu subsistem pengguna, subsistem
administrasi, subsistem laporan, subsistem akademik dan subsistem absensi.
ISSN: 1978-1520
92 ISSN : 2407-4322
Subsistem Pengguna Subsistem Akademik
Login Kelola Data Pelajaran
Ubah Password Lihat Data Pelajaran
Kelola Pengguna Kelola Data Kelas
Lihat Data Kelas
Kelola Jadwal Pelajaran
Subsistem Administrasi Lihat Jadwal Pelajaran

Staf Tata Usaha
Kelola Data Nilai Siswa

Kelola Data Siswa
Lihat Data Siswa Lihat Data Nilai Siswa
Kelola Data Jurusan

Kelola Data Guru Siswa
Lihat Data Jurusan Siswa

Lihat Data Guru
Kelola Data Alumni
Lihat Data Alumni

Waka Kurikulum
Kelola Sms gateway

untuk alumni
Subsistem Absensi
Kelola Absensi Guru

Subsistem Laporan
Lihat Absensi Guru

Cetak Data Guru
Cetak Laporan Absensi
Guru
Cetak Data Siswa
Kelola Absensi Siswa

Cetak Data Pelajaran Kepala Sekolah
Lihat Absensi Siswa

Cetak Data Nilai
Cetak Laporan Absensi

Siswa
Cetak Data Kelas
Kelola Sms Gateway
Absensi Siswa
Cetak Data Alumni
Gambar 2. Use Case Diagram
3.1 Diagram Konteks

Diagram konteks adalah model proses yang digunakan untuk mendokumentasikan
lingkup awal sistem. Diagram ini menyatakan masukan dan keluaran dari sistem yang akan
dikembangkan [5]. Gambar 3 menunjukan diagram konteks yang diusulkan.

Data_Pengguna
Pengguna
STAF TATA Data_Pelajaran WAKA
USAHA Data_kelas KURIKULUM
Jadwal_Pelajaran
Data_Nilai_Siswa
Data_Jurusan_Siswa
Data_Pengguna
Data_Siswa Data_Guru
Data_Guru Data_Siswa
Data_Alumni Data_Pelajaran
Sms_Gateway_Untuk_Alumni Data_Nilai
Absensi_Guru Sistem informasi akademik pada Data_Kelas
Absensi_Siswa
SMA Negeri 1 Talang Kelapa
Sms_Gateway_Absensi_Siswa
Data_Pelajaran
Data_Nilai
Data_Kelas
Data_Alumni
Data_Pengguna
Absensi_Guru KEPALA
Absensi_Siswa SEKOLAH
Data_Guru
Data_Siswa
Gambar 3. Diagram Konteks Sistem yang Diusulkan
Berdasarkan Gambar 3, staf tata usaha mengelola data pengguna, jadwal pelajaran, data
siswa dan guru, data absensi siswa dan guru, data nilai siswa dan data alumni. Waka kurikulum
dan kepala sekolah dapat mengakses informasi mengenai data guru, siswa, pelajaran, absensi
guru dan siswa, nilai siswa dan alumni dengan terlebih dahulu login ke sistem yang dibangun.
3.2 Diagram Dekomposisi

Diagram dekomposisi pada sistem yang diusulkan terdapat lima subsistem yaitu
subsistem pengguna, subsistem akademik, subsistem administrasi, subsistem absensi dan
subsistem laporan. Gambar 4 menggambarkan diagram dekomposisi yang diusulkan.
Pada Gambar 4, subsistem pengguna dibagi menjadi 3 subproses yaitu login, ubah kata
sandi dan kelola pengguna. Untuk subsistem akademik dibagi menjadi 10 subproses yaitu kelola
data pelajaran, lihat data pelajaran, kelola data kelas, lihat data kelas, kelola jadwal pelajaran,
lihat jadwal pelajaran, kelola data nilai siswa, lihat data nilai siswa, kelola data jurusan siswa
dan lihat data jurusan siswa. Subsistem berikutnya yaitu subsistem administrasi dibagi menjadi
7 subproses yaitu kelola data siswa, lihat data siswa, kelola data guru, lihat data guru, kelola
data alumni, lihat data alumni dan kelola SMS gateway untuk alumni. Untuk subsistem absensi
dibagi menjadi 7 subproses yaitu kelola absensi guru, lihat absensi guru, cetak absensi guru,
kelola absensi siswa, lihat absensi siswa, cetak absensi siswa dan kelola SMS gateway absensi
siswa. Untuk subsistem laporan dibagi menjadi 6 subproses yaitu cetak data guru, cetak data
siswa, cetak data pelajaran, cetak data nilai, cetak data kelas dan cetak data alumni.
ISSN: 1978-1520
94 ISSN : 2407-4322
Sistem Informasi Akademik

Pada SMA Negeri 1
Talang Kelapa
1.0 2.0 3.0 4.0 5.0

Subsistem Subsistem Subsistem Subsistem Subsistem
Pengguna Akademik Administrasi Absensi Laporan
2.1 3.1 4.1

1.1 5.1
Kelola Data Kelola Data Kelola Absensi
Login Cetak Data Guru
Pelajaran Siswa Guru
2.1.1 4.1.1
3.1.1 5.2
1.2 Input Data Input Absensi
Input Data Siswa Cetak Data Siswa
Ubah kata sandi Pelajaran Guru
2.1.2 4.1.2 5.3

3.1.2
Ubah Data Ubah Absensi Cetak Data
Ubah Data Siswa
1.3 Pelajaran Guru Pelajaran
Kelola Pengguna
2.1.3 3.1.3 4.1.3 5.4
Hapus Data Hapus Data Hapus Absensi Cetak Data Nilai
1.3.1 Pelajaran Siswa Guru
Lihat Pengguna
2.2 3.2 4.2 5.5

1.3.2 Lihat Data Lihat Data Siswa Lihat Absensi Cetak Data Kelas
Tambah Pelajaran Guru
Pengguna
4.3 5.6
Cetak Absensi Cetak Data
1.3.3 2.3 3.3
Guru Alumni
Hapus Pengguna Kelola Data Kelas Kelola Data Guru
4.4
2.3.1 3.3.1 Kelola Absensi
Input Data Kelas Input Data Guru Siswa
4.4.1
2.3.2 3.3.2 Input Absensi
Ubah Data Kelas Ubah Data Guru Siswa
4.4.2
2.3.3 3.3.3 Ubah Absensi
Hapus Data Hapus Data Guru Siswa
Kelas
4.4.3
2.4 3.4 Hapus Absensi
Lihat Data Kelas Lihat Data Guru Siswa
4.5
Lihat Absensi
2.5 3.5 Siswa
Kelola Jadwal Kelola Data
Pelajaran Alumni
4.6
Cetak Absensi
2.5.1 Siswa
3.5.1
Input Jadwal
Input Data Alumni 4.7
Pelajaran
Kelola Sms
Gateway Absensi
2.5.2 3.5.2
Siswa
Ubah Jadwal Ubah Data
Pelajaran Alumni
2.5.3 3.5.3
Hapus Jadwal Hapus Data
Pelajaran Alumni
2.6
3.6
Lihat Jadwal
Lihat Data Alumni
Pelajaran
3.7
Kelola Sms
2.7 Gateway Untuk
Kelola Data Nilai Alumni
Siswa
2.7.1
Input Data Nilai
Siswa
2.7.2
Ubah Data Nilai
Siswa
2.7.3
Hapus Data Nilai
Siswa
2.8
Lihat Data Nilai
Siswa
2.9
Kelola Data
Jurusan Siswa
2.9.1
Input Data
Jurusan Siswa
2.9.2
Ubah Data
Jurusan Siswa
2.9.3
Hapus Data
Jurusan Siswa
2.10
Lihat Data
Jurusan Siswa
Gambar 4. Diagram Dekomposisi Sistem yang Diusulkan

3.3 Entity Relationships Diagram (ERD)

Entity Relationship Diagram (ERD) adalah model data yang menggunakan beberapa
notasi untuk menggambarkan data dalam konteks entitas dan hubungan yang dideskripsikan
oleh data tersebut[5].
Entity relationship Diagram (ERD) untuk Sistem Informasi Akademik Pada SMA
Negeri 1 Talang Kelapa, dapat dilihat pada Gambar 5.
Gambar 5 menunjukkan rancangan data secara logis dari sistem yang dibangun, terdapat
12 tabel yaitu tabel pengguna, tabel data alumni, tabel data guru, tabel jadwal, tabel penjurusan,
tabel data siswa, tabel nilai, tabel data KRS, tabel data pelajaran, tabel data kelas, tabel
presentasi guru dan tabel presentasi siswa.
PERSENTASE_SISWA
PERSENTASE_GURU
-kode_kelas (FK)
-NIP (FK) -Nis (FK)
-Tanggal -Tanggal
-Masukkerja -Pertemuan data_kelas
-Hadir -Hadis
-kode_kelas (PK)
-Alpa -Alpa
-ruangan
-Ijin -Ijin
-Kelas
-Tahun_Ajaran -Tahun_Ajaran
-Jurusan
-semester -semester
DATA_KRS -kode_kurikulum
-NIP (FK)
-kode_kelas (FK) -nama
-nis (FK) -Tahun_ajaran
-JURUSAN
-TAHUN
data_pelajaran
DATA_SISWA nilai
-kode_pelajaran(PK)
-nis (PK) -nis (FK)
-nama
-nama -kode_pelajaran
-Jurusan
-TPT_LAHIR -semester
-KKM
-TANGGAL -Tahun_ajaran
-kode_kurikulum
-Jns_kel -Nilai_ulangan1
-nip (FK)
penjurusan -gol_drh -Nilai_ulangan2
-alamat -Nilai_ulangan3
-thnpelajaran -agama -Rata_UL
-nis (FK) -asal_sekolah -Nilai_tugas1
-Keputusansklh -nama_ayah -Nilai_tugas2
-nip (FK) -nama_ibu -Nilai_tugas3
-pkrj_ayah -Rata_TGS
-pkrj_ibu -UTS
-alamat_ortu -UU
-nohp_ortu -Nilai_Rata
-kelas -Sikap
-JURUSAN -nip (FK)
JADWAL
-Kode_Kelas (FK)
-kode_pelajaran (FK)
-jum
-KKM
DATA_ALUMNI data_guru -kode_kurikulum
-nip (FK)
-nis (FK) -nip (PK)
-Tahun_lulus -nama
-Kuliah -TTL
-Bekerja -tanggal
-No_HP -jk
-nputk
-pendidikan_akhir
-jurusan
-tahunjur
-jabatan
-gol
-status_kepegawaian
Pengguna
-MK
-alamat -NIP (FK)
-agama -pass
-tlp -jabatan
Gambar 5. Entity Relationship Diagram (ERD)
3.4 Relasi antar Tabel

Diagram hubungan entitas yang diusulkan menggambarkan relasi antar entitas dan tabel
data pengguna, data guru, data siswa, data alumni, nilai, penjurusan, jadwal, data kelas, data
pelajaran, data KRS, persentase siswa dan persentase guru pada SMA Negeri 1 Talang Kelapa.
Relasi antar tabel ini dapat dilihat pada Gambar 6.
ISSN: 1978-1520
96 ISSN : 2407-4322
Gambar 6. menunjukkan model data secara fisik dengan menggunakan Microsoft SQL
Server 2008 sebagai database management system.
PERSENTASE_GURU
NIP DATA_KRS data_kelas
kode_kelas
Tanggal kode_kelas
ruangan
Masukkerja nis
Kelas
Hadir JURUSAN
Jurusan
Alpa TAHUN
kode_kurikulum
Ijin
NIP
Tahun_Ajaran
nama
semester
Tahun_ajaran
nilai
nis
kode_kelas
kode_pelajaran
semester data_pelajaran
Tahun_ajaran kode_pelajaran
Nilai_ulangan1 nama
Nilai_ulangan2 Jurusan
PERSENTASE_SISWA DATA_SISWA Nilai_ulangan3 jum
kode_kelas nis Rata_UL KKM
NIs nama Nilai_tugas1 kode_kurikulum
Tanggal TPT_LAHIR Nilai_tugas2 nip
Pertemuan TANGGAL Nilai_tugas3
Hadir Jns_kel Rata_TGS
Alpa gol_drh UTS
Ijin alamat UU
Tahun_Ajaran agama Nilai_Rata
semester asal_sekolah nip
nama_ayah
nama_ibu
pkrj_ayah
pkrj_ibu
alamat_ortu
data_guru
nohp_ortu
nip
kelas JADWAL
penjurusan nama
JURUSAN kode_kelas
thnpelajaran TTL
Status kode_pelajaran
nis tanggal
HARI
Keputusansklh jk
JAM
nip nputk
ruangan
pendidikan_akhir
NIP
jurusan
tahunjur
jabatan
gol
DATA_ALUMNI status_kepegawaian
pengguna
nis NIP
MK
Tahun_lulus pass
alamat
Kuliah jabatan
agama
Bekerja
tlp
No_HP
Gambar 6 Relasi antar Tabel
3.5 Rancangan Antarmuka

Antarmuka merupakan tampilan yang digunakan langsung oleh pengguna, interaksi
yang dapat dilakukan oleh pengguna dalam sistem. Di bawah ini merupakan tampilan
antarmuka program.
3.5.1 Form Menu Utama

Tampilan menu utama terdapat pilihan menu antara lain pengguna, administrasi,
akademik, absensi dan laporan. Pada menu pengguna terdapat submenu kelola pengguna, ubah
password dan logout, pada administrasi terdapat sub menu kelola data siswa, kelola data guru,
kelola data alumni dan undang alumni via sms, pada menu akademik terdapat sub menu kelola
data pelajaran, kelola data kelas, kelola jadwal pelajaran, kelola penilaian siswa dan kelola

penjurusan, pada menu absensi terdapat sub menu absensi guru dan absensi siswa dan pada
menu laporan terdapat sub menu cetak data guru, cetak data siswa, cetak data pelajaran, cetak
data nilai, cetak data kelas dan cetak data alumni. Gambar 7 menunjukkan tampilan menu
utama.
Gambar 7. Rancangan Antarmuka Form Menu Utama
3.5.2 Form Input Jurusan

Form input jurusan digunakan untuk menambahkan data siswa untuk menentukan
jurusan baru dengan menginput data berdasarkan nilai pada field-field yang tersedia. Gambar 8
menunjukkan tampilan form input jurusan.
Gambar 8. Rancangan Antarmuka Form Input Jurusan
ISSN: 1978-1520
98 ISSN : 2407-4322
3.5.3 Form Input Nilai

Form input nilai digunakan untuk menambahkan data nilai dengan menginput data nilai
pada field- field yang tersedia, form ini juga digunakan untuk mengubah dan menghapus nilai
dengan menekan tombol-tombol yang tersedia. Gambar 9 menunjukkan tampilan form input
nilai.
Gambar 9. Rancangan Antarmuka Form Input Nilai
3.5.4 Form SMS Kehadiran Siswa

Form SMS kehadiran siswa ini digunakan untuk menampilkan form untuk menulis
pesan sms kepada wali siswa yang data nomor handphone telah disimpan dalam sistem dan
mengirim pesan tersebut. Gambar 10 menunjukkan tampilan form SMS kehadiran siswa.
Gambar 10. Rancangan Antarmuka Form SMS Kehadiran Siswa

3.5.5 Form Undang Alumni Via SMS

Form undang alumni ini digunakan untuk menampilkan form untuk menulis pesan SMS
kepada alumni yang data nomor handphone telah disimpan dalam sistem dan mengirim pesan
tersebut. Gambar 11 menunjukkan tampilan form undangan alumni via SMS.
Gambar 11. Rancangan Antarmuka Form Undang Alumni Via SMS
4. KESIMPULAN
Berikut ini kesimpulan yang dapat penulis sampaikan berdasarkan hasil pembahasan
sebelumnya, yaitu:
1. Setelah diimplementasikan di lapangan, sistem informasi akademik dapat mempermudah
dan mempercepat proses pencarian data akademik maupun data yang berhubungan dengan
akademik dan juga mempermudah dan mempercepat dalam pembuatan laporan seperti
laporan siswa, laporan guru bahkan dapat menyajikan laporan yang selama ini belum
tersaji di SMA Negeri 1 Talang Kelapa.
2. Setelah diimplementasikan di lapangan, sistem informasi akademik dapat mengurangi
kesalahan dalam melakukan kegiatan perhitungan nilai, penyusunan jadwal ataupun
kegiatan lainnya serta dapat mempermudah dalam pendokumentasian data-data akademik
dan mengurangi penyimpanan data berbentuk kertas ke dalam lemari arsip.
3. Setelah diimplementasikan di lapangan, sistem informasi akademik yang dibangun terbukti
dapat memudahkan wali murid untuk mengetahui tingkat kehadiran anaknya di sekolah.
4. Setelah diimplementasikan di lapangan, sistem informasi akademik yang dibangun terbukti
dapat mempermudah penyampaian informasi kepada alumni siswa baik berupa informasi
undangan maupun informasi lainnya yang berkenaan dengan masalah alumni.
ISSN: 1978-1520
100 ISSN : 2407-4322
5. SARAN
Berdasarkan hasil pembahasan yang penulis buat, penulis ingin memberikan beberapa
saran yang dapat membantu pengembangan sistem informasi tersebut, guna untuk memperoleh
hasil yang lebih baik dan dapat bermanfaat bagi kita semua. Adapun saran yang diajukan yaitu:
1. Memperluas proses bisnis yang ditangani oleh sistem informasi akademik berbasis desktop
agar dapat menghasilkan laporan yang lebih beragam, seperti diintegrasikan dengan proses
keuangan atau proses akuntansi sekolah.
2. Menambahkan fitur-fitur keuangan atau akuntansi terkait pemasukan dan pengeluaran kas
sekolah.
Jika hasil penelitian ini akan digunakan oleh SMAN 1 Talang Kelapa Palembang, maka
disarankan :
1. Pihak sekolah melakukan back up data secara berkala setiap hari, minggu atau setiap
bulannya untuk menghindari apabila sesuatu yang tidak diinginkan terjadi seperti
kerusakan pada hardware atau software. Dengan adanya back up data maka pihak sekolah
masih memiliki salinan semua data yang disimpan.
2. Perlu diadakan pelatihan bagi pengguna dalam menggunakan aplikasi agar berjalan
dengan baik dan digunakan sesuai dengan kebutuhan.
3. Agar sistem ini dapat berjalan dengan lebih efektif maka disarankan agar aplikasi yang
sudah dibuat dapat dikembangkan dikemudian hari agar sesuai dengan kebutuhan.
4. Perlu adanya fasilitas hardware yang menunjang untuk mengoperasikan aplikasi seperti
modem sebagai sarana penunjang sms gateway.
DAFTAR PUSTAKA
[1] Hapsari, F.R., dan Dayanto, T.D., 2012, Perancangan Sistem Informasi Akademik
Berbasis Push SMS pada Sekolah Tinggi Teknologi Dharma Iswara Madiun, Seminar
Nasional Teknologi Informasi dan Komunikasi Terapan, Semarang.
[2] Widhiarso, Y., dan Riasti, B.K., 2013, Rancang Bangun Sistem Informasi Nilai Akademik
dan Presensi Siswa Berbasis SMS Gateway pada SDN Tulakan III, Indonesian Journal on
Networking and Security (IJNS), Vol. 2 No. 4,1-6.
[3] Rosa A.S, M. Shalahuddin, 2011, Modul Pembelajaran Rekayasa Perangkat Lunak
(Terstuktur dan Berorientasi Objek), Modula, Bandung.
[4] Kendall, Kenneth E, 2006, Analisis dan Perancangan Sistem, Edisi 5, Indeks, Semarang.
[5] Whitten, Jeffrey L, 2004, Metode Desain dan Analisis Sistem, Edisi 6, Andi Offset,
Yogyakarta.
[6] Al Fatta, Hanif, 2007, Analisis dan Perancangan Sistem Informasi, Andi Publisher,
Yogyakarta.

Sistem Pakar Mendeteksi Penyakit Tanaman Terong

Belanda dengan Menggunakan Metode Forward Chaining
Mikha Dayan Sinaga*1

1
Jl. K.L.Yos Sudarso Km 6,5 No. 3A Tanjung Mulia Medan Sumatera Utara 20241 Indonesia
1
Jurusan Teknik Informatika STMIK Potensi Utama
e-mail: *1mikha_dayan@yahoo.co.id
Abstrak
Sistem pakar ini menggunakan mesin inferensi dengan metode Forward Chaining.
Penalaran dilakukan berdasarkan dari gejala-gejala yang tampak secara fisik terhadap
tanaman Terong Belanda. Berdasarkan gejala-gejala tersebut dibuatlah rule-rule yang
kemudian menjadi knowledge base yang akan diterapkan ke dalam mesin inferensi untuk
mengetahui penyakit apa yang dialami oleh tanaman Terong Belanda tersebut. Hasil program
ini menunjukkan bahwa sistem pakar dapat digunakan sebagai suatu media yang dapat
memberikan informasi tentang tanaman Terong Belanda. Sistem pakar ini dapat digunakan
untuk mempercepat pencarian dan pengaksesan terhadap pengetahuan oleh orang-orang yang
membutuhkan informasi.
Kata kunciSistem Pakar, Forward Chaining, Knowledge Base, Mesin Inferensi, Terong
Belanda.
Abstract
This expert system inference engine using forward chaining method. Reasoning is based
on the symptoms that appear physically on the tree tomato. Based on these symptoms made
rules which then becomes a knowledge base that will be applied to the inference engine to find
out what the disease experienced by the Tree Tomato. The results of this program indicate that
the expert system can be used as a medium that can provide information about the tree tomato.
This expert system can be used to accelerate the search and access to knowledge by the people
who need the information.
KeywordsExpert Systems, Forward Chaining, Knowledge Base, Inference Engine, Tree

Tomato.
1. PENDAHULUAN
Komputer telah berkembang sebagai alat pengolah data, penghasil informasi. Bahkan
komputer juga turut berperan dalam pengambilan keputusan. Tidak puas dengan hasil tersebut,
para ahli komputer masih terus mengembangkan kecanggihan komputer agar dapat memiliki
kemampuan seperti manusia. Sistem pakar adalah seperangkat program yang memanipulasi
pengetahuan dikodekan untuk memecahkan masalah dalam khusus domain yang biasanya
membutuhkan keahlian manusia [1].
Pengetahuan masyarakat atau petani akan hama atau virus yang dapat menyerang
penyakit tanaman terong belanda masih kurang, sebab informasi yang menyangkut hama dan
virus dara tanaman terong belanda masih sedikit. Untuk itulah peneliti merasa perlu untuk
membuat suatu sistem pakar yang dapat mendiagnosa penyakit akibat hama ataupun virus dari
ISSN: 1978-1520
102 ISSN : 2407-4322
tanaman Terong Belanda. Sistem pakar adalah program komputer yang berasal dari cabang
penelitian ilmu komputer yang disebut kecerdasan buatan atau yang umum dikenal sebagai AI
[2]. Sistem ahli yang disediakan untuk program yang memiliki pengetahuan dasar berisi
pengetahuan yang digunakan oleh pengetahuan manusia. Sistem pakar disusun oleh dua bagian
utama, yaitu lingkungan pengembangan dan lingkungan konsultasi. Lingkungan pengembangan
sistem pakar digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem
pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang bukan pakar, guna
memperoleh pengetahuan pakar [3].
2. TINJAUAN PUSTAKA
2.1 Forward Chaining

Mesin inferensi dalam forward chainning menggunakan informasi yang ditentukan oleh
user untuk memindahkan logika and dan or sampai ditentukannya objek. Bila mesin inferensi
tidak dapat menentukan objek maka akan meminta informasi lain. Oleh karena itu, untuk
mencapai objek harus memenuhi semua aturan. Salah satu metode yang dapat diterapkan dalam
sistem pakar adalah metode forward chaining. Forward chaining disebut juga penalaran dari
bawah ke atas. Suatu rantai yang dicari atau dilewati/dilintasi dari suatu permasalahan untuk
memperoleh solusinya disebut dengan forward chaining. Cara lain menggambarkan forward
chaining ini adalah dengan penalaran dari fakta menuju konklusi yang didapat dari fakta [3].
Forward Chaining adalah metode pencarian/penarikan kesimpulan yang berdasarkan
pada data atau fakta yang ada menuju ke kesimpulan, penelusuran dimulai dari fakta yang ada lalu
bergerak maju melalui premis-premis untuk menuju ke kesimpulan (bottom up reasoning) [4].
2.2 Mesin Inferensi

Mekanisme Inferensi adalah bagian dari sistem pakar yang melakukan penalaran dengan
menggunakan isi daftar aturan berdasarkan urutan dan pola tertentu. Selama proses konsultasi
antar sistem dan pemakai, mekanisme inferensi menguji aturan satu demi satu sampai kondisi
aturan itu benar. Dalam penalaran maju, aturan-aturan diuji satu demi satu dalam urutan tertentu.
Urutan itu mungkin berupa urutan pemasukan aturan ke dalam basis aturan atau juga urutan lain
yang ditentukan oleh pemakai. Saat setiap urutan diuji, sistem pakar akan mengevaluasi apakah
kondisinya benar atau salah. Jika kondisinya benar, maka aturan itu disimpan kemudian aturan
berikutnya diuji. Sebaliknya kondisinya salah, aturan itu tidak disimpan dan aturan berikutnya
diuji. Proses ini akan berulang sampai seluruh basis aturan teruji dengan berbagai kondisi [5].
2.3 Terong Belanda

Terong Belanda memiliki nama yang berbeda-beda untuk setiap daerah contohnya
Terong Pinus (Sumatera Barat), Terong Toba (Toba), Terong Belanda (Dairi dan Medan),
Terong Berastagi (Karo), Tamarillo (Tanah Toraja). Terong Belanda juga disebut dengan
Terong Pohon (Cyphomandra betacea) dan dalam bahasa Inggris disebut sebagai tree tomato
[6].
Dari nama latinnya, dapat dilihat tidak satu jenis dengan terung-terungan (Solanum sp.).
Terong Belanda berasal dari Pegunungan Andes di Aerika Selatan, khususnya di Peru, kemudian
menyebar ke berbagai wilayah seperti Chili, Equador, Bolivia, Argentina dan Kolombia. Di
Indonesia Terong Belanda banyak dijumpai di Sumatera Utara [6].
Terong Belanda merupakan buah yang mempunyai kandungan gizi dan vitamin yang
sangat penting bagi kesehatan tubuh manusia seperti antosianin, karotenoid, vitamin A, B6, C dan
E serta kaya akan besi, potassium dan serat. Terong Belanda mempunyai kandungan sodium yang
rendah. Rata-rata buah Terong Belanda mempunyai kalori kurang dari 40 kalori ( 160 kilojoule)
[6].

Pohon ini termasuk tahan serangan hama. Hama utama yang sering menyerang adalah
kutu-kutu daun (Aphids), ulat pemakan daun (Spodoptera Litura), tungau dan nematoda bongkol
akar (Meloidigyne spp) juga berbahaya dan bersama-sama dengan virus akan menyebabkan
terjadinya tanaman kerdil dan tidak produktif. Suhu dan kelembapan yang tinggi akan
memperburuk keadaan. Cara pengendaliannya dengan Folidol atau sejenisnya, sehingga tidak
membahayakan bagi yang mengkonsumsinya [6].
Penyakit utama yang menyerang tanaman Terong Belanda menurut balai penelitian
tanaman buah, yaitu [6]:
1. Infeksi virus, antara lain virus-virus mosaik Terong Belanda, mosaik mentimun, mosaik Arab
dan satu atau beberapa virus yang belum teridentifikasi. Virus-virus tersebut cepat menyebar
menyebabkan turunnya hasil kebun Terong Belanda. Tanaman yang sehat hendaknya
ditanam sejauh-jauhnya dari pohon yang lebih tua. Pencegahan virus bisa dilakukan dengan
cara memperhatikan kebersihan kebun buah secara ketat dan pemberantasan vektornya
merupakan jalan utama untuk mencegah adanya virus.
2. Penyakit jamur yang paling mengganggu yaitu embun tepung. Jika serangannya gawat,
akan menyebabkan daun tua rontok lebih awal. Penyakit ini dapat diatasi dengan cara
perlakuan secara teratur sulfur atau fungisida yang lebih khusus lagi. Alternatif lain ialah
mempertahankan kecepatan tumbuh yang cukup tinggi untuk menggantikan kembali daun-
daunnya yang hilang.
3. Serangan bakteri yang disebabkan oleh Pfeudomonas syringae.
Metodologi penelitian akan sangat membantu penulis dalam proses penyelesaian

masalah. penelitian ini memiliki beberapa tahapan dalam pelaksanaan kegiatan yang tertuang pada
kerangka kerja penelitian yaitu definisi masalah, analisa masalah, menentukan tujuan,
mempelajari literatur, mengumpulkan data, analisa metode Forward Chaining, perancangan
interface, pengolahan data, implementasi, pengujian dan kesimpulan.
1. Mendefinisikan Masalah
Proses pertama yang dilakukan dalam melakukan suatu penelitian adalah mendefinisikan
masalah. Dalam tahap ini peneliti menentukan masalah yang akan diteliti serta menjabarkan
dengan lebih luas lagi mengenai masalah tersebut. Pada penelitian yang akan dilakukan,
peneliti memilih masalah tentang penyakit-penyakit tanaman Terong Belanda.
2. Menganalisa Masalah
Pada tahap ini peneliti mengkaji lebih dalam tentang masalah yang diteliti yaitu mengenai
penyakit-penyakit tanaman terong belanda. Pada tahap ini peneliti harus sudah memahami
semua hal tentang masalah yang dihadapi.
3. Menentukan Tujuan
Berdasarkan pemahaman dari permasalahan yang telah di analisa, langkah berikutnya
adalah menentukan tujuan yang akan dicapai dalam penelitian ini. Tujuan yang ingin
dicapai dalam penelitian ini adalah terciptanya suatu aplikasi yang dapat memberikan
informasi mengenai gejala-gejala penyakit yang dapat menyerang tanaman Terong Belanda
dan bagaimana cara untuk mengatasinya.
4. Mempelajari Literatur
Pada proses ini, peneliti melengkapi perbendaharaan kaidah, konsep, teori-teori yang
mendukung dalam penyelesaian masalah dalam penelitian ini. Peneliti juga mempelajari
buku-buku dan jurnal-jurnal, yang ada hubunganya dengan proposal tesis maupun referensi
yang lain. Tahap ini bertujuan untuk memberikan wawasan yang luas kepada peneliti
tentang masalah yang akan diteliti.
ISSN: 1978-1520
104 ISSN : 2407-4322
5. Mengumpulkan Data
Pada tahap ini dilakukan pengumpulan data yang mendukung penelitian. Pengumpulan
data dapat dilakukan dengan beberapa metode, yaitu :
a. Metode Lapangan
Metode ini dilakukan dengan peninjauan langsung ke lapangan dimana penelitian akan
dilakukan.
b. Metode Pustaka
Metode ini dilakukan dengan mempelajari buku-buku atapun karya ilmiah lain yang
berhubungan dengan masalah yang akan diteliti.
6. Analisa Metode Forward Chaining
Setelah data dikumpulkan, dilakukan analisa data yang kemudian akan dimasukkan ke dalam
mesin inferensi dengan menggunakan metode Forward Chaining. Tahap ini terdiri dari
beberapa proses yaitu mendefinisikan masalah dan menentukan gejala-gejala yang timbul,
menganalisis ketepatan identifikasi penyakit, memberikan solusi untuk mengatasi penyakit.
7. Perancangan Interface
Pada tahap ini peneliti merancang suatu antarmuka yang dapat digunakan oleh end user
untuk melakukan penelusuran terhadap penyakit-penyakit tanaman terong belanda. Suatu
antarmuka aplikasi haruslah user friendly agar mudah digunakan.
8. Pengolahan data
Pada tahap ini dilakukan pengolahan data yang terdiri dari jenis-jenis penyakit pada tanaman
terong belanda, gejala-gejala yang ditimbulkan, solusi-solusi untuk menangani penyakit pada
tanaman terong belanda.
9. Implementasi
Pada tahap ini dilakukan implementasi program. Untuk menghasilkan sistem yang baik harus
terdapat struktur program, terdapat pengembangan sistem agar pengetahuan yang baru dapat
di-update tanpa mengubah program. Aplikasi yang dibangun akan diimplementasikan
dengan Microsoft Visual Studio 2010 dan Microsoft SQL Server 2005. Dalam membangun
aplikasi ini membutuhkan hardware, yaitu komputer dengan processor pentium core 2 duo,
harddisk 250 GB, Ram 1 GB.
10. Pengujian
Pada tahap ini, dilakukan penilaian apakah perangkat lunak yang dikembangkan telah sesuai
dengan tujuan yang diharapkan. Pengujian berguna untuk mengetahui jenis error yang ada
pada perangkat lunak. Pengujian dapat dilakukan dengan dua cara yaitu white box dan black
box testing.
11. Kesimpulan
Setelah dilakukan pengujian terhadap sistem maka dapat ditarik kesimpulan, apakah
aplikasi yang dibangun sudah sesuai dengan tujuan yang ingin dicapai.
4. PEMBAHASAN DAN HASIL
4.1. Pembahasan
a. Analisis Kebutuhan
Sistem pakar mendeteksi penyakit tanaman Terong Belanda ini melakukan penelusuran
maju terhadap gejala yang tampak untuk memperoleh hasil diagnosa. Oleh karena itu diperlukan
data-data gejala yang jelas untuk dapat memberikan hasil diagnosa yang tepat.
Tanaman Terong Belanda memiliki sekitar 7 penyakit atau hama seperti kutu daun, ulat
daun, tungau, layu bakteri, busuk buah, jamur embun dan virus. Semua penyakit atau hama
tersebut dianalisa berdasarkan gejala yang tampak pada tanaman. Apabila tidak terdapat gejala
yang tampak pada tanaman maka dapat disimpulkan bahwa tanaman Terong Belanda tersebut
sehat. Untuk meneliti penyakit pada tanaman Terong Belanda tidak diperlukan uji lab, karena

penyakit-penyakit pada tanaman Terong Belanda memiliki gejala yang tampak langsung. Berikut
data-data gejala dari macam penyakit tanaman Terong Belanda berdasarkan penelitian yang
dilakukan seperti pada Tabel 1 [7].
Tabel 1 Data Penyakit dan Gejala

No Penyakit/Hama Kriteria
- Membuat daun menjadi bergulung
1 Kutu Daun - Membuat daun menjadi keriting
- Terdapat kutu pada daun.
2 Ulat Daun - Daun berlubang-lubang
3 Tungau - Daun memiliki bintik-bintik merah kecoklatan atau hitam
4 Layu Bakteri - Tanaman menjadi layu secara mendadak
5 Busuk Buah - Buah memiliki bercak kecoklatan
6 Jamur embun - Terdapat butiran-butiran putih seperti tepung pada daun
- Pohon menjadi kerdil (pertumbuhannya lambat)
7 Virus - Buah berukuran kecil
- Daun berguguran
Sumber : Enda Wahyuni. Analisis Kelayakan Investasi Pengusahaan Terong Belanda. Skripsi. Institut
Pertanian Bogor
b. Knowledge Base
Untuk mendukung penalaran diagnosis gejala-gejala dari penyakit tanaman Terong
Belanda, maka pengetahuan yang diperoleh dari pakar dapat di presentasikan dalam bentuk
pohon keputusan sebagaimana terlihat pada Gambar 1.
Gambar 1. Penalaran Keputusan Diagnosis Penyakit
Gambar 1 terlihat bahwa setiap penyakit pada tanaman terong belanda tidak memiliki
gejala yang saling terkait antara satu dengan yang lainya. Berdasarkan pemaparan rule di atas
dapat disimpulkan bahwa tanaman terong belanda memiliki 7 penyakit dan 11 gejala untuk
penyakit tersebut.
ISSN: 1978-1520
106 ISSN : 2407-4322
c. Penyajian Fakta Dan Aturan

Penyajian fakta dan aturan untuk pendeteksian penyakit pada tanaman Terong Belanda
dibuat ke dalam bentuk Tabel 2.
Tabel 2 Rule
No Aturan (Rule)
1 IF Membuat daun menjadi bergulung is True
AND Membuat daun keriting is True
AND Tidak suka tekanan is True
THEN Kutu Daun
2 IF Daun berlubang-lubang is True
THEN Ulat Daun
3 IF Daun memiliki bintik-bintik merah kecoklatan atau hitam is True
THEN Tungau
4 IF Tanaman menjadi layu secara mendadak is True
THEN Layu Bakteri
5 IF Terdapat bercak-bercak kecoklatan pada daun is True
THEN Busuk Buah
6 IF Terdapat butiran-butiran putih seperti tepung pada daun is True
THEN Jamur Embun
7 IF Pohon menjadi kerdil (pertumbuhannya lambat) is True
AND Buah berukuran kecil is True
AND Daun berguguran is True
THEN Virus
Semua gejala-gejala dari penyakit tanaman terong belanda ini dapat terlihat secara fisik
oleh karena itu lebih mudah untuk diidentifikasi. Karena basis pengetahuan yang digunakan
adalah basis pengetahuan eksternal, maka semua basis pengetahuan tersebut disimpan pada
database. Pembuatan program ini dimulai dari menentukan data-data yang diperlukan dalam
pembuatan program, seperti data-data gejala dari ragam penyakit tanaman Terong Belanda dan
data solusi.
Setelah semua data yang dibutuhkan jelas barulah dirancang database dengan
menggunakan Ms. Access. Pemilihan Software ini didasari atas beberapa hal diantaranya,
mempunyai fitur-fitur yang telah familiar, mudah dikoneksikan dengan bahasa pemrograman
Visual Basic dan software mudah didapat.
d. Desain Aktivitas Sistem

Activity diagram menggambarkan berbagai alur aktivitas secara umum dalam sistem
yang sedang dirancang, bagaimana masing-masing alur berawal, proses yang dilakukan dan
bagaimana proses berakhir.

Gambar 2. Desain aktivitas penulusuran penyakit pada tanaman Terong Belanda berdasarkan
gejala yang timbul
Keterangan :
1. Manajemen hak akses
2. Memasukkan data dasar dan basis pengetahuan
3. Melakukan penelusuran berdasarkan gejala
4. Menerima hasil diagnosis dan solusi
e. Database
Database yang dirancang haruslah memiliki kapasitas untuk menyimpan data yang akan
dimasukkan ke dalamnya. Database juga harus dapat menyajikan data yang dibutuhkan untuk
mengidentifikasi penyakit yang di cari berdasarkan gejala-gejala yang dimasukkan.
Perancangan database pada sistem pakar medeteksi penyakit tanaman terong belanda ini
bertujuan untuk memberikan gambaran data yang akan dibutuhkan. Database terdiri dari 3 tabel,
yaitu: tabel admin, tabel knowledge dan tabel solusi.
1. Tabel Admin
Tabel admin (Tabel 3) digunakan untuk menginput id admin, user name, password dan nama.
Tabel 3 Admin
No Field Name Data type Description
1 ID Text Id Admin
2 username Text Nama User
3 password Text Password
4 Nama Text Nama lengkap admin
2. Tabel Knowledge
Tabel knowledge (Tabel 4) akan menyimpan pertanyaan atas gejala-gejala yang ditimbulkan
beserta akibat yang ditimbulkan. Tabel ini terdiri dari 4 field yaitu ID, pertanyaan, fakta ya,
fakta tidak.
Tabel 4 Knowledge
1 ID Text ID pertanyaan
2 Pertanyaan Text Pertanyaan berdasarkan gejala
3 Faktaya Text Fakta jika ya
4 Faktatidak Text Fakta jika tidak
ISSN: 1978-1520
108 ISSN : 2407-4322
3. Tabel Solusi
Tabel solusi (Tabel 5) berisi tentang hasil diagnosis dan solusi yang dapat diberikan
berdasarkan gejala yang dimasukkan, tabel solusi terdiri dari 4 field yaitu ID, kode, hasil
diagnosis dan solusi.
Tabel 5 Solusi
1 ID Text ID
2 Kode Text Kode berdasarkan mesin inferensi
3 Hasildiagnosis Text Hasil diagnosis
4 Solusi Text Solusi
f. User Interface
Organisasi program sistem pakar untuk mendeteksi penyakit pada tanaman Terong
Belanda ada 4 menu utama, yang pertama menu utama file, ada 1 submenu yaitu exit. Pada menu
utama yang ke dua basis aturan berisi 2 submenu yaitu Login dan basis aturan, menu utama yang
ke tiga penelusuran yang berisi submenu pertanyaan dan hasil diagnosis serta solusi dan menu
utama yang ke empat adalah bantuan yang beisi 2 submenu yaitu cara menjalankan program dan
penjelasan terong belanda.
Untuk memudahkan pengoperasian sistem ini maka, dirancang organisasi program
seperti pada Gambar 3.
Gambar 3. Organisasi Program
4.2 Hasil
a. Pengujian.
Pengujian sistem dilakukan dengan cara menjawab pertanyaan Ya atau Tidak yang
diajukan sistem melalu interface Form penelusuran.

Gambar 4. Form Penelusuran
Setelah semua pertanyaan dijawab maka sistem akan menampilkan hasil diagnosis dan
solusi yang dapat digunakan.
Gambar 5. Form Hasil Diagnosa

b. Hasil
Salah satu hasil dari pengujian sistem dapat dilihat pada Tabel 6.
Tabel 6 Hasil Mendeteksi Penyakit Kutu Daun

Pertanyaan Jawaban
Apakah daun bergulung ? Ya
Apakah ada terlihat kutu pada daun ? Ya
Apakah daun keriting ? Ya
Apakah daun terlihat berlubang-lubang ? Tidak
Apakah pada daun terlihat bintik-bintik merah kecoklatan atau hitam ? Tidak
Apakah tanaman mengalami layu secara mendadak ? Tidak
Apakah pada buah terdapat butir-butiran putih seperti tepung ? Tidak
Apakah pohon tidak bertambah besar (kerdil) ? Tidak
Apakah buah berukuran kecil ? Tidak
Apakah daun berguguran ? Tidak
Apakah pada buah ada bercak kecoklatan ? Tidak
Penyakit Kutu Daun. Solusi : Mengatur waktu tanam, Pergiliran tanaman, Penggunaan musuh alami
seperti Parasitoid Aphelinus gossypi (Timberlake), Lysiphlebus testaceipes (Cresson). Predator
Coccinella transversalis dan Cendawan entomopatogen Neozygites fresenii
ISSN: 1978-1520
110 ISSN : 2407-4322
Dari Tabel 2 setelah dimasukkan jawaban pada program sistem pakar didapatkan jenis
penyakit kutu daun. Hal ini disebabkan karena dari item-item pertanyaan lebih mengarah
kepada rule yang ada sesuai dengan penyakit kutu daun.
5. KESIMPULAN
Berdasarkan penelitian dan pembahasan yang dilakukan maka dapat diambil kesimpulan
sebagai berikut :
1. Dengan menggunakan metode forward chaining maka proses analisa penyakit-penyakit pada
tanaman Terong Belanda dapat dilakukan, sehingga akan menghasilkan rule base yang
dapat digunakan untuk menelusuri penyakit atau hama yang dapat menyerang tanaman
Terong Belanda berdasarkan gejala yang tampak.
2. Sistem pakar yang dibangun dimulai dari tahap membuat knowledge base, kemudian lanjut
ke perancangan database, kemudian perancangan inference engine, setelah itu lanjut ke
perancangan user interface dan yang terakhir membuat explanation facilities.
6. SARAN
Diharapkan penelitian selajutnya untuk dapat mengembangkan penelitian ini, sehingga

sistem pakar yang dibangun tidak hanya dapat diterapkan untuk tanaman terong belanda tetapi
juga terhadap tanaman yang termasuk ke dalam genus terong-terongan lainnya.
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada seluruh jajaran STMIK Potensi Utama
Medan yang telah memberi dukungan financial terhadap penelitian ini.
DAFTAR PUSTAKA
[1] Yuliadi Erdani, 2011. Developing Recursive Forward Chaining Method in Ternary Grid
Expert Systems. IJCSNS International Journal of Computer Science and Network Security,
VOL.11.
[2] Romeo Mark A. Mateo and Jaewan Lee, 2008. Healthcare Expert System based on Group
Cooperation Model. International Journal of Software Engineering and Its Application Vol.
2, No. 1.
[3] Muhammad Arhami, 2005. Konsep Dasar Sistem Pakar. Yogyakarta : Andi.
[4] Gusti Ayu, K.T, Rosa Delima dan Umi Proboyekti (2009). Penerapan forward
chaining pada program diagnosa anak penderita autisme. Jurnal Informatika,
Volume 5 Nomor 2, hal 46 - 60.
[5] Andi, 2009. Pengembangan Sistem Pakar Menggunakan Visual Basic. Yogyakarta : Andi.
[6] Enda Wahyuni, 2007. Analisis Kelayakan Investasi Pengusahaan Terong Belanda. Skripsi.
Institut Pertanian Bogor. Bogor.
[7] Balai Penelitian Tanaman Buah, 2014. Desa Tongkoh Berastagi.

Penerapan Hidden Markov Model (HMM) pada

Pengenalan Penutur
Mukhlisa*1, Maryati Gultom2, Derry Alamsyah3

1,2,3
STMIK GI MDP; Jln. Rajawali No. 14, 0711 376400
1,2,3
Program Studi Teknik Informatika STMIK GI MDP, Palembang
e-mail: *1immobulus92@gmail.com, 2gultommaryati@gmail.com, 3derry@mdp.ac.id
Abstrak
Suara manusia bergantung pada posisi atau bentuk rongga yang dimiliki, sehingga
karakter suara yang dimiliki setiap orang unik dan menjadi identitasnya. Pengenal penutur
(speaker recognition) adalah proses mengenali siapa yang bicara berdasarkan informasi yang
terdapat di dalam gelombang wicara. Pengenal penutur dapat digunakan sebagai sistem
absensi, keamanan dan sebagainya. Sistem pengenal penutur pada penelitian ini dibentuk
melalui dua proses utama yaitu pelatihan (training) dan pengenalan (recognition), dimana Mel
Frequency Cepstrum Coefficients (MFCC) digunakan untuk ekstraksi fitur, kemudian model
suara dibentuk berdasarkan Hidden Markov Model (HMM). Hasil penelitian menujukkan
bahwa pengujian secara real time menggunakan mikrofon tingkat akurasinya 30%. Sedangkan
pengujian dari file rekaman 100%. Tingkat akurasi sangat bergantung pada kemampuan
clustering dan klasifikasi.
Kata kunciPengenal Penutur, Mel Frequency Cepstrum Coefficients (MFCC), Hidden Markov
Model (HMM).
Abstract
Human voice depends on the position or shape of the cavity owned, so the character of
the sound that each person is unique and became his identity. Identification of speakers
(speaker recognition) is the process of identifying who is talking on the information contained
in the speech wave. Identification of speakers can be used as attendance systems, security, and
so on. Speaker recognition system in this study formed through two main processes of training
(training) and recognition (recognition), where Mel Frequency Cepstrum Coefficients (MFCC)
are used for feature extraction, then the model is formed based Hidden Markov sound model
(HMM). The results showed that the test in real time using a microphone accuracy rate of 30%.
While testing of the recording file 100%. The level of accuracy depends heavily on the ability of
clustering and classification.
KeywordsSpeaker Recognition, Mel Frequency Cepstrum Coefficients (MFCC) , Hidden

Markov Model (HMM)
1. PENDAHULUAN
Suara manusia dihasilkan oleh pita suara yang menghasilkan bunyi yang berbeda-beda.
Setiap individu manusia memiliki suara yang beraneka ragam tergantung dari posisi atau bentuk
rongga seseorang. Hal ini menyebabkan karakter suara yang dimiliki seseorang unik.
Speaker recognition adalah proses secara otomatis mengenali siapa yang berbicara
berdasarkan informasi individu yang terdapat di dalam gelombang suara. Teknik ini
ISSN: 1978-1520
112 ISSN : 2407-4322
memungkinkan menggunakan suara penutur untuk memverifikasi identitas penutur dan

mengontrol layanan seperti menekan nomor telepon dengan suara (voice dialing), absensi
akademik, kontrol keamanan area rahasia dan akses jarak jauh dengan komputer [1].
Pada penelitian ini akan dilakukan pengenal penutur menggunakan Model Markov
Tersembunyi atau biasa disebut Hidden Markov Model (HMM). Hal ini dikarenakan metode
HMM telah terbukti memiliki tingkat ketepatan yang tinggi untuk identifikasi suara [1]
dibanding metode Vector Quantization (VQ) [2] dan fMAPLR [3].
Pada penelitian ini pengenalan penutur di lakukan melaui skema yang ditunjukkan pada
Gambar 1. Pembagian data dibagi kedalam dua bagian yaitu bagian data latih dan data uji. Data
yang digunakan berupa sinyal yang telah diakuisisi dengan isi data berupa penyebutan kata
"Satu". Data latih masing-masing penutur direkam sebanyak 10 kali, sedangkan untuk data uji
dibagi dua bagian yaitu berdasarkan rekaman sebanyak 10 kali dan real time. Selanjutnya
dilakukan proses pengelompokan ciri yang didapat dari sinyal suara untuk memprediksi model
yang dimiliki oleh masing-masing penutur.
Ektraksi Ciri Pengelompokan Klasifikasi Ciri

Data Suara Data Latih
(MFCC) Ciri (K-Means) (KNN)
Bentuk Model HMM

(Baum-Welch)
Ektraksi Ciri Klasifikasi Ciri Evaluasi Model HMM

Data Uji Penutur Dikenali
(MFCC) (KNN) (Metode Forward)
Data Suara
Gambar 1. Skema Pengenalan Penutur
2.1 Mel Frequency Ceptrum Coeffisient

Suara manusia dihasilkan dari sebuah kerjasama antara lungs (paru-paru), glottis
(dengan vocal cords) dan articulation tract (mulut dan rongga hidung). Variasi sinyal suara
dipengaruhi oleh tekanan udara yang melewati pita suara dan vocal tract yaitu mulut, lidah,
gigi, bibir dan langit-langit mulut [4].
Sinyal suara merupakan sinyal yang berubah terhadap waktu secara perlahan atau biasa
disebut quasi-stationary. Ketika diamati dalam jangka waktu yang sangat singkat (5-100ms)
karakteristiknya hampir sama namun, dalam jangka waktu panjang (0.2s atau lebih)
karakteristik sinyal berubah dan merefleksikan perbedaan suara yang diucapkan. Oleh karena
itu, digunakan spektrum waktu singkat (short-time spectral analysis) untuk mengkarakterisasi
sinyal suara[5]. Metode yang digunakan untuk proses ekstraksi ciri adalah MFCC (Mel-
Frequency Cepstrum Coefficients).
Langkah-langkah untuk menghitung MFCC ditunjukan pada Gambar 2, yaitu Fast
Fourier Transform, memfilter dengan filter Mel dan cosine transform dari vektor log energi.
MFCC dimulai dihitung dengan mengambil windowed frame dari sinyal suara, lalu menggunakan
Fast Fourier Transform (FFT) untuk memperoleh parameter tertentu dan kemudian diubah
menjadi skala Mel untuk meperoleh vektor fitur yang mewakili amplitudo terkompres secara
logaritmik dan informasi frekuensi yang sederhana. Kemudian dihitung dengan mengaplikasikan
discrete cosine transform kepada log dari Mel-filter bank. Rumus dari skala Mel adalah:


mel(f)= 2595*log10(1+700) (1)
Pre emphasize Mel Frequency

FFT DCT
+ Windowing Filtering
Gambar 2. Blok Diagram MFCC
2.2 K-Means
Algoritma K-Means adalah algoritma pengelompokan (clustering) berbasis jarak yang
membagi N objek pengamatan ke dalam K kelompok (cluster).
Langkah-langkah algoritma K-Means secara umum yaitu [6]:
1. Tentukan jumlah kelompok
2. Alokasikan data ke dalam kelompok secara acak
3. Hitung pusat kelompok (centroid/rata-rata) dari data yang ada di masing-masing kelompok
4. Alokasikan masing-masing data ke centroid/rata-rata terdekat
5. Kembali ke langkah 3, apabila masih ada data yang berpindah kelompok atau apabila
perubahan nilai sentroid di atas nilai ambang yang ditentukan atau apabila perubahan nilai
pada fungsi objektif yang digunakan masih di atas nilai ambang yang ditentukan.
Pada penelitian ini penulis menggunakaan pengukuran pada jarak ruang (distance
space) Euclidean karena ingin memberikan jarak terpendek antara dua titik linier.
D(x2 , x1 ) = || x2 x1 || = Pj=1 |x2 x1 |2 (2)
2.3 K-Nearest Neighbour

Algoritma K-Nearest Neighbor (K-NN) merupakan algoritma yang melakukan
klasifikasi berdasarkan kedekatan lokasi (jarak) suatu data dengan data yang lain. Pada
algoritma K-NN, data berdimensi q, jarak dari data tersebut ke data yang lain dapat dihitung.
Nilai jarak inilah yang digunakan sebagai nilai kedekatan /kemiripan antara data uji dengan data
latih. Nilai K pada K-NN berarti K-data terdekat dari data uji [6]. Gambar 3 memberikan contoh
algoritma K-NN.
Gambar 3. Algoritma KNN
2.4 Hidden Markov Model

Hidden Markov Model (HMM) merupakan suatu model stokastik yang menggambarkan
dua keterkaitan antara peubah yaitu peubah yang tak teramati (hidden state) dari waktu ke
waktu, serta peubah yang teramati (observable state). Pada penelitian ini, jenis HMM yang
digunakan adalah model ergodic, seperti yang ditunjukkan pada Gambar 4.
ISSN: 1978-1520
114 ISSN : 2407-4322
Gambar 4. HMM Ergodic Model
Pembentukan HMM, pertama tentukan hidden state-nya S = {S1, S2, ... , SN}, dimana N
adalah jumlah hidden state. Pada penelitian ini jumlah hidden state-nya adalah 6. Karena
menurut error minimum berada pada state yang berjumlah 6 [7]. Kemudian alokasikan
probabilitas transisi antar state (matriks transisi),
A = {aij}, untuk 1 i, j N, (3)
aij= P[qt+1 = Sj|qt = Si], (4)
yaitu peluang berada di state j pada waktu t + 1 jika pada waktu t berada di state i. Input
untuk membangun HMM yaitu sinyal suara yang telah ditransformasi menjadi barisan vektor
ciri,O = {O1, O2, ...,OM}, dimana M adalah panjang observasi, ke peluang kemunculannya pada
suatu barisan hidden state tertentu. Pada penelitian ini panjang observasi diambil dari jumlah
n
klaster yaitu 16 yang didapat dari kaidah Thumb ,k , dimana n adalah hasil dari ekstraksi
2
suara penutur.
Probabilitas kumunculan peubah yang terobservasi pada suatu state (matriks emisi)
dinotasikan dengan
B = {bj(k)}, 1 j N, 1 k M, (5)
bj(k) = P[Ok terhadap t | qt = Sj], 0 bj(k) dan

=1 () = 1 (6)
Matriks distribusi probabilitas pada tahap awal berada di state i dinotasikan dengan
= { i}, untuk 1 j , N (7)
i = P [q1 Si] , 0 i dan

=1 = 1. (8)
Dengan menggunakan notasi-notasi tersebut, maka suatu HMM dapat dilambangkan

dengan
= (A, B, ). (9)
2.5 Evaluasi Observasi: Algoritma Forward-Backward

Variabel algoritma forward : = (1, 2 , , , = | ). Berikut ini langkah-
langkah dalam algoritma Forward [8]:

1. Inisialisasi
a1(i) = (o1 ), 1 i N (10)
2. Induksi
t+1 (j) = [
=1 (i) ij ] (o+1 ), (11)
dengan 1 t T-1 dan 1 j N

3. Terminasi
P(O|) =
=1 (i), 1 i N (12)
Ilustrasi algoritma forward dapat dilihat pada Gambar 5.
Gambar 5. Ilustrasi Alur Algoritma Forward
Variabel algoritma Backward: = (1, 2 , , , = | ). Berikut ini langkah-

langkah dalam algoritma Backward [8]:
1. Inisialisasi
T(i) = 1 ,1 iN (13)
2. Induksi
t (i) = [
=1 , . (o+1 ). t+1 ( j) , (14)
dengan t = T-1, T-2, ... 1 dan 1 i , j N
Ilustrasi untuk algoritma backward dapat dilihat pada Gambar 6.
Gambar 6. Ilustrasi Alur Algoritma Backward
ISSN: 1978-1520
116 ISSN : 2407-4322
2.6 Model Latih Algoritma Baum Welch

Algoritma BaumWelch melibatkan algoritma forward dan algoritma backward. Untuk
menggambarkan prosedur update parameter HMM, diperlukan variabel (, ) yang merupakan
peluang gabungan state i dan state j terhadap peluang observasi pada model yang diberikan dan
t ()state pada waktu dan merepresentasikan peluang berada di state i pada waktu t. Secara
matematis nilai (, )dan t () dapat diformulasikan dengan persamaan berikut [8]:
[] , [+1 ]+1[]
(, ) = ( = , +1 = |, ) = (15)
(|)
Variabel state:
() = ( = |, ) = =1 (, ) (16)
Dengan menggunakan persamaan (15) dan (16) maka persamaan untuk meng-update
parameter-parameter (A, B, ) pada HMM dapat dirumuskan seperti pada persamaan
(17,18,19).
1. Probabilitas state transisi:
1
=1 (,)
= 1
(17)
=1 ()
dengan 1 i N, 1 j M
2. Simbol probabilitas emisi
()

=1 =
() =
(18)
=1 ()
dengan 1 i N, 1 j M
3. Probabilitas state awal
= 1 (), 1 i N (19)
Ilustrasi mengenai algoritma Baum-Welch dapat dilihat pada Gambar 7.

Gambar 7. Ilustrasi Perhitungan pada Algoritma Baum Welch
Aplikasi pengenal penutur dibagi kedalam empat bagian yaitu tampilan utama, latih, uji
dari data real time dan uji dari data rekaman ditunjukan oleh Gambar 8.
Gambar 8. Aplikasi Pengenal Penutur. (a) Tampilan Utama (b) Tampilan Latih
(c) Tampilan Uji real time (d) Uji rekaman
3.1 Ekstraksi Ciri

Pada proses ektraksi ciri dari masing-masing penutur akan ada hasil gelombang
spektrogram dari masing-masing penutur.
ISSN: 1978-1520
118 ISSN : 2407-4322
Gambar 9. Spektrogram Penutur
Gambar 9 memperlihatkan warna berbeda-beda dari setiap penutur. Daerah gelap

menunjukkan puncak (formants) dalam spektrum. Hal ini dikarenakan frekuensi dan amplitudo
terhadap waktu masing-masing penutur yang berbeda.
Hasil ektraksi suara dari masing-masing penutur akan menghasilkan nilai ciri yang
berbeda. Hasil ektraksi fitur didapat dari nilai rata-rata magnitude dimana nilai tersebut
merupakan hasil dari nilai analisis frame duration 25 ms, nilai analisis frame shift 10 ms, nilai
pre-emphasis coefficient 0,97, nilai frequency range yang bernilai dari 300 sampai 3700, nilai
filterbank 20, nilai cepstral coefficient 13, nilai cepstral sine filter parameter 22. Hasil ektraksi
fitur dari masing-masing penutur dapat dilihat pada Tabel 1. Hasil ekstrasi merupakan bilangan
sembarang bilangan rill yang berdistribusi berdasarkan model suara seseorang.
Tabel 1 Nilai Ciri Masing-Masing Penutur

No Ciri Penutur 1 Penutur 2 Penutur 3 Penutur 4
1 29,22610 16,04124 26,7916 27,63623
2 -5,57114 -11,2210 -8,7203 -5,64174
3 -0,12888 -0,09575 0,0319 1,36485
4 -5,03435 -2,99690 -6,2693 -2,16470
5 -0,18315 -3,61515 1,8317 3,38628
6 2,34311 -3,59859 9,9454 0,29152
7 -4,39527 -1,88607 9,3361 -0,18776
8 -0,28316 -2,48388 1,4107 -6,85013
9 4,08185 -6,03756 2,5771 -1,16713
10 4,37304 0,35020 -0,5023 8,83512
11 -0,80525 1,45071 1,1137 5,03163
12 -0,38473 -0,30243 5,6076 7,77480
13 1,19224 -1,22829 -1,1413 -2,16825
3.2 Klasifikasi Ciri

Untuk melakukan klasifikasi ciri perlu dilakukan pengelompokan. Hal ini dikarenakan
ciri yang didapat hanya berupa data mentah. Pada penelitian ini penulis menggunakan algoritma
K-Means. Hasil centroid yang diperoleh dari jumlah pengelompokan sebanyak 16 kelompok

berdasarkan kaidah Thumb , dimana n adalah nilai hasil MFCC. Hasil centroid dapat
2
dilihat pada Tabel 2.

Tabel 2 Pengelompokan Ciri

No Pengelompokan Centroid
1 57,3000997070308
2 -4,07408052610624
3 -5,57250557390312
4 3,04384381688059
5 -9,78095907038631
6 0,466027979736970
7 0,837583575180137
8 -0,426714379405893
9 -1,17634593977207
10 5,13794154819773
11 2,01781248157463
12 0,0571543921558319
13 -7,47826263895440
14 1,34483886304448
15 -2,16822428329575
16 -3,04853318250440
Setelah dilakukan pengelompokan dari masing-masing ciri penutur maka pengelompokan

tersebut harus diklasifikasi. Pada penelitian ini penulis menggunakan algoritma K-Nearest
Neighbor (K-NN) sebagai algoritma klasifikasi. Nilai ciri atau hasil ektraksi dari masing-masing
penutur diklasifikasi berdasarkan jarak terdekat dari nilai centroid yang diperoleh dari
pengelompokan sebelumnya sehingga setiap nilai ciri tersebut dapat diklasifikasi. Hasil nilai
klasifikasi dari nilai ciri penutur dapat dilihat pada Tabel 3.
Tabel 2 merupakan titik pusat untuk mengelompokan data kedalam kelas-kelas tertentu,
dalam hal ini kelas observasi. Sebagai contoh, Tabel 3 menyajikan pengelompokan berdasarkan
jarak nilai ciri dengan nilai centroid pada Tabel 2.
Tabel 3 Klasifikasi Ciri Penutur 1
No Ciri Nilai Ciri Klasifikasi
1 27,95505 9
2 -7,17575 6
3 -1,22671 16
4 -3,88804 3
5 -2,92968 10
6 -1,41628 16
7 1,64985 13
8 2,80069 12
9 1,65864 13
10 0,60345 15
11 1,22852 4
12 0,46984 15
13 -0,05473 14
3.3 Pemodelan
Proses pemodelan yang digunakan oleh penulis untuk penelitian ini adalah Hidden
Markov Model yang akan menghasilkan state transisi dan state emisi. Nilai-nilai state transisi
dapat dilihat pada Tabel 5 dan state emisi dapat dilihat pada Tabel 6.
ISSN: 1978-1520
120 ISSN : 2407-4322
Tabel 4 Probabilitas State Transisi

Hidden States 1 2 3 4 5 6
1 0,192536 1,9 7E-01 2,0 3E-01 0,127705 1,3 8E-01 0,14153
2 8,5 8E-02 0,227146588 0,085996 0,242296 0,146088 2,13E-01
3 4,5 1E-02 0,331594236 2,3 1E-01 2,7 4E-01 7,7 9E-02 4,03E-02
4 0,11361 1,7 1E-01 1,8 5E-01 2,09E-01 1,3 5E-01 0,186845
5 0,06857 2,6 3E-01 2,2 7E-02 0,243388 0,400499 1,61E-03
6 2,2 2E-01 0,178479317 0,125715 2,11E-01 0,134159 1,29E-01
Tabel 5 Probabilitas State Emisi
Tabel 4 dan 5 merupakan salah satu model HMM yang dibentuk melalui hasil training.
Dimana probabilitas transisi dimodelkan berdasarkan Tabel 4 dan emisi pada Tabel 5.
3.4 Evaluasi
Hasil pengujian yang dilakukan secara langsung (real time) melalui mikrofon rata-rata
tingkat akurasinya 30%. Pengujian yang kedua dilakukan dengan cara mengambil file rekaman.
Hasil pengujian yang dilakukan melalui file rekaman rata-rata tingkat akurasinya 100%. Hasil
pengujian suara yang diambil adalah nilai log likelihood yang tertinggi dari empat nilai log yang
ada. Hasil pengujian secara real time dapat dilihat pada Tabel 6 dan hasil pengujian from file
rekaman dapat dilihat pada Tabel 7.
Tabel 6 Hasil Pengujian Secara Real Time

Hasil Pengujian
No
Penutur 1 Penutur 2 Penutur 3 Penutur 4
1
2
3
4
5
6
7
8
9
10
Tingkat Akurasi 30% 10% 40% 40%

Tabel 7 Hasil Pengujian from File Rekaman

Hasil Pengujian
No Penutur Penutur Penutur Penutur
1 2 3 4
1
2
3
4
5
6
7
8
9
10
Tingkat
100% 100% 100% 100%
Akurasi
4. KESIMPULAN
Dari hasil penelitian dan pembahasan yang dilakukan, maka dapat disimpulkan bahwa:
1. Metode Hidden Markov Model (HMM) dapat digunakan untuk pengenal penutur.
2. Tingkat akurasi pengujian secara real time sebesar 30% dan pengujian dari file rekaman
sebesar 100%.
3. Hasil yang diperoleh untuk pengujian dari file rekaman lebih tinggi dibanding pengujian
secara real time karena algoritma K-NN kurang baik dalam mengklasifikasi ciri yang
dihasilkan dari MFCC.
5. SARAN
Adapun saran-saran yang ingin disampaikan sebagai berikut :

1. Pengembangan lebih lanjut guna mendapatkan hasil yang lebih akurat, metode HMM dapat
dikombinasikan dengan metode klasifikasi yang lain.
2. Dalam pengembangan lebih lanjut menggunakan metode Hidden Markov Model (HMM)
yang digunakan untuk pengenalan suara dapat digunakan dalam aplikasi untuk keamanan
dan absensi.
DAFTAR PUSTAKA
[1] AbdallahS, Osman I and Mustafa M.Text-Independent Speaker Identification Using

Hidden Markov Model. 2012.World of Computer Science and Information Technology
Jurnal, Vol. 2, No. 6.
[2] Wang, Jun, dkk. Sequential Model Adaptation for Speaker Verification. 2008.
INTERSPEECH.
[3] Vyawahare, S.S. Speaker Recognition. 2013. International Journal of Engineering

Research & Technology, Vol. 2.
[4] Holmes, J. And Holmes, W. Speech Synthesis and Recognition. 2001. Taylor and Francis,
London.
ISSN: 1978-1520
122 ISSN : 2407-4322
[5] Nilsson, M and Ejnarson , Speech Recognition using Hidden Markov Model, Thesis
Blekinge Institute of Technology, Sewen, 2002.
[6] Prasetyo, Eko. Data Mining Konsep dan Aplikasi Menggunakan MATLAB. 2012. Andi
Offset. ISBN: 978-979-29-3282-9.
[7] Rabiner, L.R. A Tutorial in Hidden Markov Models and Selected Applications in Speech
Recognition.Proceedings of IEEE 1989, Vol. 77, No. 2.
[8] Li, Xiaolin, dkk. Training Hidden Markov Model With Multiple Observation A
Combinatorial Method. Proceedings of IEEE 2000, Vol. 22, No. 4.
[9] Irawan, F.A. Buku Pintar Pemrograman MATLAB. MediaKom.2012. ISBN: 978-979-877-
273-3.
[10] Simarmata, Janner. Rekayasa Perangkat Lunak. Andi Offset. 2010. ISBN: 978-979-29-
1347-7.

Pedoman Penulisan Makalah
Jurnal Teknik Informatika dan Sistem Informasi (JATISI)
1. Topik penelitian yang akan dipublikasikan oleh jurnal JATISI adalah yang berhubungan dengan
teknologi informasi, komunikasi dan komputer yang berbentuk kumpulan/akumulasi pengetahuan
baru, pengamatan empirik atau hasil penelitian, dan pengembangan gagasan atau usulan baru.
2. Naskah ditulis dalam Bahasa Indonesia baku atau Bahasa Inggris, belum pernah dipublikasikan
serta bebas dari unsur plagiat. Naskah dilengkapi surat pernyataan tertulis dikirim melalui email
ke jatisi@mdp.ac.id
3. Naskah diketik dengan komputer menggunakan perangkat lunak Microsoft Word. Ukuran kertas
21 cm x 29,7 cm (A4). Batas atas, bawah, kanan, dan kiri 3 cm. Jarak antar baris 1 spasi.
Menggunakan jenis huruf Times New Roman dengan ukuran font untuk judul artikel adalah 18
point, dan font pada isi makalah 11 point. Naskah ditulis dengan layout 1 kolom.
4. Jumlah halaman antara 10 sampai 14 halaman, dan jumlah gambar tidak boleh melebihi 30% dari
seluruh tulisan.
5. Judul makalah maksimal 12 kata dalam bahasa Indonesia atau 10 kata dalam Bahasa Inggris.
Judul harus mencerminkan masalah yang dibahas, dengan menggunakan kata-kata yang ringkas,
lugas, tepat, jelas dan mengandung unsur-unsur yang dibahas.
6. Nama penulis ditulis di bawah judul sebelum abstrak tanpa disertai gelar akademik atau gelar lain
apapun, asal lembaga tempat penulis bernaung, dan alamat email untuk korespondensi, dengan
ukuran 11 point bold.
7. Sistematika penulisan naskah, terdiri dari:

a. Abstrak dan kata kunci
Abstrak ditulis dalam bahasa Indonesia dan bahasa Inggris dengan panjang masing-masing
150 - 200 kata dan dicetak miring dengan Times New Roman 11 point diketik dengan jarak 1
spasi. Abstrak disusun dengan kalimat-kalimat ringkas, jelas, runtut, dan sistematis dan
dapat menggambarkan apa dan mengapa penelitian dikerjakan, bagaimana dikerjakan, dan
apa hasil yang dicapai dari penelitian.
b. Pendahuluan
Pendahuluan ditulis dengan Times New Roman 11 point. Pendahuluan menguraikan latar
belakang permasalahan, tujuan penelitian, batasan penelitian, metode yang digunakan dalam
penelitian, hasil penelitian yang diperoleh sebelumnya, dan kontribusi yang diberikan dari
makalah ini.
Selain itu pendahuluan juga berisi tinjauan pustaka yang memuat uraian sistematis tentang
informasi hasil-hasil penelitian yang pernah dilakukan oleh peneliti sebelumnya yang relevan
dengan penelitian yang akan dilakukan. Bagian ini memuat kelebihan dan kelemahan yang
mungkin ada pada penelitian terdahulu yang dapat dijadikan argumen bahwa penelitian yang
akan dikerjakan ini bersifat menyempurnakan atau mengembangkan penelitian terdahulu.
Bagian ini juga memuat landasan teori berupa rangkuman teori-teori yang diambil dari
pustaka yang mendukung penelitian, serta memuat penjelasan tentang konsep dan prinsip
dasar yang diperlukan untuk pemecahan permasalahan. Landasan teori dapat berbentuk uraian
kualitatif, model matematis, atau tools yang langsung berkaitan dengan permasalahan yang
diteliti. Sumber pustaka yang dirujuk pada bagian ini harus dicantumkan dalam kalimat/
pernyataan yang diacu dan dalam Daftar Pustaka, misalnya [1].
Judul tabel ditulis dalam Times New Roman 11 point, ditempatkan di atas tabel, tanpa
diakhiri tanda titik. Tabel tidak boleh dipenggal, kecuali kalau tidak mungkin diketik dalam
satu halaman. Pada halaman lanjutan tabel dicantumkan nomor tabel dan ditulis kata Lanjutan
tanpa judul. Bagan, grafik, peta, foto, semuanya disebut gambar. Judul gambar dalam Times
New Roman 11 point, tepat di bawah gambar, tanpa diakhiri oleh tanda titik. Keterangan
gambar dituliskan pada tempat yang kosong pada halaman yang sama. Skala dan satuan pada
grafik harus dibuat sejelas mungkin. Setiap tabel dan gambar harus dirujuk dalam makalah.
c. Metode Penelitian
Bagian ini memuat penjelasan secara lengkap dan terinci tentang langkah-langkah yang
dilakukan dalam melakukan penelitian ini. Selain itu, langkah penelitian juga perlu
ditunjukkan dalam bentuk diagram alir langkah penelitian atau framework secara lengkap dan
terinci termasuk di dalamnya tercermin algoritma, rule, pemodelan-pemodelan, desain dan
lain-lain yang terkait dengan aspek perancangan sistem.
d. Hasil dan Pembahasan

Bagian Hasil dan Pembahasan merupakan bagian yang memuat semua temuan ilmiah yang
diperoleh sebagai data hasil penelitian. Bagian ini diharapkan memberikan penjelasan ilmiah
yang secara logis dapat menerangkan alasan diperolehnya hasil-hasil tersebut yang
dideskripsikan secara jelas, lengkap, terinci, terpadu, sistematis, serta berkesinambungan.
Pemakalah menyusun secara sistematis disertai argumentasi yang rasional tentang informasi
ilmiah yang diperoleh dalam penelitian, terutama informasi yang relevan dengan masalah
penelitian. Pembahasan terhadap hasil penelitian yang diperoleh dapat disajikan dalam bentuk
uraian teoritik, baik secara kualitatif maupun kuantitatif. Dalam pelaksanaannya, bagian ini
dapat digunakan untuk memperbandingkan hasil-hasil penelitian yang diperoleh dalam
penelitian yang sedang dilakukan terhadap hasil-hasil penelitian yang dilaporkan oleh peneliti
terdahulu yang diacu pada penelitian ini. Secara ilmiah, hasil penelitian yang diperoleh dalam
penelitian dapat berupa temuan baru atau perbaikan, penegasan, atau penolakan interpretasi
suatu fenomena ilmiah dari peneliti sebelumnya.
Hasil penelitian disajikan secara cermat agar mudah dipahami, misalnya dapat ditunjukkan
dalam bentuk tabel, kurva, grafik, gambar, foto, atau bentuk lainnya sesuai keperluan secara
lengkap dan jelas. Perlu diusahakan agar saat membaca hasil penelitian dalam format tersebut,
pembaca tidak perlu mencari informasi terkait dari uraian dalam pembahasan. Akhir dari
bagian ini memuat keterangan tentang kelebihan dan kelemahan sistem, yang dideskripsikan
secara terinci.
e. Kesimpulan
Kesimpulan merupakan pernyataan singkat, jelas, dan tepat tentang apa yang diperoleh,
memuat keunggulan dan kelemahan, dapat dibuktikan, serta terkait langsung dengan tujuan
penelitian. Uraian pada bagian ini harus merupakan pernyataan yang pernah dianalisis/dibahas
pada bagian sebelumnya, bukan pernyataan yang sama sekali baru dan tidak pernah dibahas
pada bagian sebelumnya, serta merupakan jawaban atas permasalahan yang dirumuskan.
Bagian ini tidak perlu ada uraian penjelasan lagi.
f. Saran
Saran memuat berbagai usulan atau pendapat yang sebaiknya dikaitkan oleh penelitian
sejenis. Saran dibuat berdasarkan kelemahan, pengalaman, kesulitan, kesalahan, temuan baru
yang belum diteliti dan berbagai kemungkinan arah penelitian selanjutnya.
g. Daftar Pustaka
Daftar Pustaka hanya memuat pustaka yang benar-benar diacu dalam makalah, ditulis
menggunakan jenis huruf Times New Roman 11 point, dan disusun sbb:
1) Urutan Daftar Pustaka berdasarkan berdasarkan urutan kemunculan rujukan.
2) Tulisan untuk suatu sumber pustaka diketik satu spasi. Jarak di antara sumber pustaka
tetap dua spasi.
3) Sumber refernsi dari Internet harus berasal dari artikel ilmiah-resmi.
4) Setiap pustaka ditulis menurut:
a) Buku: nama pengarang, tahun penerbitan, judul, edisi (jika perlu), jilid (jika perlu),
nama penerbit, kota penerbit
b) Majalah/Jurnal Ilmiah/Prosiding: nama penulis, tahun penerbitan, judul, nama
majalah/jurnal ilmiah/prosiding, edisi (jika perlu), nama penerbit, kota penerbit
c) Laporan Penelitian: nama peneliti, tahun, judul, jenis penelitian, nama lembaga,
kota
d) Internet: nama penulis, tanggal akses, judul artikel, alamat URL secara lengkap.
Publikasi di web selain e-book, e-journal, dan e-proceeding tidak diperbolehkan
untuk dijadikan rujukan penelitian ilmiah.
8. Tabel dan gambar harus diberi identitas yang berupa nomor urut dan judul tabel atau gambar
yang sesuai dengan isi tabel atau gambar, serta dilengkapi dengan sumber kutipan.
9. Persamaan harus diberi nomor urut dan diacu dalam naskah.
10. Daftar pustaka disusun menurut urutan kemunculan rujukan. Urutan dimulai dengan penulisan
nama penulis, tahun, judul, penerbit, dan kota terbit. Penulisan nama penulis adalah nama
keluarga diikuti nama kecil. Kutipan dari internet berisi nama penulis, judul artikel, alamat
website, dan tanggal akses.
11. Bagian akhir makalah disertakan biodata penulis mencakup nama lengkap, tempat tanggal lahir,
alamat koresponden (rumah/kantor dan email), tahun lulus dan bidang ilmu unutk S1, S2 atau S3
spesialisasi dan minat keilmuan serta hal-hal lain yang dianggap perlu dicantumkan.
12. Redaksi berhak menolak naskah yang tidak memenuhi kriteria/persyaratan teknis, mengadakan
perubahan susunan naskah, memperbaiki bahasa dan berkonsultasi dengan penulis sebelum
naskah dimuat.
FORM PENILAIAN REVIEWER
JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI
(JATISI)
NO UNSUR KETERANGAN MAKS KETERANGAN

1 Keefektifan Judul Maksimal 12 (dua belas) kata 2 a. Tidak lugas dan tidak ringkas (0)
Artikel dalam Bahasa Indonesia atau
b. Kurang lugas dan kurang ringkas (1)
10 (sepuluh) kata dalam Bahasa
Inggris c. Ringkas dan lugas (2)
2 Pencantuman 1 a. Tidak lengkap dan tidak konsisten
Nama Penulis dan (0)
Lembaga Penulis
b. Lengkap tetapi tidak konsisten (0,5)
c. Lengkap dan konsisten (1)
3 Abstrak Dalam Bahasa Indonesia dan 2 a. Tidak dalam Bahasa Indonesia dan
Bahasa Inggris yang baik, Bahasa Inggris (0)
jumlah 150-200 kata. Isi terdiri
dari latar belakang, metode, b. Abstrak kurang jelas dan ringkas,
hasil, dan kesimpulan. Isi atau hanya dalam Bahasa Inggris, atau
tertuang dengan kalimat yang dalam Bahasa Indonesia saja (1)
jelas. c. Abstrak yang jelas dan ringkas
dalam Bahasa Indonesia dan Bahasa
Inggris (2)
4 Kata Kunci Maksimal 5 kata kunci 1 a. Tidak ada (0)
terpenting dalam paper b. Ada tetapi kurang mencerminkan
konsep penting dalam artikel (0,5)
c. Ada dan mencerminkan konsep
penting dalam artikel (1)
5 Sistematika Terdiri dari pendahuluan, 1 a. Tidak lengkap (0)
Pembaban tinjauan pustaka, metode b. Lengkap tetapi tidak sesuai sisetm
penelitian, hasil dan (0,5)
pembahasan, kesimpulan dan
saran, daftar pustaka c. Lengkap dan bersistem (1)
6 Pemanfaatan Pemanfaatan Instrumen 1 a. Tak termanfaatkan (0)
Instrumen Pendukung seperti gambar dan
Pendukung tabel b. Kurang informatif atau
komplementer (0,5)
c. Informatif dan komplementer (1)
7 Cara Pengacuan 1 a. Tidak baku (0)
dan Pengutipan b. Kurang baku (0,5)
c. Baku (1)
8 Penyusunan Penyusunan Daftar Pustaka 1 a. Tidak baku (0)
Daftar Pustaka b. Kurang baku (0,5)
c. Baku (1)
9 Peristilahan dan 2 a. Buruk (0)
Kebahasaan b. Cukup (1)
c. Baik (2)
10 Makna 4 a. Tidak ada (0)
Sumbangan bagi b. Kurang (1)
Kemajuan c. Sedang (2)
d. Cukup (3)
e. Tinggi (4)
ISSN: 1978-1520
NO UNSUR KETERANGAN MAKS KETERANGAN

11 Dampak Ilmiah 7 a. Tidak ada (0)
b. Kurang (1)
c. Sedang (3)
d. Cukup (5)
e. Besar (7)
12 Nisbah Sumber Sumber acuan yang langsung 3 a. < 40% (1)
Acuan Primer merujuk pada bidang ilmiah b. 40-80% (2)
berbanding tertentu, sesuai topik penelitian
Sumber lainnya dan sudah teruji. Sumber acuan
primer dapat berupa: tulisan
dalam makalah ilmiah dalam c. > 80% (3)
jurnal internasional maupun
nasional terakreditasi, hasil
penelitian di dalam disertasi,
tesis, maupun skripsi
13 Derajat Derajat Kemutakhiran Pustaka 3 a. < 40% (1)
Kemutakhiran Acuan b. 40-80% (2)
Pustaka Acuan c. > 80% (3)
14 Analisis dan Analisis dan Sintesis 4 a. Sedang (2)
Sintesis b. Cukup (3)
c. Baik (4)
15 Penyimpulan Sangat jelas relevasinya dengan 3 a. Kurang (1)
latar belakang dan pembahasan, b. Cukup (2)
dirumuskan dengan singkat c. Baik (3)
16 Unsur Plagiat 0 a. Tidak mengandung plagiat (0)
b. Terdapat bagian-bagian yang
merupakan plagiat (-5)
c. Keseluruhannya merupakan plagiat
(-20)
TOTAL 36
Catatan: Nilai minimum untuk diterima adalah 25 poin

Kumpulan Jurnal PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Kumpulan Jurnal PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

VOLUME 1 NOMOR 1 SEPTEMBER 2014

JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI

STAF AHLI (MITRA BESTARI)

ALAMAT PENYUNTING & TATA USAHA

Sebagai tenaga profesional, dosen memiliki kewajiban mengajar, meneliti, dan

JATISI bekerja sama dengan IndoCEISS dalam pengelolaannya. IndoCEISS

Ketua Redaksi JATISI,

Dr. Gasim, S.Kom., M.Si.

Analisis Prediksi Tingkat Pengunduran Diri Mahasiswa

Ricky Imanuel Ndaumanu*1, Kusrini2, M. Rudyanto Arief3

2.1 Data Mining

Gambar 1. Proses Knowledge Discovery in Database (KDD)[3]

Dimana tahapan proses KDD antara lain :

IJCCS Vol. x, No. x, July201x : first_pageend_page

2.3 Algoritma K-Nearest Neighbor

Langkah-langkah untuk menghitung metode Algoritma K-Nearest Neighbor:

c. Kemudian mengurutkan objek-objek tersebut ke dalam kelompok yang mempunyai jarak

2.5 Metode Penelitian

Gambar 2. Metode Kurt Lewin 1990 [6]

2.6 Alur Penelitian

IJCCS Vol. x, No. x, July201x : first_pageend_page

Mulai Data Mining

Tahap Dalam PHP

Pengumpulan Data Di STIKOM e. Berdasarkan jumlah tetangga yang di

data dan memperbaiki kesalahan

Gambar 3. Alur Penelitian

2.7 Metode Pembobotan

Dimana : SBK : Kriteria

3. HASIL DAN PEMBAHASAN

3.1 Pemberian Nilai Bobot

Tabel 1 Pembobotan Pada IPK

Nilai Kriteria IPK Adalah:

(100 0,8) + (80 0,8) + (60 0,8) + (40 0,8)

b. Memberi pembobotan pada Pekerjaan Orang Tua.

Tabel 2 Pembobotan Pekerjaan Orang Tua

IJCCS Vol. x, No. x, July201x : first_pageend_page

c. Memberi Pembobotan pada Jurusan.

Tabel 3 Pembobotan Jurusan

(100 0,4) + (70 0,4) + (40 0,4)

d. Memberi pembobotan pada Semester.

Tabel 4 Pembobotan Semester

(100 0,3) + (80 0,3) + (60 0,3) + (40 0,3)

3.2 Mengklasifikasi pembobotan.

Tabel 5 Pembobotan Variabel

b. Kedekatan Nilai Variabel IPK

Tabel 6 Klasifikasi IPK

Setelah dilakukan klasifikasi IPK berikutnya melakukan pencarian nilai kedekatan

IJCCS Vol. x, No. x, July201x : first_pageend_page

Tabel 7 Kedekatan Nilai Variabel IPK

c. Kedekatan Nilai Variabel Pekerjaan Orang Tua.

Tabel 8 Pekerjaan Orang Tua

Nilai kedekatan variable pekerjaan orang tua di sajikan pada Tabel 9.

Tabel 9 Kedekatan Nilai Variabel Pekerjaan Orang Tua

d. Kedekatan Nilai Variabel Jurusan.

Tabel 10 Kode Jurusan

Adapun nilai kedekatan variabel jurusan tersaji pada Tabel 11.

Tabel 11 Kedekatan Nilai Variabel Jurusan

e. Kedekatan Nilai Variabel Semester.

Tabel 13 adalah nilai kedekatan variabel semester.

Tabel 14 Hasil Perhitungan

IJCCS Vol. x, No. x, July201x : first_pageend_page

Membandingkan data testing

Gambar 4. Skenario Pengujian