JURNAL SISTEM KOMPUTER – Vol.7 No.2 Tahun 2017, ISSN: 2087-4685, EISSN: 2252-3456 JSK - 50
penggunaan aplikasi ini tidak gratis dan sulit untuk data. Data mining didefinisikan sebagai proses
memodifikasi output. menemukan pola dalam data. Proses ini otomatis atau
(biasanya) semi-otomatis (Witten, 2011). Pola
Berdasarkan pada latar belakang masalah, maka ditemukan harus bermakna dalam artian
permasalahan yang di dapat adalah : menyebabkan beberapa keuntungan, biasanya
ekonomis. Data yang selalu dipergunakan dalam
1. Bagaimana menentukan tingkat similaritas pada ukuran besar. Data mining adalah proses menemukan
dataset karakter morfologi tanaman Keladi Tikus. korelasi baru yang bermakna, pola dan tren dengan
2. Bagaimana melakukan klasifikasi terhadap memilah-milah sejumlah besar data yang tersimpan
dataset karakter morfologi tanaman Keladi Tikus. dalam repositori, menggunakan teknologi penalaran
pola serta teknik-teknik statistik dan matematika
Tujuan penelitian ini adalah : (Larose, 2005).
Sesuai dengan permasalahan yang telah dirumuskan,
penelitian ini memiliki tujuan yaitu membuat Sejak perkembangan dari tahun 90-an, data mining
perangkat lunak data mining untuk menentukan yang sebelumnya dikuasai oleh para pakar statistik,
similaritas dan klasifikasi tanaman Keladi Tikus ternyata di tahun 2000–an banyak dikembangkan oleh
berdasarkan data karakter morfologi. ilmu komputer yang berusaha untuk memperbaiki
kinerja dari teori-teori statistik yang ada. Menurut
Manfaat penelitian yang dapat diambil antara lain : Daryl Preigbon disebutkan bahwa data mining adalah
1. Bisa menjadi perangkat lunak yang dapat perpaduan dari statitik, arificial inteligent dan
menentukan similaritas dan klasifikasi tanaman database (Gorunescu, 2011).
Keladi Tikus berdasarkan data karakter
morfologi, sehingga membantu peneliti atau 2.2. Teknik-Teknik Data Mining
petani Keladi Tikus dalam menangani Dengan definisi data mining yang sangat luas, ada
pertumbuhan tanaman. beberapa jenis teknik analisa yang dapat digolongkan
dalam data mining. Berbagai teknik data mining
2. Menghasilkan algoritma untuk menentukan
dapat digunakan untuk setiap tipe fungsi. Teknik-
similaritas dan klasifikasi pertumbuhan tanaman
teknik ini terdiri dari algoritma spesifik yang dapat
Keladi Tikus berdasarkan data karakteristik
digunakan untuk setiap fungsi. Salah satu metode
morfologi. yang digunakan dalam penelitian ini adalah
3. Penelitian ini juga diharapkan dapat dijadikan Klasifikasi.
bahan referensi terkait dengan pokok bahasan
menentukan similaritas dan klasifikasi tanaman. Klasifikasi (Jiawei & Kamber, 2006) adalah proses
penemuan model atau fungsi yang menggambarkan
Berdasarkan permasalahan tersebut maka dibutuhkan dan membedakan kelas data atau konsep dengan
perangkat lunak yang dapat menemukan similaritas tujuan agar dapat digunakan untuk memprediksi kelas
dan mengklasifikasikan data karakter morfologi dari objek yang label kelasnya tidak diketahui.
tanaman Keladi Tikus yang lebih mudah untuk
memodifikasi outputnya. Dengan adanya perangkat Klasifikasi data terdiri dari 2 langkah proses. Pertama
lunak ini diharapkan dapat membantu peneliti adalah fase training, yaitu dimana algoritma
menemukan similaritas dan klasifikasi tanaman klasifikasinya dibuat untuk menganalisa data training
Keladi Tikus berdasarkan satu atau beberapa variabel lalu direfresentasikan dalam bentuk rule klasifikasi.
yang berbeda. Proses kedua adalah klasifikasi dimana data tes
digunakan untuk memperkirakan dari rule klasifikasi
2. LANDASAN TEORI DAN (Jiawei & Kamber, 2006).
KERANGKA KONSEP
Berikut ini algoritma klasifikasi yang paling banyak
2.1. Data Mining digunakan secara popular adalah (Gorunescu, 2011):
Data mining merupakan kegiatan melakukan ekstraksi 1. Bayesian classifiers/Naïve Bayes Classifiers;
untuk mendapatkan informasi penting yang sifatnya 2. Neural Network;
implisit dan sebelumnya tidak diketahui, dari suatu 3. Statistical Analysis;
JURNAL SISTEM KOMPUTER – Vol.7 No.2 Tahun 2017, ISSN: 2087-4685, EISSN: 2252-3456 JSK - 51
4. Rough Sets; bagaimana data diorganisasi, disimpan, diubah dan
5. Rule-based methods; diambil kembali. Ia juga menerapkan mekanisme
6. Memory based reasoning; pengamanan data, pemakaian data secara bersama,
7. Support vector machine pemaksaan keakuratan/konsistensi data dan
sebagainya (Fathansyah, 2012).
Salah satu teknik klasifikasi yang paling popular
digunakan dalam proses data mining adalah decision Database berbeda dengan Database Management
three (Gorunescu, 2011). Decision tree merupakan System (DBMS). DBMS adalah kumpulan program
salah satu metode klasifikasi yang menggunakan yang digunakan untuk mendefinisikan, mengatur, dan
memproses database; sedangkan database itu sendiri
representasi struktur pohon (tree) dimana setiap node
merupakan alat atau tool yang berperan untuk
merepresentasikan atribut, cabangnya mewakili nilai
membangun struktur data tersebut. Saat ini kita bisa
dari atribut, dan daun merepresentasikan kelas. Node
menemukan banyak program DBMS, seperti
yang paling atas dari decision tree disebut sebagai MySQL, Oracle, Interbase/Firebird, IBM, DB2 dan
root. sebagainya. Beberapa DBMS ada yang hanya bisa
Pada decision tree terdapat 3 jenis node, yaitu: beroperasi di komputer mainframe, beberapa hanya
dapat dijalankan di mini computer dan juga ada yang
a. Root Node, merupakan node paling atas, hanya dapat dijalankan di Personal Computer (PC).
pada node ini tidak ada input dan bisa tidak Maka dari itu, untuk tren sekarang, DBMS yang
mempunyai output atau mempunyai output banyak digunakan adalah DBMS yang memiliki
lebih dari satu. fasilitas lintas-platform atau cross-platform (berjalan
b. Internal Node, merupakan node di beberapa platform yang berbeda) (Raharjo, 2011).
percabangan, pada node ini hanya terdapat
satu input dan mempunyai output minimal Dalam satu DBMS dapat memiliki lebih dari satu
dua. database. DBMS juga sering disebut sebagai server
c. Leaf node atau terminal node, merupakan database. Sebagai contoh sederhana, dalam satu
node akhir, pada node ini hanya terdapat DBMS (server database) MySQL, dapat terdiri dari
satu input dan tidak mempunyai output. beberapa database.
JURNAL SISTEM KOMPUTER – Vol.7 No.2 Tahun 2017, ISSN: 2087-4685, EISSN: 2252-3456 JSK - 52
tanaman dan dapat menyebabkan terjadinya misalnya membandingkan dua algoritma yang
perubahan susunan kromosom tanaman (Achrom., et berbeda dengan melihat hasil statistik masing-
al., 2012). Perlakuan mutasi dengan teknik in vitro masing mana yang lebih baik penelitian. Pada
memberikan metode yang efisien untuk meningkatkan penelitian ini, jenis penelitian yang diambil adalah
tanaman hasil perbanyakan secara vegetatif. Teknik Eksperimen Absolut dan metode kuantitatif.
ini dapat digunakan dalam induksi keragaman, seleksi
dan perbanyakan dari genotip yang diinginkan dalam 3.2. Metode Pengumpulan Data
jangka waktu yang sangat singkat dibandingkan Pengumpulan data dilakukan untuk memperoleh
dengan teknik konvensional (Afrasiab & Iqbal, 2010). informasi yang dibutuhkan dalam rangka mencapai
tujuan penelitian. Tujuan yang diungkapkan dalam
2.6. UML (Unfied Modelling Language) bentuk hipotesis merupakan jawaban sementara
terhadap pertanyaan penelitian. Metode pengumpulan
Perancangan sebuah sistem diperlukan alat-alat untuk data bisa dilakukan dengan cara:
memudahkan dalam implementasinya.Unified
Modeling Language (UML) menawarkan sebuah a. Wawancara
standart untuk merancang model sebuah sistem.UML Wawancara adalah suatu bentuk komunikasi verbal
(Unified Modelling Language) merupakan alat bantu jadi semacam percakapan yang bertujuan memperoleh
yang digunakan dalam analisa berorientasi obyek informasi. Penulis melakukan tanya jawab langsung
dengan UML antara lain adalah (Munawar, 2005). kepada pihak-pihak yang berkompeten atau
berkepentingan dalam menentukan estimasi
Menurut Dennis, analisis sistem mendeskripsikan apa pertumbuhan tanaman dan mengetahui secara
yang harus dilakukan oleh sistem untuk memenuhi langsung pertumbuhan tanaman tersebut. Dari hasil
kebutuhan informasi pengguna. Analisis sistem akan wawancara ini diharapkan dapat menambah
menjawab pertanyaan siapa yang akan menggunakan kelengkapan data yang diperoleh dari hasil
sistem, apa yang akan dikerjakan oleh sistem, dan di pengamatan.
mana serta kapan sistem tersebut akan digunakan.
Sedangkan perancangan sistem menentukan b. Data Sekunder
bagaimana sistem akan memenuhi tujuan tersebut, Data karakter morfologi merupakan bentuk fisik dan
dalam hal ini: perangkat keras, perangkat lunak, struktur tubuh pada tumbuhan. Pada tanaman Keladi
infrastruktur jaringan; antarmuka pengguna, formulir Tikus, karakteristik morfologi yang diamati meliputi
dan laporan; serta program-program khusus, database, jumlah daun, luas daun, keliling daun, tinggi tanaman
dan file yang akan dibutuhkan (Dennis, 2009). diukur dari permukaan tanah sampai ujung batang
tertingi dan jumlah anakan. Data morfologi ini
diperoleh dari penelitian klon mutan tanaman keladi
3. METODOLOGI DAN LANGKAH
tikus yang dilakukan oleh (Sianipar, et al., 2013).
PENELITIAN
c. Observasi
3.1. Metode Penelitian Observasi adalah metode pengumpulan data dengan
Menurut (Dawson, 2009) ada empat metode melakukan pengamatan dan pencatatan secara teliti
penelitian yang umum digunakan yaitu tindakan dan sistematis atas gejala – gejala (fenomena) yang
penelitian, eksperimen, studi kasus dan survey. sedang diteliti. Pada kegiatan observasi ini dilakukan
Dalam konteks penelitian, metode yang dilakukan dengan mengumpulkan data melalui pengamatan
mengacu kepada pemecahan masalah yang meliputi langsung terhadap fenomena-fenomena yang terjadi
mengumpulkan data, merumuskan hipotesis, di lokasi penelitian.
pengujian hipotesis, menafsirkan hasil, dan
kesimpulan (Berndtssom, et al., 2008). 3.3. Langkah-langkah Penelitian
Langkah-langkah yang digunakan dalam penelitian ini
Jenis eksperimen dibagi dua, yaitu eksperimen menggunakan model CRISP-DM (Cross Standard
absolut dan eksperimen komparatif. Eksperimen Industries Process for Data Mining) yang tertera pada
Absolut mengarah kepada dampak yang dihasilkan Gambar 1, dalam metode ini terdapat 6 tahapan :
dari eksperimen. Sedangkan Eksperimen Komparatif
yaitu membandingkan dua objek yang berbeda,
JURNAL SISTEM KOMPUTER – Vol.7 No.2 Tahun 2017, ISSN: 2087-4685, EISSN: 2252-3456 JSK - 53
d. Modeling Phase (Fase Pemodelan)
Pada tahap ini memilih dan menerapkan teknik
pemodelan menggunakan UML dengan Use Case
Diagram dan Activity Diagram. Data yang diperoleh
dari fase pengolahan data akan digunakan pada fase
evaluasi.
JURNAL SISTEM KOMPUTER – Vol.7 No.2 Tahun 2017, ISSN: 2087-4685, EISSN: 2252-3456 JSK - 54
INSERT INTO nilai_unggul VALUE (klon_1,nilai)
}
// end input nilai unggul
For i = 1 to N // Number Attributes
{
SELECT DISTINCT (klon_2), klon_1,hasil_terkecil
FROM
(
SELECT id,klon_1,klon_2,hasil_terkecil
from temp_tabel[i]
WHERE klon_1 = Query[klon]
UNION
SELECT id,klon_2 as klon_1,klon_2 as
klon_1,hasil_terkecil from
temp_tabel[i] WHERE klon_1 =
Query[klon] klon_2 =
Query[klon]
) as tabel_1
ORDER BY hasil_terkecil DESC
}
Hasil = 0
For i = 1 to N
{
If i.selected then hasil = hasil + terkecil[i]
}
Gambar 2: Tanaman Keladi Tikus For i = 1 to N
(Surachman, 2009) {
If i.selected then
INSERT INTO hasil VALUE (klon_1,klon_2,hasil)
}
4.2. Fase Pemahaman Data }
Pada tahap ini mulai dilakukan menganalisis data, data //start menghitung nilai unggul final
Query = SELECT MAX() FROM nilai_unggul
yang diambil dari penelitian yang dilakukan pada 37 Get_max_nilai
Query = SELECT klon,nilai FROM nilai_unggul
tanaman Keladi Tikus. Pada fase Pemahaman Data ini While (!EOF){
peneliti melakukan wawancara dengan peneliti Get_nilai_unggul_final
UPDATE nilai_unggul SET nilai_unggul_final = '$nilai_final'
pertumbuhan mutan tanaman Keladi Tikus untuk WHERE klon = nilai_unggul_final
}
mendalami data dan penentuan metode estimasi dari //end of menghitung nilai unggul final
penelitian ini. Result_1 = SELECT * FROM nilai_unggul_final WHERE nilai >=
unggul_threshold ORDER BY nilai DESC
JURNAL SISTEM KOMPUTER – Vol.7 No.2 Tahun 2017, ISSN: 2087-4685, EISSN: 2252-3456 JSK - 55
b. Database 4.5. Evaluasi dengan Metode White Box
Pengujian white box secara umum merupakan jenis
pengujian yang lebih berkonsentrasi terhadap isi
perangkat lunak. Pengujian white box memiliki
beberapa tujuan antara lain:
a. Menguji setiap jalur Independent.
b. Menguji keputusan logic (true atau false)
c. Menguji loops (perulangan) dan batasannya
d. Menguji data struktur internalnya
4.6. Deployment
a. Layar Pilih Variabel Dan menentukan
Threshold
Layar Pilih Variabel digunakan untuk menentukan
threshold nilai unggul, threshold kesamaan dan
memilih variabel yang tersedia (luas daun, tinggi
tanaman, keliling daun, jumlah daun dan jumlah
anakan) di dalam aplikasi. Variabel tersebut adalah
kolom-kolom yang ada di basisdata data morfologi
tanaman mutan Keladi Tikus. Variabel tersebut akan
digunakan untuk menentukan tingkat kesamaan dari
tiap klon yang sudah tersedi di dalam basisdata. Untuk
Gambar 3: Desain Relasional Database melakukan proses perhitungan tingkat kemiripan,
maka pengguna harus menekan tombol Proses. Layar
Gambar 3 menunjukan hubungan antar tabel dalam Pilih Variabel dan menentukan threshold ditunjukkan
database yang akan digunakan untuk menyimpan data. pada Gambar 5 :
Terdapat 1 tabel utama dan 7 tabel sementara. Tabel
morphology merupakan tabel utama, sedangkan tabel
temp jumlah anakan, tabel temp jumlah daun, tabel
tempa keliling daun, tabel temp luas daun dan tabel
tinggi tanaman merupakan tabel sementara. Tabel
utama digunakan untuk menyimpan data pokok
seperti nama klon dan nilai pengukuran tiap variabel.
Tabel sementara digunakan untuk membantu aplikasi
melakukan proses menghitung tingkat kesamaan dan
Gambar 5: Layar Pilih Variabel Dan Menentukan
melakukan klasifikasi.
Threshold
c. Use Case Diagram
b. Layar Hasil Penghitungan
Layar Hasil Perhitungan menampilkan kelas yang
terbentuk setelah aplikasi dijalankan. Kelas dibentuk
berdasarkan threshold nilai unggul, threshold
kemiripan dan variabel yang dipilih. Tingkat
Gambar 4: Use Case Diagram kemiripan tersebut didapatkan dari algoritma
penghitungan tingkat kemiripan yang sudah
Diagram Use Case digunakan untuk menganalisa kebutuhan ditentukan di dalam aplikasi. Hasil penghitungan yang
dari aplikasi penentu koefisien kesamaan dan
ditampilkan diurutkan berdasarkan klon yang
mengklasifikasi data morfologi tamanan Keladi Tikus yang
memiliki nilai unggul dan nilai kemiripan yang paling
akan dibangun. Diagram Use Case menunjukan fungsi dari
suatu sistem dan bagaimana aktor berinteraksi dengan tinggi. Pada Layar ini juga ditampilkan waktu yang
sistem. dibutuhkan untuk menjalankan algoritma
JURNAL SISTEM KOMPUTER – Vol.7 No.2 Tahun 2017, ISSN: 2087-4685, EISSN: 2252-3456 JSK - 56
penghitungan. Layar Hasil Penghitungan ditunjukkan
pada Gambar 6:
JURNAL SISTEM KOMPUTER – Vol.7 No.2 Tahun 2017, ISSN: 2087-4685, EISSN: 2252-3456 JSK - 57
5.2. Saran Lai, C., Mas, R., Nair, N., Majid, M., Mansor, S., &
Beberapa saran untuk pengembangan penelitian ini Navaratnam, V. (2008). Typhonium
sebagai berikut: flagelliformeinhibits cancer cell growth in vitro and
1. Lakukan inovasi pada algoritma penentuan induces apoptosis:An evaluation by the bioactivity
tingkat kesamaan untuk meningkatkan efisiensi guided approach. Journal of Ethnopharmacology (hal.
dan efektifitas dari algoritma yang digunakan 118:14-20). Elsevier Ireland Ltd.
pada penelitian ini.
2. Beri alternatif pilihan pada proses klasifikasi M. Achrom, R. D. (2012). Pengaruh iradiasi sinar
untuk memperkaya pemberdayaan data karakter gamma terhadap presentase umbi bawang merah layak
morfologi tanaman mutan tumbuhan Keladi jual. Balai Uji Terap Teknik dan Metode Karantina
Tikus. Pertanian.
Achrom., M., Dadang, R., Joni, H., & Sunarto. (2012). N.N. Kristina, S. S. (2007). Penggunaan Tanaman
Pengaruh Iradiasi Sinar Gamma Terhadap Presentase Kelapa, Pinang dan Aren Sebagai Tanaman Obat
Umbi Bawang Merah Layak Jual. Bekasi: Balai Uji (Vol. 13).
Terap Teknik dan Metode Karantina Pertanian.
Raharjo, B. (2011). Belajar Otodidak Membuat
Afrasiab, H., & Iqbal, J. (2010). In Vitro Techniques Database Menggunakan MySQL. Bandung:
And Mutagenesis For The Genetic Improvement Of Informatika Bandung.
Potato CVS. Lahore.
S Mohan, A. B.-Z. (2008). Anticancerous Effect of
Berndtssom, M., Hansson, J., Olsson, B., & Lundell, Typhonium flagelliforme on Human T4-
B. (2008). A Guide For Students In Computer Science Lymphoblastoid Cell Line. Journal of Pharmacology
And Information Systems. London: Springer. and Toxicology, (hal. 3(6): 449-456).
Chan, L., Koh, W., & Tengku-Muhammad, S. (2005). Shearer, C. (2000). The CRISP-DM Model: The New
Comparison of Cytotoxic Activities between in Vitro Blueprint for Data Mining. The Journal of Data
and Field Grown Plants of Typhonium flagelliforme Warehousing (hal. 13). Seattle: The Data
(Lodd.) Blume. (hal. 48: 25-31). Journal of Plant Warehousing Institute.
Biology.
Sianipar, N. F. et al., 2013. THE EFFECTS OF
Dawson, C. W. (2009). Projects In Computing And GAMMA IRRADIATION AND SOMACLONAL
Information System A Student's Guide. England: VARIATION ON. Jakarta, KnowledgE.
Addison-Wesley.
Surachman, D. (2009). Penggunaan Beberapa Taraf
Dennis, A. a. (2009). Systems Analysis and Design Konsentrasi Paklobutrazol dalam Media Konservasi
with UML – 3rd Edition. New Jersey: John Wiley & Keladi Tikus (Typonium flagelliforme Lodd.) In Vitro.
Sons, Inc. Buletin Teknik Pertanian.
Fathansyah. (2012). Basis Data. Bandung: Witten, h. I. (2011). Data Mining Pratical Machine.
Informatika Bandung. Third Edition. Burlington: Elsevier Inc.
JURNAL SISTEM KOMPUTER – Vol.7 No.2 Tahun 2017, ISSN: 2087-4685, EISSN: 2252-3456 JSK - 58