PENERAPAN ALGORITMA APRIORI DALAM MENEMUKAN HUBUNGAN DATA AWAL MASUK DENGAN DATA KELULUSAN MAHASISWA

SKRIPSI
PENERAPAN ALGORITMA APRIORI DALAM MENEMUKAN HUBUNGAN DATA
AWAL MASUK DENGAN DATA KELULUSAN MAHASISWA
Studi Kasus: Universitas Darma Persada
Diajukan Sebagai Syarat Untuk Kelulusan Program Studi Strata Satu (S1)
Disusun oleh:
MAULIDHA OKTAVIANI P
2010230075
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS DARMA PERSADA
2015

i
LAPORAN SKRIPSI
LEMBAR BIMBINGAN SKRIPSI
TEKNIK INFORMATIKA – DARMA PERSADA
NIM : 2010230075
NAMA LENGKAP : Maulidha Oktaviani P
DOSEN PEMBIMBING : Timor Setiyaningsih, MTI
JUDUL SKRIPSI : Penerapan Algoritma Apriori Dalam
Menemukan Hubungan Data Awal Masuk
Dengan Data Kelulusan Mahasiswa
No. Pertemuan Pokok Bahasan
Paraf
Dosen
Pembimbing
1. I BAB I & BAB II
2. II Revisi BAB 1 & BAB II
3. III BAB III & APLIKASI
4. IV Revisi BAB III & APLIKASI
5. V BAB IV & APLIKASI
6. VI Revisi BAB IV & APLIKASI
7. VII BAB V & APLIKASI
8. VIII Revisi BAB V
9 IX Keseluruhan Laporan
Jakarta, Agustus 2015
Dosen Pembimbing
[Timor Setiyaningsih, MTI]

ii
LEMBAR PERNYATAAN
Saya yang bertanda tangan di bawah ini :
Nama : Maulidha Oktaviani P
NIM : 2010230075
Fakultas : Teknik
Jurusan : Teknik Informatika
Menyatakan bahwa Laporan Skripsi ini saya susun sendiri berdasarkan
hasil peninjauan, penelitian lapangan, wawancara serta memadukannya dengan
buku-buku literatur atau bahan-bahan referensi lain yang terkait di dalam
penyelesaian Laporan Skripsi ini.
Demikian pernyataan ini saya buat dengan sesungguhnya.
Jakarta, Agustus 2015
Maulidha Oktaviani P

iii
LEMBAR PENGESAHAN
Penerapan Algoritma Apriori Dalam Menemukan
Hubungan Data Awal Masuk Dengan Data Kelulusan
Mahasiswa .
Disusun Oleh :
Nama : Maulidha Oktaviani P
NIM : 2010230075
Pembimbing Laporan Kajur Teknik Informatika
Timor Setiyaningsih, MTI Adam Arif Budiman, ST, M.Kom

v
KATA PENGANTAR
Bismillaahirrahmaanirrahiim,
Puji dan syukur penulis panjatkan kehadirat Allah SWT, atas segala
rahmat dan karunia-Nya penulis dapat menyelesaikan penulisan laporan skripsi ini
dengan judul Penerapan Algoritma Apriori Dalam Menemukan Hubungan
Data Awal Masuk Dengan Data Kelulusan Mahasiswa sebagai salah satu
persyaratan akademik bagi mahasiswa program Strata 1 Fakultas Teknik,
Universitas Darma Persada.
Dalam proses pembuatan laporan skripsi ini, penulis sering menemui
berbagai macam kesulitan dan hambatan, namun berkat bantuan dan bimbingan
dari beberapa pihak, akhirnya penulis dapat mengatasi kesulitan tersebut.
Ucapan terima kasih banyak tersebut penulis sampaikan kepada :
1. Bapak Dr.H. Dadang Solihin. SE.MA, selaku Rektor Universitas Darma Persada.
2. Bapak Ir. Agus Sun Sugiharto, MT, selaku Dekan Fakultas Teknik
Universitas Darma Persada.
3. Bapak Adam Arif Budiman, ST, M.Kom, selaku Ketua Jurusan Teknik
Informatika Universitas Darma Persada.
4. Ibu Timor Setiyaningsih, MTI, selaku pembimbing saya yang telah
meluangkan waktu, perhatian, tenaga dan pikirannya untuk memberikan
bimbingan dan pengarahan serta sarannya dalam menyelesaikan laporan ini.
5. Bapak Yahya, ST dan Bapak Herianto, S.Pd, MT , yang telah banyak
membantu dalam pengumpulan data.

vi
6. Dosen-dosen Universitas Darma Persada yang telah memberikan ilmu yang
sangat bermanfaat kepada saya.
7. Kepada kedua orang tua saya Bapak Abdul Rachman Pane dan Ibu Prihatin
Suci Mulyani yang telah mendoakan dan bersusah payah membesarkan,
mendidik saya sampai saat ini.
8. Keluarga besar saya yang selalu mendukung dan mendoakan saya.
9. Rekan-rekan di Universitas Darma Persada, khususnya sahabat-sahabat
seperjuangan yang telah banyak memberikan masukan dalam penyusunan
laporan skripsi ini, Rizka Nur Anisa, Putri Fuzi Pangesti, Elmina Dahlia,
Riszi Nuriyah, Indah Eko Wati, Anita Dwinda Rachmawati, Desta Oktri
Irena, Didin Dinarsan, Wahyu Ari Nugroho, rekan-rekan Pojok Kantek
Basodara dan rekan-rekan Tamsas yang tidak bisa saya sebutkan satu persatu.
Terima kasih banyak atas semua dukungan, doa, dan bantuan kalian.
10. Semua pihak yang tidak dapat saya sebutkan satu persatu, yang telah
memberikan bantuan dan dukungannya dalam menyelesaikan penulisan
laporan skripsi ini.
Akhir kata saya berharap semoga laporan skripsi ini dapat bermanfaat bagi
kita semua. Sekian dan terima kasih
Jakarta, September 2015
Penulis

ABSTRAK
Berdasarkan data kelulusan Universitas Darma Persada, banyak mahasiswa yang
dinyatakan lulus tidak tepat waktu. Sementara itu sistem informasi yang ada saat
ini belum mampu menggali lebih jauh informasi dari banyaknya data yang
tersimpan untuk dijadikan sebuah pengetahuan. Oleh karena itu penulis
melakukan penelitian dengan membuat aplikasi penerapan algoritma apriori untuk
menentukan data awal masuk dengan penerapan algoritma apriori dalam
menemukan hubungan data awal masuk dengan data kelulusan mahasiswa.
Atribut yang digunakan dalam penelitian ini diantaranya: Nilai Nem, Sekolah,
Jurusan Kuliah, Gelombang Masuk, data kelulusan. Aplikasi ini menghasilkan
informasi berupa kombinasi yang berguna saat melakukan prediksi kelulusan.
Setiap keputusan yang muncul merupakan hasil pengkombinasian nilai masukan
dengan pola-pola hasil pembelajaran data kusus.
Keyword: algoritma apriori, data mining, system pengambil keputusan,
algoritma genetika

viii
DAFTAR ISI
JUDUL APLIKASI
LEMBAR BIMBINGAN......................................................................................... i
LEMBAR PERNYATAAN.................................................................................... ii
LEMBAR PENGESAHAN ................................................................................... iii
LEMBAR PENGUJI.............................................................................................. iv
KATA PENGANTAR .............................................................................................v
ABSTRAK............................................................................................................ vii
DAFTAR ISI........................................................................................................ viii
DAFTAR GAMBAR ............................................................................................. xi
DAFTAR TABEL................................................................................................ xiii
BAB I PENDAHULUAN.......................................................................................1
1.1 Latar Belakang .............................................................................................1
1.2 Rumusan Masalah ........................................................................................2
1.3 Batasan Masalah...........................................................................................2
1.4 Tujuan Penulisan..........................................................................................3
1.5 Manfaat Penulisan........................................................................................3
1.6 Metodologi Penulisan...................................................................................3
1.7 Sistematika Penulisan...................................................................................4
BAB II LANDASAN TEORI ................................................................................6
2.1 Data Mining..................................................................................................6
2.1.1 Tahap-Tahap Data Mining ...............................................................7
2.2 Algoritma Apriori.......................................................................................10

ix
2.3 Algoritma Genetika....................................................................................15
2.3.1 Struktur UmumAlgoritma Genetika...............................................16
2.3.2 Penyandian .....................................................................................18
2.3.3 Operator Genetika ..........................................................................19
2.3.4 Mutasi.............................................................................................22
2.3.5 Parameter Genetika ........................................................................23
2.4 Internet .......................................................................................................24
2.5 Definisi Website.........................................................................................25
2.5.1 Script Pemrograman Internet..........................................................27
2.5.1.1 HTML ..............................................................................27
2.5.1.2 PHP...................................................................................27
2.5.1.3 JAVASCRIPT ..................................................................29
2.5.1.4 CSS...................................................................................30
2.6 Database......................................................................................................31
2.6.1 Fungsi Database .............................................................................32
2.6.2 MySQL...........................................................................................32
2.7 UML............................................................................................................34
2.7.1 Use Case.........................................................................................37
2.7.2 Activity Diagram............................................................................38
2.7.3 Sequence Diagram.........................................................................41
2.7.4 Statechart Diagram .......................................................................42

x
BAB III ANALISIS DAN PERANCANGAN SISTEM....................................43
3.1 Analisis Masalah ........................................................................................43
3.1.1 Analisis Sistem yang Sedang Berjalan..........................................44
3.1.2 Analisis Kebutuhan Data...............................................................44
3.2 Perancangan Sistem ...................................................................................45
3.2.1 Usecase Diagram...........................................................................45
3.2.2 Activity Diagram............................................................................46
3.2.3 Sequence Diagram.........................................................................46
3.2.3.1 Sequence Diagram Mengelola Data Mahasiswa..............47
3.2.3.2 Sequence Diagram Menentukan Nilai Minimum Support
Dan Confidence................................................................48
3.2.3.3 Sequence Diagram Melihat Hasil Perhitungan ................48
3.2.3.4 Sequence Diagram Melakukan Prediksi ..........................49
3.3 Rancangan Database ..................................................................................50
3.4 Rancanngan Tampilan Setiap Activity.......................................................52
3.4.1 Rancangan Tampilan Login ..........................................................52
3.4.2 Rancangan Tampilan Menu ..........................................................52
3.4.3 Rancangan Tampilan Input Data Latih Mahasiswa .....................53
3.4.4 Rancangan Tampilan Output Data Latih Mahasiswa ...................53
3.4.5 Rancangan Tampilan Input Support Confidence ..........................54
3.4.6 Rancangan Tampilan Hasil Hitung Support Dan Confidence ......54
3.4.7 Rancangan Tampilan Data Latih Support .....................................55
3.4.8 Rancangan Tampilan Data Uji ......................................................55

xi
BAB IV HASIL IMPLEMENTASI DAN PENGUJIAN SISTEM..................56
4.1 Implementasi Sistem ..................................................................................56
4.1.1 Tampilan Form Data Mahasiswa ..................................................57
4.1.2 Tabel Keterangan Kode.................................................................58
4.2 Implementasi Algoritma Apriori................................................................59
4.2.1 Tampilan Menu Hasil Perhitungan ..............................................59
4.2.2 Form Prediksi...............................................................................60
4.3 Pengujian Sistem........................................................................................61
BAB V KESIMPULAN DAN SARAN...............................................................63
5.1 Kesimpulan.................................................................................................63
5.2 Saran...........................................................................................................63
DAFTAR PUSTAKA
LAMPIRAN

xii
DAFTAR GAMBAR
Gambar 2.1 Contoh Hash Tree.............................................................................13
Gambar 2.2 Contoh Hash Tree.............................................................................14
Gambar 2.3 Diagram Alir Algoritma Genetika...................................................17
Gambar 2.4 Penyandian Biner pada Operator Genetika......................................18
Gambar 2.5 Contoh Koding HTML.....................................................................27
Gambar 2.6 Contoh Koding PHP.........................................................................28
Gambar 2.7 Contoh koding body javascript dalam dokumen HTML .................30
Gambar 2.8 Contoh koding CSS..........................................................................30
Gambar 2.9 Use Case Model ...............................................................................38
Gambar 2.10 Activity Diagram...............................................................................40
Gambar 2.11 Contoh Sequence Diagram...............................................................41
Gambar 2.12 Contoh Statechart Diagram..............................................................42
Gambar 3.1 Use Case Diagram ...........................................................................45
Gambar 3.2 Activity Diagram Aplikasi Sistem Pengambilan Keputusan............46
Gambar 3.3 Sequence Diagram Mengelola Data Mahasiswa..............................47
Gambar 3.4 Sequence Diagram Melihat Data Perhitungan.................................48
Gambar 3.5 Sequence Diagram Melihat Hasil Perhitungan ................................49
Gambar 3.6 Sequence Diagram Melakukan Prediksi ..........................................49
Gambar 3.7 Struktur Tabel Admin.......................................................................50
Gambar 3.8 Struktur Tabel Calon Mahasiswa .....................................................50
Gambar 3.9 Struktur Tabel Kombinasi ................................................................51
Gambar 3.10 Struktur Tabel Minimum Confidence ..............................................51

xiii
Gambar 3.11 Struktur Tabel Perhitungan ..............................................................51
Gambar 3.12 Rancangan Tampilan Login .............................................................52
Gambar 3.13 Rancangan Tampilan Menu .............................................................52
Gambar 3.14 Rancangan Tampilan Input Data Latih Mahasiswa .........................53
Gambar 3.15 Rancangan Tampilan Output Data Latih Mahasiswa.......................53
Gambar 3.16 Rancangan Tampilan Input Support Confidence .............................54
Gambar 3.17 Rancangan Tampilan Hasil Hitung Support Dan Confidence .........54
Gambar 3.18 Rancangan Tampilan Data Latih Support ........................................55
Gambar 3.19 Rancangan Tampilan Menu Data Uji...............................................55
Gambar 4.1 Form Data Mahasiswa......................................................................57
Gambar 4.2 Tabel Keterangan Kode....................................................................58
Gambar 4.3 Hasil Hitung Support........................................................................59
Gambar 4.4 Hasil Hitung Confidence dan Keterangan........................................60
Gambar 4.5 Form Prediksi...................................................................................61

xiv
DAFTAR TABEL
Tabel 2.1 Contoh Crossover 1 titik ......................................................................21
Tabel 2.2 Contoh Crossover 2 titik ......................................................................21
Tabel 2.3 Contoh Crossover Seragam..................................................................22
Tabel 2.4 Simbol Activity Diagram.....................................................................39
Tabel 4.1 Skenario Pengujian Sistem...................................................................62

1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Perkembangan teknologi dan ilmu pengetahuan pada masa globalisasi ini
dirasakan telah semakin pesat dan canggih. Semua ini dikarenakan hasil
dari pemikiran-pemikiran manusia yang semakin maju, hal tersebut dapat
dilihat dari perkembangan ilmu komputer yang semakin hari semakin
berkembang dengan pesat. Selain itu perkembangan teknologi semakin
mendukung bagi pengembangan penyebaran informasi .
Pemanfaatan data yang ada untuk menunjang kegiatan pengambilan
keputusan, tidak cukup hanya mengandalkan data operasional saja, diperlukan
suatu analisis data untuk menggali potensi - potensi informasi yang ada. Para
pengambil keputusan berusaha untuk memanfaatkan gudang data yang sudah
dimiliki untuk menggali informasi yang berguna untuk membantu mengambil
keputusan, hal ini mendorong munculnya cabang ilmu baru untuk mengatasi
masalah penggalian informasi atau pola yang penting atau menarik dari data
dalam jumlah besar, yang disebut dengan data mining. Penggunaan teknik
data mining diharapkan dapat memberikan pengetahuan-pengetahuan yang
sebelumnya tersembunyi di dalam gudang data sehingga menjadi informasi
yang berharga.
Universitas Darma Persada mempunyai data-data mahasiswa baru dan
mahasiswa lulus yang tiap tahunnya bertambah. Dari informasi yang ada pada

2
database tersebut, dapat digali informasi-informasi baru untuk mengetahui
pola kelulusan mahasiswa.
1.2 Rumusan Masalah
Permasalahan yang dibahas dalam tugas akhir ini adalah bagaimana
membuat aplikasi untuk menghasilkan pengetahuan berupa informasi
kelulusan mahasiswa berdasarkan data masuk. Informasi yang ditampilkan
berupa data yang dihasilkan dari pola yang diketahui dan dari proses data
mining.
1.3 Batasan Masalah
Dalam perancangan aplikasi ini terdapat beberapa batasan masalah. Hal ini
dilakukan agar aplikasi dapat terfokus/sesuai kebutuhan. Berikut batasan masalah
dalam perancangan aplikasi:
a. Objek penelitian adalah keterkaitan data awal masuk dengan data
kelulusan mahasiswa Universitas Darma Persada.
b. Data yang dipakai untuk objek penelitian yaitu data awal masuk
mahasiswa yang ada pada database Universitas Darma Persada.
c. Algoritma yang digunakan adalah algoritma apriori.
d. Mahasiswa cuti tidak dihitung dalam aplikasi sistem pengambil keputusan
untuk menentukan tingkat kelulusan mahasiswa

3
1.4 Tujuan Penulisan
Tujuan yang hendak dicapai adalah :
a. Membangun aplikasi yang menerapkan algoritma apriori untuk menghitung
faktor kemungkinan yang ada.
b. Menghasilkan sebuah aplikasi untuk menemukan hubungan data awal
masuk mahasiswa dengan data kelulusan mahasiswa.
c. Memenuhi persyaratan untuk menyelesaikan skripsi (S-1) Jurusan Teknik
Informatika Universitas Darma Persada.
1.5 Manfaat Penulisan
Manfaat yang didapat dari penulisan ini adalah :
a. Manfaat akademis : diharapkan hasil penulisan Aplikasi dan Laporan Tugas
Akhir ini dapat menjadi tambahan referensi untuk menambah ilmu
pengetahuan tentang aplikasi yang menggunakan data mining dan algoritma
apriori.
b. Manfaat instansi : hasil penulisan ini diharapkan dapat bermanfaat bagi
calon mahasiswa baru dan Universitas Darma Persada.
1.6 Metodologi Penulisan
Metodologi yang digunakan dalam menyelesaikan tugas akhir ini adalah
menggunakan SDLC (System Development Life Cycle) model Waterfall. Berikut
tahapannya :

4
1. Analisa Kebutuhan.
Pengumpulan data dalam tahap ini dilakukan sebuah penelitian, wawancara
dan studi literatur, serta membaca dan memahami buku-buku referensi dan media
lain yang berkaitan dengan pemrograman web.
2. Desain Sistem.
Perancangan sistem terhadap solusi dari permasalahan yang ada dengan
menggunakan perangkat pemodelan sistem seperti diagram hubungan entitas
(entity relationship diagram) serta struktur dan bahasan data.
3. Penulisan Kode Program.
Dalam pembuatan aplikasi ini penulis menggunakan PHP sebagai bahasa
pemrograman. Kode program disusun berdasarkan prosedur algoritma yang
digunakan. Dalam hal ini langkah-langkah pemrograman menyesuaikan
Algoritma Apriori.
4. Pengujian Program.
Untuk menguji hasil dari proses Data Mining ini dengan mengkombinasikan
hasil pembelajaran data training dengan data testing.
1.7 Sistematika Penulisan
Pada bagaian ini, penulis akan memberikan suatu uraian mengenai isi dari
laporan yang terdiri dari:
BAB I : PENDAHULUAN
Bab ini akan menguraikan permasalahan yang akan dibahas
secara keseluruhan meliputi Latar Belakang, Rumusan
Masalah, Batasan Masalah, Tujuan Penulisan, Manfaat

5
Penulisan, Metodologi Penulisan dan diakhiri dengan
Sistematika Penulisan.
BAB II : LANDASAN TEORI
Bab ini menjelaskan tentang teori-teori yang relevan dengan
permasalahan yang dibahas dalam penulisan laporan tugas
akhir ini.
BAB III : ANALISIS DAN PERANCANGAN
Bab ini membahas mengenai tinjauan aspek informatika
berupa analisis dan desain perancangan perangkat lunak
yang terdiri dari spesifikasi kebutuhan dan deskripsi
perangkat lunak.
BAB IV : HASIL IMPLEMENTASI DAN PENGAJUAN SISTEM
Bab ini akan membahas tentang aplikasi yang dibuat,
meliputi interface aplikasi, implementasi, hardware,
software dan hasil uji coba.
BAB V : KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dan saran dari keseluruhan isi
Laporan Tugas Akhir, saran-saran dan harapan yang
diajukan kepada semua pihak sesuai dengan bahasan
sebelumnya.

6
BAB II
LANDASAN TEORI
2.1 Data Mining
Data mining adalah suatu konsep yang digunakan untuk menemukan
pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses
semi otomatik yang menggunakan teknik statistik, matematika, kecerdasan buatan,
dan machine learning untuk mengekstraksi dan mengidentifikasi informasi
pengetahuan potensial dan berguna yang tersimpan di dalam database besar.
Menurut Gartner Group data mining adalah suatu proses menemukan hubungan
yang berarti, pola, dan kecenderungan dengan memeriksa dalam sekumpulan besar
data yang tersimpan dalam penyimpanan dengan menggunakan teknik pengenalan
pola seperti teknik statistik dan matematika. Data mining didefinisikan sebagai proses
menemukan pola-pola dalam data.
Karakteristik data mining sebagai berikut (Kusrini,2009) :
a. Data mining berhubungan dengan penemuan sesuatu yang tersembunyi dan pola
data tertentu yang tidak diketahui sebelumnya.
b. Data mining biasa menggunakan data yang sangat besar. Biasanya data yang besar
digunakan untuk membuat hasil lebih dipercaya.
c. Data mining berguna untuk membuat keputusan yang kritis, terutama dalam
strategi.

7
2.1.1 Tahap-Tahap Data Mining
Sebagai suatu rangkaian proses, data mining dapat dibagi menjadi beberapa
tahap. Tahap-tahap tersebut bersifat interaktif, pemakai terlibat langsung atau dengan
perantaraan knowledge base. Tahap-tahap data mining ada 7 yaitu (Han, 2006) :
1. Pembersihan data (data cleaning)
Pembersihan data merupakan proses menghilangkan noise dan data yang tidak
konsisten atau data tidak relevan. Pada umumnya data yang diperoleh, baik dari
database suatu perusahaan maupun hasil eksperimen, memiliki isian-isian yang
tidak sempurna seperti data yang hilang, data yang tidak valid atau juga hanya
sekedar salah ketik.Selain itu, ada juga atribut-atribut data yang tidak relevan
dengan hipotesa data mining yang dimiliki. Data-data yang tidak relevan itu juga
lebih baik dibuang. Pembersihan data juga akan mempengaruhi performasi dari
teknik data mining karena data yang ditangani akan berkurang jumlah dan
kompleksitasnya.
2. Integrasi data (data integration)
Integrasi data merupakan penggabungan data dari berbagai database ke dalam satu
database baru. Tidak jarang data yang diperlukan untuk data mining tidak hanya
berasal dari satu database tetapi juga berasal dari beberapa database atau file teks.
Integrasi data dilakukan pada atribut-aribut yang mengidentifikasikan entitas-
entitas yang unik seperti atribut nama,jenis produk, nomor pelanggan dan
lainnya.Integrasi data perlu dilakukan secara cermat karena kesalahan pada
integrasi data bisa menghasilkan hasil yang menyimpang dan bahkan menyesatkan
pengambilan aksi nantinya. Sebagai contoh bila integrasi data berdasarkan jenis

8
produk ternyata menggabungkan produk dari kategori yang berbeda maka akan
didapatkan korelasi antar produk yang sebenarnya tidak ada.
3. Seleksi Data (data selection)
Data yang ada pada database sering kali tidak semuanya dipakai, oleh karena itu
hanya data yang sesuai untuk dianalisis yang akan diambil dari database. Sebagai
contoh, sebuah kasus yang meneliti faktor kecenderungan orang. membeli dalam
kasus market basket analisis, tidak perlu mengambil nama pelanggan, cukup
dengan id pelanggan saja.
4. Transformasi data (data transformation)
Data diubah atau digabung ke dalam format yang sesuai untuk diproses dalam data
mining. Beberapa metode data mining membutuhkan format data yang khusus
sebelum bisa diaplikasikan. Sebagai contoh beberapa metode standar seperti
analisis asosiasi dan clustering hanya bisa menerima input data kategorikal.
Karenanya data berupa angka numerik yang berlanjut perlu dibagi-bagi menjadi
beberapa interval. Proses ini sering disebut transformasi data.
5. Proses mining
Merupakan suatu proses utama saat metode diterapkan untuk menemukan
pengetahuan berharga dan tersembunyi dari data.

9
6. Evaluasi pola (pattern evaluation)
Untuk mengidentifikasi pola-pola menarik kedalam knowledge based yang
ditemukan.Dalam tahap ini hasil dari teknik data mining berupa pola-pola yang
khas maupun model prediksi dievaluasi untuk menilai apakah hipotesa yang ada
memang tercapai. Bila ternyata hasil yang diperoleh tidak sesuai hipotesa ada
beberapa alternatif yang dapat diambil seperti menjadikannya umpan balik untuk
memperbaiki proses data mining,mencoba metode data mining lain yang lebih
sesuai, atau menerima hasil ini sebagai suatuhasil yang di luar dugaan yang
mungkin bermanfaat.
7. Presentasi pengetahuan (knowledge presentation)
Merupakan visualisasi dan penyajian pengetahuan mengenai metode yang
digunakan untuk memperoleh pengetahuan yang diperoleh pengguna. Tahap
terakhir dari proses data mining adalah bagaimana memformulasikan keputusan
atau aksi dari hasil analisis yang didapat. Ada kalanya hal ini harus melibatkan
orang-orang yang tidak memahami data mining. Karenanya presentasi hasil data
mining dalam bentuk pengetahuan yang bisa dipahami semua orang adalah satu
tahapan yang diperlukan dalam proses data mining. Dalam presentasi
ini,visualisasi juga bisa membantu mengkomunikasikan hasil data mining.

10
2.2 Algoritma Apriori
Ide dasar dari algoritma ini adalah dengan mengembangkan frequent itemset.
Dengan menggunakan satu item dan secara rekursif mengembangkan frequent itemset
dengan dua item, tiga item dan seterusnya hingga frequent itemset dengan semua
ukuran (Santoso, 2007).
Untuk mengembangkan frequent set dengan dua item, dapat menggunakan
frequent set item. Alasannya adalah bila set satu item tidak melebihi support
minimum, maka sembarang ukuran itemset yang lebih besar tidak akan melebihi
support minimum tersebut. Secara umum, mengembangkan set dengan fc-item
menggunakan frequent set dengan k – 1 item yang dikembangkan dalam langkah
sebelumnya. Setiap langkah memerlukan sekali pemeriksaan ke seluruh isi database.
Dalam asosiasi terdapat istilah antecedent dan consequent, antecedent untuk
mewakili bagian “jika” dan consequent untuk mewakili bagian “maka”. Dalam
analisis ini, antecedent dan consequent adalah sekelompok item yang tidak punya
hubungan secara bersama.
Dari jumlah besar aturan yang mungkin dikembangkan, perlu memiliki aturan -
aturan yang cukup kuat tingkat ketergantungan antar item dalam antecedent dan
consequent. Untuk mengukur kekuatan aturan asosiasi ini, digunakan ukuran support
dan confidence. Support adalah rasio antara jumlah transaksi yang memuat
antecedent dan consequent dengan jumlah transaksi. Confidence adalah rasio antara
jumlah transaksi yang meliputi semua item dalam antecedent dan consequent dengan
jumlah transaksi yang meliputi semua item dalam antecedent.

11
Algoritma Apriori adalah salah satu algoritma yang melakukan pencarian
frequent itemset dengan menggunakan teknik association rule (Erwin, 2009).
Algoritma Apriori menggunakan pengetahuan frekuensi atribut yang telah diketahui
sebelumnya untuk memproses informasi selanjutnya. Pada algoritma Apriori
menentukan kandidat yang mungkin muncul dengan cara memperhatikan minimum
support dan minimum confidence. Support adalah nilai pengunjung atau persentase
kombinasi sebuah item dalam database. Rumus support adalah sebagai berikut :
Support A,B = P A∩B
� � , =
∑Transaksi mengandung A dan B
∑Total Transaksi
� %
Sedangkan confidence adalah nilai kepercayaan yaitu kuatnya hubungan antar item
dalam sebuah Apriori. Confidence dapat dicari setelah pola frekuensi munculnya
sebuah item ditemukan. Berikut rumus confidence :

12
secara garis besar cara kerja algoritma apriori adalah:
1. Pembentukan kandidat itemset, Kandidat k-itemset dibentuk dari kombinasi (k-1)-
itemset yang didapat dari iterasi sebelumnya. Satu ciri dari algoritma Apriori
adalah adanya pemangkasan kandidat k-itemset yang subset-nya yang berisi k-1
item tidak termasuk dalam pola frekuensi tinggi dengan panjang k-1.
2. Penghitungan support dari tiap kandidat k-itemset. Support dari tiap kandidat k-
itemset didapat dengan men-scan database untuk menghitung jumlah transaksi
yang memuat semua item di dalam kandidat k-itemset tsb. Ini adalah juga ciri dari
algoritme Apriori dimana diperlukan penghitungan dengan scan seluruh database
sebanyak k-itemset terpanjang.
3. Tetapkan pola frekuensi tinggi. Pola frekuensi tinggi yang memuat k item atau k-
itemset ditetapkan dari kandidat k-itemset yang support-nya lebih besar dari
minimum support.
4. Bila tidak didapat pola frekuensi tinggi baru maka seluruh proses dihentikan. Bila
tidak, maka k ditambah satu dan kembali ke bagian 1.
Kelebihan algoritma apriori :
a. Kelebihan dari algoritma apriori ini adalah lebih sederhana dan dapat menangani
data yang besar. Sedangkan algoritma lainnya memiliki kelemahan dalam
penggunaan memori saat jumlah data besar, tentunya berpengaruh terhadap
banyaknya item yang diproses serta mudah di pahami struktur kerja dan
implementasinya.

13
Masalah utama pencarian Frequent Itemset adalah banyaknya jumlah
kombinasi itemset yang harus diperiksa apakah memenuhi minimum support atau
tidak. Salah satu cara untuk mengatasinya adalah dengan mengurangi jumlah
kandidat itemset yang harus diperiksa. Apriori adalah salah satu pendekatan yang
sering digunakan pada Frequent Itemset Mining. Prinsip Apriori adalah jika sebuah
itemset infrequent, maka itemset yang infrequent tidak perlu lagi diexplore
supersetnya sehingga jumlah kandidat yang harus diperiksa menjadi berkurang. Kira-
kira ilustrasinya seperti ini :
Gambar 2.1 Contoh Hash Tree (Fajar Astuti Herawati, 2013)

14
Pada gambar di atas, pencarian Frequent Itemset dilakukan tanpa menggunakan
prinsip Apriori. Dengan menggunakan prinsip Apriori, pencarian Frequent Itemset
akan menjadi seperti di bawah ini:
Gambar 2.2 Contoh Hash Tree (Fajar Astuti Herawati, 2013)
Dapat dilihat bahwa dengan menggunakan Apriori, jumlah kandidat yang harus
diperiksa cukup banyak berkurang. Apriori sendiri terus dikembangkan untuk
meningkatkan efisiensi dan efektivitasnya. Salah satunya adalah dengan
memanfaatkan Hash Tree untuk perhitungan support yang efisien (mengurangi
Database scan yang berulang-ulang).

15
2.3 Algoritma Genetika
Untuk membandingkan antara algoritma apriori dengan algoritma lain,
penulis menambahkan algoritma genetika sebagai bahan perbandingan. Untuk
pembahasan lebih lanjut, berikut penjelasannya.
Algoritma ini ditemukan di Universitas Michigan, Amerika Serikat oleh John
Holland (1975) melalui sebuah penelitian dan dipopulerkan oleh salah satu muridnya,
David Goldberg (1989). Dimana mendefenisikan algoritma genetika ini sebagai
metode algoritma pencarian berdasarkan pada mekanisme seleksi alam dan genetik
alam.
Algoritma genetika adalah algoritma yang berusaha menerapkan
pemahaman mengenai evolusi alamiah pada tugas-tugas pemecahan-masalah
(problem solving). Pendekatan yang diambil oleh algoritma ini adalah dengan
menggabungkan secara acak berbagai pilihan solusi terbaik di dalam suatu kumpulan
untuk mendapatkan generasi solusi terbaik berikutnya yaitu pada suatu kondisi yang
memaksimalkan kecocokannya atau lazim disebut fitness. Generasi ini akan
merepresentasikan perbaikan-perbaikan pada populasi awalnya. Dengan melakukan
proses ini secara berulang, algoritma ini diharapkan dapat mensimulasikan proses
evolusioner.
Pada akhirnya, akan didapatkan solusi-solusi yang paling tepat bagi
permasalahan yang dihadapi. Untuk menggunakan algoritma genetik, solusi
permasalahan direpresentasikan sebagai kromosom. Tiga aspek yang penting
untuk enggunaan algoritma genetik:

16
1. Defenisi fungsi fitness
2. Defenisi dan implementasi representasi genetic
3. Defenisi dan implementasi operasi genetic
Jika ketiga aspek di atas telah didefinisikan, algoritma genetika akan
bekerja dengan baik. Tentu saja, algoritma genetika bukanlah solusi terbaik untuk
memecahkan segala masalah. Sebagai contoh, metode tradisional telah diatur
untuk untuk mencari penyelesaian dari fungsi analitis convex yang “berperilaku
baik” yang variabelnya sedikit. Pada kasus-kasus ini, metode berbasis kalkulus lebih
unggul dari algoritma genetika karena metode ini dengan cepat menemukan solusi
minimum ketika algoritma genetika masih menganalisa bobot dari populasi awal.
2.3.1 Struktur Umum Algoritma Genetika
Algoritma genetika memberikan suatu pilihan bagi penentuan nilai parameter
dengan meniru cara reproduksi genetika, pembentukan kromosom baru serta seleksi
alami seperti yang terjadi pada makhluk hidup. Algoritma Genetika secara umum
dapat diilustrasikan dalam diagram alir berikut ini:

17
Gambar 2.3 Diagram Alir Algoritma Genetika (Kusumadewi, 2003)
(Kusumadewi, 2003) Pada algoritma ini, teknik pencarian dilakukan
sekaligus atas sejumlah solusi yang mungkin dikenal dengan istilah populasi.
Individu yang terdapat dalam satu populasi individu yang terdapat dalam satu
populasi disebut dengan istilah kromosom, Charles L Karr (1999). Kromosom ini
merupakan suatu solusi yang masih berbentuk simbol. Populasi awal dibangun secara
acak, sedangkan populasinya merupakan hasil evolusi kromosom-kromosom melalui
iterasi yang disebut dengan istilah generasi. Pada setiap generasi kromosom akan
melalui proses evaluasi dengan menggunakan alat ukur yang disebut fungsi fitness.
Nilai fitness dari suatu kromosom akan menunjukkan kualitas kromosom dalam
populasi tersebut.

18
2.3.2 Penyandian
Teknik penyandian disini meliputi penyandian gen dari kromosom. Gen
merupakan bagian dari kromosom. Satu gen biasanya akan mewakili satu variable.
Gen dapat direpresentasikan dalam bentuk : string bit, pohon, array bilangan
real, daftar aturan, elemen permutasi, elemen program, atau representasi lainnya yang
dapat diimplementasikan untuk operator genetika.
Gambar 2.4 Penyandian Biner pada Operator Genetika
(Kusumadewi, 2003)
Demikian juga, kromosom dapat direpresentasikan dengan menggunakan :
 String bit : 011, 01101, 11101, dst.
 Bilangan Real : 65.65, -67.98. 562.88, dst.
 Elemen Program : pemrograman genetika
 Struktur lainnya

19
2.3.3 Operator Genetika
Algoritma genetik merupakan proses pencarian yang heuristik dan
acak sehingga penekanan pemilihan operator yang digunakan sangat menentukan
keberhasilan algoritma genetik dalam menemukan solusi optimum suatu
masalah yang diberikan. Hal yang harus diperhatikan adalah menghindari terjadinya
konvergensi premature, yaitu mencapai solusi optimum yang belum waktunya,
dalam arti bahwa solusi yang diperoleh adalah hasil optimum lokal.
Operator genetika yang digunakan setelah proses evaluasi tahap pertama
membentuk populasi baru dari generasi sekarang. Operator-operator tersebut adalah
operator seleksi, crossover dan mutasi. (Kusumadewi, 2003). Berikut ini akan di
jelaskan masing-masing operator pada Genetika.
1. Seleksi
Seleksi bertujuan memberikan kesempatan reproduksi yang lebih besar bagi
anggota populasi yang paling fit. Langkah pertama dalam seleksi ini adalah
pencarian nilai fitness. Masing-masing individu dalam suatu wadah seleksi akan
menerima probabilitas reproduksi yang tergantung pada nilai objektif dirinya
sendiri terhadap nilai objektif dari semua individu dalam wadah seleksi tersebut.
Nilai fitness inilah yang nantinya akan digunakan pada tahap seleksi berikutnya
(Kusumadewi, 2003).
Kemampuan algoritma genetik untuk memproduksi kromosom yang lebih
baik secara progresif tergantung pada penekanan selektif (selective pressure)
yang diterapkan ke populasi. Penekanan selektif dapat diterapkan dalam dua

20
cara. Cara pertama adalah membuat lebih banyak kromosom anak yang
dipelihara dalam populasi dan memilih hanya kromosom-kromosom terbaik
bagi generasi berikut. Walaupun orang tua dipilih secara acak, metode ini akan
terus menghasilkan kromosom yang lebih baik berhubungan dengan penekanan
selektif yang diterapkan pada individu anak tersebut.
Cara lain menerapkan penekanan selektif adalah memilih orang tua yang
lebih baik ketika membuat keturunan baru. Dengan metode ini, hanya kromosom
sebanyak yang dipelihara dalam populasi yang perlu dibuat bagi generasi berikutnya.
Walaupun penekanan selektif tidak diterapkan ke level keturunan, metode ini akan
terus menghasilkan kromosom yang lebih baik, karena adanya penekanan selektif
yang diterapkan ke orangtua.
Ada beberapa metode untuk memilih kromosom yang sering digunakan
antara lain adalah seleksi roda rolet (roulette wheel selection), seleksi ranking
(rank selection) dam seleksi turnamen (tournament selection).
2. Crossover
Crossover (perkawinan silang) bertujuan menambah keanekaragaman
string dalam populasi dengan penyilangan antar-string yang diperoleh dari
sebelumnya. Beberapa jenis crossover tersebut adalah:
1. Crossover 1-titik
Pada crossover dilakukan dengan memisahkan suatu string menjadi dua bagian
dan selanjutnya salah satu bagian dipertukarkan dengan salah satu bagian dari
string yang lain yang telah dipisahkan dengan cara yang sama. Proses yang

21
demikian dinamakan operator crossover satu titik seperti diperlihatkan pada
gambar berikut:
Tabel 2.1 Contoh Crossover 1 titik
Kromosom Orangtua 1 11001011
Keturunan 11001111
2. Crossover 2 Titik
Proses crossover ini dilakukan dengan memilih dua titik crossover.
Kromosom keturunan kemudian dibentuk dengan barisan bit dari awal kromosom
sampai titik crossover pertama disalin dari orang tua pertama, bagian dari titik
crossover pertama dan kedua disalin dari orang tua kedua, kemudian
selebihnya disalin dari orang tua pertama lagi.
Tabel 2.2 Contoh Crossover 2 titik
Keturunan 11011111

22
3. Crossover Seragam
Crossover seragam manghasilkan kromosom keturunan dengan menyalin bit-bit
secara acak dari kedua orangtuanya.
Table 2.3 Contoh Crossover Seragam
Keturunan 11011111
2.3.4 Mutasi
Mutasi merupakan proses mengubah nilai dari satu atau beberapa gen
dalam suatu kromosom. Operasi crossover yang dilakukan pada kromosom dengan
tujuan untuk memperoleh kromosom-kromosom baru sebagai kandidat solusi pada
generasi mendatang dengan fitness yang lebih baik, dan lama-kelamaan menuju
solusi optimum yang diinginkan. Akan tetapi, untuk mencapai hal ini, penekanan
selektif juga memegang peranan yang penting. Jika dalam proses pemilihan
kromosom-kromosom cenderung pada kromosom yang memiliki fitness yang tinggi
saja, konvergensi premature, yaitu mencapai solusi yang optimal lokal sangat mudah
terjadi.
Mutasi ini berperan untuk menggantikan gen yang hilang dari populasi akibat
proses seleksi yang memungkinkan munculnya kembali gen yang tidak muncul pada
inisialisasi populasi.

23
 Mutasi bilangan real
Pada mutasi bilangan real, ukuran langkah mutasi biasanya sangat sulit ditentukan.
Ukuran yang kecil biasanya sering mengalami kesuksesan, namun adakalanya
ukuran yang lebih besar akan berjalan lebih cepat.
 Mutasi bilangan real
Cara sederhana untuk mendapatkan mutasi biner adalah dengan mengganti satu
atau beberapa nilai gen dari kromosom.
2.3.5 Parameter Genetika
algoritma genetik dibutuhkan 4 parameter (Juniawati, 2003) yaitu :
1. Probabilitas Persilangan (Crossover Probability)
Menunjukkan kemungkinan crossover terjadi antara 2 kromosom. Jika tidak
terjadi crossover maka keturunannya akan sama persis dengan kromosom
orangtua, tetapi tidak berarti generasi yang baru akan sama persis dengan
generasi yang lama. Jika probabilitas crossover 100% maka semua
keturunannya dihasilkan dari crossover. Crossover dilakukan dengan harapan
bahwa kromosom yang baru akan lebih baik.
2. Probabilitas Mutasi (Mutation Probability)
Menunjukkan kemungkinan mutasi terjadi pada gen-gen yang menyusun sebuah
kromosom. Jika tidak terjadi mutasi maka keturunan yang dihasilkan setelah
crossover tidak berubah. Jika terjadi mutasi bagian kromosom akan berubah. Jika

24
probabilitas 100%, semua kromosom dimutasi. Jika probabilitasnya 0%, tidak
ada yang mengalami mutasi.
3. Jumlah Individu
Menunjukkan jumlah kromosom yang terdapat dalam populasi (dalam satu
generasi). Jika hanya sedikit kromosom dalam populasi maka algoritma
genetik akan mempunyai sedikit variasi kemungkinan untuk melakukan
crossover antara orangtua karena hanya sebagian kecil dari search space
yang dipakai. Sebaliknya jika terlalu banyak maka algoritma genetik akan
berjalan lambat.
4. Jumlah Populasi
Menetukan jumlah populasi atau banyaknya generasi yang dihasilkan,
digunakan sebagai batas akhir proses seleksi, persilangan dan mutasi.
Setelah didapatkan kesimpulan dari sedikit pembahasan mengenai algoritma
genetika, penulis lebih memilih menggunakan algoritma apriori untuk di terapkan
pada aplikasi, karena selain lebih mudah untuk dipahami, mudah juga untuk
diimplementasikan ke dalam program.
2.4 Internet
Menurut (Iskandar, 2009) dalam buku Panduan Lengkap Internet, Internet atau
interconnected network adalah sebuah sistem komunikasi global yang
menghubungkan komputer-komputer dan jaringan-jaringan komputer di seluruh
dunia. Setiap komputer dan jaringan terhubung secara langsung maupun tidak
langsung ke beberapa jalur utama yang disebut internet backbone. Masing-masing

25
dibedakan antara satu dengan yang lainnya menggunakan unique name yang disebut
alamat IP 32 bit.
1. Komputer dan jaringan dengan berbagai platform (Unix, Linux, Windows,
Mac dan lain-lain) dapat bertukar informasi dengan adanya sebuah protokol
standar yang dikenal dengan nama TCP/IP (Transmission Control
Protocol/Internet Protocol). TCP/IP tersusun atas 4 layer, yaitu network
access, internet, host-to-host transport, dan application.
2. Internet merupakan sekumpulan jaringan komputer yang menghubungkan
situs akademik, pemerintahan, komersial, organisasi, maupun perorangan.
Internet menyediakan akses untuk layanan telekomunikasi dan sumber daya
informasi untuk jutaan pemakainya yang tersebar di seluruh dunia. Layanan
internet meliputi komunikasi langsung (email,chat), diskusi (Usenet news,
email, milis), sumber daya informasi yang terdistribusi (World Wide web,
Gopher), remote login, lalu lintas file (Telnet,FTP) dan aneka layanan lainnya.
2.5 Definisi Website
Menurut (Wikipedia bahasa indonesia), website / situs web atau sering
disingkat dengan istilah situs adalah sejumlah halaman web yang memiliki topik
saling terkait, terkadang disertai pula dengan berkas-berkas gambar, video, atau jenis-
jenis berkas lainnya. Sebuah situs web biasanya ditempatkan setidaknya pada sebuah
serverweb yang dapat diakses melalui jaringan seperti internet, ataupun jaringan
wilayah lokal (LAN) melalui alamat internet yang dikenali sebagai URL. Gabungan
atas semua situs yang dapat diakses publik di internet disebut pula sebagai World

26
Wide Web atau lebih dikenal dengan singkatan WWW. Meskipun setidaknya halaman
beranda situs internet umumnya dapat diakses publik secara bebas, pada prakteknya
tidak semua situs memberikan kebebasan bagi publik untuk mengaksesnya, beberapa
situs web mewajibkan pengunjung untuk melakukan pendaftaran sebagai anggota,
atau bahkan meminta pembayaran untuk dapat menjadi aggota untuk dapat
mengakses isi yang terdapat dalam situs web tersebut, misalnya situs-situs yang
menampilkan pornografi, situs-situs berita, layanan surel (e-mail), dan lain-lain.
Pembatasan-pembatasan ini umumnya dilakukan karena alasan keamanan,
menghormati privasi, atau karena tujuan komersil tertentu.
Perlu, diketahui struktur desain website dibagi menjadi :
a. Headerweb adalah bagian judul dari website, biasanya berisi alamat website atau
judul yang menerangkan secara jelas mengenai tema website yang dibangun.
b. Navigasi adalah bagian menu utama yang posisinya bisa vertical atau horizontal.
Pada bagian ini, pemilik web juga dapat meletakan tools.
c. Content adalah bagian utama dari website yang digunakan untuk menampilkan
semua informasi yang dihasilkan dari link menu dan tombol.
d. Link adalah bagian dari website yang berfungsi untuk berpindah halaman atau
website yang telah ditentukan.
Footer web adalah bagian paling bawah website. Pada bagian ini, biasanya
berisi informasi pemilik web atau hal penting yang terkait dengan pengembang web.

27
2.5.1 Script Pemrograman Web
2.5.1.1 HTML
HTML (Hypertext Markup Laguange) adalah bahasa dasar untuk web scripting
bersifat client side yang memungkinkan untukmenampilkan informasi dalam bentuk
teks, graafik, serta multimedia dan juga untuk menghubungkan antar tampilan web
page(hyperlink).(Bernard Renaidy Suteja,S.Kom, M.Kom : 2010)
<HTML>
<HEAD>
<TITLE>Judul Web Page</TITLE>
<BODY>
Isi Documen ada Disini
</BODY>
</HTML>
Gambar 2.5 Contoh Koding HTML (Sumber : Bernard Reinady Sutedja, 2010)
2.5.1.2 PHP
Bahasa pemrograman PHP merupakan bahasa pemrograman untuk membuat
web yang bersifat server-side scripting. PHP memungkinkan kita untuk membuat
halaman web yang bersifat dinamis. PHP dapat dijalankan pada berbagai macam
Operating System (OS), misalnya Windows, Linux dan Mac OS. Selain Apache, PHP
juga mendukung beberapa web server lain, misalnya Microsoft IIS, Caudium, PWS

28
dan lain-lain. Sistem manajemen database yang sering digunakan bersama PHP
adalah MySQL. Namun PHP juga mendukung system manajemen Database Oracle,
Microsoft Acces, Interbase, d-Base, PostgreSQL dan sebagainya
PHP mendukung penuh Object Oriented Programing (OOP), integrasi XML,
mendukung semua ekstensi terbaru MySQL, pengembangan web services dengan
SOAP dan REST, serta ratusan kemampuan. Sama dengan web server lainnya PHP
juga bersifat open source sehingga setiap orang dapat menggunakannya dengan
gratis..(Lukmanul Hakim, 2005)
<?php
echo "This is a HEADER, And ";
echo "This is a HEADER, And ";
echo "Today is ";
echo date("F d");
echo ", ";
echo date("Y");?>
Gambar 2.6 Contoh Koding PHP (Sumber : Lukmanul Hakim, 2005)

29
2.5.1.3 JAVASCRIPT
JavaScript adalah suatu bahasa script yang di-interpreter oleh browser (client
side). Pada awalnya bahasa ini dinamakan “LiveScript” yang berfungsi sebagai
bahasa sederhana untuk browser Netcape Navigator2. Sintak penulis Javascript
memiliki kemiripan dengan bahasa pemrograman Java dan juga C sehingga banyak
aturan dari bahasa Java atau C yang bisa diterapkan dalam JavaScript, tetapi perlu
diingat JavaScript tidak sama dengan Java, karena JavaScript yang dikembangkan
oleh Netscape, produknya untuk web disebut web script.
JavaScript bergantung pada browser(Navigator) yang memanggil halaman
web yang berisi script dari JavaScript dan tentu saja tersisipkan didalam dokumen
HTML. JavaSkript juga tidak memerlukan compiler atau penerjemah khusus untuk
menjalankannya (karena pada kenyataannya compiler JavaScript sendiri sudah
termasuk didalam browser tersebut). Penulisan kode JavaScript diletakkan diantara
tag HTML. Dengan menambahkan JavaScript akan membuat halaman web menjadi
lebih menarik dan interaktif. Menggunakan JavaScript, memungkinkan kustomisasi
terhadap dokumen HTML pada saat diakses dengan menulis melalui penanganan
event terhadap elemen-elemen tag HTML dalam halaman tersebut, memeriksa data
Jorm pada sisi client dan melakukan perhitungan pada sisi client hingga membuat
animasi kursor mouse dan sebagainya. (Komang Wiswakarma,2009)

30
Gambar 2.7 Contoh koding body javascript dalam dokumen HTML. (Sumber
: Komang Wiswakarma,2005)
2.5.1.4 CSS
CSS adalah singkatan dari Cascading Style Sheet, digunakan untuk mengatur
style atau tampilan dari dokumen HTML. CSS adalah suatu bahasa stylesheet yang
digunakan untuk mengatur tampilan suatu website, baik tata letak, jenis huruf, warna,
dan semua yang berhubungan dengan tampilan atau gaya suatu web (Menurut
Wikipedia 2009). Disamping itu, desain web yang dibuat dengan CSS lebih cepat
loadingnya dibandingkan dengan desain menggunakan tabel dari HTML, bukankah
selain konten, kecepatan akses merupakan faktor penting dalam dunia maya. Dengan
berbagai keunggulan tersebut, CSS menjadi salah satu bahasa pemrograman yang
paling disarankan dalam pembuatan website.(Komang Wiswakarma, 2009)
<style type="text/css" media="screen">
Gambar 2.8 Contoh koding CSS (Sumber : Komang Wiswakarma, 2009)
<BODY>
<script language=”javascript”>
//Baris kode Javaskrip diketikkan disini
//Setiap perintah diakhiri tanda;
</script></BODY>

31
2.6 Database
Menurut Bambang Hariyanto (2008), data adalah rekaman mengenai
fenomena/fakta yang ada atau yang terjadi. Data pada pokonya adalah refleksi fakta
yang ada. Data mengenai fakta-fakta penting organisasi harus dikelola secara baik
sehingga dapat dipakai/diakses secara efisien sehingga efektif mendukung operasi
dan pengendalian organisasi. Data merupakan sumber daya penting pada manajemen
modern. Untuk itu, organisasi perlu melakukan penataan dan manajemen data yang
baik agar data yang dimiliki organisasi dapat berdaya guna secara maksimal.
Database adalah kumpulan data yang saling berhubungan yang merefleksikan
fakta-fakta yang terdapat di organisasi. Saat satu kejadian muncul si dunia nyata
mengubah state organisasi/perusahaan/sistem maka satu perubahan pun harus
dilakukan terhadap data yang disimpan di database. Database merupakan komponen
utama sistem informasi karena semua informasi untuk pengambilan keputusan berasal
dari data di database. Pengelolaaan database yang buruk dapat mengakibatkan
ketidaktersediaan data penting yang digunakan untuk menghasilkan informasi yang
diperlukan dalam pengambilan keputusan.
Sistem manajemen basisdata atau DBMS (Database Management System)
adalah perangkat lunak untuk mendefinisikan, menciptakan, mengelola, dan
mengendalikan pengaksesan basis data. Fungsi sistem manajemen basis data saat ini
yang penting adalah menyediakan basis untuk sistem informasi manjemen.

32
2.6.1 Fungsi Database
Fungsi database umumnya memang banyak diterapkan dalam dunia industri,
hampir seluruh industri di belahan dunia memanfaatkan teknologi database untuk
menunjang sistem dan aplikasinya. Berikut adalah beberapa fungsi yang melekat pada
sebuah database (Betha Sidik,2005):
a. Mengelompokkan data, database bertujuan untuk mengelompokkan data agar
mudah dipahami. Contoh dalam sebuah system perpustakaan, ada kelompok data
buku, penerbit, transaksi peminjaman, dan mahasiswa.
b. Menghindari terjadinya duplikasi atau inkonsistensi data.
c. Memudahkan dalam menyimpan, mengakses, dan memperbarui, serta menghapus
data.
d. Menjamin kualitas data dan informasi yang diakses sesuai dengan yang
dimasukkan (integritas data).
e. Menjadi solusi dalam proses penyimpanan sebuah data, terutama data yang besar.
f. Menunjang kinerja aplikasi yang membutuhkan sebuah penyimpanan data.
2.6.2 MySQL
Menurut (Betha Sidik, 2005) dalam buku MySQL, MySQL merupakan software
sistem manajemen database (Database Management System - DBMS) yang sangat
populer di kalangan pemrograman web, terutama di lingkungan Linux dengan
menggunakan script PHP dan Perl. Softwaredatabase ini kini telah tersedia juga pada
platform sistem operasi Windows (98/ME atau pun NT/2000/XP).

33
MySQL merupakan database yang paling populer digunakan untuk membangun
aplikasi web yang menggunakan database sebagai sumber dan pengelola datanya.
Kepopuleran MySQL dimungkinkan karena kemudahannya untuk digunakan,
cepat secara kerja query, dan mencukupi untuk kebutuhan database perusahaan-
perusahaan skala menengah kecil. MySQL merupakan database yang digunakan oleh
situs-situs terkemuka di internet untuk menyimpan datanya.
Software database MySQL kini dilepas sebagai software manajemen database
yang open source, sebelumnya merupakan softwaredatabase yang shareware.
Shareware adalah suatu software yang dapat didistribusikan secara bebas untuk
keperluan penggunaan secara pribadi, tetapi jika digunakan secara komersial maka
pemakai harus mempunyai lisensi dari pembuatnya. Software open source
menjadikan software dapat didistribusikan secara bebas dan dapat dipergunakan
untuk keperluan pribadi atau pun komersial, termasuk di dalamnya source code dari
software tersebut.
Database MySQL tersedia secara bebas cuma-cuma dan boleh digunakan oleh
setiap orang, dengan lisensi open source GNUGeneral Public License (GPL) atau pun
lisensi komersial non GPL. Saat ini diperkirakan lebih dari 3 juta pemakai di seluruh
dunia, dengan lebih dari setengah juta server yang memasangnya, termasuk di
dalamnya Yahoo!, MP3.com, Motorola, NASA, Silicon Graphics, HP, Xerox, Cisco,
dan Texas Instruments.
Database MySQL, merupakan database yang menjanjikan sebagai alternatif
pilihan database yang dapat digunakan untuk sistem database personal atau
organisasi kita. Oracle sebagai database besar telah membuat kit (modul) untuk

34
memudahkan proses migrasi dari MySQL ke dalam Oracle, hal ini dapat
menunjukkan bahwa Oracle telah memperhitungkan database MySQL sebagai
database alternatif masa depan. Demikian juga dengan pengguna dari database
MySQL, menunjukkan makin banyaknya perusahaan besar menggunakannya.(Betha
Sidik, 2005)
2.7 UML
Menurut(Munawar, 2005) dalam buku Pemodelan Visual Dengan UML, UML
(Unified Modeling Language) adalah salah satu alat bantu yang sangat handal di
dunia pengembangan sistem yang berorientasi objek. Hal ini disebabkan karena UML
menyediakan bahasa pemodelan visual yang memungkinkan bagi pengembang sistem
untuk membuat cetak biru atas visi mereka dalam bentuk yang baku, mudah
dimengerti serta dilengkapi dengan mekanisme yang efektif untuk berbagi (sharing)
dan mengkomunikasikan rancangan mereka dengan yang lain.
UML merupakan kesatuan dari bahasa pemodelan yang dikembangkan oleh
Booch, Object Modeling Technique (OMT) dan Object Oriented Software
Engineering (OOSE). Metode Booch dari Grandy Booch sangat terkenal dengan
nama metode Design Object Oriented. Metode ini menjadikan proses analisis dan
design kedalam empat tahapan iteratif, yaitu : identifikasi kelas-kelas dan obyek-
obyek, identifikasi semantik dari hubungan obyek dan kelas tersebut, perincian
interface dan implementasi. Keunggulan metode Booch adalah pada detail dan
karyanya dengan notasi dan elemen. Pemodelan OMT yang dikembangkan oleh
Rumbaugh didasarkan pada analisis terstruktur dan pemodelan entity-relationship.

35
Tahapan utama dalam metodologi ini adalah analisis, design sistem, design obyek
dan implementasi. Keunggulan metode ini adalah dalam penotasian yang mendukung
semua konsep OO. Metode OOSE dari Jacobson lebih memberi penekanan pada use
case. OOSE memiliki tiga tahapan yaitu membuat model requirement dan analisis,
design dan implementasi, dan model pengujian (test model). Keunggulan metode ini
adalah mudah dipelajari karena memiliki notasi yang sederhana namun mencakup
seluruh tahapan dalam rekayasa perangkat lunak. Dengan UML akan bisa
menceritakan apa yang seharusnya dilakukan oleh sebuah sistem bukan bagaimana
yang seharusnya dilakukan oleh sebuah sistem.(Munawar, 2005)
Karena tergolong bahasa visual, UML lebih mengedepankan penggunaan
diagram untuk menggambarkan aspek dari sistem yang sedang dimodelkan.
Memahami UML itu sebagai bahasa visual itu penting, karena penekanan tersebut
membedakannya dengan bahasa pemrograman yang lebih dekat ke mesin. Bahasa
visual lebih dekat ke mental model pikiran kita, sehingga pemodelan menggunakan
bahasa visual bisa lebih mudah dan lebih cepat dipahami dibandingkan apabila
dituliskan dalam sebuah bahasa pemrograman.
UML adalah salah satu bentuk notasi atau bahasa yang sama yang digunakan
oleh professional dibidang software untuk menggambarkan atau memodelkan sebuah
system software. Sebelumnya ada banyak notasi atau bahasa lain untuk mencapai
keperluan yang sama misalnya DFD (Data Flow Diagram). Tetapi sejak matang dan
populernya teknologi pemrograman, perancangan, dan analisis berorientasi objek,
UML telah menjadi de facto standard language.

36
Ada tiga cara dalam memakai UML dalam melakukan pemodelan system:
1. UML sebagai sketsa
UML digambarkan dalam sketsa coretan-coretan dalam kertas atau white
board secara tidak formal. Biasanya digunakan dalam sesi diskusi tim untuk
membahas aspek tertentu dalam tahap analisis dan perancangan.
2. UML sebagai blueprint system
Seperti diagram kelistrikan adalah blueprint dari komponen atau produk yang
akan dihasilkan, UML juga bisa menggambarkan blueprint yang identik untuk
sebuah system software.
3. UML sebagai bahasa pemrograman
UML berfungsi sebagai bahasa pemrograman mencoba melakukan semuanya
dengan UML sampai kepada produk jadinya. Analisis dan perancangan
dilakukan dengan diagram-diagram yang ada dalam UML, sementara sebuah
tool atau generator bisa menghasilkan produk akhir dari diagram-diagram ini.
Diagram-diagram yang terdapat dalam UML antara lain:
a. use case diagram
b. class diagram
c. statechart diagram
d. activity diagram
e. sequence diagram
f. collaboration diagram
g. component diagram
h. deployment diagram ( Munawar, 2005).

37
2.7.1 Use Case
Menurut(Prabowo Pudjo Widodo, 2011) dalam buku Menggunakan UML,
diagram use case bersama dengan narasi use case dan skenario mendefinisikan tujuan
suatu sistem atau pengklasifikasi lain seperti enterprise, sub sistem atau komponen.
Konsep ini diperkenalkan oleh Ivar Jacobson bersama organisasinya dalam bentuk
metodologi yang mereka namakan Object-Oriented Software Engineering (OOSE).
Tujuan dibentuknya metode ini adalah agar dihasilkan fokus yang baik pada
pengembangannya dan tujuan utama tanpa terpengaruh oleh implementasi praktis.
Dalam pembicaraan tentang use case, pengguna biasanya disebut dengan actor.
Actor adalah sebuah peran yang bisa dimainkan oleh pengguna dalam interaksinya
dengan system.
Seorang/sebuah aktor adalah sebuah entitas manusia atau mesin yang
berinteraksi dengan sistem untuk melakukan pekerjaan-pekerjaan tertentu.
Use case diagram dapat sangat membantu bila kita sedang menyusun requirement
sebuah sistem, mengkomunikasikan rancangan dengan klien, dan merancang test case
untuk semua feature yang ada pada sistem.
Sebuah use case dapat meng-include fungsionalitas use case lain sebagai
bagian dari proses dalam dirinya. Secara umum diasumsikan bahwa use case yang di-
include akan dipanggil setiap kali use case yang meng-include dieksekusi secara
normal.
Sebuah use case dapat di-include oleh lebih dari satu use case lain, sehingga
duplikasi fungsionalitas dapat dihindari dengan cara menarik keluar fungsionalitas
yang common.

38
Sebuah use case juga dapat meng-extenduse case lain dengan behaviour-nya
sendiri. Sementara hubungan generalisasi antar use case menunjukkan bahwa use
case yang satu merupakan spesialisasi dari yang lain.
Diagram use case menunjukan 3 aspek dari system yaitu Actor, use case dan
system/sub system boundary. Actor mewakili peran orang, system yang lain atau alat
ketika berkomunikasi dengan use case.
Gambar 2.9 Use Case Model (Munawar, 2005)
2.7.2 Activity Diagram
Menurut (Romi Satria Wahono, 2003)Pada dasarnya Diagram aktivitas adalah
Diagram flowchart yang diperluas yang menunjukkan aliran kendali satu aktivitas ke
aktivitas lain. Kegunaan diagram ini adalah untuk memodelkan workflow atau jalur
kerja, memodelkan operasi, bagaimana objek-objek bekerja, aksi-aksi dan pengaruh
terhadap objek. Simbol-simbol yang terdapat dalam Activity Diagram, diantaranya
sebagai berikut :

39
Tabel 2.4 Simbol Activity Diagram (Romi Satrio Wahono, 2003)
Keterangan Simbol
Titik Awal atau permulaan.
Titik Akhir atau akhir dari
aktivitas.
Aktiviti, atau aktivitas
yang dilakukan oleh aktor.
Decision, atau pilihan
untuk mengambil
keputusan.
Arah tanda panah alur
proses.
Activity diagram menunjukkan apa yang terjadi, tetapi tidak menunjukkan siapa
yang melakukan apa. Dalam pemprograman hal tersebut tidak menunjukkan class
mana yang bertanggungjawab atas setiap action. Pada pemodelan bisnis, hal tersebut
tidak bisa menunjukkan organisasi mana yang menjalankan sebuah action. Swimlane
adalahsebuah cara untuk mengelompokan activity berdasarkan actor
(mengelompokkan activity dari sebuah urutan yang sama). Actor bisa ditulis nama
actor ataupun sekaligus dengan lambang actor (stick figure) pada usecase diagram.
Swimlane digambarkan secara vertikal, walaupun terkadang digambarkan secara
horizontal.

40
Activity diagram merupakan salah satu diagram yang umum digunakan dalam
UML untuk menjabarkan proses atau aktivitas dari aktor. Sebagai contoh, pelanggan
melakukan login (masuk) pada halaman website untuk bergabung, jika pelanggan
belum terdaftar, maka akan ditolak oleh sistem dan dikembalikan. Proses
penjabarannya adalah sebagai berikut :
Gambar 2.10 Activity Diagram (Romi Satrio Wahono, 2003)
Di dalam Activity diagram tersebut dijelaskan bahwa user melakukan proses
login untuk dapat memasuki area sistem, jika proses login dan/atau user belum
teregistrasi, maka user akan ditolak oleh sistem tersebut dan diberi pesan error.
Selain itu, bila user telah teregistrasi dan memasukkan kode login dengan benar maka
akan diberi akses untuk masuk ke sistem, dan diberikan pesan sukses. User dapat
logout (keluar) untuk mengakhiri sesi.

41
2.7.3 Sequence Diagram
Sequence diagram menjelaskan secara detail urutan proses yang dilakukan
dalam sistem untuk mencapai tujuan dari use case : interaksi yang terjadi antar class,
operasi apa saja yang terlibat, urutan antar operasi, dan informasi yang diperlukan
oleh masing-masing operasi Berikut contoh sederhana Sequence diagram pada
gambar 2.11.
Gambar 2.11 Contoh Sequence Diagram(Sri Dharwiyanti, 2003)

42
2.7.4 Statechart Diagram
Yaitu suatu diagram yang menggambarkan daur hidup pada suatu sistem
dari awal objek itu terjadi hingga objek tersebut dieksekusi sampai proses destroy,
dan menggambarkan perubahan keadaan atau transisi sistem pada suatu objek sebagai
akibat dari stimulans yang diterima.
Gambar 2.12 Contoh Statechart Diagram(Sri Dharwiyanti, 2003)

44
BAB III
ANALISIS DAN PERANCANGAN
3.1 Analisis Masalah
Pada data mahasiswa Universitas Darma Persada program sarjana terdata
banyak mahasiswa yang tidak lulus tepat waktu. Artinya terjadi ketidak seimbangan
antara jumlah mahasiswa aktif dan jumlah kelulusan pada tahun yang ditargetkan,
yaitu tahun
Berdasarkan masalah tersebut, pihak akademik menganalisa adanya faktor –
faktor yang dapat mempengaruhi kelulusan, dilihat dari segi akademik maupun non
akademik. Dengan menggunakan data awal masuk sampai dengan data kelulusan
mahasiswa yang tersimpan pada database kampus, dapat menjadi solusi dalam
memecahkan masalah tersebut dengan mencari pola dan kecendrungan dari faktor –
faktor yang mempengaruhi tepat atau tidaknya waktu kelulusan mahasiswa. Dengan
pola yang dihasilkan dari pengkombinasian data diharapkan dapat digunakan untuk
memprediksi kelulusan calon mahasiswa, agar dapat menghimbau calon mahasiswa
supaya lebih mempersiapkan diri untuk menghadapi jalannya perkuliahan.

45
3.1.1 Analisis Sistem Yang Sedang Berjalan
Sistem pendukung keputusan yang selama ini digunakan untuk menampilkan
static data mahasiswa hanya sebatas memberikan infomasi saja seperti grafik jumlah
mahasiswa aktif per tahun. Aplikasi yang ada belum bisa menampilkan suatu
pengetahuan yang dapat digunakan untuk memprediksi kelulusan mahasiswa.
3.1.2 Analisis Kebutuhan Data
Data yang akan digunakan dalam membentuk suatu pengetahuan berupa pola
kombinasi untuk memprediksi apakah calon mahasiswa lulus tepat waktu atau tidak
adalah data mahasiswa dari awal masuk sampai dengan lulus yang sudah tersimpan
dalam database.
Dari penelitian yang dilakukan, beberpa variable yang dapat diambil sebagai
penentu keputusan dari data – data yang ada antara lain sebagai berikut:
1. Nama Mahasiswa
2. Data Nilai
3. Jenis Kelamin
4. Jurusan Sekolah
5. Jurusan Kuliah
6. Kelulusan

46
3.2 Perancangan Sistem
Perancang sistem dibuat dengan menggunakan Unified Modelling Language
(UML) diagram yang digunakan antara lain Use case diagram, Activitiy Diagram,
dan Sequence diagram.
3.2.1. Use Case Diagram
Use Case Diagram dibawah ini menerangkan mengenai interaksi apa saja
yang dapat dilakukan user (admin dan calon mahasiswa) saat menggunakan aplikasi
ini. Pilihan yang tersedia seperti mengelola data mahasiswa, menarik data dari
database, melihat data perhitungan, melihat hasil perhitungan, dan melakukan
prediksi. Seperti diterangkan pada Gambar 3.1
Gambar 3.1 Use Case Diagram

47
3.2.2. Activity Diagram
Berikut adalah Activity Diagram keseluruhan dari aplikasi, yang menjelaskan
mengenai alur aplikasi saat dijalankan oleh admin. Pada saat admin menjalankan
aplikasi, akan muncul tampilan utama aplikasi. Selanjutnya admin akan diberi
beberapa pilihan menu untuk menjalankan aplikasi.
Gambar 3.2 Activity Diagram Aplikasi Sistem Pengambilan Keputusan
3.2.3. Sequence Diagram
Berdasarkan Diagram Use Case yang ada pada gambar 3.1, maka dibutuhkan
5 Sequence Diagram, yaitu Sequence Diagram 4 Sequence Diagram Admin, 1
Sequence Diagram calon mahasiswa.

48
3.2.3.1 Sequence Diagram Mengelola Data Mahasiswa
Pada Sequence Diagram mengelola data mahasiswa yang ditunjukkan oleh
gambar 3.3, menunjukan tahapan yang harus dilakukan agar bisa mengelola data
mahasiswa, untuk dapat mengedit data admin harus memilih menu data latih
mahasiswa. Selain untuk mengedit data admin juga dapat melihat data mahasiswa
yang telah diinputkan oleh admin.
Gambar 3.3 Sequence Diagram Mengelola Data Mahasiswa

49
3.2.3.2 Sequence Diagram Menentukan Nilai Minimum Support dan Confidence
Sequence diagram dibawah ini menujukkan tahapan yang harus dijalankan
admin untuk menentukan data perhitungan, yang dapat mempengarungi pola
kombinasi pada perhitungannya nanti. Tahapannya adalah menjalankan aplikasi,
masuk ke halaman menu dan kemudian memilih menu data mahasiswa, kemudian
memilih menu “insert nilai minimum support dan minimum confidence”.
Gambar 3.4 Sequence Diagram Melihat Data Perhitungan
3.2.3.3 Sequence Diagram Melihat Hasil Perhitungan
agar admin untuk dapat melihat hasil perhitungan dari inputan nilai minimum support
dan confidence. Tahapannya adalah menjalankan aplikasi, masuk ke halaman menu
dan kemudian memilih menu ‘Data Mahasiswa’.

50
Gambar 3.5 Sequence Diagram Melihat Hasil Perhitungan
3.2.3.4 Sequence Diagram Melakukan Prediksi
agar admin dapat melakukan prediksi. Tahapannya adalah menjalankan aplikasi,
masuk ke halaman menu prediksi dan kemudian admin melakukan prediksi.
Gambar 3.6 Sequence Diagram Melakukan prediksi

51
3.3 Rancangan Database
Dalam pembuatan aplikasi penerapan algoritma apriori dalam menemukan
hubungan data awal masuk dengan data kelulusan mahasiswa ini dibutuhkan suatu
database, dimana berfungsi agar konten yang akan ditampilkan menjadi dinamis.
Database tuntunan haji dan umroh berbasis android ini tidak menggunakan relasi
karena setiap table database tidak saling keterkaitan,seperti terlihat pada gambar 3.7.
a. Tabel Admin
Gambar 3.7 Struktur Tabel Admin
b. Tabel Calon Mahasiswa
Gambar 3.8 Struktur Tabel Calon Mahasiswa

52
c. Tabel Kombinasi
Gambar 3.9 Struktur Tabel Kombinasi
d. Tabel Minimum Confidence
Gambar 3.10 Struktur Tabel Minimum Confidence
e. Tabel Perhitungan
Gambar 3.11 Struktur Tabel Perhitungan

53
3.4 Rancangan Tampilan Setiap Activity
Hampir semua activity pada aplikasi penerapan algoritma apriori dalam
menemukan hubungan data awal masuk dengan data kelulusan mahasiswa ini memiliki
tampilan masing-masing, sehingga hal yang pertama kali yang harus dilakukan adalah
membuat rancangan tampilan untuk masing-masing Activity. Setelah selesai
perancangan tampilan barulah dilanjutkan untuk membuat fungsi-fungsi program dan
proses.
3.4.1 Rancangan Tampilan Login
Gambar 3.12 Rancangan Tampilan Login
3.4.2 Rancangan Tampilan Menu
Gambar 3.13 Rancangan Tampilan Menu

54
3.4.3 Rancangan Tampilan Input Data Latih Mahasiswa
Gambar 3.14 Rancangan Tampilan Input Data Latih Mahasiswa
3.4.4 Rancangan Tampilan Output Data Latih Mahasiswa
Gambar 3.15 Rancangan Tampilan Output Data Latih Mahasiswa

55
3.4.5 Rancangan Tampilan Input Support Confidence
Gambar 3.16 Rancangan Tampilan Input Support Confidence
3.4.6 Rancangan Tampilan Hasil Hitung Support Dan Confidence
Gambar 3.17 Rancangan Tampilan Hasil Hitung Support dan Confidence

56
3.4.7 Rancangan Tampilan Data Latih Support
Gambar 3.18 Rancangan Tampilan Data Latih Support
3.4.8 Rancangan Tampilan Data Uji
Gambar 3.19 Rancangan Tampilan Menu Data Uji

56
BAB IV
HASIL IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1 Implementasi Sistem
Implementasi pengoperasian sistem aplikasib web dilakukan secara offline
dan menggunakan spesifikasi komputer sebagai berikut:
Perangkat : laptop HP series 1000-1431TU
Operating system : Windows 7 Ultimate
Processor : Intel® Core™ i3-3110M Processor 2.4GHz
Memory : 2048 MB
Hard disk : 500GB
Touchpad : scroll zone, two pick buttons
Bahasa Pemrograman : HTML, PHP, JAVASCRIPT
Database : Mysql
Implementasi sistem ini jugaakan membahas kegunaan dari setiap halaman
pada aplikasi web penerapan algoritma apriori dalam menemukan hubungan data
awal masuk dengan data pelulusan mahasiswa. Halaman dan form yang ada pada
aplikasi web ini antara lain :

57
4.1.1. Tampilan Form Data Mahasiswa
Halaman ini berisi form untuk mengisi data mahasiswa secara manual.
Admin dapat menginput data mahasiswa untuk dijadikan data perbandingan. Data
yang telah di input akan masuk ke dalam database dan akan ditampilkan di menu
berikutnya.
Gambar 4.1 Form Data Mahasiswa

58
4.1.2. Tabel Keterangan Kode
Pada table ini tertera keterangan kode yang digunakan untuk melakukan
perhitungan.
Gambar 4.2 Keterangan Kode

59
4.2 Implementasi Algoritma Apriori
4.2.1. Menu Hasil Perhitungan
Pada menu ini menampilkan hasil jumlah perhitungan dan kombinasi dari
setiap item yang telah dikodekan. Pada menu ini terdapat Tabel keterangan yang
menjelaskan kode dari hasil nilai yang didapat, sehingga dapat memudahkan
pengguna untuk membacanya.
1. Tampilan Data Perhitungan Support
Gambar 4.3 Hasil Hitung Support

60
2. Tampilan Data Perhitungan Confidence Dan Keterangan
Gambar 4.4 Hasil Hitung Confidence dan Keterangan
4.2.2 Form Prediksi
Pada form prediksi tidak hanya admin yang dapat melakukan prediksi,
mahasiswa juga dapat melakukan prediksi. Pada form ini mahasiswa harus
mengisi data yang menjadi bahan pertimbangan prediksi, setelah diisi data
tersebut akan diolah sehingga dapat memberikan informasi hasil prediksi.

61
Gambar 4.5 Form Prediksi
4.3. Pengujian Sistem
Untuk menguji masing – masing form dalam sistem, maka penulis
membuat suatu skenario pengujian terhadap sistem. Daftar pengujian dan kriteria
evaluasi hasil pengujian ini telah diuji dinyatakan dalam tabel 4.1
Tabel 4.1 Skenario Pengujian Sistem
No Nama Pengujian Kriteria Hasil Pengujian
1. Pengujian Terhadap
Proses Login
Jika Username dan Password diisi dengan benar,
kemudian klik tombol login maka proses login
berhasil dan masuk ke menu awal. Tetapi jika
username dan password salah maka proses login

62
gagal dan akan dialihkan pada halaman error
login dan terdapat link “ulangi lagi”.
Proses Input Data
Jika data diisi dan kemudian disimpan, maka
secara otomatis data akan disimpan ke dalam
database dan akan muncul daftar data yang telah
disimpan di database.
Hasil Perhitungan
Sistem dapat menciptakan pola dan
menampilkan hasil dari perhitungan pola yang
muncul sehingga mendapatkan hasil.
4. Pengujian
TerhadapProses
Prediksi
Sistem melakukan proses prediksi dengan
membandingkan inputan dengan pola yang
dihasilkan dari hasil perhitungan nilai minimum
support dengan minimum confidence yang telah
ditentukan oleh admin.
Dari tabel 4.1 diatas, dapat terlihat bahwa hasil dari setiap pengujian mulai
dari proses input data, sampaidengan proses prediksi dan menampilkan hasilnya
telah berjalan dengan cukup baik dan sesuai dengan analisis kebutuhan aplikasi.

63
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Kesimpulan yang dapat di ambil dalam pengerjaan skripsi ini adalah
membuat aplikasi yang dapat menampilkan informasi yang berguna dalam
mengambil keputusan dalam menganalisa hubungan proses masuk dengan tingkat
kelulusan mahasiswa dengan menggunakan algoritma apriori. Dengan cara
mengambil keputusan setelah proses kombinasi, tingginya nilai confidence yang
di dapat dari hasil perhitungan dan dari intensitas kemunculan peluang lulus tepat
waktu atau lulus tidak tepat waktu yang dapat dijadikan acuan dalam mengambil
keputusan.
5.2 Saran
Adapun saran-saran untuk penelitian selanjutnya yang membahas atau
mengembangkan topik yang sama dengan penilitian ini agar lebih baik lagi antara
lain:
1. Disarankan pada pembuatan aplikasi data mining memprediksi kelulusan
mahasiswa ditambah aspeknya seperti pekerja orang tua, penghasilan orang
tua.
2. Untuk penelitian lebih lanjut disarankan untuk mencoba algoritma lain atau
meningkatkan jumlah data kasusnya dengan algoritma yang sama.

DAFTAR PUSTAKA
Hakim, Lukmanul, 2010, Bikin Website Super Keren dengan PHP & jQuery,
Yogyakarta : Lokomedia.
Herawati, Fajar Astuti, 2013, Data Mining, Yogyakarta : Penerbit Andi
Herlawati, Prabowo Pudjo Widodo, 2011, Menggunakan UML, Bandung :
Informatika.
Iskandar, 2009, Panduan Lengkap Internet, Yogyakarta : Andi.
Kadir, Abdul, 2003, Buku Pintar jQuery dan PHP, Yogyakarta : MediaKom.
Kadir, Abdul dan Terra CH. Triwahyuni, 2003, Pengenalan Teknologi Informasi,
Yogyakarta : Andi.
Kusrini & Luthfi, Emha Taufiq.2009.Algoritma Data Mining,
Yogyakarta : Penerbit Andi.
Munawar, 2005, Pemodelan Visual dengan UML, Jakarta : Graha Ilmu dan UIEIU
Press.

Rianto, Anjik Sukmaji, 2008, Jaringan Komputer, Konsep Dasar Pengembangan
Jaringan dan Keamanan Jaringan, Yogyakarta : Andi
Sidik, Betha, 2005, Mysql, Bandung : Informatika.
Wiswakarma, Komang, 2009, Membuat Katalog Online dengan PHP dan CSS,
Yogyakarta : Lokomedia
Jurnal
Ma’aruf, Faundry Amrul, “Aplikasi Data Mining Untuk Mengetahui Hubungan
Proses Masuk Dengan Tingkat Kelulusan Mahasiswa”, Yogyakarta.
Nurcahyo, Widi Gunadi, “Penerapan Data Mining dengan Algoritma Apriori
Untuk Mendukung Strategi Promosi Pendidikan”, Sumatra Barat.
Pratama, Heru Andika, dkk, “Penerapan Algoritma Apriori Dalam Menemukan
Hubungan Data Awal Masuk Mahasiswa Dengan Prestasi Akademik”,
Tanjung Pinang.
Siburian, Benny R, “Aplikasi Data Mining Untuk Menampilkan Tingkat
Kelulusan Mahasiswa Dengan Algoritma Apriori”, Medan.

Syaifullah, Muhammad Afif, “Implementasi Data Mining Algoritma Aprirori
Pada Sistem Penjualan”, Yogyakarta.

PENERAPAN ALGORITMA APRIORI DALAM MENEMUKAN HUBUNGAN DATA AWAL MASUK DENGAN DATA KELULUSAN MAHASISWA

More Related Content

What's hot (20)

Viewers also liked (20)

More from Uofa_Unsada (20)

Recently uploaded (13)

PENERAPAN ALGORITMA APRIORI DALAM MENEMUKAN HUBUNGAN DATA AWAL MASUK DENGAN DATA KELULUSAN MAHASISWA