ISSN Volume 9, Nomor 1, April 2017 TECHSI. Jurnal Penelitian Teknik Informatika Universitas Malikussaleh

Transkripsi

1

2 ISSN Volume 9, Nomor 1, April 2017 TECHSI Jurnal Penelitian Teknik Informatika Universitas Malikussaleh

3 TIM PENGELOLA JURNAL TECHSI TEKNIK INFORMATIKA UNIVERSITAS MALIKUSSALEH KEPUTUSAN DEKAN FAKULTAS TEKNIK UNIVERSITAS MALIKUSSALEH NOMOR: 024/UN451/DT/2012 Penanggung Jawab Pengarah Pimpinan Redaksi Redaktur Pelaksana Dewan Redaksi Editor Sirkulasi : Herman Fithra, ST, MT : Bambang Karsono, ST, MT,P hd Bustami, SSi, MSi, MKom Ezwarsyah, ST, MT Zulfikar, ST, MT : Fadlisyah, SSi, MT : Muhammad Fikry, SKom, MKom Dahlan Abdullah, ST, MKom Rozzi Kesuma Dinata, ST, M Eng Risawandi, ST, MKom Eva Darnila, ST, MT : Rizal, SSi, MIT Bustami, SSi, MSi Nurdin, SKom, MKom Sayed Fachrurrazi, SSi, MKom M Ikhwanus, ST, MEng : Firdaus, SE Syahrial : Anwar, SP Safwandi, ST

4 TECHSI Merupakan jurnal yang dikeluarkan oleh program studi Teknik Informatika untuk memfasilitasi publikasi berbagai hasil penelitian yang dilakukan oleh dosen atau mahasiswa TECHSI terbit dua kali dalam setahun, dan didistribusikan ke berbagai instansi yang terlibat dengan perkembangan dunia sistem informasi Redaksi menerima tulisan hasil penelitian untuk dipublikasi melalui TECHSI, dengan ketentuan: Tulisan yang diajukan harus mengikuti template dokumen yang disediakan oleh redaksi Tulisan harus disertai oleh biodata lengkap penulis dan dikirimkan ke

5 DAFTAR ISI Sistem Pendukung Keputusan Menggunakan Metode Simple Additive Weighting (SAW) dalam Pemberian Kredit 1 (Muhammad Fikry) Peramalan Tingkat Penyebab Kematian Bayi dengan Metode Regresi Linear Berganda 12 (Mukti Qamal) Sistem Pendeteksi Asmaul Husna dalam Alquran Surah Ali Imran Menggunakan Metode Divergensi Kullback Leibler 28 (Fadlisyah, Safwandi, Muhammad Wali) Sistem Pendeteksi Kesalahan dalam Membaca Al-Qur an Ayat 1-5 Menggunakan Metode Viterbi 41 (Bustami, Fadlisyah, Irma mauliza) Analisis Tingkat Kematangan (Maturity Level) Teknologi Informasi pada Pustaka Menggunakan Cobit (Angga Pratama)

6 SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DALAM PEMBERIAN KREDIT Muhammad Fikry Teknik Informatika, Univsersitas Malikussaleh Jl Cot Tgk Nie-Reulet, Aceh Utara, 141 Indonesia muhfikry@unimalacid Abstrak Ada beberapa faktor yang harus dipertimbangkan dalam mengambil keputusan pemberian kredit kepada nasabah, agar tidak terjadi kesalahan yang menyebabkan kerugian Semakin banyak calon nasabah yang mengajukan kredit dengan kondisi ekonomi yang berbeda-beda, menuntut kejelian dalam pemberian kredit Sehingga keputusan yang diambil merupakan keputusan yang terbaik bagi pihak bank dan pihak pemohon kredit Sistem pendukung keputusan pemberian kredit dibuat dengan tujuan membantu dan mempermudah pihak pengambil keputusan Sistem pendukung keputusan memberikan alternatif diterima atau tidaknya pengajuan kredit nasabah menggunakan metode Simple Additive Weighting Konsep dasar metode Simple Additive Weighting adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif attribut Metode Simple Additive Weighting membutuhkan proses normalisasi matrik keputusan kesuatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada Adapun kriteria yang digunakan dalam metode ini ada tujuh kriteria Dari kriteria tersebut dilakukan proses perhitungan masing-masing kriteria untuk mendapatkan hasil alternatif terbaik nasabah yang layak menerima kredit Kata Kunci : Kredit, SPK, SAW 1 PENDAHULUAN Badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkan kembali dalam bentuk kredit atau bentuk lain dikenal dengan bank Kegiatan ini dilakukan oleh bank sebagai usaha untuk meningkatkan taraf hidup masyarakat

7 2 TECHSI : Vol 9, No 1, April 2017 Selain berperan mengumpulkan dana, bank juga memberikan jasa dalam lalu lintas pembayaran dan peredaran uang Usaha perbankan meliputi tiga kegiatan, yaitu menghimpun dana, menyalurkan dana, dan memberikan jasa kepada bank lain Jenis bank menurut UU N07 Tahun 1992 pasal 5 ada dua yaitu Bank Umum dan Bank Perkreditan Rakyat Untuk memperoleh kredit seorang nasabah harus mengikuti serangkaian prosedur Dalam prosedur tersebut nasabah harus melengkapi data-data yang dibutuhkan Berdasarkan pengolahan data-data tersebut akan ditentukan seorang nasabah layak atau tidak untuk menerima kredit Banyaknya calon nasabah yang mengajukan kredit dengan kondisi keuangan berbeda-beda, menuntut kejelian dalam memutuskan pemberian kredit Keputusan yang diambil hendaknya merupakan keputusan terbaik Oleh karena itu, dibutuhkan sistem yang mampu mendukung pengambilan keputusan pemberian kredit untuk menentukan kelayakan nasabah dalam menerima kredit Metode komputasi telah berkembang pesat saat ini, salah satunya sistem pendukung keputusan (Decisions Support System) dikenal juga dengan SPK Sistem pendukung keputusan merupakan cabang ilmu yang terletak diantara sistem informasi dan sistem pakar SPK merupakan produk perangkat lunak yang dikembangkan secara khusus untuk membantu proses pengambilan keputusan secara cepat dan tepat Pengambilan keputusan dalam SPK dilakukan dengan menggunakan metode Simple Additive Weighting (SAW) Metode Simple Additive Weighting merupakan metode SPK yang melakukan penjumlahan terbobot dari semua atribut Dengan menghitung bobot setiap atribut, maka dapat ditentukan atribut untuk mewakili keputusan yang diambil 2 TINJAUAN PUSTAKA Keputusan merupakan kegiatan memilih strategi atau tindakan dalam pemecahan suatu masalah Suryadi dan M Ali (2002: 1) mengatakan bahwa Keputusan adalah pendekatan sistematis pada masalah, pengumpulan fakta-fakta, penentuan

8 SPK Pemberian Kredit 3 yang matang dari alterrnatif yang dihadapi, dan pengambilan tindakan yang menurut perhitungan merupakan tindakan paling tepat Menurut Turban (2005:137) Keputusan merupakan penggabungan sumber-sumber kecerdasan individu dengan kemampuan komponen untuk memnyelesaikan masalah yang muncul Tindakan memberi respon dan memilih strategi merupakan bentuk pengambilan keputusan dalam memecahkan masalah Kusrini (2007:19) menjelaskan jenis-jenis keputusan yang diambil untuk mencapai tujuan terbagi tiga yaitu: 1 Keputusan Terstruktur, yaitu keputusan yang dilakukan secara berulang-ulang dan bersifat rutin Prosedur pengambilan keputusan sangat jelas Keputusan tersebut terutama dilakukan pada manajemen tingkat bawah Contohnya adalah keputusan pemesanan barang dan keputusan penagihan piutang 2 Keputusan Semi Terstruktur adalah keputusan yang memiliki dua sifat Sebagian keputusan bisa ditangani computer dan yang lagi tetap harus dilakukan oleh pengambil keputusan Prosedur dalam pengambilan keputusan itu secara garis besar sudah ada, tetapi ada beberapa hal masih memerlukan kebijakan dari pengambil keputusan Contohnya adalah pengevaluasian kredit, penjadwalan produksi, pengendalian persediaan 3 Keputusan Tidak Terstruktur, yaitu keputusan yang penanganannya rumit karena tidak terjadi berulang-ulang atau tidak selalu terjadi Keputusan tersebut menuntut pengalaman dan berbagai sumber yang bersifat internal Contohnya adalah pengembangan teknologi baru, bergabung dengan perusahaan lain 3 METODE PENELITIAN Pada metode penelitian akan dijelaskan mengenai langkahlangkah dalam menyelesaikan permasalahan yang dibahas, agar dapat berjalan dengan baik Langkah-langkah penyelesaian masalah tersebut akan digambarkan dengan rancangan logika

9 4 TECHSI : Vol 9, No 1, April 2017 menggunakan Data Flow Diagram (DFD) Dengan menggunakan Data Flow Diagram memudahkan pemakai yang kurang menguasai bidang komputer untuk mengerti sistem yang akan dikerjakan Rancangan proses menggunakan bentuk Data Flow Diagram dapat dilihat pada gambar berikut ini: KEPALA BAGIAN KREDIT Laporan Analisis Kredit Laporan Data Nasabah Laporan Kelengkapan Syarat Laporan Persetujuan Kredit NASABAH Data Nasabah Data Syarat Pemberitahuan kredit diterima/ditolak Data Survey, Accounting Laporan Analisis Kredit 00 SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT PADA BPR LPM AIR BANGIS Data Nasabah Data Syarat Data Nasabah Data Syarat Laporan Data Nasabah Laporan Kelengkapan Syarat Laporan Analisis kredit Laporan Persetujuan Kredit ADMINISTRASI ACCOUNTING Gambar 1 Data Flow Diagram Untuk rancangan program yang dibuat dengan bahasa pemrograman, gambar 2 memperlihatkan secara rinci langkahlangkah dari proses program bekerja dalam mengubah plainteks menjadi chiperteks menggunakan algoritma vigenere Alat bantu yang digunakan untuk menerangkan logika program ini adalah flowchart

10 SPK Pemberian Kredit 5 Start Pil=0 Menu Utama 1 Entry Data 2 Proses 3 Laporan Pil Pil=1 Y Entri Data T Pil=2 Y T Pil=3 Proses Y Laporan Stop Gambar 2 Flowchart 4 HASIL DAN PEMBAHASAN Metode Simple Additive Weighting (SAW) dalam pemberian kredit memiliki langkah-langkah tertentu Langkah-langkah yang digunakan dalam metode Simple Additive Weighting (SAW) sebagai berikut: 1 Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci Untuk membantu pengambil keputusan atau pemimpin dalam menentukan nasabah yang layak dan tidak menerima, maka ada beberapa kriteria yang harus dipertimbangkan Kriteria tersebut terlihat pada tabel berikut:

11 6 TECHSI : Vol 9, No 1, April 2017 KRITERI A C1 C2 C3 C4 C5 C6 C7 Tabel 1 Kriteria Analisis VARIABEL KET ATTRIBUT Kepribadian Kemampuan Kekayaan Jaminan Kondisi Status Kepemilikan Rumah Status Usaha Kurang Cukup Baik Tidak Mampu Mampu Kurang Cukup Baik Kurang Cukup Baik Kurang Cukup Baik Angsuran/KPR Kontrak Milik Sendiri Kerjasama Milik Keluarga Milik Sendiri Benefit Benefit Cost Cost Benefit Benefit Benefit Berdasarkan tabel 1 ada tujuh kriteria analisis yang digunakan untuk menentukan pengambilan keputusan pemberian kredit kepada seorang nasabah Attribut Benefit merupakan attribut keuntungan, sementara attribut Cost merupakan attribut biaya 2 Menentukan rating kecocokan setiap alternatif pada setiap kriteria Dari kriteria yang telah ditentukan, maka dibuat suatu tingkatan kepentingan berdasarkan nilai bobot yang telah ditentukan kedalam bilangan fuzzy Pada tahap ini digunakan rumus variabel ke-n/n-1 Penjabaran bobot kriteria yang telah dikonversi ke dalam bilang fuzzy 3 Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh matrik tenormalisasi R Alternatif perhitungan menggunakan metode

12 SPK Pemberian Kredit 7 Simple Additive Weighting berdasarkan hasil survey data nasabah yang mengajukan permohonan Setelah setiap kriteria diberi bobot selanjutnya dilakukan normalisasi dengan menggunakan rumus: R ij = 4 Setelah proses normalisasi dilanjutkan dengan perangkingan yang dilakukan dengan mengalikan bobot yang telah diberikan nasabah yaitu: w= (1 1 0,5 0, ) Selanjutnya bobot dikalikan dengan matrik yang telah ternormalisasi menggunakan rumus: Pengambilan keputusan berdasarkan hasil pengolahan tersebut dilakukan dengan syarat: a Jika V i < 3 maka permohonan tersebut ditolak b Jika 3 V i < 6 maka permohonan tersebut akan dipertimbangkan c Jika V i 6 maka permohonan tersebut akan disarankan untuk diterima Pengambilan keputusan berdasarkan syarat tersebut dapat dilihat pada tabel berikut ini: Tabel 2 Keputusan Yang Dihasilkan No Alternatif C1 C2 C3 C4 C5 C6 C7 Total Ket 1 Nasabah 1 0,5 1 0,5 0,5 1 0,5 0,5 4,5 P 2 Nasabah ,25 0,5 0, ,25 P 3 Nasabah ,5 0, ,75 P 4 Nasabah ,25 0,25 0,5 0,5 0,5 3 P

13 8 TECHSI : Vol 9, No 1, April Nasabah 5 0,5 1 0,5 0,5 1 0,5 0 4 P 6 Nasabah ,25 0,25 0, P 7 Nasabah 7 0,5 0 0,25 0, ,25 T Keterangan: P = Dipertimbangkan T = Ditolak Desain proses pada sistem pendukung keputusan pemberian kredit kepada nasabah dapat dilihat pada gambar berikut ini: PENGAMBILAN KEPUTUSAN KREDIT PROSES NORMALISASI Nilai Kepribadian Nilai Kamampuan Nilai Kekayaan Nilai Jaminan Nilai Kondisi Nilai Status Rumah Nilai Status Usaha X(5) X(5) X(5) X(5) X(5) X(5) X(5) PROSES KEPUTUSAN KELUAR Kode Nasabah Nama Nasabah Nilai Kepribadian Nilai Kemampuan Nilai Kekayaan Nilai Jaminan Nilai Kondisi Nilai Status Rumah Nilai Status Usaha TOTAL KEPUTUSAN X(5) X(5) X(5) X(5) X(5) X(5) X(10) X(35) X(5) X(5) X(15) Gambar 3 Rancangan Pengambilan Keputusan Rancangan relasi file merupakan penghubung antar tabel, dimana masing-masing tabel yang berelasi dihubungkan dengan satu file kunci Relasi antar file pada sistem pendukung keputusan pemberian kredit kepada nasabah gambar berikut ini:

14 SPK Pemberian Kredit 9 KESIMPULAN Gambar 4 Relasi Antar File Berdasarkan hasil analisis yang telah dilakukan pada sistem pendukung keputusan pemberian kredit, dapat diambil kesimpulan sebagai berikut : 1 Pemberian kredit yang dilakukan dengan menggunakan sistem pendukung keputusan memberikan kemudahan dalam memutuskan nasabah yang layak atau tidak layak menerima kredit 2 Proses pemberian kredit yang dilakukan dengan sistem pendukung keputusan menyebabkan pencarian data nasabah menjadi mudah 3 Data kredit nasabah telah disimpan dalam database sehingga menjamin keamanan data 4 Penyusunan laporan telah terkomputerisasi sehingga lebih efektif dan efesien DAFTAR PUSTAKA Adi Nugroho 2004 Konsep Pengembangan Sistem Basis Data Bandung: Penerbit Informatika

15 10 TECHSI : Vol 9, No 1, April 2017 Arif Ramadhan 2004 Visual Basic 2006 Jakarta: PT Elex media Komputindo Bimo Sunarfrihantono 2003 PHP dan MYSQL untuk Web Yogyakarta: Penerbit Andi Offset Budi Sutedjo Dharma 2002 Perencanaan dan Pembangunan Sistem Informasi Yogyakarta: Penerbit Yogyakarta Edhy Sutanta 2011 Basis Data dalam Tinjauan Konseptual Yogyakarta: Penerbit Andi Offset Irfan Subakti 2002 Sistem Pendukung Keputusan (Decision Support System) Surabaya: Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh November Ita Arfyanti 23 Juni 2012 Aplikasi Sistem Pendukung Keputusan Pemberian Kelayakan Kredit Pinjaman Pada Bank Rakyat Indonesia Unit Segiri Samarinda Dengan Metode Fuzzy Madm (Multiple Attribute Decission Making) Menggunakan Saw (Simple Additive Weighting) ISBN Jogiyanto HM 2005 Analisis dan Desain Sistem Informasi Yogyakarta: Andi Offset Kasmir 2012 Dasar-Dasar Perbankan Jakarta: Rajawali Pers Kusrini 2007 Konsep dan Aplikasi Sistem Pendukung Keputusan Yogyakarta: Penerbit Andi Offset M Agus J Alam 2005 Cara Mudah Menggunakan Crystal Report XI (Pembuatan Laporan dari Berbagai Format Data Lokal dan Server Jakarta: PT Elex Media Komputindo Raymond McLeod 1996 Sistem Informasi Manajemen Studi Sistem Informasi Berbasis Komputer Jakarta: Penerbit PT Prenhallindo

16 SPK Pemberian Kredit 11 Sri Kusmadewi dkk 2006 Fuzzy Multi-Attribute Decision Making Yogyakarta : Graha Ilmu Tata Sutabri 2012 Konsep Sistem Informasi Yogyakarta: Penerbit Andi Offset Turban E, Jaye Aronson, Peng-Liang Ting 2005 Decision Support System and Intelegent System Yogyakarta: Andi Undang-Undang Republik Indonesia No 10 Tahun 1998 Tentang Perubahan Atas Undang-Undang Nomor 7 Tahun 1992 Tentang Perbankan ( 0Jalanpdf) Yuniar Supardi 2013 Semua Bisa Menjadi Programmer Visual Basic 2010 Case Study Jakarta: PT Elex Media Komputindo

17 PERAMALAN TINGKAT PENYEBAB KEMATIAN BAYI DENGAN METODE REGRESI LINEAR BERGANDA Mukti Qamal * Teknik Informatika, Univsersitas Malikussaleh Jl Cot Tgk Nie-Reulet, Aceh Utara, 141 Indonesia Abstract Metode Regresi Linear Berganda digunakan untuk mengukur pengaruh antara lebih dari satu variabel bebas terhadap variabel terikat Studi kasus penelitian ini dilakukan pada Dinas Kesehatan Aceh Utara dengan menggunakan dua variable bebas, yaitu X 1 adalah kematian bayi yang disebabkan oleh BBLR (Berat Badan Lahir Rendah), dan X 2 adalah kematian bayi yang disebabkan oleh asfiksia (gagal pernafasan), dan satu variable terikat, yaitu y adalah jumlah kematian bayi Sistem ini meramalkan tingkat penyebab kematian bayi untuk seluruh puskesmas di Aceh Utara yang dibagi menjadi tiga bagian, yaitu puskesmas bagian Timur, bagian Barat dan Tengah, bagian Pedalaman, dan bagian Pesisir Hasil dari sistem ini berupa peramalan tingkat penyebab kematian bayi yang lebih berpengaruh tahun depan Dari data kematian bayi pada tahun 2014 di 26 puskesmas di Aceh utara, hasil yang diperoleh pada tahun 2015 adalah penyakit asfiksia lebih berpengaruh dari pada BBLR Sistem ini diharapkan dapat membantu pihak Dinas Kesehatan untuk meramalkan tingkat penyebab kematian bayi yang lebih berpengaruh tahun depan Kata Kunci : Peramalan, Regresi Linier Berganda, Kematian bayi 1 Pendahuluan Angka Kematian Bayi (AKB) di Indonesia masih tergolong tinggi, jika dibandingkan dengan negara lain di kawasan ASEAN Berdasarkan Human Development Report 2010, AKB di Indonesia mencapai 31 per 1000 kelahiran Angka itu, 5,2 kali lebih tinggi dibandingkan Malaysia Juga, 1,2 kali lebih tinggi dibandingkan Filipina dan 2,4 kali lebih tinggi jika dibandingkan dengan Thailand

18 13 TECHSI : Vol 9, No 1, April 2017 Berdasarkan target Tujuan Pembangunan Milenium (MDGs), pada tahun 2015 angka kematian bayi adalah 19 dari tiap 1000 kelahiran AKB cenderung lebih menggambarkan kesehatan reproduksi AKB relevan dipakai untuk memonitor pencapaian target program karena mewakili komponen penting pada kematian balita Akan tetapi pada tahun 2010 Angka Kematian Bayi mengalami peningkatan yang cukup besar dari tahun sebelumnya yaitu 33 kasus Pada tahun 2011 ini angka kematian bayi dapat kembali diturunkan menjadi 27 kasus Ada banyak faktor yang mempengaruhi tingkat Angka Kematian Bayi tetapi tidak mudah untuk menemukan faktor yang paling dominan Dengan banyaknya kematian bayi di Indonesia setiap tahun, maka pemerintah khususnya instansi Dinas kesehatan memerlukan sebuah sistem yang dapat memberikan informasi atau ramalan tingkat penyebab kematian bayi setiap tahun guna untuk menekan jumlah kematian bayi, sehingga dinas kesehatan dapat mempersiapkan pencegahannya dan membuat perencanaan yang lebih tepat sasaran 2 TINJAUAN PUSTAKA A Peramalan (Forecasting) Peramalan merupakan bagian awal dari suatu proses pengambilan keputusan Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess), tetapi dengan menggunakan teknik-teknik tertentu, maka peramalan menjadi lebih sekedar perkiraan Peramalan dapat dikatakan perkiraan yang ilmiah (educated guess) Setiap pengambilan keputusan yang menyangkut keadaan di masa yang akan datang, maka pasti ada peramalan yang melandasi pengambilan keputusan tersebut (Rosnani Ginting 2010) Tujuan Peramalan dilihat dari waktu : 1 Jangka Pendek (Short Term)

19 Peramalan Kematian Bayi 14 Menentukan kuantitas dan waktu dari item dijadikan prosuksi Biasanya bersifat harian ataupun mingguan dan ditentukan oleh Low Management 2 Jangka Menengah (Medium Term) Menentukan kuantitas dan waktu dari kapasitas produksi Biasanya bersifat bulanan ataupun kuartal dan ditentukan oleh Middle Management 3 Jangka Panjang (Long Term) Merencanakan kuantitas dan waktu dari fasilitas produksi Biasanya bersifat tahunan, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh Top Management Dalam membuat peramalan ada beberapa hal yang harus dipertimbangkan yaitu : 1 Ramalan pasti mengandung kesalahan, artinya peramalan hanya bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan kepastian tersebut 2 Peramalan seharusnya memberikan informasi tentang beberapa ukuran kesalahan, artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi 3 Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang Hal ini disebabkan karena pada peramalan jangka pendek, factor-faktor yang mempengaruhi permintaan relative masih konstan sedangkan makin panjang periode peramalan, maka semakin besar pula kemungkinan terjadinya perubahan faktor-faktor yang mempengaruhi permintaan (Rosnani Ginting 2010) Tahapan atau langkah langkah untuk melakukan peramalan, antara lain: 1 Menentukan masalah yang akan dianalisis (perumusan masalah) dan mengumpulkan data yang dibutuhkan dalam proses analisis tersebut 2 Menyiapkan data sehingga data dapat diproses dengan benar 3 Menetapkan metode peramalan yang sesuai dengan data yang telah Disiapkan

20 15 TECHSI : Vol 9, No 1, April Menerapkan metode yang sudah ditetapkan dan melakukan prediksi pada data untuk beberapa waktu depan 5 Mengevaluasi hasil peramalan B Regresi Linear Pengertian regresi linier secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih Dalam analisis regersi linier dikenal 2 jenis variabel yaitu : 1 Variabel respon disebut juga variabel dependen yaitu variabel yang keberadaannya dipengaruhi oleh variabel lainnya dan dinotasikan dengan variabel Y 2 Variabel Prediktor disebut juga variabel independen yaitu variabel yang bebas (tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan X Untuk mempelajari hubungan-hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk,yaitu : 1 Analisis regresi linier sederhana (simple analysis regresi) 2 Analisis regresi linier berganda (Multiple analisis regresi) Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel dependen ) jika nilai variabel yang lain yang berhubungan dengan (variabel lainnya) sudah ditentukan (Algifari 2011) C Analisis Regresi Linear Berganda Analisis Regresi Linear Berganda digunakan untuk mengukur pengaruh antara lebih dari satu variabel prediktor (variabel bebas) terhadap variabel terikat Y = b0 + b1x1+b2x2 bnxn Keterangan : Y = variabel terikat b0 = konstanta

21 Peramalan Kematian Bayi 16 b1,b2 = koefisien regresi X1, X2 = variabel bebas D Pengujian Regresi Linier Berganda Penyelesaian subyek permasalahan dalam regresi berganda dapat ditangani dengan sistematis melalui proses penyelesaian dengan aturan matriks Analisis regresi berganda lebih dari dua variabel bebas X lebih mudah diselesaikan dengan metode matriks Kasus permasalahan dalam regresi berganda yang lebih dari dua variabel dapat berupa beberapa variabel yang bersifat independen (bebas) 1 Mencari metode kuadrat terkecil akan menghasilkan Best Linear Unbiased Estimator (BLUE) terhadap koefisien B b 1 b 2 b = Y = Xb + e e = Y Xb b k e 1 e 2 e i e n = Y 1 Y 2 Y i Y n - 1 X 11 X 21 X k1 1 X 12 X 22 X k2 1 X 1i X 2i X ki 1 X 1n X 2n X kn e Y X b b 0 b 1 b k e i = Y i b 0 b 1 X 1i b 2 X 2i b k X ki ei² = (Y i b 0 b 1 X 1i b 2 X 2i b k X ki ) 2

22 17 TECHSI : Vol 9, No 1, April Estimasi vector B dengan menggunakan kuadrat terkecil, ialah vector b sedemikian rupa sehingga jumlah kuadrat kesalahan pengganggu, e T e = ei² minimum Caranya dengan melakukan penurunan parsial ei² terhadap komponen b dan menyamakan nya dengan 0 ei² b 0 = 2 ( Y i b 0 b 1 X 1i b 2 X 2i b k X ki )(-1) = 0 ei² b 1 = 2 ( Y i b 0 b 1 X 1i b 2 X 2i b k X ki )(- X 1i ) = 0 ei² b 2 = 2 ( Y i b 0 b 1 X 1i b 2 X 2i b k X ki )(- X 2i ) = 0 ei² b k = 2 ( Y i b 0 b 1 X 1i b 2 X 2i b k X ki )(- X ki ) = 0 Persamaan di atas setelah disederhanakan akan menjadi nb 0 + b 1 X 1i + b 2 X 2i + + b k X ki = Y i b 0 X 1i + b 1 X 2 1i + b 2 X 1i X 2i + + b k X 1i X ki = X 1i Y i b 0 X 2i + b 1 X 1i X 2i + b 2 X 2 2i + + b k X 2i X ki = X 2i Y i b 0 X ki + b 1 X 1i X 2i + b 2 X 2i X ki + + b k X 2 2i = X ki Y i disebut persamaan normal 3 Dinyatakan dalam bentuk Matriks, persamaan normal di atas akan menjadi X T Xb = X T Y Dengan demikian, b sebagai penduga B dapat diperoleh melalui rumus berikut: b = ( X T X) -1 X T Y X dengan rank k < n ( X T X) -1 = invers dari X T X

23 Peramalan Kematian Bayi 18 a Apabila k = 2 Y = b 0 + b 1 X 1 (hubungan yang mencakup 2 variabel Y dan X ) X = 1 X 11 1 X 12 1 X 1n = b = b 0 b 1 Y = Y 1 Y 2 Y n X T Xb = X T Y X 11 X 12 X 1n Y 1 Y 2 1 X 11 1 X 12 1 X 1n b 0 b 1 = X 11 X 12 X 1n Y n A b = H b b A -1 = n X 1i X 1i X i = A -1 H b 0 b 1 = Y i X 1i Y i A b H dimana : A -1 = invers A 1 det (A) 1 KT Adj (A) = Adj (A) =, A A KT = transpos matriks kofaktor K K T = 2 X 1i X 1i X 1i n, det (A) = A = n X 2 1i X 2 1i A -1 = 2 1 X 1i X 1i n X 2 1i ( X1i ) 2 n X 1i b = A -1 H

24 19 TECHSI : Vol 9, No 1, April 2017 b 0 b 1 = 2 1 X 1i X 1i n X 2 1i ( X1i ) 2 X 1i n Sehingga: Y i X 1i Y i 3 Skema Sistem b 0 = X 2 1i Yi X 1i X 1i Y i n X 2 1i ( X1i ) 2 b 1 = n X 1i Y i X 1i Y i n X 2 1i ( X1i ) 2 Skema sistem peramalan tingkat penyebab kematian bayi dengan metode Regresi Linear Berganda secara umum dapat digambarkan sebagai berikut: Mulai Input data puskesmas Input data peramalan Proses Metode Regresi Linier Berganda Output hasil peramalan Selesai Gambar 1 Skema Sistem

25 Peramalan Kematian Bayi 20 4 Implementasi metode peramalan Dibawah ini data kematian bayi dari 26 puskesmas yang ada di Aceh Utara, yang dibagi menjadi 4 bagian puskesmas yaitu; puskesmas bagian Timur, puskesmas bagian Barat dan Tengah, puskesmas bagian Pesisir, dan puskesmas bagian Pedalaman Table 1 Kematian Bayi di Puskesmas Bagian Timur Aceh Utara No Nama-nama Puskesmas Y X1 X2 Bagian Timur (BBLR) (asfiksia) 1 Syamtalira Bayu Samudera Syamtalira Aron Matang Kuli Baktiya Sampoinit Tanah Jamboe Aye Lhok Beuringen Simpang Tiga Tanah Luas Langkah Perincian data : Tabel 9 Perincian data Tabel 8 No Nama Puskesmas Y X1 X2 X1² X2² X1X2 X1Y X2Y Y² 1 Syamtalira Bayu Samudera Syamtalira Aron Matang Kuli Baktiya Sampoinit Tanah Jamboe 7 Aye Lhok Beuringen Simpang Tiga

26 21 TECHSI : Vol 9, No 1, April Tanah Luas N 10 n X 1i X 2i X 1i 2 X 1i X 1i X 2i X 2i X 2i X 1i 2 X b0 b1 b2 = b0 b1 b2 = Y X 1i Y i X 2i Y i Tabel 3 Perhitungan Invers Tabel 4 Hasil Perkalian Silang Mencari det (A) Tabel 5 Perhitungan Det (A) NOMOR L M N 0 P

27 Peramalan Kematian Bayi Nilai det (A) = 2194 Mencari nilai Aˉ¹ Tabel 6 Perhitungan Aˉ¹ Tabel 7 Nilai Invers Det (A)= A 11K 11 + A 12K 12+A 13K 13 = 10 (041705) + 19 ( ) + 18 ( ) = b0 = b1 = b2 = = = = {(041705)(44) + ( )(104)+( )(96) {( 00447)(44) + ( )(104)+( )(96) {( 0129)(44) + ( )(104)+( )(96) Y' = b0 + b 1X 1 + b 2X 2 = X X 2 = 3 Jadi nilai b 2X 2 lebih tinggi maka tahun depan penyakit yang paling berpengaruh adalah Asfiksia dengan nilai , dan diramalkan

28 23 TECHSI : Vol 9, No 1, April 2017 kematian tahun depan pada Puskesmas Bagian Timur adalah 3 orang dari penyakit BBLR dan Asfiksia Tabel 8 Kematian Bayi di Puskesmas Bagian Barat dan tengah Aceh Utara No Nama-nama Puskesmas Bagian Barat dan Tengah Y X1 (BBLR) X2 (asfiksia) 1 Muara Batu Dewantara Simpang Kramat Kuta Makmur Lhoksukon Nibong Langkah Perincian data : No Tabel 9 Perincian data Tabel 8 Nama Puskesmas Y X1 X2 X1² X2² X1X2 X1Y X2Y Y² 1 Muara Batu Dewantara Simpang 3 Kramat Kuta Makmur Lhoksukon Nibong N b0 b1 b2 = Tabel 10 Invers

29 Peramalan Kematian Bayi 24 0, , ,23925 Det (A) = A 11K 11 + A 12K 12+A 13K 13 = b0 = -0,43333 b1 = 1, b2 = 1, Y' = b0 + b 1X 1 + b 2X 2-0, , , , , , = -0, , X 1 + 1, X 2 = 3 Jadi nilai b 1x 1 lebih tinggi maka tahun depan yang paling berpengaruh adalah BBLR dengan nilai 1,543 dan diramalkan kematian tahun depan pada Puskesmas Bagian Barat dan Tengah adalah 3 orang dari penyakit BBLR dan Asfiksia Table 11 Kematian Bayi di Puskesmas Bagian Pesisir Aceh Utara No Nama-nama Puskesmas Bagian Pesisir Y X1 (BBLR) X2 (asfiksia) 1 Lapang Tanah Pasir Seuneddon Langkah perincian data : No Nama Puskesmas Y X1 X2 X1² X2² X1X2 X1Y X2Y Y² 1 Lapang Tanah Pasir Seuneddon

30 25 TECHSI : Vol 9, No 1, April 2017 Tabel 12 Perincian data Tabel N b0 b1 b2 = Tabel 13 Invers Det (A) = A 11K 11 + A 12K 12+A 13K 13 = 1 b0 = 2 b1 = 0 b2 = 1 Y' = b0 + b 1X 1 + b 2X 2 = 2 + X 2 = 3 Jadi nilai b 2X 2 lebih tinggi maka tahun depan yang paling berpengaruh adalah Asfiksia dengan nilai 1 dan diramalkan kematian tahun depan pada Puskesmas Bagian Pesisir adalah 3 orang dari penyakit BBLR dan Asfiksia Table 14 Kematian Bayi di Puskesmas Bagian Pedalaman Aceh Utara No Nama-nama Puskesmas Y X1 (BBLR) X2(asfiksia) Bagian Pedalaman 1 Nisam Meurah Mulia 2 2 0

31 Peramalan Kematian Bayi 26 3 Paya Bakong Cot Girek Buket Hagu Sawang Nisam Antara Langkah perincian data : No Tabel 15 Perincian data Tabel 14 Nama Puskesmas Y X1 X2 X1² X2² X1X2 X1Y X2Y Y² 1 Nisam Meurah 2 Mulia Paya Bakong Cot Girek Buket Hagu Sawang Nisam Antara N b0 b1 b2 = Tabel 16 Invers Det (A) = A 11K 11 + A 12K 12+A 13K 13 = b0 = 0,314452

32 27 TECHSI : Vol 9, No 1, April 2017 b1 = 0, b2 = 1,73057 Y' = b0 + b 1X 1 + b 2X 2 = 0, , X1 + 1,73057X2 = 3 Jadi nilai b 2X 2 lebih tinggi maka tahun depan yang paling berpengaruh adalah Asfiksia dengan nilai dan diramalkan kematian tahun depan pada Puskesmas Bagian Pedalaman adalah 3 orang dari penyakit BBLR dan Asfiksia Kesimpulan Dengan adanya sistem peramalan tingkat penyebab kematian bayi menggunakan metode regresi linear berganda, maka pihak Dinas Kesehatan Aceh Utara dapat dengan mudah mendapat informasi ramalan penyakit yang lebih berpengaruh terhadap penyebab kematian bayi tahun depan Hasil peramalan didapatkan bahwa Asfiksia tahun 2015 lebih banyak meninggal dari pada BBLR Referensi Agus, Lutfi Perbandingan Analisis Trend dan Holt Double Eksponensial Smoothing dalam Meramalkan Angka Kematian Bayi di Jawa Timur Fakultas Kesehatan Universitas Airlangga Algifari 2011 Analisis Statistik Untuk Bisnis; Dengan Regresi, Korelasi Dan Nonparametrik Penerbit BPFE Yogjakarta JSupranto 2009 Statistik Teori dan Aplikasi Erlangga Jakarta Makridakis, 1999 Metode Exponential Smoothing Graha Ilmu, Yogyakarta Masom, RD & Douglas A Lind 2012 Teknik Statistik Untuk Bisnis Dan Ekonomi, Jilid II Erlangga Jakarta Rosnani Ginting, 2010 Perancangan Produk Graha Ilmu, Yogyakarta Supriyono Analisis Perbandingan Logika Fuzzy dengan Regresi Berganda sebagai Alat peramalan Jurusan Teknik Informatika, Fakultas Teknik Sekolah Tinggi Teknologi Nuklir, Batan

33 SISTEM PENDETEKSI ASMAUL HUSNA DALAM ALQURAN SURAH ALI IMRAN MENGGUNAKAN METODE DIVERGENSI KULLBACK LEIBLER Fadlisyah, Safwandi, Muhammad Wali TeknikInformatikaUniversitasMalikussalehLhokseumawe Jl Cot TgkNie-Reulet, Aceh Utara, 141 Indonesia ABSTRAK Al-Qur an adalah kitab suci terakhir yang diturunkan oleh Allah kepada umat manusia melalui Nabi Muhammad SAW, segala sesuatu telah tertera di dalamnya Di antanya terdapat ayat-ayat yang mengandung lafadz asmaul husna (nama-nama baik yang dimiliki Allah)Dalam mengidentifikasi Asmaul husna saat ini belum adanya sebuah sistem yang mampu mengenali dan menemukan letak penempatan lafazh Asmaul husna dalam Al-Qur anoleh Karena itu, maka dibutuhkan sistem pendeteksi yang membantu pengguna menemukan lafazh asmaul husna pada citra Al-Qur an Dalam penelitian ini, metode Divergensi Kullback Leibler digunakan untuk mendeteksi citra Al- Qur anhasil penelitian menunjukkan bahwa sistem pendeteksi asmaul husna dalam Al-Qur an menggunakan metode Divergensi Kullback Leibler memiliki kisaran detection rate sebesar 77% Terdapat pula kesalahan pendeteksian false positive rate sebesar 23% Hasil pengujian menunjukkan bahwa detection rate sangat dipengaruhi oleh nilai sensitifitas dan nilai frame bagi masing-masing pola yang ada Kata kunci :Asmaul husna, Al Quran, Pengolahan Citra, Divergensi Kullback Leibler 1 Pendahuluan Al-Qur an adalah kitab suci terakhir yang diturunkan oleh Allah kepada umat manusia melalui Nabi Muhammad SAW untuk dijadikan pedoman hidup Kitab Al-Qur an ini tidak ada keraguan padanya, petunjuk bagi mereka yang bertaqwa Semua yang difirmankan Allah di dalam Al-Qur an mutlak kebenarannya Penjelasan segala sesuatu telah tertera dalam Al-Qur an Salah satu diantaranya adalah terdapat ayatayat yang mengandung lafadz asmaul husna

34 29 TECHSI : Vol 9, No 1, April 2017 Menurut bahasa, asmaul husna berarti nama-nama yang baik, sedangkan menurut istilah berarti nama-nama baik yang dimiliki Allah sebagai bukti keagungan dan kemuliaan-nya Nama-nama indah (asmaul husna) yang berjumlah 99 menurut hitungan ulama Sunni ini dapat dirangkai secara kronologis begitu indah ibarat seuntai tasbih Dimulai dengan lafadz al-jalalah, Allah, dengan angka 0 (nol), yang di anggap angka kesempurnaan, disusul dengan ar-rahman, ar-rahim dan seterusnya sampai angka ke 99, as-sabur Denganmempelajariasmaul husnaini, maka kita akan mampu mengenal sifat-sifat Allah yang selayaknya, dan sepatutnya dimiliki oleh-nya, karena hal itu membuktikan kebenaran-nya Seperti yang telah disebutkan di atas bahwa nama-nama Allah SWT berjumlah 99 nama ini penting untuk dipelajari dan diamalkan Dalam proses mengenal dan mengidentifikasi 99 Asmaul husna saat ini belum adanya sebuah aplikasi yang mampu mengenali dan menemukan letak penempatan lafazh Asmaul husna dalam Al-Qur an karena tidak ditampilkan Dalam penelitianini, penulis mengembangkan sistem yang menggunakan kombinasi citra surat Al-Qur an latih sebagai input data untuk mendapatkan pola lafadz asmaul husna yang sesuai dengan membandingkan input citra surat Al-Qur an uji Citra yang diuji nantinya akan terdeteksi bagian-bagianmana yang mengandung asmaul husna di dalam Al-Qur an sehingga pengguna dapat dengan mudah menemukan letak penempatan lafazh asmaul husna tersebut Data-data asmaul husna dan Al-Qur an diperoleh penulis dari hasil scanning citra atau gambar Al-Qur an Untuk membangun sistem pendeteksi asmaul husna maka penulis cenderung menggunakan Divergensi Kullback Leibler, karena metode ini lebih sesuai dan sederhana dalam mencari kemiripan antara citra Al-Qur an uji dan citra Al-Qur an latih sehingga terdeteksi pola lafazh asmaul husna pada citra Al-Qur an 2 Tinjauan Pustaka Metode Divergensi Kullback Leibler Jarak digunakan untuk menentukan tingkat kesamaan atau ketidaksamaan dua vektor fitur Tingkat kesamaan berupa suatu nilai(score) dan berdasarkan skor atau rangking tersebut dua vektor fitur

35 Sistem Pendeteksian Asmaul Husna 30 akan dikatakan mirip atau tidak Semakin kecil nilai rangking, semakin dekat kesamaan kedua vektor tersebut Pengukuran jarak dilakukan dengan beberapa cara salah satunya adalah dengan menggunakan metode Divergensi Kullback Leibler Divergensi Kullback Leibler didefinisikan sebagai berikut: KL(v 1, v 2) N = k=1 v 1 (k)log v1(k) v2(k) Dalam hal ini, v 1 dan v 2 adalah dua vektor yang jaraknya akan dihitung dan N menyatakan panjang vektor Berikut adalah penjabaran rumus dari metode Divergensi Kullback Leibler untuk mengetahui jarak dua buah vektor dalam sistem ini adalah sebagai berikut: Nilai sembarang untuk vektor i dan j adalah sebagai berikut i = j = Dalam hal ini, i adalah pola nilai latih dan j pola nilai uji adalah dua vektor yang jaraknya akan dihitung Adapun jarak Divergensi Kullback Leibler kedua vektor tersebut berupa: V 1(i,j) = (1,1) = V 2(i,j) =(0,1) = 11 KL(v 1, v 2) N = k=1 v 1 (k)log v1(k) v2(k) Jarak Kullblack Leibler = 15 * log (15/11) = 15 * (0,062) = 0,932 Penjabaran rumus di atas adalah proses mencari nilai jarak antara pola uji dan latih Selanjutnya nilai tersebut menjadi acuan kemiripan citra dengan pola yang sudah ditanam Nilai Jarak Kullback Leibler= 0,932 menandakan jarak pola latih dan uji bernilai 0,932 Dalam artian lain, nilai jarak citra berada diantara 0 hingga 1 sehingga pola lafazh asmaul husna akan terdeteksi

36 31 TECHSI : Vol 9, No 1, April SkemaSistem Skema sistem pendeteksi asmaul husnayang dibangun dalam penelitian ini diilustrasikan pada Gambar 1 Gambar 1 Skema sistem pendeteksi asmaul husna dalam Al-Qur an Adapun tahapan yang dilakukan setelah sistem menerima input citra Al- Quran adalah tahapan resizing, grayscale, konvolusi, dan uji pengenalan pola asmaul husna menggunakan Metode Divergensi Kullback Leibler Pada tahap pre-processing, citra Al-Qur an sumber yang menjadi inputan akan di-resize terlebih dahulu untuk menghemat waktu dan jumlah iterasi Setelah resizing, citra akan direpresentasikan dalam bentuk satu kanal, dan diakhiri dengan pendeteksian tepi melalui proses konvolusi Pada proses utama, komputasi menggunakan Divergensi Kullback Leibler, vektor pola asmaul husna akan dilatih untuk mendapatkan sebuah matriks bobot, yang selanjutnya matriks bobot tersebut digunakan sebagai matriks pengujian Adapun diagram alir dari metode Divergensi Kullback Leibler ditunjukkan pada Gambar 2 Gambar 2 Diagram Alir Divergensi Kullback Leibler

37 Sistem Pendeteksian Asmaul Husna 32 Pada tahap ini, sistem menerima inputan struktur pola Struktur pola inputan merupakan sebarisan pola tepi-tepi objek yang mungkin mengandung lafazh asmaul husna atau bukan lafazh asmaul husna, dan selanjutnya melakukan perhitungan matriks koreksi, dan diakhiri dengan pembaharuan matriks bobot Langkah-langkah ini terus diulang hingga tercapat error minimum atau telah memenuhi batas iterasi maksimum 4 Hasil Unjuk Kerja Sistem Sampel pelatihan asmaul husna yang digunakan di dalam penelitian ini berjumlah 22 citra asmaul husna yang mewakili karakteristik vektor pola yang berbeda Gambar 3 menunjukkan beberapa sampel yang digunakan sebagai pelatihan Gambar 3Beberapa Sampel Asmaul Husna dalam Al-Qur an yang telah dikumpulkan Setiap lafazh memiliki vektor pola yang spesifik atau berbeda antara satu lafazh dengan lafazh lainnya Pada metode Divergensi Kullback Leibler, vektor pola lafazh asmaul husna referensi sudah harus ditentukan sebelum dilakukan pengujian Gambar 4 menunjukkan vektor pola lafazh asmaul husna referensi yang dihasilkan dari pengamatan pada beberapa lafazh asmaul husna Vektor pola lafazh asmaul husna referensi terkait dengan kemunculan nilai-nilai 0 atau 1 pada sejumlah citra lafazh asmaul husna pelatihan Nilai 0 pada vektor mewakili nilai yang bukan termasuk fitur lafazh tetapi di dalam wilayah lafazh asmaul husna, sebaliknya, nilai 1 mewakili nilai yang termasuk di dalam fitur lafazh

38 33 TECHSI : Vol 9, No 1, April 2017 Gambar 4 Vektor Pola lafazh Al Aziiz Hasil Koreksi dan Pengamatan padasejumlah Citra Lafazh Asmaul Husna Pengukuran unjuk kerja sistem dilakukan dengan pelatihan setiap pola asmaul husna Tabel 1 mengilustrasikan beberapa hasil pengukuran unjuk kerja sistem pendeteksian asmaul husna A 1 A 2, A 3 A 22 1 Pada citra Al-Qur an lafazh asmaul husna yang memuat lafazh Al- Hayyu (A 1), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 80% 2 Pada citra Al-Qur an yang memuat lafazh Al-Qayyumu (A 2), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 70% 3 Pada citra Al-Qur an yang memuat lafazh Al Aliimu (A 3), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 80% 4 Pada citra Al-Qur an yang memuat asmaul husna lafazh As-Sami u (A 4), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 80% 5 Pada citra Al-Qur an yang memuat asmaul husna lafazh Rahiimun (A 5), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 80% 6 Pada citra Al-Qur an yang memuat asmaul husna yang memuat lafazh Ghafuurun (A 6), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 80% 7 Pada citra Al-Qur an yang memuat asmaul husna lafazh Al- Adziim (A 7), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 60% 8 Pada citra Al-Qur an yang memuat lafazh Waasi un (A 8), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 90%

39 Sistem Pendeteksian Asmaul Husna 34 9 Pada citra Al-Qur an yang memuat asmaul husna lafazh Waliyyun (A 9), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 80% 10 Pada citra Al-Qur an yang memuat Al- Aziizu (A 10), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 70% 11 Pada citra Al-Qur an yang memuat lafazh Al-Hakiimu (A 11), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 80% 12 Pada citra Al-Qur an yang memuat lafazh Ghaniyyun (A 12), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 90% 13 Pada citra Al-Qur an yang memuat Al-Haqqu (A 13), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 80% 14 Pada citra Al-Qur an yang memuat lafazh Maalikal-Mulki (A 14), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 70% 15 Pada citra Al-Qur an yang memuat lafazh Sami un (A 15), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 60% 16 Pada citra Al-Qur an yang memuat lafazh Aliimun (A 16), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 70% 17 Pada citra Al-Qur an yang memuat lafazh Haliimun (A 17), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 80% 18 Pada citra Al-Qur an yang memuat lafazh Al-Wakiilu (A 18), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 60% 19 Pada citra Al-Qur an yang memuat lafazh Bashiirun (A 19), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 80% 20 Pada citra Al-Qur an yang memuat lafazh Syahiidun (A 20), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 90% 21 Pada citra Al-Qur an yang memuat lafazh Khabiirun (A 21), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 80% 22 Pada citra Al-Qur an yang memuat lafazh Al-Wahhabu (A 22), sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 90% 23 Sistem pendeteksi asmaul husna memiliki tingkat keakuratan sebesar 77% Hasil evaluasi sistem menunjukkan bahwa metode Divergensi Kullback Leibler memiliki Detection Rate yang tinggi Tabel 1Hasil Unjuk Kerja Sistem Pendeteksi Asmaul Husna dalam Surah Ali Imran

40 35 TECHSI : Vol 9, No 1, April 2017 No Citra Pola Huruf Pelatihan Jumlah Citra Pengujian Jumlah Citra Terdeteksi Asmaul Husna False Positive Rate ,2 80 Detection Rate(%) , , , , , , , , , , , , ,3 70

41 Sistem Pendeteksian Asmaul Husna , , , , , , , ,2 90 Gambar 5 Grafik unjuk kerja sistem pendeteksi asmaul husna

42 37 TECHSI : Vol 9, No 1, April 2017 A, A 1 A2, A3 Keterangan : 22 (Sumber: hasil pengujian sistem pendeteksi asmaul husna surah Ali Imran) A 1 = Citra Al-Qur an yang memuat pola lafazh Al-Hayyu A 2 = Citra Al-Qur an yang memuat pola lafazh Al-Qayyumu A 3 = Citra Al-Qur an yang memuat pola lafazh Al- Aliimu A 4 = Citra Al-Qur an yang memuat pola lafazh As-Samii u A 5 = Citra Al-Qur an yang memuat pola lafazh Ghafuurun A 6 = Citra Al-Qur an yang memuat pola lafazh Rahiimun A 7 = Citra Al-Qur an yang memuat pola lafazh Al- Adhimi A 8 = Citra Al-Qur an yang memuat pola lafazh Waa siun A 9 = Citra Al-Qur an yang memuat pola lafazh Waliyyun A 10 = Citra Al-Qur an yang memuat pola lafazh Al- Azizu A 11 = Citra Al-Qur an yang memuat pola lafazh Al-Hakiimu A 12= Citra Al-Qur an yang memuat pola lafazh Ghaniyyun A 13 = Citra Al-Qur an yang memuat pola lafazh Al-Haqqu A 14 = Citra Al-Qur an yang memuat pola lafazh Malikal-Mulki A 15 = Citra Al-Qur an yang memuat pola lafazh Sami un A 16 = Citra Al-Qur an yang memuat pola lafazh Aliimun A 17 = Citra Al-Qur an yang memuat pola lafazh Haliimun A 18 = Citra Al-Qur an yang memuat pola lafazh Al-Wakiilu A 19 = Citra Al-Qur an yang memuat pola lafazh Bashirun A 20 = Citra Al-Qur an yang memuat pola lafazh Syahiidun A 21 = Citra Al-Qur an yang memuat pola lafazh Khabiirun A 22 = Citra Al-Qur an yang memuat pola lafazh Al-Wahhabu Pada Gambar 5, grafik mengilustrasikan pengujian dan pengukuran unjuk kerja dilakukan setelah 22 vektor pola asmaul husna dalam citra dilatih untuk keseluruhan karakteristik citra A 1, A2, A3 A22 Jumlah citra pengujian adalah sebanyak 10 citra Al Quran, untuk seluruh tahap pelatihan dan diperoleh berturut-turut nilai detection rate untuk A 1 = 80 %, A 2 = 70 %, A 3 = 80 %, A 4 = 80 %, A 5 = 80 %, A 6 = 80 %, A 7 = 60 %, A 8 = 90 %, A 9

43 Sistem Pendeteksian Asmaul Husna 38 = 80 %, A 10 = 70 %, A 11= 80 %, A 12 = 90 %, A 13 = 80 %, A 14 = 70 %, A 15 = 60 %, A 16 = 70 %, A 17 = 80 %, A 18 = 60 %, A 19 = 80 %, A 20 = 90 %, A 21 = 80 %, A 22 = 90 % Berdasarkan hasil penelitian yang telah dilakukan, hasil unjuk kerja sistem detection rate sangat dipengaruhi oleh sumber pola lafazh asmaul husna, pengamatan terhadap vektor pola acuan untuk pengujian, kekompleksitasan objek-objek yang terdapat dalam citra, dan tingkat keberhasilan sistem dalam memetakan vektor pola lafazh asmaul husna masukan menjadi vektor pola asmaul husna edge Lokasi asmaul husna pada citra dapat dideteksi oleh sistem jika vektor pola asmaul husna edge atau citra edge betul-betul mengandung peta fitur asmaul husna tersebut Gambar 6 mengilustrasikan keadaan citra asmaul husna edge pada citra yang memuat lokasi lafazh asmaul husna yang berhasil dideteksi Gambar 6 Beberapa contoh citra edge yang memuat lokasi asmaul husna yang berhasil dideteksi Gambar 7 berikut adalah contoh proses penanaman pola pada sistem pendeteksi asmaul husna Gambar 7 Sampel proses pelatihan Pola Citra Asmaul Husna

44 39 TECHSI : Vol 9, No 1, April 2017 Setelah dilakukan pelatihan pada sejumlah sampel pola asmaul husna, selanjutnya dilakukan proses pengujian untuk pendeteksian pada citra Al- Qur an Tahap ini berfungsi sebagai output dari keseluruhan proses Setelah didapat nilai setiap pola asmaul husna, lalu nilai pola dari asmaul husna dan citra uji akan dibandingkan dengan nilai yang sudah ditanamkan atau disimpan pada masing-masing jenis asmaul husna pada proses pelatihan sebelumnya Hasil dengan nilai paling mendekati dengan nilai pelatihan menunjukkan deteksi asmaul husna pada citra Al-Qur an uji Pengujian dilakukan dengan menginput sampel cira Al-Qur an kemudian user akan mengatur nilai sensitifitas untuk menyaring pola yang terdapat pada masing-masing Al-Quran Berikut adalah salah satu contoh proses pengujian sistem Gambar8 Sampel Proses Pengujian Asmaul Husna 5 Kesimpulan Sistem pendeteksi pola lafazh asmaul husnadalam Al-Qur an menggunakan metode DivergensiKullbackLeibler memiliki kisaran rata-rata detection rate sebesar 77% Terdapat pula kesalahanpendeteksianfalse positive ratesebesar 23%Persentase detection rate tersebut menunjukkan bahwa metode Divergensi Kullback Leibler dapat digunakan sebagai salah satu pendekatan untuk pendeteksian pola lafazh asmaul husna dalam Al-Quran Hasil pengujian menunjukkan bahwa detection rate sangat dipengaruhi oleh nilai sensitifitas dan nilai frame bagi masing-masing pola yang ada

45 Sistem Pendeteksian Asmaul Husna 40 Untuk meningkatkan unjuk kerja dari sistem pendeteksi lafazh asmaul husna, dapat dilakukan dengan memberikan pelatihan lebih lanjut dengan tambahan data training yang lebih banyak dan lebih bervariasi Hasil dari penelitian ini dapat dimanfaatkan lebih lanjut untuk membangun sistem pendeteksian lain sampai akhirnya tercipta sebuah aplikasi pendeteksi Al-Qur an yang lengkap yang berbasis dekstop dan juga mobile DAFTAR PUSTAKA [1] Azizah, UN2013 Perbandingan Detektor Tepi Prewitdan Detektor Tepi Laplacian Berdasarkan Kompleksitas Waktu dan Citra Hasil Skripsi UniversitasPendidikan Indonesia [2] Fadlisyahdan Rizal 2011 Pemrograman Computer Vision pada Video Yogyakarta :GrahaIlmu [3] Fadlisyah 2013 Sistem Pendeteksian Wajah pada Video Menggunakan Jaringan Adaptive Linear Neuron (ADALINE) Tesis Program Studi Magister Teknik Elektro, Universitas Seumatera Utara (USU) [4] Kadir, Abdul 2013 DasarPengolahan Citra dengan DELPHI Yogyakarta : Andi [5] Max R Kumaseh, Luther Latumakulita, Nelson Nainggolan 2013 Segmentasicitra digital ikanmenggunakanmetodethresholding ( [6] Muhammad Dahria, UsmanMuhammadi, Ishak 2013 Pengenalanpolawajahmenggunakan webcam untukabsensidenganmetode wavelet Vol 2 No 2 [7] Putra, Darma 2010 Pengolahan Citra Digital Yogyakarta: Andi [8] RD Kusumantodan Alan Novi Tompunu 2011 Pengolahancitra digital untukmendeteksiobyekmenggunakanpengolahanwarna model normalisasi RGB ( [9] Rosnita, Lidya 2016 Unjuk Kerja Algoritma Bam Dan Algoritma Fam Untuk Sistem Pendeteksian Pola Tajwid Pada Citra Al-Quran Tesis Program Studi S2 Teknik Informatika Universitas Sumatera Utara [10] Jayaraman, 2011 Digital Image Processing, Tata McGraw-Hill Education, ISBN ,

46 SISTEM PENDETEKSI KESALAHAN DALAM MEMBACA Al-QUR AN AYAT 1-5 MENGGUNAKAN METODE VITERBI Bustami, Fadlisyah, Irma mauliza Teknik Informatika Universitas Malikussaleh Lhokseumawe Jl Cot Tgk Nie-Reulet, Aceh Utara, 141 Indonesia ABSTRAK Pada umumnya di dalam dunia pengolahan sinyal suara untuk mengenali sebuah pola dapat diberikan beberapa pelatihan terlebih dahulu Di dalam Penelitian ini pada dasarnya bertujuan untuk mempresentasikan sistem pendeteksi kesalahan melalui suara pada surah Ali-Imran ialah sistem yang membantu mendeteksi kesalahan melalui inputan sample suara terhadap bacaan surah Ali-Imran Metode ekstraksi ciri yang digunakan sebagai referensi ciri bacaan adalah Viterbi Pada proses pelatihan masing-masing bacaan dilatih dengan 10 sample suara kemudian dilakukan proses pengujian untuk memperoleh hasil deteksi berupa segmen Berdasarkan hasil komplesitas algoritma, sistem pendeteksi kesalahan dalam membaca Al-Qur an menggunakan algoritmaviterbi adalah efektif hasil unjuk kerja sistem mampu mendeteksi kesalahan dalam membaca Al-Qur an menggunakan algoritma Viterbi hingga mencapai 89% Kata kunci :Algoritma Viterbi,sampel Suara, Pendeteksian Kesalahan, True Detection 1 Pendahuluan Al-Qur an adalah kitab panduan dari Allah SWT yang diturunkan melalui Rasulullah Saw bagi kita semua, umat Islam Agar Al-Qur an dapat berfungsi sebagai pemandu, kita harus berinteraksi dengan Al-Qur an secara intens dan dekat, dengan segenap kemampuan yang sanggub kita kerahkan (Prof DrRosihon Anwar : 2014) Kemampuan membaca Al-Qur an dengan baik dan benar sesuai kaidah hukum tajwid merupakan salah satu faktor terpenting dalam melaksanakan amar ma ruf nahi mungkar bagi setiap umat islam Selain dituntut untuk mampu membaca Al-Qur an dengan baik dan benar, setiap muslim juga

47 42 TECHSI : Vol 9, No 1, April 2017 harus mampu memahami makna yang terkandung dari ayat-ayat Al-Qur an yang dibacanya Seseorang yang ingin mempelajari Al-Quran dianjurkan mengikuti metode talaqqi Talaqqi adalah metode yang paling benar dalam mempelajari bagaimana cara membaca Al-Quran dengan sempurna Ketika talaqqi, guru dan murid duduk saling berhadapan Kemudian, guru akan mendiktekan sambil memperagakan langsung bacaan Al-Quran yang benar, dan diikuti oleh bacaan murid Namun pada praktiknya, ketersediaan guru pengajar dan sinkronisasi waktu belajar antara guru dengan murid menjadi hambatan dalam pelaksanaan metode ini Menyadari hal tersebut, banyak peneliti mulai mengembangkan sistem pengenalan bacaan Al-Quran terotomatisasi untuk membantu proses pembelajaran Al-Quran secara mandiri (Rahmi Yuwan dan Dessi P, 2015) Melihat masyarakat muslim sebagian besar belum benar dalam membaca al-qur an terutama dalam hal hukum Tajwid seperti panjang pendeknya suatu bacaan Dengan demikian dibutuhkan suatu sistem yang dapat mendeteksi kesalahan dalam membaca al-qur an Dalam proses sistem pendeteksi kesalahan membaca al-qur an diperlukan sebuah metode untuk mendapatkan nilai-nilai segmen dalam mendeteksi kesalahan bacaan setiap ayat Pada penelitian ini penulis menggunakan metode Viterbi dalam mengimplementasikan sistem pendeteksi kesalahan membaca alquan Alas an pemilihan metode Viterbi dikarenakan dalam proses perhitungan tidak begitu kompleks dan pencarian nilai-nilai segmen dapat dilakukan dengan membandingkan state terbaik Nilai-nilai tersebut digunakan untuk membandingkan ciri deteksi suara yang benar pada setiap bacaan 2 TINJAUAN PUSTAKA A Algoritma Viterbi Algoritma Viterbi diperkenalkan oleh Andrew J Viterbi pada tahun 1967 Algoritma Viterbi adalah algoritma dynamic programming untuk menemukan kemungkinan rangkaian status yang tersembunyi (biasa disebut Viterbi path) yang dihasilkan pada rangkaian pengamatan kejadian (angela, dkk2007) Untuk menemukan sebuah rangkaian status terbaik, q = ( ), untuk rangkain Observasi O = ( ) Didefinisikan, (1)

48 Sistem Pendeteksian Kesalahan dalam Membaca Alqur an 43 Keterangan : t I = rangkaian terbaik = waktu = status i Dengan menginduksi, didapat : (2) Untuk mendapatkan kembali rangkaian status, perlu adanya penyimpanan hasil yang memaksimalkan persamaan (2), untuk tiap i dan j, dengan menggunakan table Prosedur lengkap untuk menemukan kumpulan status-status terbaik bisa dirumuskan sebagai: 1 Inisialisasi, 0 2 Rekursif 3 Terminasi,, 4 Lintasan status B Transformasi Mellin Dalam matematika, Transformasi Mellin adalah transformasi integral yang dapat dianggab sebagai versi perkalian dari dua sisi transformasi Laplace integral tranformasi ini adalah berkaitan erat dengan teori seni Dirichlet dan sering digunakan di nomor teori dan teori ekspansi asimtotik, itu berkaitan erat dengan Trasformasi Laplace, Tranformasi Fouries, teori fungsi gamma dan fungsi khusus bersekutu (Muhathir,2014) Transformasi Mellinadalah :

49 44 TECHSI : Vol 9, No 1, April 2017 keterangan: x adalah indeks sinyal S adalah Indeks transformasi N adalah Jumlah indeks sinyal f(x) adalah nilai sinyal Untuk mensimulasikan proses komputasi Algoritma Viterbi untuk mendeteksi kesalahan dalam membaca Al-Qur an, maka sampel suara yang akan dilatih terlebih dahulu diketahui Untuk pembentukan pengenalan pola dalam mendeteksi kesalahan maka dapat digunakan proses belajar transformasi mellin,misalkan tiap segmen pengenalan pola dibangun dengan menggunakan ciri pada 21 Tabel 21 Tabel Segmen Surah Ali-Imran ayat 1-5 Ayat Kalimah Gambar Awal Segmen Akhir 1 4 ا Alif Ayat ل Lam م Mim 1 6 هللا Allahu 7 10 آ ل La Ayat ا ا آ ل آ ل Ilaha ا ا ا ل Illa هللا آ ل Huwal Hayyulqayyum(u) ا ل آ ل ي ا ل آ ل ي ل هللام Ayat 3

50 Sistem Pendeteksian Kesalahan dalam Membaca Alqur an 45 Ayat 4 Ayat 4 Ayat آ ل ا ل آ لل Nazzala 5 9 آ ل آ ل ل آ ل alaikal ا ل ا آ ل آ ل Kitaba ا ل آ ل ق Bil-haqqi هللام آ لص قدق Musaddiqal ا آ لم Lima آ ل ل آ ل Baina آ ل آ لد ل ا Yadaihi آ لاآ ل ل آ ل آ لل Wa anzalat ا ا ل ل آ ل ىآ ل Taurata آ لا ل ا ل ا ل آ ل Wal-injil 1 7 ام ل قآ ل ل هللا Min qablu 8 17 هللاد ق لآ ل اا Hudal lin-nasi آ لاآ ل ل آ ل آ لل Wa anzalal ق ى ا ل هللا لقآ ل آ لا Furqan (a) ا ا ا لا ا ا ل ا ل آ ل Innal lazina آ لك آ ل هللا لا Kafaru ا آ ل آ ل ا ا Bi ayatillahi آ ل هللا ل Lahum آ ل آ لا با azabun ق ى آ ل اد ل بد Syadid (u) آ ل هللا Wallahu آ ل ا ل ب هللا ل ا آ ل azizun Zuntiqam ق ى ا م ا ا ا لا آ ل Innallaha 9 10 آ ل La آ ل لخ آ لى Yakhfa آ ل آ ل ل ا alaihi آ ل ل ب Syai un

51 46 TECHSI : Vol 9, No 1, April اى ا ل آ ل ل ا Ayat 5 Fil-ardi آ ل آ ل Wa la اى ا ا لل آ لم ا (i) Fis-sama C Perhitungan Manual Algoritma Viterbi BerikutiniadalahcontohpenjabaranrumustranspormasimellindanViterbi untuk perhitungan manualyangditerapkan padasistem ini : RumusMellin Mencarienergi Alif Dik :x =0, 1, 2, 3 S =0, 1, 2, 3 N =4 f(x) =0, 2, 0, 0 Penyelesaian : Energi Mellin Persegmen

52 Sistem Pendeteksian Kesalahan dalam Membaca Alqur an 47 Mencarienergi Lam Dik :x =0, 1, 2, 3 S =0, 1, 2, 3 N =4 f(x) =0, 1, 1, 0 Penyelesaian : EnergiMellin persegmen Mencarienergi Mim Dik :x =0, 1, 2, 3 S =0, 1, 2, 3 N =4 f(x) =2, 0, 0, 1 Penyelesaian :

53 48 TECHSI : Vol 9, No 1, April 2017 energimellin persegmen Diagram alur viterbi

54 Sistem Pendeteksian Kesalahan dalam Membaca Alqur an 49 3 Skema Sistem Skema sistem pendeteksi kesalahan dalam membaca Al-Qur an yang dibangun dalam penelitian ini diilustrasikan pada Gambar 31 Gambar 31Skema sistempendeteksikesalahan dalammembaca Al-Qur ansurahali-imran ayat2 Adapun tahapan yang dilakukan setelah sistem menerima input sampel suara adalah tahap pelatihan yaitu pengenalan pola dan tandai ciri, dan uji pengenalan pola melalui algoritma viterbi Pada proses utama, komputasi menggunakan transformasi mellin, Sampel suara akan dilatih untuk mendapatkan sebuah nilai energi dan nilai segmen, yang selanjutnya nilai tersebut digunakan sebagai nilai dalam algoritma viterbi Diagram alir dari algoritma viterbiditunjukkan pada Gambar 32

55 50 TECHSI : Vol 9, No 1, April 2017 Gambar 32 Diagram alir algoritma viterbi Pada tahap ini, jaringan menerima inputan struktur pola Struktur pola inputan merupakan sebarisan pola tepi-tepi objek yang mungkin mengandung wajah atau bukan wajah, dan selanjutnya jaringan melakukan perhitungan errorsetelah perhitungan error dilakukan, jaringan melakukan perhitungan matriks koreksi, dan diakhiri dengan pembaharuan matriks bobotlangkah-langkah ini terus diulang hingga tercapat error minimum atau telah memenuhi batas iterasi maksimum 4 Hasil Unjuk Kerja Sistem Pengukuranunjukkerjasisteminidilakukan untukmengukurevaluasi DetectionRate(true) dandetectionrate(false)padamasing-masingayatpada proses pelatihan dilatihdengan10samplesuaradanpada prose pengujiandiuji dengan 9 sample suarauntuktiap-tiap ayat Tabel 42 Mengilustrasikan hasilpengukuran unjuk kerja

56 Sistem Pendeteksian Kesalahan dalam Membaca Alqur an 51 Jumlah suara pelatihan Jumlah suara pengujian Jumlah pendeteksi kesalahan yang benar Jumlah pendeteksi kesalahan yang salah Detection Rate(true) Detection Rate(false) % 11% % 33% % 22% % 44% % 33% Dari table di atas dapat diambil kesimpulan bahwa tingkat true detection mengenalikesalahandalammembaca Al-Qur ansurahali- Imranayat1-5berkisar antara 78% hingga 89% Sedangkan Falsedeteksion dalam mengenali kesalahan dalam membacaal-qur ansurahali- Imranayat1-5berkisarantara11% hingga44% Kesimpulan Dari analisa dan pembahasan yang telah dibahas, dapat disimpulkan bahwa sampel suara bacaan surah Ali-Imran ayat 1-5 yang dijadikan pelatihan sangat berdampak terhadap tingginya persentase keberhasilan pada pendeteksian segmen, ukuran frame atau segmen pada saat penanaman pola akan mempengaruhi juga jika ukurannya tidak sama Hasil penelitian menunjukkan bahwa tingkat true detection mengenali kesalahan dalam membaca Al-Qur an surah Ali-Imran ayat 1-5 berkisar antara 78% hingga 89%, sedangkan false detection berkisar antara 11% hingga 44%Persentase true detection rate tersebut menunjukkan bahwa metode Viterbi dapat digunakan sebagai salah satu pendekatan untuk pendeteksian kesalahan dan pengenalan pola dalam membaca Al-Qur an Untuk peningkatan kualitas unjuk kerja sistem, hasil dari penelitian ini dapat dimanfaatkan lebih lanjut untuk membangun sistem pendeteksian lain sampai akhirnya tercipta sebuah aplikasi pendeteksi kesalahan dalam membaca Al-Qur an yang lengkap yang berbasis dekstop dan juga mobilepenelitian ini juga dapat dilanjutkan dengan mendeteksi secara langsung (real time) Dan perlu adanya pengembangan lanjutan dengan menggunakan metode lain untuk mendapatkan gambaran keakuratan metode mana yang terbaik diantara keduanya

57 52 TECHSI : Vol 9, No 1, April 2017 DAFTAR PUSTAKA [1] Anwar, Prof Dr Rosihon 2014 Cara Mudah Memahami Bahasa Al- Qur an Bandung, Mizan [2] Angela, Amelia dkk, 2007 Algoritma Viterbi Dalam Metode Hidden Markov Models Pada Teknologi Speech Recognition Jurnal Teknik Informatika, Institut Teknologi Bandung [3] Muhathir 2014 Perbandingan Unjuk Kerja Transformasi Wavelet, Mellin Dan Discrete Sine Transform (DST) Untuk Pengenalan Ayat Al- Qur an Pada Surat Yasiin 1-10 Melalui Suara Skripsi Prodi Informatika Fakultas Teknik Universitas Malikussaleh 2014 [4] Qasim Ata, Abu Farhan 2011 Bentuk-bentuk kesalahan ketika membaca al-qur an, an, diunduh tanggal 13 juli 2016 [5] Rahmi, Dessi 2015Pengembangan Sistem Pengenalan Bacaan Al-Quran MemanfaatkanPhonetically Rich and Balanced Corpus Jurnal Teknik Informatika, Institut Teknologi Bandung

58 ANALISIS TINGKAT KEMATANGAN (MATURITY LEVEL) TEKNOLOGI INFORMASI PADA PUSTAKA MENGGUNAKAN COBIT 41 Angga Pratama Teknik Informatika, Universitas Malikussaleh Jl Cot Tengku Nie Reuleut Muara Batu, Aceh Utara, Provinsi Aceh, Indonesia anggapratama@unimalacid ABSTRAK Teknologi informasi merupakan kebutuhan yang penting bagi Pusat Perpustakaan dan Penyebaran Teknologi Pertanian (PUSTAKA) Evaluasi terhadap Teknologi Informasi di PUSTAKA dengan kerangka kerja COBIT dengan model Maturity Level sangat berguna bagi PUSTAKA Karena dengan adanya evaluasi tersebut manajemen PUSTAKA dapat mengetahui posisi Maturity Level dan melakukan perbaikan terhadap divisi Teknologi Informasi Model Maturity Level digunakan untuk mengontrol proses-proses teknologi informasi dengan menggunakan metode penilaian, sehingga PUSTAKA dapat menilai manajemen Teknologi Informasi yang dimilikinya saat ini dari skala non-existent (level 1) sampai dengan optimised (level 5) serta memiliki gambaran akan kondisi yang diharapkan pada masa yang akan datang Dari Penelitian ini, diperoleh kesimpulan divisi Teknologi Informasi di PUSTAKA memperoleh level 2,51 yaitu Repeatable but Intuitive atau baru dijalankan Hal ini menunjukkan bahwa manajemen PUSTAKA telah mengetahui proses tata kelola Teknologi Informasi, tetapi proses tersebut belum diaplikasikan secara optimal, hal ini disebabkan karena kekurangan jumlah Sumber Daya Manusia Teknologi Informasi di PUSTAKA dan juga perlu menyediakan perencanaan, prosedur, standar dan pendekatan yang terstruktur Pengembangan perencanaaan, prosedur, standar dan pendekatan yang terintegrasi membantu PUSTAKA dalam meningkatkan kinerja, khususnya bagian Teknologi Informasi Kata Kunci : COBIT, Maturity Level, Plan and Organise, Perpustakaan, IT govermance

59 54 TECHSI : Vol 9, No 1, April 2017 PENDAHULUAN Penerapan TI telah digunakan hampir di semua bidang, tanpa terkecuali Perpustakaan Pemanfaatan TI sudah menjadi suatu keharusan dalam upaya meningkatkan efektivitas dan efisiensi kegiatan perpustakaan Sekarang ini telah banyak pengelola perpustakaan yang menyadari pentingnya TI Hal tersebut bisa terlihat dari banyaknya perpustakaan yang kegiatannya ditunjang oleh komputerisasi TI dianggap penting karena fungsinya sebagai alat yang memungkinkan tercapainya tujuan organisasi dengan cara memenuhi kebutuhan informasi yang dibutuhkan oleh organisasi dalam menjalankan bisnisnya Penerapan teknologi informasi di Pusat Perpustakaan dan Penyebaran Teknologi Pertanian (PUSTAKA) saat ini sedang dalam taraf pengembangan Kegiatan pengembangan yang selanjutnya penulis sebut dengan PUSTAKA meliputi kegiatan pengadaan sarana dan prasarana, pengadaan bahan pustaka, digitalisasi bahan pustaka, dan perbaikan pelayanan kepada pengunjung perpustakaan PUSTAKA menurut Peraturan Menteri Pertanian Nomor 299/Kpts/OT140/7/2005 saat ini berada di bawah tanggung jawab Menteri Pertanian melalui Sekretaris Jendral Selain tugas utama PUSTAKA yaitu menyediakan perpustakan di bidang pertanian, PUSTAKA juga mempunyai tugas pokok lainnya yaitu penyebaran teknologi pertanian yaitu Penyebaran informasi teknologi dan hasil-hasil penelitian pertanian melalui pengembangan jaringan informasi dan promosi inovasi pertanian Pada penerapan TI di suatu organisasi, dinilai sangat penting pula untuk menerapkan suatu framework atau kerangka kerja yang digunakan sebagai acuan oleh pihak manajemen mulai dari perencanaan hingga organisasi TI sehingga memungkinkan untuk mencapai tahapan tata kelola TI (IT govermance) yang baik, di mana TI organisasi bisa sebagai penopang dan pencapaian strategi-strategi dan tujuan organisasi Salah satu kerangka kerja yang telah mendapat pengakuan luas oleh masyarakat internasional yaitu: COBIT (Control Objective for Information and Related Technology) Kerangka kerja tersebut yang penulis akan gunakan, yang merupakan standar untuk tata kelola TI (IT governance) yang dikembangkan oleh ISACA (Information System and Control Association) dan ITGI (IT Governence Institute) Organisasi non-profit yang bergerak di bidang tata kelola TI Penulis menggunakan COBIT antara

60 Analisis Tingkat Kematangan TI 55 lain karena selain telah diterima sebagai standar internasional, COBIT memfokuskan kepada bisnis dan menyelaraskan dengan tujun TI serta organisasi COBIT juga berorientasi pada proses dan tahapan TI yang diterima secara umum yang terdiri dari 4 tahap (domain), yaitu: Perencanaan dan pengaturan (Plan and Organise), Penerapan (Acquiring and Implement), Dukungan Teknis (Delivery and Support), dan Pengawasan dan Evaluasi (Monitor and Evaluate) Selain itu, kriteria pengukuran COBIT sendiri bisa disesuaikan dengan kebutuhan organisasi Penelitian mengenai pengukuran tingkat kematangan (maturity level) ini akan dilakukan pada tahap (domain) COBIT yang pertama, yaitu Plan and Organise (PO) agar dapat diketahui bagaimanakah tingkat pengelolaan kegiatan pengaturan dan perencanaan kinerja TI terhadap otomasi perpustakaan yang dilakukan PUSTAKA yang diharapkan bisa membawa perubahan yang positif dan sesuai dengan tujuan dan perencanaan otomasi serta tujuan PUSTAKA TINJAUAN PUSTAKA Menurut Sasongko (2009) COBIT adalah sekumpulan dokumentasi best practices untuk IT governance yang dapat membantu auditor, pengguna (user), dan manajemen, untuk menjembatani gap antara risiko bisnis, kebutuhan kontrol dan masalah-masalah teknis TI COBIT adalah singkatan dari Control Objectives for Information & Related Technology merupakan a set of best practices (framework) bagi pengolahan teknologi informasi (IT management) COBIT disusun oleh the IT Governance Onstitute (ITGI) dan Information Systems Audit and Control Association (ISACA), tepatnya Information System Audit and Control Foundation s (ISACF) pada tahun 1992 Edisi pertamanya dipublikasikan pada tahun 1996, edisi kedua pada tahun 1998, edisi ketiga tahun 2000 (versi on-line dikeluarkan tahun 2003) edisi keempat pada tahun 2005 dan edisi penyempurnaanya yaitu COBIT 41 terbit pada tahun 2007 COBIT Framework mencakup tujuan pengendalian yang terdiri dari 4 domain yaitu : 1 Perencanaan dan Organisasi (Plan and Organise) Yaitu mencakup pembahasan tentang identifikasi dan strategi investasi TI yang dapat memberikan yang terbaik untuk mendukung pencapaian tujuan bisnis Perolehan dan Implementasi (Acquisition and Implementation)

61 56 TECHSI : Vol 9, No 1, April 2017 Yaitu untuk merealisasi strategi TI, perlu diatur kebutuhan TI, diidentifikasi, dikembangkan, atau diimplementasikan secara terpadu dalam proses bisnis perusahaan 2 Penyerahan dan Pendukung (Delivery and Support) Domain ini lebih dipusatkan pada ukuran tentang aspek dukungan TI terhadap kegiatan operasional bisnis (tingkat jasa layanan TI aktual atau service level) dan aspek urutan (prioritas implementasi dan untuk pilihannya) 3 Monitoring Yaitu semua proses TI yang perlu dinilai secara berkala agar kualitas dan tujuan dukungan TI tercapai, dan kelengkapannya berdasarkan pada syarat kontrol internal yang baik Pada COBIT versi 41 juga ada maturity model yaitu berfungsi menentukan skala kematangan COBIT, ada 6 tingkatan yang terdiri dari : 1 Level 0 : Non-Existent Pengelolaan teknologi informasi/sistem informasi masih dalam tahap paling awal, masih pemula Setiap proses belum terdefinisi dengan baik Level 1 : Initial/Ad Hoc Organisasi telah menyadari adanya persoalan yang perlu ditangani, tetapi belum ada standar proses yang harus dilakukan 2 Level 2 : Repeatable but Intuitive Proses telah dikembangkan pada tahap ini sehingga telah dilakukan prosedur yang sejenis untuk kegiatan yang sama 3 Level 3 : Defined Process Prosedur telah distandarisasi, didokumentasikan, dan dikomunikasikan melalui pelatihan Tahap ini mulai mengenal metodologi pengembangan sistem dan masih sangat tergantung individu apakah mengikuti standar yang ada maupun tidak, tetapi telah ada formalisasi untuk setiap kegiatan 4 Level 4 : Managed and Measurable Pada tahap ini manajemen mengawasi dan mengukur hal-hal yang telah dipenuhi dengan prosedur, serta mengambil tindakan ketika proses tidak berjalan dengan efektif 5 Level 5 : Optimised Proses yang ada telah disesuaikan dengan best practice, berdasarkan hasil pengembangan secara terus-menerus dengan organisasiorganisasi lain Teknologi informasi digunakan sebagai bagian yang

62 Analisis Tingkat Kematangan TI 57 terintegrasi dengan aliran kerja, sebagai alat bantu untuk meningkatkan kualitas dan efektivitas, dan membuat organisasi dapat dengan cepat untuk beradaptasi METODE PENELITIAN Metode pengumpulan data yang digunakan dalam penelitian ini adalah dilakukan dengan cara membagikan kuesioner kepada sepuluh responden di PUSTAKA yang terdiri dari bagian IT, bagian perpustakaan dan bagian-bagian lainnya yang terkait dengan IT di PUSTAKA Lalu dilakukan pengolahan data bertujuan untuk menentukan posisi maturity model berdasarkan pendekatan COBIT yang telah dicapai Pusat Perpustakaan dan Penyebaran Teknologi Pertanian (PUSTAKA) pada saat ini Dalam penelitian ini, digunakan penilaian yang dikemukakan oleh Pederiva (2003) untuk dapat mengukur maturity model dengan langkah-langkah sebagai berikut : 1 Rentang jawaban dibagi dalam 4 skala yaitu : dengan nilai pemenuhan (compliance value) terhadap masing-masing skala yaitu Masing-masing bobot dari nilai pemenuhan tersebut menunjukkan tingkat persetujuan terhadap satu pernyataan, seperti tertera pada tabel 1 berikut : Tabel 1 Compliance value untuk persetujuan terhadap pernyataan Skala Jawaban atas Pernyataan Nilai Penentuan 1 Sangat Tidak Setuju 0 2 Tidak Setuju Setuju Sangat Setuju 1 2 Nilai pemenuhan dari masing-masing level atas setiap jawaban dari pernyataan yang diberikan dijumlah kemudian dihitung perolehan maturity level compliance value dengan cara membagi total nilai

63 58 TECHSI : Vol 9, No 1, April pemenuhan dari setiap level [A] dengan jumlah pernyataan yang diberikan [B] seperti pada tabel 2 berikut : Tabel 2 Contoh perhitungan maturity level compliance value Maturity Level [M] Total Nilai Penentuan [A] Jumlah Pernyataan [B] Maturity Level Compliance Value [A/B] Setiap angka pada maturity level compliance value [C] kemudian dibagi dengan total keseluruhan perolehan maturity level compliance value, sehingga akan diperoleh normalized maturity level compliance value seperti pada tabel 3 berikut : Tabel 3 Contoh perhitungan normalized maturity level compliance value Maturity Level [M] Maturity Level Compliance Value [C] Normalized Maturity Level Compliance Value (C/SUM[C])

64 Analisis Tingkat Kematangan TI Total Setiap maturity level [M] kemudian dikalikan dengan normalized maturity level compliance value dari masing-masing maturity level [D] sehingga nantinya akan diperoleh nilai kontribusi untuk setiap maturity level seperti pada tabel 4 berikut : Tabel 4 Perhitungan nilai akhir maturity level Maturity Level [M] Normalized Maturity Level Compliance Value [D] Kontribusi [M] x [D] Total Maturity Level Nilai akhir yang diperoleh dari perhitungan (pada contoh ini adalah 365) menggambarkan perolehan nilai untuk perhitungan maturity level ternyata terletak pada level 365

65 60 TECHSI : Vol 9, No 1, April 2017 HASIL DAN PEMBAHASAN Berdasarkan hasil perhitungan pada masing-masing proses yang ada pada domain PO, dapat diketahui tingkatan rata-rata maturity level pada domain tersebut yang telah dicapai oleh PUSTAKA adalah sebagai berikut : Tabel 5 Hasil Perhitungan Maturity Level pada Domain PO PO Responden Rata Rata 1 3,1 3,1 2,8 3,0 3,0 1,3 2,8 2,8 2,8 2,2 2,75 2 2,7 2,6 2,8 2,2 2,4 2,0 2,7 2,7 2,7 2,4 2,56 3 2,9 2,7 2,8 2,5 2,4 1,1 2,4 2,8 2,5 2,8 2,53 4 2,9 2,7 2,8 2,4 2,2 1,4 2,3 2,4 3,0 2,4 2,49 5 2,7 2,9 2,7 2,5 2,5 1,7 2,6 2,6 2,1 2,5 2,52 6 2,7 2,7 2,5 2,6 2,4 1,7 2,8 2,8 2,3 2,5 2,54 7 2,7 2,2 2,4 2,9 2,4 1,0 2,2 2,6 2,7 2,5 2,39 8 2,7 2,8 2,5 2,8 2,5 1,4 2,6 2,6 2,5 2,5 2,53 9 2,5 2,3 2,4 1,7 2,4 0,8 2,2 2,3 2,7 2,5 2, ,8 3,1 2,8 2,5 2,7 1,0 2,0 2,6 2,8 2,5 2,51 TOTAL MATURITY LEVEL DI PUSTAKA ADALAH : 2,51 Dari hasil pengolahan data pada domain PO, rata-rata Maturity Level yang telah di dapat PUSTAKA adalah 2,51 Angka ini menunjukkan tingkat Maturity level PUSTAKA telah berada pada posisi standar internasional Menurut Guldentops (2002), standar yang ditetapkan secara internasional adalah 2,5 Melihat hasil penelitian yang telah dilakukan dan tidak adanya target yang ditetapkan oleh pihak PUSTAKA, terdapat beberapa hal yang perlu dipertimbangkan oleh PUSTAKA untuk menambah point maturity level Beberapa pertimbangan tersebut antara lain : 1 Pada PO 1 yaitu menentukan rencana strategis TI, PUSTAKA perlu melakukan peningkatan perencanaan strategi pengembangan dan TI seperti: memperkirakan kinerja saat ini dan untuk jangka waktu yang lama, memperbaiki tingkat investasi yang dilakukan PUSTAKA Meskipun saat ini PUSTAKA telah memiliki perencanaan strategi, tetapi masih perlu ditingkatkan untuk dapat memenuhi kebutuhan dan sasaran yang ingin dicapai PUSTAKA Dengan perencanaan

66 Analisis Tingkat Kematangan TI 61 2 strategi yang baik, maka diharapkan akan dapat memenuhi kebutuhan TI dalam memperluas strategi pengembangan yang dikaitkan dengan kebutuhan PUSTAKA, dengan memusatkan kepada pengaplikasian TI dan manajemen bisnis yang baik dalam PUSTAKA Hal ini dapat dicapai dengan mengaplikasikan strategi perencanaan TI dengan kegiatan bisnis yang dijalankan dan menargetkan tujuantujuan pengembangan yang akan dicapai PUSTAKA 3 Pada PO2 yaitu pendefinisian arsitektur informasi, PUSTAKA perlu lebih meningkatkan kualitas dalam pengembangan arsitektir informasi dari informal menjadi formal Selain itu juga perlunya peningkatan keamanan data di dalam PUSTAKA 4 Pada PO3 yaitu penentuan arah teknologi, PUSTAKA perlu lebih meningkatkan rencana infrastruktur teknologi untuk jangka waktu ke depan Karena dengan perencanaan dan infrastruktur TI yang baik akan dapat memenuhi kebutuhan bisnis PUSTAKA akan TI, yaitu dengan meningkatkan kestabilan, efektifitas dan efisiensi, sumber daya dan kemampuan yang sesuai 5 Pada PO 4 yaitu pendefinisian proses TI organisasi dan hubungannya, PUSTAKA perlu mempertimbangkan untuk lebih meningkatkan kualitas dalam pengambilan keputusan manajemen Tidak hanya bergantung dari pengetahuan dan pengalaman dari manajemen saja Karena dengan pengambilan keputusan dengan manajemen yang tepat akan mendukung strategi bisnis yang akan dijalankan Hal ini didukung dengan menyediakan sumber-sumber sistem informasi yang telah mencakup data dan informasi, yang disesuaikan dengan strategi dan sasaran bisnis 6 Pada PO 5 yaitu pengelolaan investasi TI, perlunya peningkatan pengawasan dan pengelolaan investasi PUSTAKA agar dapat memenuhi kebutuhan bisnis PUSTAKA secara terus-menerus, sehingga PUSTAKA dapat meningkatkan efisiensi biaya TI Hal ini disebabkan karena seringkali adanya kekeliruan dalam mempertimbangkan dan memperhitungkan pengelolaan investasi PUSTAKA, seperti pengelolaan biaya dan anggaran serta manfaat yang akan diperoleh PUSTAKA Dengan adanya pengelolaan investasi yang tepat, akan memudahkan manajemen dalam mengelola serta mengatur investasi PUSTAKA untuk jangka waktu ke depan 7 Pada PO 6 yaitu menghubungkan arah dan tujuan manajemen, PUSTAKA perlu meningkatkan lagi komunikasi antara staf, manajemen dan manajemen tingkat atas dalam hal rencana,

67 62 TECHSI : Vol 9, No 1, April prosedur, dan kebijakan kontrol Sehingga arah dan tujuan pengembangan PUSTAKA bisa lebih baik dan fokus 9 Pada PO 7 yaitu pengelolaan sumber daya manusia TI, sumber daya manusia TI pada PUSTAKA saat ini jumlahnya terbatas Mengingat saat ini proses perencanaan strategi dan kegiatan bisnis hanya dilakukan oleh individu-individu yang terkait, sehingga PUSTAKA perlu untuk menambah atau merekrut tenaga kerja yang baru untuk mendukung pelaksanaan prose bisnis yang sudah dijalankan sebelumnya oleh manajemen TI 10 Pada PO 8 yaitu pengelolaan kualitas, Quality Management System yang ada pada PUSTAKA perlu ditingkatkan dari yang sebelumnya difokuskan pada proyek TI saja menjadi fokus pada proses dalam skala organisasi 11 Pada PO 9 yaitu penetapan dan pengelolaan risiko TI, PUSTAKA perlu melakukan pengelolaan risiko yang lebih baik dalam memperhitungkan segala dampak yang akan ditimbulkan pada pencapaian tujuan PUSTAKA Hal ini berkaitan dengan pengelolaan proyek yang ada pada PUSTAKA Di mana dari pengelolaan proyek yang baik, PUSTAKA akan dapat memperhitungkan segala dampak dan risiko yang akan ditimbulkan Sehingga untuk menanggulangi hal ini perlunya suatu perencanaan dan pengelolaan yang didukung dengan sumber daya yang berkualitas dan manajemen yang baik 12 Pada PO 10 yaitu pengelolaan proyek, untuk dapat meningkatkan kinerja dan kualitas dari setiap proyek yang dijalankan, perlu adanya peningkatan manajemen pengelolaan dari setiap proyek yang dijalankan, dengan perencanaan yang matang dan didukung dengan sumber daya yang berkualitas dan manajemen yang baik KESIMPULAN 1 Teknologi informasi yang ada di PUSTAKA saat ini belum dimanfaatkan secara maksimal Sehingga perlu ditingkatkan agar kinerja PUSTAKA pada umumnya bisa berjalan secara optimal dan dapat memenuhi kebutuhan dan sasaran yang ingin dicapai 2 Berdasarkan dari hasil analisis data evaluasi peran teknologi informasi berdasarkan domain plan and organise dengan metode maturity level, PUSTAKA saat ini berada pada angka 2,51 yaitu pada level Repeatable but Intuitive atau baru dijalankan Munurut Guldentops (2002), standar yang ditetapkan secara internasional

68 Analisis Tingkat Kematangan TI 63 3 adalah di angka 2,5 Dengan demikian posisi PUSTAKA sudah berada sedikit di atas standar yang telah ditentukan 4 Berdasarkan hasil analisis di atas, dan tidak adanya target yang ditetapkan oleh PUSTAKA pada posisi maturity level tersebut, maka langkah yang harus di ambil oleh pihak Manajemen TI PUSTAKA adalah menetapkan suatu standarisasi yang baku terhadap prosedurprosedur yang ada dan menambah jumlah personil IT di PUSTAKA SARAN Saran-saran yang dapat disampaikan sebagai hasil dari penelitian ini yang menggunakan metode maturity level pada kerangka kerja COBIT pada domain plan ang organise adalah sebagai berikut : 1 PUSTAKA perlu menyediakan perencanaan, prosedur, standar dan pendekatan yang terstruktur Pengembangan perencanaaan, prosedur, standar dan pendekatan yang terintegrasi membantu PUSTAKA dalam meningkatkan kinerja, khususnya bagian TI 2 Dalam meningkatkan proses bisnis khususnya pengelolaan teknologi informasi agar dapat terintegrasi dengan baik, maka PUSTAKA perlu melakukan penilaian terhadap ketiga domain lainnya Ketiga domain tersebut antara lain, Acquire and Implement, Deliver and Support, dan Monitor and Evaluate Dengan adanya penilaian-penilaian tersebut, diharapkan PUSTAKA lebih mengenal proses TI yang ada sehingga dapat merumuskan berbagai kebijakan dan prosedur yang merujuk pada hasil penilaian tersebut 3 Menambah jumlah personil IT, Mengingat saat ini proses perencanaan strategi dan kegiatan bisnis hanya dilakukan oleh individu-individu yang terkait, sehingga perlu untuk menambah atau merekrut tenaga kerja yang baru untuk mendukung pelaksanaan prose bisnis yang sudah dijalankan sebelumnya oleh manajemen TI DAFTAR PUSTAKA Guldentops, E, 2002 Information System Control, Journal of Information System, USA IT Governance Institute, 2007 CobIT (4,1 th ed), Framework, Control Objectives, Management Guidelines and Maturity Model, ITGI, USA Pederiva, A, 2003 The CobIT Maturity Model in a Vendor Evaluation Case, Information System Control Journal, Volume 3, USA

69 64 TECHSI : Vol 9, No 1, April 2017 Sanyoto, G, 2007 Audit Sistem Informasi dan pendekatan CobIT, Mitra Wacana Media, Jakarta Sasongko, Nanang, 2009 Pengukuran Kinerja Teknologi Informasi Menggunakan Framework COBIT versi 41, Ping Test dan CAAT pada PT Bank X Tbk Di Bandung, Seminar Nasional Aplikasi Teknologi Informasi, Bandung

70