PENERAPAN MINIMUM SPANNING TREE PADA HASIL

STUDY MATEMATIKA KELAS XI SEMESTER 1 DI MA

SALAFIYAH DENGAN MENGGUNAKAN ALGORITMA
KOMBINASI (PRIM-KRUSKAL)

PROPOSAL SKRIPSI

Oleh:
David Al Nurul Huda Abdul Kabib
3420190095

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS NAHDLATUL ULAMA SUNAN GIRI

2023
PENERAPAN MINIMUM SPANNING TREE PADA HASIL
STUDY MATEMATIKA KELAS XI SEMESTER 1 DI MA
SALAFIYAH DENGAN MENGGUNAKAN ALGORITMA
KOMBINASI (PRIM-KRUSKAL)

PROPOSAL SKRIPSI

Disusun sebagai salah satu syarat

Untuk memperoleh gelar Sarjana Pendidikan
Program Studi Pendidikan Matematika

Oleh:
David Al Nurul Huda Abdul Kabib
3420190095

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS NAHDLATUL ULAMA SUNAN GIRI

2023

ii
 HALAMAN PERSETUJUAN

Usulan Penelitian Oleh : DAVID AL NURUL HUDA ABDUL KABIB

NIM : 3420190095

Judul : Penerapan minimum spanning tree pada hasil

study matematika kelas XI semester 1 di MA
salafiyah dengan menggunakan algoritma kombinasi
(prim-kruskal)

Telah disetujui dan dinyatakan memenuhi syarat untuk diajukan dalam ujian
proposal skripsi.

Bojonegoro, maret 202

Pembimbing I

Dr. M. Ivan Ariful Fathoni, M. Si.

NIDN. 0705019103

Pembimbing II

Naning Kurniawati, M.Pd.

NIDN. 0718098503

iii
 MOTO
Usaha dan keberanian tidak cukup tanpa tujuan dan arah perencanaan.

PERSEMBAHAN
Proposal skripsi ini penulis persembahkan untuk :
Untuk kedua orang tuaku tercinta, terimaksih atas doa, kasih sayang dan jerih
payah perjuangan yang senantiasa mengiringi langkahku. Meski aku belum
mampu membalas kasih sayang mu dengan sempurna, aku akan berusaha sebaik
mungkin agar aku tidak mengecewakanmu dan membuatmu bangga terhadapku.

keluarga besarku serta teman-temanku, terimakasih atas dukungan dan semangat

yang selalu diberikan kepadaku

Guru-guru ku, dosen-dosen ku terimakasih sudah membimbing dan mengajariku

dengan sabar dan telaten selama ini, meskipun aku belum bisa membalas jasa-jasa
kalian namun aku selalu mengharapkan ridho dan doa kalian, agar ilmu yang
engkau berikan bermanfaat dan bisa aku sebarkan kepada orang lain.

Seluruh teman-teman pendidikan matematika angkatan 2019, terimakasih atas

semangat, dukungan dan kebersamaan yang indah selama ini serta perjuangan
bersama yang takkan terlupakan

iv
 KATA PENGANTAR
Alhamdulillah segala puji bagi Allah SWT yang telah memberikan
hidayah, ilmu , kesehatan, dan kesempatan yang sangat berharga, sehingga penulis
dapat menyelesaikan proposal skripsi yang berjudul “Penerapan minimum
spanning tree (MST) pada hasil study matematika kelas XI semester 1 dengan
menggunakan algoritma kombinasi prim-kruskal di MA SALAFIYAH” ini dapat
terselesaikan dengan baik dan tepat waktu meskipun masih banyak kekurangan
dalam pembuatan proposal skripsi, baik dari penataan dan ide untuk
menyempurnakan karya ini. Sebagai salah satu syarat untuk menyelesaikan
Program Sarjana (S1) Jurusan Pendidikan Matematika, Fakultas Keguruan dan
Ilmu Pendidikan, Universitas Nahdlatul Ulama Sunan Giri Bojonegoro.

Penulis menyadari dalam penyusunan skripsi tidak akan selesai tanpa

bantuan dari berbgai pihak. Karena itu kami ingin mengucapkan terimakasih
kepada:

1. Bapak K.H. M. Jauharul Ma’arif, M.Pd.I selaku Rektor Universitas Nahdlatul

Ulama Sunan Giri Bojonegoro.
2. Ibu Astrid Chandra Sari, M.pd selaku Dekan Fakultas Keguruan dan Ilmu
Pendididkan universitas Nahdlatul Ulama Sunan Giri Bojonegoro.
3. Ibu Naning Kurniawati, M.Pd selaku Ketua Program Studi Pendidikan
Matematika Universitas Nhadlatul Ulama Sunan Giri Bojonegoro. Sekaligus
dosen pembimbing skripsi 2 yang telah memberikan motivasi dan bimbingan
hingga terselesaikannya proposal skripsi ini.
4. Dr, M. Ivan Ariful Fathoni, M.,Si. selaku Dosen Penasehat Akademik
sekaligus Dosen pembimbing skripsi 1 saya atas bimbingan, saran, dan
motivasi yang diberikan
5. Bapak dan Ibu Dosen Jurusan Matematika Universitas Nahdlatul Ulama
Sunan Giri Bojonegoro yang telah sabar membimbing serta memberikan
ilmunya kepada penulis sejak berada dibangku kuliah.
6. Orang tua, saudara-saudara saya, atas do’a, dukungan, bimbingan serta kasih
sayang yang selalu tercurah selama ini.

v
7. Teman-teman seperjuangan Program Studi Pendidikan Matematika Angkatan
2019 Fakultas Keguruan dan Ilmu Pendidikan, Universitas Nahdlatul Ulama
Sunan Giri Bojonegoro, atas semua dukungan, semangat, serta kerjasamanya.
8. Seluruh civitas akademik Program Studi Pendidikan Matematika, Fakultas
Keguruan dan Ilmu Pendidikan, Universitas Nahdlatul Ulama Sunan Giri
Bojonegoro, yang telah memberikan dukungan moril kepada penulis.

Kami menyadari skripsi ini tidak luput dari berbagai kekurangan.penulis

mengharapkan kritik dan saran demi kesempurnaan dan perbaikannya sehingga
akhirnya laporan skripsi ini dapat memberikan manfaat bagi bidang Pendidikan
dan penerapan dilapangan serta bias dikembangkan lagi lebih lanjut. Aamiin.

Bojonegoro, Maret 2023

Penulis

vi
 DAFTAR ISI
HALAMAN SAMPUL ............................................................................................ i

HALAMAN SAMPUL DALAM ........................................................................... ii

HALAMAN PENGESAHAN ................................................................................ iii

HALAMAN MOTO DAN PERSEMBAHAN ...................................................... iv

KATA PENGANTAR .............................................................................................v

DAFTAR ISI ......................................................................................................... vii

DAFTAR TABEL .................................................................................................. ix

DAFTAR BAGAN...................................................................................................x

DAFTAR GAMBAR ............................................................................................. xi

BAB I PENDAHULUAN ........................................................................................1

1.1. Latar Belakang ...........................................................................................

1.2.Rumusan Masalah.......................................................................................
1.3.Tujuan Penelitian ........................................................................................
1.4.Manfaat Penelitian ......................................................................................

BAB II DASAR TEORI DAN TINJAUAN PUSTAKA ...........................................

2.1. Dasar Teori ..............................................................................................5

2.1.1. Algoritma Prim ..............................................................................5

2.1.2. Algoritma Kruskal .........................................................................6

2.1.3. Kombinasi Algoritma Prim Kruskal ..............................................7

2.1.4. Korelasi Spearman.......................................................................12

2.1.5. Korelasi Pearson ..........................................................................12

2.2. Tinjauan Pustaka....................................................................................13

BAB III METODE PENELITIAN.........................................................................14

vii
3.1. Jenis Penelitian dan Desain Penelitian ..................................................21

3.2. Sumber Data ..........................................................................................22

3.3. Tempat dan Waktu Penelitian................................................................22

3.4. Subjek Penelitian ...................................................................................22

3.5. Pengambilan Data ..................................................................................22

3.5.1. Instrumen Penelitian..................................................................23

3.5.2. Teknik Pengambilan Data .........................................................23

3.6. Langkah dan Prosedur Penelitian ..........................................................23

3.7. Teknik Analisis Data .............................................................................25

DAFTAR PUSTAKA

viii
DAFTAR TABEL

ix
 DAFTAR BAGAN

Bagan 2.1.4 Persamaan korelasi spearman ........................... 12

Bagan 2.1.5 Persamaan korelasi pearson.............................. 13

Bagan 2.2 keterkaitan penelitian terdahulu .......................... 16

x
 DAFTAR GAMBAR

Gambar 2.1.3 Algoritma kombinasi ................................ 8

Gambar 2.1.3.2 Langkah 2 .............................................. 8

Gambar 2.1.3.3 Langkah 3 .............................................. 9

Gambar 2.1.3.4 Langkah 4 .............................................. 9

Gambar 2.1.3.5 Langkah 5 .............................................. 9

Gambar 2.1.3.6 Langkah 6 ............................................ 10

Gambar 2.1.3.7 Langkah 7 ............................................ 10

Gambar 2.1.3.8 Langkah 8 ............................................ 10

Gambar 2.1.3.9 Langkah 9 ............................................ 10

Gambar 2.1.3.10 Langkah 10 ........................................ 11

Gambar 2.1.3.11 Langkah 11 ........................................ 11

Gambar 2.1.3.12 Langkah 12 ........................................ 11

Gambar 2.1.3.13 Langkah 13 ........................................ 11

xi
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Pesatnya ilmu pengetahuan dan teknologi berpengaruh besar dalam dunia
pendidikan, pendidikan harus selalu ditingkatkan agar peserta didik dapat selalu
mengikuti perkembangan ilmu pengetahuan dan teknologi sehingga nanti terjun
dimasyarakat akan menjadi insan yang berkualitas yang sanggup membawa
masyarakat ke arah yang lebih baik. Peningkatan pendidikan dapat dilakukan
dengan berbagai cara salah satu diantaranya adalah kualitas proses belajar
mengajar, peningkatan belajar mengajar dapat dilakukan jika guru mengetahui
sumber masalah yang ada di sekolahnya. Melalui penerapan spanning tree ini
diharapkan dapat memberi gambaran kondisi siswa dan upaya untuk memperbaiki
dan meningkatkan hasil belajar dimasa yang akan datang.
Meningkatkan hasil belajar dengan ilmu pengetahuan mengambil bagian yang
signifikan dalam ilmu pengetahuan, dalam menyelesaikan masalah memerlukan
suatu metode penalaran tertentu atau ilmu tertentu. Matematika adalah salah satu
cabang pengetahuan yang dapat digunakan untuk mempermudah penyajian dan
pemahaman masalah. Salah satu bidang ilmu yang dapat digunakan untuk
menangani suatu permasalahan dalam kehidupan adalah pemodelan matematika.
Pada pembahasan model matematika, suatu masalah dapat lebih sederhana untuk
dipahami, disajikan, dianalisis, dan diselesaikan, baik secara numerik maupun
secara analitik bidang ilmu matematika yang bisa menyederhanakan penyajian
masalah dalam kehidupan sehari-hari adalah teori graf (Ramadhan et al., 2018).
Teori graf merupakan bagian dari matematika yang dapat membantu dalam
menemukan solusi untuk masalah dibeberapa bidang. Bidang matematika ini
memiliki beberapa keunggulan untuk menyelesaikan masalah dalam kehidupan
sehari-hari. Teori graf ditemukan oleh seseorang matematikawan bernama
Leonhard. Euler pada tahun 1736. Ide muncul ketika memecahkan masalah
jembatan konigsberg, Euler kemudian memodelkan masalah tersebut dalam
bentuk graf dengan mengasumsikan massa tanah sebagai graf satu sisi

1
 2

(Wamiliana, 2022:3). Teori graf adalah cabang matematika diskrit yang menarik
untuk membahas masalah yang berkaitan dengan masalah sehari-hari (Wibisiono,
2008). Meskipun graf adalah model matematika yang sangat rumit dan
menantang, graf dapat menjadi jawaban yang sangat praktis untuk beberapa
masalah. Oleh karena itu, representasi graf tergantung pada sifat data dan operasi
yang dilakukan pada data kasus tertentu (Jusuf, 2009).
Dalam teori graf, terdapat metode yang dapat diaplikasikan dalam
permasalahan pendidikan, yaitu minimum spanning tree (MST). Beberapa
algoritma dalam penentuan minimum spanning tree antara lain algoritma prim,
kruskal, dan solin (Wamiliana, 2022). Dalam penelitian ini, metode yang
digunakan adalah modifikasi dari dua metode tersebut, yaitu prim dan kruskal.
Contoh penerapan MST dalam pendidikan dengan metode kombinasi adalah
penelitian yang dilakukan (Rismawati, 2017). Algoritma prim yang
dikombinasikan dengan algoritma kruskal menghasilkan suatu solusi pada
permasalahan pendidikan. Penelitan Rismawati (2017) membahas permasalahan
pencarian materi yang mendominasi pada matei stastika, peluang, trigonometri,
dan lingkaran, pada penelitian tersebut menghasilkan analisis minimum spanning
tree (MST) dapat menjadi solusi untuk mencari materi yang mendominasi dan
materi yang sangat mempengaruhi materi lainnya pada pelajaran matematika.
Berdasarkan pengamatan penulis di suatu sekolahan di MA salafiyah Desa
Prambontergayang, Kecamatan Soko, Kabupaten Tuban diperoleh informasi data
yang tersimpan hanya berupa nilai raport, nilai ujian nasional (UN), nilai ujian
sekolah (US) dan data pekerjaan orang tua siswa. Data-data tersebut hanya
tersimpan, tanpa pernah dilakukan pencarian nilai kesamaan/dominasi antar
materi supaya adanya evaluasi nilai dari data tersebut, untuk kedepannya
diharapkan nilai siswa dapat meningkat. Sehingga data-data yang terdapat
disekolah tidak dibiarkan begitu saja, perihal hal ini pula yang menimbulkan
pihak sekolah kurang berminat mengumpulkan data-data lain misalkan nilai ujian
masing-masing mata pelajaran, nilai uji inteligensi dan kepribadian siswa, dan
data siswa yang melanjutkan sekolah atau tidak melanjutkan sekolah dan lain-lain.
Padahal kalau dilihat dari manfaat yang akan diperoleh jika data-data tersebut
diolah dan dilakukan analisa stastika maka akan memberikan suatu gambaran
 3

keadaan siswa dan keadaan pendidikan di sekolah tersebut sehingga baik kepala
sekolah maupun guru mengetahui benar permasalahan yang ada disekolah,
sehingga dapat menentukan langkah-langkah yang akan ditempuh dalam upaya
peningkatan pendidikan ke depannya.
Oleh karena itu pentingnya mempelajari matematika tersebut sehingga
diperlukan peningkatan prestasi belajar matematika siswa. Guru mempunyai
peranan yang sangat fundamental dalam proses pembelajaran. Dengan kata lain,
tercapai tidaknya tujuan pembelajaran matematika di sekolah bergantung pada
kompetensi yang dimiliki guru baik kompetensi pedagogis maupun kompetensi
akademis. Untuk itu guru memerlukan kemapuan untuk melakukan analisa
stastika dari data nilai ujian matematika siswa karena hasil dari pengolahan data
tersebut guru mengetahui langkah yang harus ditempuh untuk meningkatkan
prestasi belajar siswa khususnya pada pada mata pelajaran matematika. Dengan
demikian mengetahui hasil study dengan pengoptimalan minimum spanning tree
dengan menggunakan algoritma modifikasi sangat diperlukan. Banyak sistem
yang dapat membantu dalam mengatasi hasil study dan memaksimalkan
pembuatan nilai hasil belajar. Algoritma Modifikasi (prim-Kruskal) yang nantinya
digunakan untuk memecahkan masalah pada hasil study matematika kelas XI
semester 1. Oleh karena itu penulis mengambil judul “Penerapan minimum
spanning tree pada hasil study matematika kelas XI semester 1 di MA salafiyah
dengan menggunakan metode algoritma modifikasi (prim-kruskal)”.
1.2 Rumusan Masalah
Berdasarkan identifikasi yang telah diuraikan di atas.rumusan masalah dalam
penelitian ini adalah :
1. Bagaimana penerapan minimum spanning tree pada hasil study matematika
kelas XI semester 1 di MA salafiyah prambon tergayang dengan algoritma
modifikasi (prim-kruskal) ?
2. Bagaimana analisis korelasi pada penerapan minimum spanning tree dengan
menggunakan algoritma modifikasi (prim-kruskal) pada hasil study
matematika ?
1.3 Tujuan Penelitian
Tujuan dari penelitian ini adalah mengetahui :
 4

1. Penerapan minimum spanning tree pada hasil study matematika kelas XI

semester 1 di MA salafiyah prambontergayang dengan algoritma modifikasi
(prim-kruskal).
2. Analisis korelasi pada penerapan minimum spanning tree dengan
menggunakan algoritma modifikasi (prim-kruskal) pada hasil study
matematika.
1.4 Manfaat Penelitian
Hasil penelitian dapat digunakan oleh pihak lain untuk menyempurnakan
unsur-unsur tertentu yang merupakan salah satu keunggulannya. Hasil berikut dari
penelitian ini diharapkan :
1. Bagi penulis
Sebagai sarana untuk memperoleh pengetahuan ,praktik dan wawasan tentang
informasi yang diperlukan untuk menggunakan algoritma modifikasi (prim-
kruskal) dalam situasi dunia nyata.
2. Bagi guru
Hasil penelitian ini diharapkan dapat membantu guru dalam mengetahui
tingkat kemampuan siswa dan mengetahui langkah yang harus ditempuh untuk
meningkatkan prestasi belajar siswa khususnya pada mata pelajaran matematika.
3. Bagi Sekolah
Hasil penelitian ini diharapkan dapat digunakan sebagai refrensi untuk
membekali guru matematika dalam kegiatan belajar mengajar kepada siswa
kedepannya buat standar acuan di sekolah.
 5

BAB II
DASAR TEORI DAN TINJAUAN PUSTAKA

2.1 Dasar Teori

Teori graf atau teori grafik dalam matematika dan ilmu komputer merupakan
cabang kajian yang mempelajari sifat-sifat graf atau grafik. Graf merupakan
sekumpulan objek terstruktur dimana beberapa pasangan objek mempunyai
hubungan atau keterkaitan. Teori graf ini pertamakali diperkenalkan oleh seorang
matematikawan swiss, leonhard euler, dalam membahas ada atau tidaknya
struktur yang saat ini dikenal dengan sirkuit euler pada graf keterhubungan antara
kota konigsberg dan pulau kecil ditengah sungai prigel yang berhubungan dengan
tujuh jembatan.ilmu matematika graf adalah suatu objek dasar pelajaran. Dalam
bahasa graf kita akan mengenal suatu minimum spanning tree dengan metode –
metode algoritmanya, yaitu pada algoritma prim dan kruskal pada pembahasan ini
memadukan / modifikasi pada algoritma tersebut.(Wamiliana, 2022:2)
2.1.1 Algoritma Prim
Algoritma prim adalah sebuah algoritma dalam teori graf untuk mencari pohon
rentang minimum untuk sebuah graf berbobot yang saling terhubug. Ini berarti
bahwa himpunan bagaian dari edge yang membentuk suatu pohon yang
mengandung node, dimana bobot keseluruhan dari semua edge dalam pohon
diminimalisasikan. Bila graf tersebut tidak terhubung, maka graf itu hanya
memiliki satu pohon rentang minimum untuk satu dari komponen yang terhubung.
Algoritma ini ditemukan pada 1930 oleh matematikawan Voitech Jamik dan
kemudian secara terpisah oleh komputer scientist Robert C. Prim pada 1957 dan
ditemukan kembali oleh Dijkstra pada 1959. Karena itu algoritma ini sering
dinamai algoritma DJP atau algoritma Jarnik.
Ada 3 tahapan cara kerja untuk mendapatkan minimum spanning tree dari sebuah
graf dengan menggunakan algoritma prim yaitu :
 6

1. Menentukan atau memilih sisi (edge) pada graf (G) dengan bobot yang paling
minimum, kemudian masukkan kedalam himpunan T (set of trees).
2. Kemudian pilih sisi (edge) (u,v) yang mempunyai bobot paling minimum lagi
tetapi bersisian dengan simpul di T , tetapi (u,v) kedalam T.
3. Ulangi langkah ke 2 sebanyak (n-2) kali atau sampai tidak ada lagi sisi (u,v)
yang dapat dimasukkan lagi ke T dengan memperhatikan ketentuan pada
langkah 2.
Menurut (Komputer et al, 2014)Secara sederhana algoritma prim terlebih dahulu
akan memilih suatu sisi pada sebuah graf berbobot dengan bobot yang paling kecil
atau minimum, kemudian sisi pertama tersebut akan dimasukkan kedalam sebuah
himpunan tree (T), selanjutnya akan dilihat sisi lainnya yang bertetanggaan
dengan sisi awal tersebut dan memilih lagi sisi dengan sisi awal tersebut dan
memilih lagi sisi dengan bobot yang paling minimum tetapi tidak membuat sirkuit
dalam T, kemudian mengulangi tahap yang sama sampai semua sisi pada graf
tidak ada lagi yang dapat dipilih dengan mempertimbangkan ketentuan diatas.
2.1.2 Algoritma Kruskal
Algoritma kruskal adalah algoritma dalam teori graf yang mencari Sebuah
minimum spanning tree untuk sebuah graf berbobot yang terhubung. Ini berarti
menemukan subset dari tepi yang membentuk sebuah pohon yang mencakup
setiap titik, dimana berat total dari semua tepi diatas pohon diminimalkan. Jika
grafik tidak terhubung, maka menemukan hutan rentang minimum (pohon rentang
minimum untuk setiap komponen terhubung). Algoritma kruskal juga tergolong
algoritma Gredy dalam teori graf yang digunakan dalam mencari minimum
spanning tree. Algoritma ini pertama kali muncul dalam prosiding American
Mathematical Society, ha 1956.
Ada 4 tahapan cara kerja untuk mendapatkan minimum spanning tree dari sebuah
graf berbobot dengan menggunakan algoritma kruskal yaitu :
1. Mengurutkan setiap sisi (edge) pada graf (G )dari bobot yang paling kecil
hingga terbesar.
2. Kemudian pilih sisi (edge) (u,v) yang mempunyai bobot paling minimum dan
masukkan kedalam himpunan T (set of trees).
 7

3. Pilih sisi (u,v) lagi dengan bobot minimum berikutnya, dengan ketentuan tidak
membentuk sirkuit (cycle) di T ,lalu tambahkan sisi (u,v) tersebut dalam T
4. Ulangi langkah 3 sampai tidak ada lagi sisi yang dapat dimasukkan kedalam T
dengan ketentuan yang sama.
Menurut (Komputer et al., 2014) Secara sederhananya algoritma kruskal
terlebih dahulu akan mengurutkan setiap bobot sisi pada graf dari yang paling
minimum ke paling maksimum. Kemudian memilih sisi yang paling minimum
dan masukkan sisi tersebut ke himpulan tree (T). selanjutnya memilih sisi
dengan bobot minimum berikutnya dan memasukkan lagi ke T tetapi dengan
ketentuan tidak membentuk sirkuit (cycle) di T. mengulangi langkah yang
sama sampai semua sisi pada graf tidak ada lagi yang dapat dipilih dengan
mempertimbangkan ketentuan yang sama.
2.1.3 Kombinasi Algoritma Prim-Kruskal
Menurut Afrianti et al.(2021) algoritma kombinasi merupakan
penggabungan antara algoritma prim dan algoritma kruskal untuk menentukan
minimum spanning tree dengan hasil yang maksimal. Algorima prim dan kruskal
termasuk bagian dari algoritma gredy yang digunakan dalam menyelesaikan
masalah dan pada setiap langkah memiliki solusi optimal lokal yang diharapkan
akan membentuk solusi optimal global. Algoritma prim dan kruskal dapat
digunakan dalam mencari solusi optimum pada penentuan minimum spanning tree
pada graf. Dalam graf ini digunakan untuk mempresentasikan objek-objek disrit
dan hubungan antara objek-objek tersebut. Representasi visual dari graf
dinyatakan berupa objek sebagai noktah atau titik, sedangkan hubungan antara
objek-objek dinyatakan dalam bentuk garis.
Langkah - langkah dalam algoritma kombinasi sebagai berikut:
1. Pilih satu simpul 𝑣 ଵ yang mempunyai derajat minimum. Jika terdapat
simpul yang berderajat minimum lebih dari satu simpul maka tentukan
minimum spanning tree dari setiap simpulnya kemudian pilih rute yang
lebih optimal
2. Pilih sisi dalam 𝐺 yang berbobot minimum yang bersisian dengan simpul
di 𝑣 ଵ, masukkan kedalam pohon 𝑇. Jika terdapat lebih dari satu sisi yang
 8

berbobot sama dan minimum maka tentukan minimum spanning tree dari
setiap kemungkinan kemudian pilih rute yang optimal.
3. Pilih sisi dari 𝐺 yang memiliki bobot minimum dan bersisian dengan
simpul di 𝑇, dengan syarat sisi tersebut tidak membentuk siklus.
4. Jika 𝐺 memiliki 𝑛 simpul, berhenti setelah 𝑛 − 1 sisi dipilih. Berikut ini
adalah contoh graf yang akan digunakan untuk menentukan minimum
spanning tree menggunakan algoritma kombinasi.
Berikut ini adalah contoh graf yang akan digunakan untuk menentukan
minimum spanning tree menggunakan algoritma kombinasi.

Gambar 2.1.3 Algoritma kombinasi

Akan ditentukan minimum spanning tree dari graf di atas dengan menggunakan
algorima modifikasi, dengan langkah-langkah sebagai berikut:
1. Pilih simpul yang berderajat minimum, yaitu simpul 𝐶
2. Memilih sisi dalam 𝐺 yang mempunyai bobot minimum yang bersisian dengan
simpul di 𝑣ଵ, masukkan kedalam pohon 𝑇. Sisi 𝐶𝐵 dengan bobot 3 maka
spanning tree yang dibentuk adalah

Gambar 2.1.3.2 Langkah 2

 9

3. Memilih sisi dari 𝐺 yang memiliki bobot minimum dan bersisian dengan
simpul di 𝑇 , dengan syarat sisi tersebut tidak membentuk siklus. Sisi 𝐵𝐴
dengan bobot 2 maka spanning tree yang dibentuk adalah

Gambar 2.1.3.3 langkah 3

4. Sisi 𝐴𝐷 dengan bobot 4 maka spanning tree yang dibentuk adalah

Gambar 2.1.3.4 langkah 4

5. Sisi 𝐷𝐸 dengan bobot 1 maka spanning tree yang dibentuk adalah

Gambar 2.1.3.5 langkah 5

6. Sisi 𝐸𝐻 dengan bobot 2 maka spanning tree yang dibentuk adalah
 10

Gambar 2.1.3.6 langkah 6

7. Sisi 𝐻𝐹 dengan bobot 2 maka spanning tree yang dibentuk adalah

Gambar 2.1.3.7 langkah 7

8. Sisi 𝐹𝐺 dengan bobot 2 maka spanning tree yang dibentuk adalah

Gambar 2.1.3.8 langkah 8

9. Sisi 𝐺𝐾 dengan bobot 3 maka spanning tree yang dibentuk adalah

Gambar 2.1.3.9 langkah 9

10. Sisi 𝐾𝑀 dengan bobot 3 maka spanning tree yang dibentuk adalah
 11

Gambar 2.1.3.10 langkah 10

11. Sisi 𝑀𝐿 dengan bobot 2 maka spanning tree yang dibentuk adalah

Gambar 2.1.3.11 langkah 11

12. Sisi 𝐿𝐽 dengan bobot 3 maka spanning tree yang dibentuk adalah

Gambar 2.1.3.12 langkah 12

13. Sisi 𝐽𝐼 dengan bobot 6 maka spanning tree yang dibentuk adalah

Gambar 2.1.3.13 langkah 13

 12

Karena semua simpul telah terhubung maka minimum spanning tree yang
dihasilkan adalah 3+2+4+1+2+2+2+3+3+2+3+6=33 dengan model jalur pada
Gambar 2.1.3.13 keterangan tersebut menurut (Afrianti et al., 2021).
2.1.4 Korelasi Spearman
Korelasi spearman digunakan pada stastika nonparemetris tidak hanya
digunakan untuk mengukur hubungan linier tetapi juga digunakan untuk
mengukur hubungan linear tetapi juga hubungan nonlinear. Koefisien korelasi
spearman dilakukan dengan merangking data X dan Y, dinotasikan dengan
Ranking data didefinisikan sebagai data yang observasinya telah diganti dengan
ranking numerik dari terendah ke tertinggi. Untuk menghitung pertama diganti
nilai terkecil dari X dengan ranking 1, Nilai kedua terkecil dengan ranking 2 dan
seterusnya. Begitu juga dengan nilai variabel Y. Jika terdapat hubungan kuat
positif antara X dan Y, maka observasi X dengan ranking kecil berpasangan
dengan observasi di Y yang juga ranking kecil. Kemudian hubungan negatif
terjadi jika rangking besar pada observasi X berpasangan dengan rangking kecil
pada Y. Menurut Sörlin (2008) Koefisien korelasi Spearman (merupakan
koefisien korelasi pearson yang diterapkan pada pasangan ranking yang diperoleh
dengan mengganti nilai X dan Y dengan rangkingnya,dengan menggunakan
persamaan berikut :
( )
∑( )( )
( )( )

Bagan 2.1.4 persamaan korelasi spearman

2.1.5 Korelasi Pearson

Koefisien korelasi pearson untuk menerapkan koefisien korelasi antara dua
variabel yang masing-masing mempunyai skala pengukuran interval atau rasio
maka digunakan korelasi product moment yang dikembangkan oleh Karl
pearson. Koefisien korelasi Pearson mengukur kekuatan hubungan linear antara
dua variabel. Bila hubungan dua variabel tidak linear, maka koefisien korelasi
pearson tidak menggambarkan kekuatan hubungan antara dua variabel. Korelasi
pearson dilambangkan dengan “r” bila diukur dalam populasi dan diberi
lambang “r” bila diukur dalam sampel. Ronald E walpole (1995), ukuran
 13

hubungan linear antara dua Variabel X dan Y ditaksir dengan koefisien. Korelasi
sampel r dengan : dimana = jumlah total observasi x = jumlah total observasi y =
jumlah total perkalian observasi x dan y = jumlah total observasi y kuadrat Data
yang digunakan dalam korelasi pearson sebaiknya memenui
persyaratan,diantaranya adalah Berskala interval / rasio, Variabel X dan Y harus
bersifat independen satu dengan yang lainnya,Variabel harus kuantitatif simetris
asumsi dalam korelasi pearson , diantaranya ialah: terdapat hubungan antara X
dan Y, Data berdistribusi normal, Variabel X dan Variabel Y simetis, Variabel X
tidak berfungsi sebagai variabel bebas dan Y sebagai Variabel tergantung.
𝐽𝐾 𝑛∑ ∑ ∑
√𝐽𝐾 𝐽𝐾 √(𝑛 ∑ (∑ ) ) (𝑛 ∑ (∑ ) )

Bagan 2.1.5 persamaan korelasi pearson

Dimana:

∑ 𝑛

∑ ,

2.2 Tinjauan pustaka

Penelitian Terdahulu Berfungsi Untuk Mencari Perbandingan Dan
Melanjutkan Untuk Penelitian Selanjutnya Di Samping Itu Kajian Terdahulu
Dapat Membantu Penelitilitian Serta Menunjukkan Orientasi Dari Peneliti. Oleh
Karena Itu, Hasil Penelitian Terdahulu Yang Terkait Dengan Penelitian Ini
Adalah:
1. Penelitian yang telah dilakukan oleh rismawati (Rismawati, 2017) dalam
artikelnya yang berjudul, “penerapan minimum spanning tree (MST) pada
nilai ujian materi stastika, peluang, trigonometri, dan lingkaran”. Metode
penelitian yang digunakan adalah metode deskriptif, metode ini merupakan
suatu cara ataupun teknik yang digunakan sebagai alat bantu untuk
mengumpulkan data dan menganalilis data tersebut agar diperoleh suatu
 14

kesimpulan guna mancapai tujuan penelitian, yang berupaya untuk mencapai

kebenaran secara ilmiah dan dapat dipertanggungjawabkan kebenaranya pada
data yang telah digunakan. Pengambilan sampel data. langkah yang ditempuh
yaitu dengan menggambar variabel-variabel tersebut dalam suatu diagram
scatter plot, kemudian menghitung nilai koefisien korelasi dari kedua variabel
menggunakan uji korelasi person dan spearman, koefisien korelasi tersebut
menunjukkan ada atau tidaknya hubungan antara dua variabel tersebut,
langkah terakhir mengaplikasikan nilai korelasi tersebut membangun graf
minimum spanning tree untuk melihat kaitan dan pengaruh antara materi
stastika, materi peluang, materi trigonometri dan materi lingkaran. Perbedaan
antara penelitian tersebut dengan penelitian saya adalah penggunaan metode
penelitian dan pemilihan jumlah materinya.
2. Penelitian yang telah dilakukan oleh Sudibyo et al (2020), metode yang
digunakan adalah dengan algoritma kruskal dengan mencari rute
terpendekatan pada penelitian ini, data dalam penelitian ini diperoleh dengan
cara menghitung jarak antara titik secara langsung. Kesimpulan penelitian ini
minimum spanning tree yang dicari menggunakan algoritma kruskal diperoleh
sebesar 112,2 km dihitung secara manual dan dengan bantuan program tora.
Perbedaan dengan penelitian saya yaitu metode penelitian, tehnik
pengambilan data, lokasi penelitian dan algoritna yang digunakan.
3. Penelitian yang telah dilakukan oleh (Wamiliana et al., 2014) dengan judul
“perbandingan kompleksitas algoritma prim, algoritma kruskal, algoritma
sollin untuk menyelesaikan masalah minimum spanning tree”. Metode yang
digunakan dalam penelitian ini adalah metode dengan tahapan tahapan seperti
analisis kebutuhan, desain, pemrograman, pengujian,
implementasi.kesimpulan pada penelitian ini yaitu kompleksitas dari masing-
masing algoritma prim, algoritma kruskal, algoritma sollin sama yaitu o(𝑛 ).
Perbedaan antara penelitian tersebut dengan penelitian saya adalah
pengambilan data dan metode penelitian.
4. Penelitian yang telah dilakukan oleh Komputer et al (2014), Metode yang
digunakan dalam penelitian ini adalah extreme programing (xp) merupakan
salah satu cabang dari metode agile sebagai pengembangan perangkat lunak
 15

yang digunakan untuk menyesuaikan kebutuhan pengembangan ,

perencanaan, pengkodean. Hasil penelitian ini adalah implementasi algoritma
prim dan kruskal output yang dihasilkan berupa runnig time dalam
menjalankan source code nya beserta dengan cpu dan memory consumption
nya. Perbedaan penelitian ini dengan penelitian saya adalah pengambilan data
dan juga sampel penelitian yang digunakan.
5. Penelitian yang telah dilakukan (Afrianti et al., 2021) dengan judul
“menentukan minimum spanning tree menggunakan algoritma modifikasi dari
algoritma prim dan kruskal dalam perencanaan rute wisata yang effisien”.
Hasil dari penelitian ini adalah penentuan minimum spanning tree dengan
menggunakan algoritma modifikasi dari prim dan kruskal dalam perencanaan
rute wisata dengan konsep hamiltonian path lebih efektif dan efisien.
Perbedaan penelitian ini dengan penelitian saya adalah lokasi penelitian,
teknik pengambilan data, dan subyek penelitian.
 16

Berikut Merupakan Keterkaitan Antara Penelitian Terdahulu Dan Penelitian Ini.

Nugroho arif sudibyo,Tri Rismawati (2017) dengan

purwanto , dan Deddi rahmadi judul “penerapan minimum
(2020) dengan judul “Minimum spanning tree pada nilai
spanning tree pada ujian Materi stastika,
pendistribusian bahan naskah peluang, Trigonometri,dan
usbn sd/mi di kabupaten sragen Lingkaran”
Minimum
spanning tree
pada pendidikan

“ Penerapan minimum spanning tree pada hasil studi

matematika kelas XI semester 1 di MA salafiyah dengan
menggunakan metode algoritma kombinasi (Prim-Kruskal)”

Kombinasi
Algoritma pada
minimum
spanning tree

Warmilia,Didik kurniawan ,dan Hendrawan Lubis,Dwi

Cut shavitri 2014 dengan judul Budi,Srisulistiawati (2021)
“Perbandingan Kompleksitas dengan judul ”Algoritma
Algoritma prim, algoritma prim dan kruskal dalam
kruskal,algoritma sollin untuk mencari minimum spanning
menyelesaikan minimum tree pada bahasa
spanning tree” pemrograman”

Afrianti,Effendi,dan Des welyyanti (2021)

dengan judul “menentukan minimum spanning
tree menggunakan algoritma prim dan kruskal
dalam perencanaan rute wisata yang efisien

Bagan 2.2 Keterkaitan penelitian terdahulu

 BAB III
METODE PENELITIAN

3.1 Jenis Penelitian dan Desain Penelitian

Penelitian dilakukan menggunakan metode deduktif aksiomatik, yaitu dengan
menurunkan aksioma atau teorema yang telah ada, kemudian diterapkan dalam
penggambaran graf pada minimum spanning tree hasil study matematika semester
ganjil tahun akademik 2022/2023 MA salafiyah dengan metode algoritma
modifikasi prim-kruskal.
Penelitian ini diawali dengan menetukan variabel-variabel yang terlibat yaitu,
materi matematika, siswa, nilai - nilai, dan guru. Berikut langkah-langkah dalam
penelitian ini adalah:
1) Studi Literatur
Tahap ini dilakukan pengumpulan teori yang digunakan menjadi dasar teori
dengan Penelusuran Jurnal/Reverensi dari internet atau buku untuk memperoleh
deskripsi yang lebih jelas mengenai pengaturan minimum spanning tree,
Algoritma modifikasi prim dan kruskal.
2) Pemngumpulan data
Data yang digunakan dalam penelitian ini adalah daftar nilai matematika
semester ganjil tahun akademik 2022/2023.
3) Analisi korelasi
Penerapan analisis korelasi untuk menentukan minimum spanning tree
terhadap hasil study matematika yang diperlukan data pada perolehan penelitian

4) Menentukan minimum spanning tree dengan metode algoritma Kombinasi

prim dan kruskal. Pemanfaatan algoritma dalam mengimplementasikan
metode algoritma prim dan kruskal terhadap masalah yang dihadapi.
5) Mengimplementasikan hasil
Hasil penerapan algoritma kombinasi prim dan kruskal dijadikan dasar
pertimbangan untuk menentukan kombinasi nilai uh dan uts / uas yang
dimasukkan.

17
 18

3.2 Sumber Data

Sumber data penelitian yang diperoleh secara langsung dari sumber pertama (
tidak melalui perantara), baik individu ataupun kelompok. Jadi data yang
diperoleh secara langsung, Data yang digunakan Dalam penelitian ini adalah data
Primer. Data primer merupakan sebuah data yang didapat secara langsung atau
dari sumber asli. Data ini tidak tersedeia dalam bentuk terkopilasi.data yang
didapatkan dalam penelitian ini diperoleh dari hasil wawancara terhadap sesorang
(informan) yang bersangkutan guru matematika kela XI MA salafiyah
3.3 Tempat dan Waktu Penelitian
Lokasi penelitian yang dijadikan obyek kajian dalam penyusunan skripsi ini
adalah “MA SALAFIYAH PRAMBONTERGAYANG, kecamatan soko,
kabupaten Tuban, Jawa Timur 62115, Waktu Pelaksanaan penelitian ini akan
berlangsung selama 4 Bulan (januari, februari, maret, dan april) dan akan dimulai
dari waktu yang telah ditetapkan supaya mendapatkan hasil yang maksimal.
3.4 Subjek Penelitian
Subjek penelitian adalah individu, benda, atau organisme yang dijadikan
sumber informasi yang dibutuhkan dalam penelitian untuk mengumpulkan data,
dalam istilah lain yaitu orang yang memberikan respon atas suatu perlakuan yang
diberikan kepadanya. Subjek dari penelitian ini adalah Guru yang mengajar
matematika kelas XI MA salafiyah prambontergayang pada semester ganjil tahun
ajaran 2022/2023.
3.5 Pengambilan Data
3.5.1 Instrumen Penelitian
Menurut Sugiyono (2017:148), instrumen penelitian merupakan suatu alat
yang digunakan untuk mengukur fenomena alam maupun sosial yang diamati.
Secara spesifik, semua fenomena ini disebut variabel penelitian. Sugiyono
(2017:149)menyatakan bahwa bahwa “Untuk memudahkan penyusunan
instrumen, maka perlu digunakan matrik pengembangan instrumen atau kisi-kisi
instrumen”. Dalam penelitian ini menggunakan metode observasi, wawancara,
dan dokumentasi. Maka dari itu, instrumen yang dibutuhkan adalah pedomen
observasi, pedomen wawancara, kamera, serta alat tulis.
3.5.2 Teknik Pengambilan Data
 19

Penulis melakukan survei ke lokasi penelitian (MA Salafiyah

prambontergayang Soko Tuban), penulis memantau langsung kondisi sekolah dan
menggali informasi kondisi pendidikan disekolah tersebut, penulis melakukan
pengumpulan data dan melakukan validasi data, dalam hal ini penulis akan
membahas korelasi antara materi Logika matematika,Induksi matematia,
Pertidaksamaan linier dua variabel, program linier dua variabel, matriks, barisan
dan deret, limit fungsi aljabar, dan turunan integral tak tentu aljabar. Disini akan
dibahas dua aspek untuk analisis korelasi yaitu apakah data yang ada
menyediakan bukti yang cukup bahwa ada kaitan antara nilai pada materi-materi
tersebut. Jika ada hubungan, seberapa kuat hubungan tersebut dan bagaimana
pengaruhnya. Untuk menjawab pertanyaan tersebut penulis akan melakukan
langkah-langkah sebagai berikut:
1. Menghitung nilai koefisien korelasi dari kedua variabel menggunakan uji
korelasi Pearson dan Spearman, koefisien korelasi tersebut menunjukkan ada
atau tidaknya hubungan antara dua variabel tersebut.
2. Mengaplikasikan nilai korelasi tersebut dalam membangun graf minimum
spanning tree untuk melihat kaitan dan pengaruh antara materi kelas XI
semester ganjil study matematika.
3.6 Langkah dan Prosedur Penelitian
Langkah dalam analisis data merupakan urutan yang dilaksanakan secara
sistematis dan logis sesuai dasar teori permasalahan sehingga didapat analisis
yang akurat untuk mencapai tujuan penulis. Langkah dalam penelitian ini adalah
sebagai berikut.
1. Observasi
Observasi merupakan aktivitas penelitian dalam rangka mengumpulkan data
yang berkaitan dengan masalah penelitian melalui proses pengamatan langsung di
lapangan. Peneliti berada ditempat itu, untuk mendapatkan bukti-bukti yang valid
dalam laporan yang akan diajukan. Observasi adalah metode pengumpulan data
dimana peneliti mencatat informasi sebagaimana yang mereka saksikan selama
penelitian (W. Gulo, 2002:116). Dalam observasi ini peneliti menggunakan jenis
observasi non partisipan, yaitu peneliti hanya mengamati secara langsung keadaan
objek, tetapi peneliti tidak aktif dan ikut serta secara langsung (Husain, 1995:56).
 20

Teknik pengumpulan data ini dilakukan dengan cara mengamati suatu fenomena
yang ada dan terjadi. Observasi yang dilakukan diharapkan dapat memperoleh
data yang sesuai atau relevan dengan topik penelitian. Hal yang akan diamati
adalah ialah hasil studi matematika kelas XI semester 1 di MA Salafiyah.
Observasi yang dilakukan, penelitian berada di lokasi tersebut dan membawa
lembar observasi yang sudah dibuat.
2. Wawancara (interview)
Wawancara adalah percakapan dengan maksud tertentu. Percakapan itu
dilakukan oleh dua pihak, yaitu pewawancara (interviewer) yang mengajukan
pertanyaan dan terwawancara (interview) yang memberikan jawaban atas
pertanyaan itu Lexy J. Moleong (2010:186)Ciri utama wawancara adalah kontak
langsung dengan tatap muka antara pencari informasi dan sumber informasi.
Dalam wawancara sudah disiapkan berbagai macam pertanyaan-pertanyaan tetapi
muncul berbagai pertanyaan lain saat meneliti. Melalui wawancara inilah peneliti
menggali data, informasi, dan kerangka keterangan dari subyek penelitian. Teknik
wawancara yang dilakukan adalah wawancara bebas terpimpin, artinya pertanyaan
yang dilontarkan tidak terpaku pada pedoman wawancara dan dapat diperdalam
maupun dikembangkan sesuai dengan situasi dan kondisi lapangan. Pada metode
ini, penulis akan melakukan wawancara secara langsung kepada guru matematika
kelas xi semester 1 dan siswa untuk mendapatkan informasi atau data-data seperti
data hasil nilai studi matematika, data siswa, pengaruh keterkaitan materi satu
dengan yang lainnya dan lain – lain.
3. Dokumentasi
Penggunaan dokumen sudah lama digunakan dalam penelitian sebagai
sumber data karena dalam banyak hal dokumen sebagai sumber data
dimanfaatkan untuk menguji, menafsirkan, bahkan untuk meramalkan Lexy J.
Moleong (2010:217). Adanya dokumentasi untuk mendukung data. Hal-hal yang
akan didokumentasikan dalam penelitian ini adalah data siswa, data nilai dan data
ruangan.
3.7 Teknik Analisis Data
Menurut Patton (1980 :268), analisa data merupakan proses mengatur urutan
data, mengorganisasikannya ke dalam suatu pola, kategori, dan suatu uraian dasar
 21

sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang
disarankan oleh data.
Beberapa tahapan model analisis interaktif menurut Miles et al., (1992)
melalui empat tahap, yakni pengumpulan data, reduksi data, penyajian data dan
penarikan kesimpulan:
a) Pengumpulan data (data colection)
Data yang diperoleh dari hasil observasi, wawancara dan dokumentasi
dicatat dalam catatan lapangan yang terdiri dari dua aspek, yaitu deskripsi dan
refleksi. Catatan deskripsi merupakan data alami yang berisi tentang apa yang
dilihat, didengar, dirasakan dan dialami sendiri oleh penelitian tanpa adanya
pendapat dan penafsiran dari peneliti tentang fenomena yang dijumpai. Sedangkan
catatan refleksi yaitu catatan yang memuat kesan, komentar tafsiran peneliti
tentang temuan yang dijumpai dan merupakan bahan rencana pengumpulan data
untuk tahap berikutnya. Untuk mendapatkan catatan ini peneliti melakukan
wawancara dengan beberapa informan.
b) Pengolahan Data ( Data Processing )
Pengolahan Data adalah segala macam pengelolaan terhadap data atau
kombinasi - kombinasi dari berbagai macam pengelolaan terhadap data untuk
membuat data itu berguna sesuai hasil yang diinginkan. Menurut Jogiyanto (2005)
“Pengelolaan data adalah manipulasi dari data ke dalam bentuk yang lebih
berguna”. Dengan demikian dapat disimpulkan bahwa “Pengelolaan data
merupakan kegiatan yang dilakukan dengan menggunakan masukan berupa data
dan menghasilakan informasi yang bermanfaat untuk tujuan sesuai dengan yang
direncanakan”, Pada pengolahan data diperlukan analisis minimum spanning tree,
nilai korelasi spearman, dan nilai korelasi pearson .
1. Minimum spanning tree
Permasalahan umum dari minimum spanning tree adalah menentukan garis
garis (edge) dari suatu graf yang akan dipilih yang menghubungkan semua
titik yang ada pada graf tersebut dengan syarat tidak terbentuk sirkuit dan total
bobot dari garis tersebut adalah minimum. Untuk mendapatkan solusi yang
diharapkan, akan dipilih garis menurut kriteria optimasi yang menghasilkan
jarak minimum(Wamiliana, 2022:24).
 22

2. Korelasi spearman digunakan pada stastika nonparemetris tidak hanya

digunakan untuk mengukur hubungan linier tetapi juga digunakan untuk
mengukur hubungan linear tetapi juga hubungan nonlinear. Koefisien korelasi
spearman dilakukan dengan merangking data X dan Y, dinotasikan dengan
Ranking data didefinisikan sebagai data yang observasinya telah diganti
dengan ranking numerik dari terendah ke tertinggi. Untuk menghitung
pertama diganti nilai terkecil dari X dengan ranking 1, Nilai kedua terkecil
dengan ranking 2 dan seterusnya. Begitu juga dengan nilai variabel Y. Jika
terdapat hubungan kuat positif antara X dan Y, maka observasi X dengan
ranking kecil berpasangan dengan observasi di Y yang juga ranking kecil.
Kemudian hubungan negatif terjadi jika rangking besar pada observasi X
berpasangan dengan rangking kecil pada Y. Menurut (Jay L. Devore,
2001:145), Koefisien korelasi Spearman (merupakan koefisien korelasi
pearson yang diterapkan pada pasangan ranking yang diperoleh dengan
mengganti nilai X dan Y dengan rangkingnya,dengan menggunakan
persamaan berikut :
( )
∑( )( )
( )( )

Gambar 2.1.4 persamaan korelasi pearson

3. Korelasi Pearson
Koefisien korelasi pearson untuk menerapkan koefisien korelasi antara dua
variabel yang masing-masing mempunyai skala pengukuran interval atau rasio
maka digunakan korelasi product moment yang dikembangkan oleh Karl pearson.
Koefisien korelasi Pearson mengukur kekuatan hubungan linear antara dua
variabel. Bila hubungan dua variabel tidaks linear, maka koefisien korelasi
pearson tidak menggambarkan kekuatan hubungan antara dua variabel. Korelasi
pearson dilambangkan dengan “r” bila diukur dalam populasi dan diberi lambang
“r” bila diukur dalam sampel Ronald E walpole (1995),ukuran hubungan linear
antara dua Variabel X dan Y ditaksir dengan koefisien. Korelasi sampel r dengan :
dimana = jumlah total observasi x = jumlah total observasi y = jumlah total
perkalian observasi x dan y = jumlah total observasi y kuadrat Data yang
 23

digunakan dalam korelasi pearson sebaiknya memenui persyaratan,diantaranya

adalah Berskala interval / rasio, Variabel X dan Y harus bersifat independen satu
dengan yang lainnya,Variabel harus kuantitatif simetris asumsi dalam korelasi
pearson , diantaranya ialah: terdapat hubungan antara X dan Y, Data berdistribusi
normal, Variabel X dan Variabel Y simetis, Variabel X tidak berfungsi sebagai
variabel bebas dan Y sebagai Variabel tergantung.
𝐽𝐾 𝑛∑ ∑ ∑
√𝐽𝐾 𝐽𝐾 √(𝑛 ∑ (∑ ) ) (𝑛 ∑ (∑ ) )

Gambar 2.1.5 persamaan korelasi spearman

Dimana:

∑ 𝑛

∑ ,

c) Penarikan kesimpulan (conclusion)

Penarikan kesimpulan adalah usaha untuk mencari atau memahami makna,
keteraturan pola-pola penjelasan, alur sebab akibat atau proporsi. Kesimpulan
yang ditarik segera diverifikasi dengan cara melihat dan mempertanyakan
kembali sambil melihat catatan lapangan agar memperoleh pemahaman yang
lebih tepat. Selain itu juga dapat dilakukan dengan mendiskusikan. Hal tersebut
dilakukan agar data yang diperoleh dan penafsiran terhadap data tersebut
memiliki validitas sehingga kesimpulan yang ditarik menjadi kokoh(Burhan
Bungin, 2010:70).Untuk mendapatkan hasil kesimpulan data yang valid, maka
perlu diperhatikan langkah-langkah berikut ini:
a) Mencatat poin-poin terpenting yang didapat dari lapangan, kemudian
diuraikan secara luas dan dikembangkan sesuai dengan keadaan,
pengamatan, dan hasil data dilapangan.
 24

b) Peneliti mengumpulkan data dari berbagai sumber informasi. Peneliti

mengambil data secara detail mulai dari foto-foto, pengamatan, hasil
wawancara dan dokumentasi.
c) Pemilihan informan yang tepat sesuai dengan pemilihan data.
d) Peneliti harus jeli dalam memperhatikan proses di lapangan agar hasilnya
maksimal dan dapat dipertanggungjawabkan.
 25

DAFTAR PUSTAKA

Afrianti, A., Effendi, E., & Welyyanti, D. (2021). Menentukan Minimum Spanning Tree
Menggunakan Algoritma Modifikasi Dari Algoritma Prim Dan Kruskal Dalam
Perencanaan Rute Wisata Yang Efisien. Jurnal Saintika Unpam : Jurnal Sains Dan
Matematika Unpam, 3(2), 103. https://doi.org/10.32493/jsmu.v3i2.6706
Bungin, Burhan, 1959. (2010). metode penelitian kuantitatif : komunikasi,ekonomi,dan
kebijakan publik serta ilmu-ilmu sosial lainnya / H.M. Burhan Bungin (Kencana).
Gulo, W. (2002). Metode penelitian. PT grasindo.
Husain, U. (1995). Metodologi penelitian social. Bumi aksara.
Jay L. Devore, R. peck. (2001). Statistics: The Exploration of Data Available TITLES
cengageNOW Series Thomson learning (Brooks/Col).
Jogiyanto, H. . (2005). Analisa dan Desain sistem informasi. Pendekatan Terstruktur Teori
Dan Praktik Aplikasi Bisnis.
Jusuf, H. (2009). Pewarnaan Graph pada Simpul untuk Mendeteksi Konflik Penjadwalan
Kuliah. 2009(November), 4–8.
Komputer, F. I., Informatika, P. S., Bhayangkara, U., Prim, A., & Tree, M. S. (2014).
Algoritma Prim Dan Kruskal Dalam Mencari Minimum Spanning Tree Pada Bahasa
Pemrograman C. Jurnal Sistem Informasi Universitas Suryadarma, 8(2).
https://doi.org/10.35968/jsi.v8i2.711
Lexy J. Moleong. (2010). Metodologi penelitian Kualitatif / penulis, Prof. DR. Lexy J.
Moleong, M.A. PT Remaja Rosdakarya.
Miles, M. B., Huberman, A. M., Rohidi, T. R., & Mulyarto. (1992). Qualitative data
analysis. In analisa data-Metodologi (Indonesia). UI press.
Patton, M. (1980). Qualitative Evaluation Methods. Open Access Library Journal.
Ramadhan, Z., Zarlis, M., Efendi, S., Putera, A., & Siahaan, U. (2018). Perbandingan
Algoritma Prim Dengan Algoritma Floyd-Warshall Dalam Menentukan Rute
Terpendek (Shortest Path Problem). Jurikom), 5(2), 136–139. http://ejurnal.stmik-
budidarma.ac.id/index.php/jurikom%7CPage%7C130
Rismawati, R. (2017). Penerapan Minimum Spanning Tree (MST) pada Nilai Ujian Materi
Statistika, Peluang, Trigonometri, dan Lingkaran. Jurnal Serambi Akademica, V(1),
13–24. http://www.ojs.serambimekkah.ac.id/serambi-akademika/article/view/265
 26

Ronald E walpole. (1995). ilmu peluang dan stastika untuk insinyur dan ilmuwan. Ilmu
Peluang Dan Stastikan Untuk Insinyur Dan Ilmuan, institut Teknologi Bandung, 445.
Sörlin. (2008). Att ställa till en scen.
Sudibyo, N. A., Purwanto, T., & Rahmadi, D. (2020). Minimum Spanning Tree Pada
Distribusi Bahan Naskah USBN SD/MI Di Kabupaten Sragen. Riemann: Research of
Mathematics and Mathematics Education, 2(2), 64–69.
https://doi.org/10.38114/riemann.v2i2.97
Sugiyono. (2017). metode penelitian pendidikan (Alfabeta).
Wamiliana. (2022). Minimum Spanning Tree dan Desain Jaringan. In Pustaka Media.
Wamiliana, Kurniawan, D., & N.F, C. S. (2014). Perbandingan Kompleksitas Algoritma
Prim , Algoritma Kruskal , Dan Algoritma Sollin Untuk Menyelesaikan Masalah
Minimum Spanning Tree. 2(1), 60–67.
Wibisiono, S. (2008). Matematika Diskrit. Matematika Diskrit, Graha ilmu(Yogyakarta).