PERANCANGAN SISTEM PENENTUAN KECAKAPAN MENULIS BAHASA INGGRIS SISWA SMP MENGGUNAKAN ALGORITMA K-MODES CLUSTERING (STUDI KASUS : SMPN 6 DENPASAR)

Transkripsi

1 PERANCANGAN SISTEM PENENTUAN KECAKAPAN MENULIS BAHASA INGGRIS SISWA SMP MENGGUNAKAN ALGORITMA K-MODES CLUSTERING (STUDI KASUS : SMPN 6 DENPASAR) SKRIPSI IGM SURYA A. DARMANA NIM PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA BUKIT JIMBARAN 2016 i

2 SURAT PERNYATAAN KEASLIAN KARYA ILMIAH Yang bertanda tangan di bawah ini menyatakan bahwa naskah Skripsi dengan judul: Nama : IGM Surya A. Darmana NIM : Program Studi : Teknik Informatika igm.suryaadarmana@mhs.cs.unud.ac.id Nomor telp/hp : Alamat : Jalan Raya Pemogan Gang BPU Pudak Sari II No. 7 Belum pernah dipublikasikan dalam dokumen skripsi, jurnal nasional maupun internasional atau dalam prosiding manapun, dan tidak sedang atau akan diajukan untuk publikasi di jurnal atau prosiding manapun. Apabila di kemudian hari terbukti terdapat pelanggaran kaidah-kaidah akademik pada karya ilmiah saya, maka saya bersedia menanggung sanksi-sanksi yang dijatuhkan karena kesalahan tersebut, sebagaimana diatur oleh Peraturan Menteri Pendidikan Nasional Nomor 17 Tahun 2010 tentang Pencegahan dan Penanggulangan Plagiat di Perguruan Tinggi. Demikian Surat Pernyataan ini saya buat dengan sesungguhnya untuk dapat dipergunakan bilamana diperlukan. Denpasar, April 2016 Yang membuat pernyataan, Materai (IGM Surya A. Darmana) NIM

3

4 Judul : Perancangan Sistem Penentuan Kecakapan Menulis Bahasa Inggris Siswa SMP Menggunakan Algoritma k-modes Clustering Nama : IGM Surya A. Darmana NIM. : Pembimging I Pembimbing II : Ida Bagus Gede Dwidasmara, S.Kom., M.Cs. : I Putu Gede Hendra Suputra, S.Kom., M.Kom. ABSTRAK Hal yang paling berat dalam proses belajar mengajar adalah menganalisis hasil evaluasi siswa. Pada penelitian ini penulis jumpai kesulitan yang dihadapi oleh guru-guru Bahasa Inggris pada SMPN 6 Denpasar dalam mengevaluasi hasil tulisan Bahasa Inggris karena terdapat beberapa kriteria yang harus dinilai yaitu, Pengembangan Konten (Content Development), Penyusunan (Organization), Tatabahasa/Struktur Kalimat (Grammar/Structure), Kosakata (Vocabulary), dan Mekanisme Penulisan (Mechanics). Berdasarkan kasus diatas, dalam penelitian ini dirancang sebuah sistem yang dapat mengelompokkan data siswa berdasarkan atribut kriteria yang harus dinilai dengan metode clustering menggunakan algoritma k-modes yang diperkenalkan pertama kali oleh Huang Z. (1998). Algorima k-modes memperluas algoritma k-means untuk dapat melakukan proses clustering pada data yang bersifat kategorikal dengan mengganti means dari cluster menggunakan modus. Dari hasil pengujian yang telah dilakukan, sistem yang dibangun sudah mampu mengelompokkan data siswa berdasarkan atribut kriteria dalam penentuan tingkat kecakapan menulis Bahasa Inggris. Berdasarkan hasil validasi cluster menggunakan silhouette index yang dihasilkan pada k = 4, diperoleh nilai sebesar menggunakan metode simple matching yang diajukan oleh Huang dengan sedikit penambahan bobot pada kriteria penilaian jika pada saat proses pencocokan terdapat kategori yang tidak sama dan menggunakan metode perhitungan jarak yang diajukan oleh Zenghyou, dkk. Dimana jika nilai silhouette index semakin mendekati 1 maka masing-masing data sudah di alokasikan dalam kelompok yang tepat. Kata Kunci : Bahasa Inggris, Kecakapan Menulis, Data Mining, Clustering, K- Modes Clustering iii

5 Title : Perancangan Sistem Penentuan Kecakapan Menulis Bahasa Inggris Siswa SMP Menggunakan Algoritma k-modes Clustering Name : IGM Surya A. Darmana Regisration : First Supervisor : Ida Bagus Gede Dwidasmara, S.Kom., M.Cs. Second Supervisor : I Putu Gede Hendra Suputra, S.Kom., M.Kom. ABSTRACT The most difficult thing in the learning process is to analyze the results of student evaluations. In this study the researcher has encountered difficulties faced by teachers of English in SMPN 6 Denpasar in evaluating the English writings because there are several criteria that must be assessed, namely, Content Development, Organization, Grammar / Sentence Structure, Vocabulary, and Writing mechanism (Mechanics). Based on the above case, the study design a system that can classify student data, based on the attributes of criteria to be assessed by the method of clustering using k-modes algorithm which was first introduced by Huang Z. (1998). K-modes algorithm expands k-means algorithm to perform clustering process on categorical data by replacing the means of the cluster by using the mode. From the testing that has been done, the system built has already been able to classify the student data based on attribute criteria in determining the level of English writing proficiency. Based on the results of the cluster validation using the silhouette index generated at k = 4, obtained a value of using simple matching proposed by Huang with little additional weight on the assessment criteria if at the time of matching process there were categories that are not the same and using methods of calculation distances proposed by Zenghyou, et al. Where if the silhouette index value is approaching to 1, the respective data is already allocated in the right group. Keywords : English, Writing Proficiency, Data Mining, Clustering, K-Modes Clustering iv

6 KATA PENGANTAR Penelitian dengan judul Perancangan Sistem Penentuan Kecakapan Menulis Bahasa Inggris Siswa SMP Menggunakan Algoritma K-Modes Clustering ini disusun dalam rangkaian kegiatan pelaksanaan Tugas Akhir di Jurusan Ilmu Komputer FMIPA UNUD. Sehubungan dengan telah terselesaikannya penelitian ini, maka diucapkan terimakasih dan penghargaan kepada berbagai pihak yang telah membantu penyusun, antara lain : 1. Bapak Ida Bagus Gede Dwidasmara, S.Kom., M.Cs. selaku Pembimbing I yang telah membimbing dan membantu menyempurnakan penelitian ini. 2. Bapak I Putu Gede Hendra Suputra, S.Kom., M.Kom. selaku Pembimbing II yang telah banyak membantu dan meluangkan waktu untuk penelitian ini. 3. Bapak Agus Muliantara, S.Kom., M.Kom. selaku Ketua Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Udayana yang telah banyak memberikan masukan dan motivasi sehingga memperlancar dalam proses pelaksanaan penelitian ini. 4. Bapak-bapak dan ibu-ibu dosen di Jurusan Ilmu Komputer yang bersedia meluangkan waktunya untuk memberikan masukan dalam penyempurnaan penelitian ini. 5. Rekan-rekan mahasiswa di Jurusan Ilmu Komputer yang telah memberi dukungan, motivasi, semangat dan kerja sama dalam penelitian ini. Penulis menyadari bahwa tugas akhir ini masih belum sempurna, untuk itu kritik dan saran yang bermanfaat demi kesempurnaan tugas akhir ini sangat penyusun harapkan. Bukit Jimbaran, April 2016 Penyusun I GM Surya A. Darmana v

7 DAFTAR ISI HALAMAN JUDUL...i LEMBAR PENGESAHAN TUGAS AKHIR... ii ABSTRAK... iii ABSTRACT... iv KATA PENGANTAR... v DAFTAR ISI... vi DAFTAR TABEL... ix DAFTAR GAMBAR... xi DAFTAR LAMPIRAN... xiii BAB I PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Desain Penelitian Pengumpulan Data Metode Yang Digunakan... 5 BAB II TINJAUAN PUSTAKA Tinjauan Teoritis Analisis Berbasis Cluster Clustering Pada Set Data Kategorikal Algoritma k-means Algoritma k-modes vi

8 vii Metode Inisialisasi Untuk Mencari Centroid Awal pada k-modes Metode Pengembangan Perangkat Lunak Waterfall Functional Decomposition Diagram (FDD) Data Flow Diagram (DFD) Evaluasi Cluster Menggunakan Silhoutte Index Strategi Pengujian Perangkat Lunak Tinjauan Empiris BAB III ANALISIS DAN PERANCANGAN Analisis Kebutuhan Sistem Kebutuhan Fungsional Kebutuan Non-Fungsional Functional Decomposition Diagram (FDD) Data Flow Diagram (DFD) Context Diagram DFD Level-0 Sistem DFD Level-1 Manajemen Siswa DFD Level-1 Manajemen Kriteria DFD Level-1 Manajemen Tugas DFD Level-1 Pengelompokan Siswa Diagram Alir Sistem Diagram Alir Algoritma k-modes Entity Relationship Diagram (ERD) Rancangan Antar Muka Sistem Pengujian dan Evaluasi Skenario Pengujian Sistem... 63

9 viii BAB IV HASIL DAN PEMBAHASAN Pengumpulan Dataset Lingkungan Implementasi Implementasi Basis Data Implementasi Algoritma k-modes pada Sistem Fungsi Utama Fungsi Pemilihan Centroid Fungsi Pencocokan Kategori Fungsi Perhitungan Total Jarak Fungsi Pengelompokkan Fungsi Penentuan Centroid Baru Implementasi Antar Muka Sistem Pengujian Pengujian Fungsionalitas Sistem (Black Box Testing) Evaluasi Cluster dengan Silhoutte Index BAB V KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA

10 DAFTAR TABEL Tabel 2.1 Jenis-jenis Proses Clustering... 7 Tabel 3.2 Kebutuhan Fungsional Sistem Tabel 3.2 Kebutuhan Fungsional Sistem (Lanjutan) Tabel 3.3 Penjelasan Proses dan Sub Proses dalam FDD Tabel 3.3 Penjelasan Proses dan Sub Proses dalam FDD (Lanjutan) Tabel 3.3 Contoh data set penilaian siswa Tabel 3.5 Frekuensi Atribut C1 Pada Dataset Kasus Tabel 3.6 Contoh Hasil Perhitungan Jarak X2 dengan Q Tabel 3.7 Contoh Hasil Perhitungan Jarak Xi dengan Qk Tabel 3.8 Pembobtan Kategori Tabel 3.9 Contoh Hasil Perhitungan Jarak Xi dengan Qk Tabel 3.10 Rancangan Tabel Pengujian Black Box Tabel 4.1 Kriteria penentuan kecakapan menulis Bahasa Inggris Tabel 4.2 Detail Kriteria Pengembangan Konten (C1) Tabel 4.3 Detail Kriteria Penyusunan (C2) Tabel 4.4 Detail Kriteria Tatabahasa/Struktur Kalimat (C3) Tabel 4.5 Detail Kriteria Kosakata (C4) Tabel 4.6 Detail Kriteria Mekanisme Penulisan (C5) Tabel 4.7 Checklist Kebutuhan Tabel 4.8 Pengujian validasi input pada proses login Tabel 4.9 Pengujian pemberian hak akses pada proses login Tabel 4.10 Pengujian menu dashboard guru Tabel 4.11 Pengujian menu dashboard siswa Tabel 4.12 Pengujian operasi pencarian dan filter kelas data siswa Tabel 4.13 Pengujian operasi penambahan data siswa baru Tabel 4.14 Pengujian operasi pembaruan data siswa Tabel 4.15 Pengujian operasi penghapusan data siswa Tabel 4.16 Pengujian operasi penilaian tugas siswa Tabel 4.17 Pengujian operasi penambahan data tugas baru ix

11 x Tabel 4.18 Pengujian operasi pembaruan data tugas Tabel 4.19 Pengujian operasi penghapusan data tugas Tabel 4.20 Pengujian operasi penghapusan data tugas Tabel 4.21 Pengujian operasi penambahan data kriteria baru Tabel 4.22 Pengujian operasi pembaruan data kriteria Tabel 4.23 Pengujian operasi penghapusan data kriteria Tabel 4.24 Pengujian operasi pengelompokan data siswa Tabel 4.25 Pengujian operasi untuk menampilkan hasil penilaian dan kelompok kepada siswa Tabel 4.26 Kode Metode Perhitungan Jarak Tabel 4.27 Nilai SI Pada k = Tabel 4.28 Nilai SI Pada k = Tabel 4.29 Nilai SI Pada k = Gambar 4.18 Ilustrasi Perbandingan Nilai SI Global

12 DAFTAR GAMBAR Gambar 2.1 Klasifikasi Algoritma Clustering untuk Data Kategorikal... 9 Gambar 2.2 Model Metodologi Waterfall Gambar 2.3 Simbol-simbol pada DFD Gambar 3.1 Functional Decomposition Diagram Sistem Gambar 3.2 Context Diagram Sistem Gambar 3.3 DFD Level-0 Sistem Gambar 3.4 DFD Level-1 Manajemen Siswa Gambar 3.5 DFD Level-1 Manajemen Kriteria Gambar 3.6 DFD Level-1 Manajemen Tugas Gambar 3.7 DFD Level-1 Pengelompokan Siswa Gambar 3.8 Diagram alir sistem (a) Gambar 3.9 Diagram alir sistem (b) Gambar 3.10 Diagram alir sistem (c) Gambar 3.11 Diagram alir algoritma k-modes Gambar 3.12 Diagram alir sub proses pengalokasian setiap dataset ke centroid terdekatnya Gambar 3.13 Entity Relationship Diagram Sistem Gambar 3.14 Rancangan Antar Muka Tampilan Login Gambar 3.15 Rancangan Antar Muka Tampilan Dashboard Guru Gambar 3.16 Rancangan Antar Muka Tampilan Dashboard Guru Gambar 3.17 Rancangan Antar Muka Tampilan Manajemen Siswa Gambar 3.18 Rancangan Antar Muka Tampilan Form Tambah Siswa Gambar 3.19 Rancangan Antar Muka Tampilan Form Penilaian Siswa Gambar 3.20 Rancangan Antar Muka Tampilan Manajemen Kriteria Gambar 3.21 Rancangan Antar Muka Tampilan Form Tambah Kriteria Gambar 3.22 Rancangan Antar Muka Tampilan Manajemen Tugas Gambar 3.23 Rancangan Antar Muka Tampilan Form Tambah Tugas Gambar 3.24 Rancangan Antar Muka Tampilan Penyetoran Tugas Gambar 3.25 Rancangan Antar Muka Tampilan Form Penyetoran Tugas xi

13 xii Gambar 3.26 Rancangan Antar Muka Tampilan Hasil Pengelompokan Siswa Gambar 3.27 Rancangan Antar Muka Tampilan Lihat Nilai Siswa Gambar 4.1 Skema Basis Data Sistem Gambar 4.2 Implementasi Tampilan Login Gambar 4.3 Implementasi Tampilan Dashboard Guru Gambar 4.4 Implementasi Tampilan Dashboard Siswa Gambar 4.5 Implementasi Tampilan Manajemen Data Siswa Gambar 4.6 Implementasi Tampilan Tambah Data Siswa Gambar 4.7 Implementasi Tampilan Form Penilaian Siswa Gambar 4.8 Implementasi Tampilan Manajemen Kriteria Gambar 4.9 Implementasi Tampilan Form Tambah Kriteria Gambar 4.10 Implementasi Tampilan Detail Kriteria Gambar 4.11 Implementasi Tampilan Manajemen Tugas Gambar 4.12 Implementasi Tampilan Form Tambah Tugas Gambar 4.13 Implementasi Tampilan Pengumpulan Tugas Gambar 4.14 Implementasi Tampilan Form Pengumpulan Tugas Gambar 4.15 Implementasi Tampilan Hasil Pengelompokan (a) Gambar 4.16 Implementasi Tampilan Hasil Pengelompokan (b) Gambar 4.17 Implementasi Tampilan Hasil Pengelompokan (c) Tabel 4.26 Kode Metode Perhitungan Jarak Gambar 4.18 Ilustrasi Perbandingan Nilai SI Global

14 Lampiran 1. Hasil Pengelompokkan Siswa DAFTAR LAMPIRAN xiii