SKRIPSI SISTEM PENDUKUNG KEPUTUSANPEMILIHAN TANAMAN PERKOTAAN MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER. Oleh : ANGGA REZA PRAYOGO

Ukuran: px

Mulai penontonan dengan halaman:

Download "SKRIPSI SISTEM PENDUKUNG KEPUTUSANPEMILIHAN TANAMAN PERKOTAAN MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER. Oleh : ANGGA REZA PRAYOGO"

Johan Setiabudi
7 tahun lalu
Tontonan:

1 SKRIPSI SISTEM PENDUKUNG KEPUTUSANPEMILIHAN TANAMAN PERKOTAAN MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER Oleh : ANGGA REZA PRAYOGO PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MURIA KUDUS 2016

2 SKRIPSI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TANAMAN PERKOTAAN MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER Oleh : ANGGA REZA PRAYOGO PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MURIA KUDUS 2016 ii

3 iii

4 iv

5 v

6 vi

7 ABSTRACT Naive Bayes classifier method is often used in support of decision-making, when decisions were faced with a number of criteria and a number of alternatives. Where the criteria in the decision making certainly has a number of alternative weights. One of the problem areas that can be solved with a Naive Bayes classifier method is the selection of urban plants. Where the criteria in question is composed of the following criteria: plant height, the structure of plant root, stem strength, the strength of twigs, leaves the size of the age of the plant, the plant canopy forms and plant flowers. These criteria will be determined the weight of the local, the alternative consists of the existing plant. After determining the weight of each criterion, then the next step is to be determined the weight of each alternative for each criterion in order to obtain global weight. Assessment of urban plant selection is important to determine which plants are suitable to be planted urban dilahan.to address this need for a system to determine the percentage of the resulting choice of plants for planting urban dilahan, then compared to the following criteria: plant height, the structure of plant root, stem diameter, the strength of twigs, plant growth, leaf size and age of the plant.permitted by the comparison process to give quantitative value to each plant (not just rank or class / level). Applications built a responsive web-based applications using the programming language PHP and uses a MySQL database. The method used is Naive Bayes classifier Keywords: election of municipal plants, Naive Bayes Classifier vii

8 ABSTRAK Metode Naive Bayes Classifier sering digunakan dalam hal membantupengambilan keputusan, bila pengambilan keputusan itu dihadapkan pada adanya sejumlah kriteria dansejumlah alternatif.dimana kriteria yang ada dalam pengambilan keputusan itu tentunya memilikisejumlah bobot alternatif.salah satu bidang permasalahan yang dapat diselesaikan dengan metode Naive Bayes Classifier ini adalah pemilihan tanaman perkotaan. Di mana kriteria yang dimaksud adalah terdiri dari kriteria: tinggi tanaman, struktur akar tanaman, kekuatan batang, kekuatan ranting, ukuran daun umur tanaman, bentuk tajuk tanaman dan bunga tanaman.kriteria ini nantinya ditentukan bobotlokalnya, dengan alternatif terdiri dari tanaman yang ada. Setelah ditentukan bobot dari tiap kriteria,maka langkah selanjutnya adalah akan ditentukan bobot dari tiap alternatif untuk masingmasingkriteria sehingga diperoleh bobot global. Penilaian pemilihan tanaman perkotaan ini penting untuk menentukan tanaman mana yang cocok ditanam dilahan perkotaan.untuk menyikapi hal tersebut perlu adanya suatu sistem untuk mengetahui presentase pemilihan jenis tanaman yang dihasilkan untuk ditanam dilahan perkotaan, kemudian dibandingkan dengan kriteria: tinggi tanaman, struktur akar tanaman, diameter batang, kekuatan ranting, pertumbuhan tanaman, ukuran daun dan usia tanaman. yang diijinkan berdasarkanproses perbandingan untuk memberikan nilai kuantitatif pada masing-masing tanaman (bukan hanya peringkat ataupun kelas / tingkatan ).Aplikasiyang dibangun merupakan aplikasi berbasis web responsifdengan menggunakan bahasa pemrograman PHP dan menggunakan database MySQL. Metode yang digunakan adalah Naive Bayes Classifier Kata Kunci :Pemilihan, Tanaman Kota, Naive Bayes Classifier viii

9 KATA PENGANTAR Puji syukur kehadirat Allah SWT karena atas Rahmat dan Hidayah-Nya penulis mampu menyelesaikan penyusunan skripsi ini dengan judul Sistem Pendukung Keputusan Pemilihan Tanaman Perkotaan Menggunakan Metode Naïve Bayes Classifier. Skripsi ini disusun guna melengkapi salah satu persyaratan untuk memperoleh Gelar Kesarjanaan Program Studi Teknik Informatika Fakultas Teknik Universitas Muria Kudus. Pada kesempatan ini, penulis ingin menyampaikan rasa terima kasih sebesar-besarnya kepada : 1. Allah SWT yang telah memberikan Rahmat dan Hidayah-Nya. 2. Bapak M.Yusuf dan Ibu Sumarni yang senantiasa memberikan dukungan, semangat, doa dan materi yang sangat berarti. 3. Bapak Dr. Suparnyo, SH, MS, selaku Rektor Universitas Muria Kudus. 4. Bapak Mohammad Dahlan, ST, MT, selaku Dekan Fakultas Teknik Universitas Muria Kudus. 5. Bapak Ahmad Jazuli, M.Kom, selaku Ketua Program Studi Teknik Informatika Universitas Muria Kudus. 6. Ibu Rina Fiati, ST, M.Cs selaku pembimbing I yang telah banyak memberikan masukan selama penyusunan skripsi ini. 7. Ibu Anastasya Latubessy, S.Kom, M.Cs, selaku pembimbing II yang telah banyak memberikan masukan selama penyusunan skripsi ini. 8. Teman-teman TI Angkatan 2011 yang sudah memberikan masukan dan nasehat untuk menyelesaikan skripsi ini, serta semua pihak yang telah membantu penyusunan skripsi ini yang tidak bisa penulis sebutkan satu persatu. Penulis menyadari sepenuhnya bahwa dalam penyusunan skripsi ini masih terdapat banyak kekurangan.selain itu penulis juga berharap bahwa karya tulis ini dapat memberikan manfaat bagi semua orang. Kudus, 7 Januari 2016 Penulis ix

10 DAFTAR ISI Halaman SKRIPSI... i SKRIPSI... ii PENGESAHAN STATUS SKRIPSI... Error! Bookmark not defined. PERNYATAAN PENULIS... Error! Bookmark not defined. PERSETUJUAN SKRIPSI... Error! Bookmark not defined. PENGESAHAN SKRIPSI... Error! Bookmark not defined. ABSTRACT... vii ABSTRAK... viii KATA PENGANTAR... ix DAFTAR ISI... x DAFTAR TABEL... xiii DAFTAR GAMBAR... xiv DAFTAR LAMPIRAN... xvii BAB I PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Bagi Penulis Bagi Akademik Bagi Instansi Bagi Pengembang Ilmu Pengetahuan Teknologi... 5 BAB II TINJAUAN PUSTAKA Penelitian Terkait... 6 x

11 2.2 Landasan Teori Pengertian Sistem Pendukung Keputusan Tujuan Sistem Pendukung Keputusan Fase Pengambilan Keputusan Arsitektur Sistem Pendukung Keputusan Karateristik Sistem Pendukung Keputusan Metode Naïve Bayes Classifier (NBC) Pengertian Metode Naïve Bayes Classifier (NBC) Prosedur Naïve Bayes Cara Kerja Naïve Bayes Likelihood Sistem Pendukung Keputusan Analisis Sistem Perancangan Sistem Kerangka Pemikiran BAB III METODE PENELITIAN Metode Pengumpulan Data Metodologi Pengembangan Sistem Pendukung Keputusan Metode Naïve Bayes Classifier (NBC) BAB IVPERANCANGAN SISTEM Analisa Masalah Analisa Kebutuhan Sistem Pemodelan SPK Perhitungan Metode Naive Bayes Classifier (NBC) Desain Pemodelan Data ERD (Entity Relational Diagram) Tabel-tabel Relasi Antar Tabel Pemodelan Proses Bagan Alir (Flowchart) Contex Diagram xi

12 BAB V IMPLEMENTASI SISTEM Impelemntasi SPK Halaman Utama Halaman Registrasi Halaman Login Halaman Sistem pada Hak Akses Admin Halaman Kriteria Susunan Kriteria Halaman Hasil Halaman Laporan Halaman Ubah Password Halaman About Halaman Sistem pada Hak Akses User Halaman Uji SPK Halaman Hasil Pengujian SPK Halaman Ubah Password HalamanAbout Pengujian Aplikasi Pengujian Proses Login Pengujian Proses Data Kriteria Pengujian Proses Data Susun Kriteria Pengujian Proses Data Hitung SPK BAB VI PENUTUP Kesimpulan Saran DAFTAR PUSTAKA xii

13 DAFTAR TABEL Halaman Tabel 2.1 Perbandingan Penelitian Terkait... 7 Tabel 2.2 Simbol Program Flowchart Tabel 2.3 Komponen- komponen ERD Tabel 4.1 Tabel Sampel Data Aturan Tabel 4.2 Tabel Hasil Tabel 4.3 Tabel User Tabel 4.4Tabel Tanaman Tabel 4.5 Tabel Kriteria Tabel 4.6 Tabel Sub Kriteria Tabel 4.7 Tabel Perhitungan Tabel 4.8 Tabel Rumus Tabel 5.1Tabel Pengujian Login Tabel 5.2Tabel Pengujian Proses Data Kriteria Tabel 5.3 Tabel Pengujian Proses Data Susun Kriteria Tabel 5.4 Tabel Pengujian Proses Data Hitung SPK xiii

14 DAFTAR GAMBAR Halaman Gambar 2.1 Proses Pengambilan Keputusan (Turban, 2005) [6] Gambar 2.2 Arsitektur Decision Support System (Turban, 2005) Gambar 2.3 Kerangka Pemikiran Sistem Pendukung Keputusan pemilihan tanaman perkotaan Gambar 4.1 Diagram Arsitektur Sistem Pendukung Keputusan Pemilihan Tanaman Perkotaan Menggunakan Metode Naïve Bayes Classifier (NBC) Gambar 4.2 Entity Relational Diagram(ERD) Sistem Pendukung Keputusan Pemilihan Tanaman Perkotaan Gambar 4.3 Skema Tabel Sistem Pendukung Keputusan Pemilihan Tanaman Perkotaan Gambar 4.4 Bagan Alir (Flowchart) Yang Sedang Berjalan Gambar 4.5 Bagan Alir (Flowchart) Sistem Yang Diusulkan Gambar 4.6 Context Diagram Gambar 4.7 Analysis Report-Rule CheckContext Diagram Gambar 4.8 Analysis Report-Level Balance Context Diagram Gambar 4.9 Dekompisisi Sistem Pendukung Keputusan Pemilihan Tanaman Perkotaan Gambar 4.10 DFD Level Gambar 4.11 Analysis Report-Rule Check DFD Level Gambar 4.12 Analysis Report-Level Balance DFD Level Gambar 4.13 DFD Level 1 login Gambar 4.14 Analysis Report- Rule Check DFD Level 1 Login Gambar 4.15 Analysis Report -Level Balance DFD Level 1 login Gambar 4.16 DFD Level 1 Pendataan Gambar 4.17 Analysis Report-Rule Check DFD Level 1 Pendataan Gambar 4.18 Analysis Report-Level Balance DFD Level 1 Pendataan Gambar 4.19 DFD Level 1 Logout Gambar 4.20 Analysis Report-Rule Check DFD Level 1 Logout Gambar 4.21 Analysis Report-Level Balance DFD Level 1 Logout xiv

15 Gambar 4.22 Layout Halaman Gambar 4.23 Struktur Menu Admin Gambar 4.24 Halaman Menu Utama Admin Gambar 4.25 Struktur Menu Pengguna Gambar 4.26 Halaman Menu Utama Pengguna Gambar 4.27 Desain Halaman Login Gambar 4.28 Desain Pesan Login Gagal Gambar 4.29 Desain Halaman Pendataan Kriteria Gambar 4.30 Desain halaman output data kriteria pada tampilan admin Gambar 4.31 Desain halaman edit data kriteria Gambar 4.32 Desain halaman kelola data susun kriteria Gambar 4.33 Desain halaman output data susun kriteria pada tampilan admin Gambar 4.34 Desain halaman hasil penilaian pada tampilan admin Gambar 4.35 Desain halaman tampil hasil penilaian pada tampilan admin Gambar 4.36 Desain halaman pengujian SPK pemilihan tanaman Gambar 4.37 Desain halaman output Penilaian SPK Pemilihan Tanaman Gambar 4.38 Desain halaman hasil penilaian pemilihan tanaman pada tampilan pengguna Gambar 4.39 Desain halaman tampil hasil Penilaian pemilihan tanaman perkotaan 75 Gambar 5.1Tampilan Halaman Utama Gambar 5.2Tampilan Halaman Registrasi Gambar 5.3 Tampilan Halaman Login Gambar 5.4 Tampilan Halaman Hak Akses Admin Gambar 5.5Tampilan Halaman Input Kriteria Gambar 5.6Tampilan Halaman Daftar Kriteria Gambar 5.7Tampilan Halaman Edit Kriteria Gambar 5.8Tampilan Halaman Input Susunan Kriteria Gambar 5.9 Source Code Susun Kriteria Gambar 5.10Tampilan Halaman Susunan Rumus SPK Gambar 5.11 Source Code Rumus SPK Gambar 5.12Tampilan Halaman Hasil xv

16 Gambar 5.13Tampilan Tahap Pertama Gambar 5.14 Source Code Tahap Pertama Gambar 5.15Tampilan Tahap Kedua Gambar 5.16Tampilan Tahap Ketiga Gambar 5.17Tampilan Tahap Keempat Gambar 5.18Tampilan Tahap Kelima Gambar 5.19Tampilan Halaman Laporan Gambar 5.20Tampilan Ubah Password Gambar 5.21Tampilan About Gambar 5.22Tampilan Halaman Hak Akses User Gambar 5.23 Tampilan Halaman Uji SPK Gambar 5.24Tampilan Halaman Hasil Pengujian SPK Gambar 5.25Tampilan Tahap Pertama Gambar 5.26Tampilan Tahap Kedua Gambar 5.27Tampilan Tahap Ketiga Gambar 5.28Tampilan Tahap Keempat Gambar 5.29Tampilan Tahap Kelima Gambar 5.30Tampilan Ubah Password Gambar 5.31Tampilan About xvi

17 DAFTAR LAMPIRAN Lampiran 1 Lampiran 2 Lampiran 3 Buku Bimbingan Skripsi Surat keterangan Penelitian Biogravi Penulis xvii

dokumen-dokumen yang mirip

LAPORAN SKRIPSI PANJI SINGGIH SETIAJI DOSEN PEMBIMBING. Rina Fiati, ST, M.Cs. Arief Susanto, ST M.Kom PROGRAM STUDI TEKNIK INFORMATIKA

LAPORAN SKRIPSI PANJI SINGGIH SETIAJI DOSEN PEMBIMBING. Rina Fiati, ST, M.Cs. Arief Susanto, ST M.Kom PROGRAM STUDI TEKNIK INFORMATIKA LAPORAN SKRIPSI SISTEM PENDUKUNG KEPUTUSAN SOLUSI PENENTUAN TINGKAT RESIKO OBESITAS BERBASIS EXPERT SYSTEM MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER (NBC) PANJI SINGGIH SETIAJI 2011-51-240 DOSEN PEMBIMBING