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. 1208605039 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA BUKIT JIMBARAN 2016 i
SURAT PERNYATAAN KEASLIAN KARYA ILMIAH Yang bertanda tangan di bawah ini menyatakan bahwa naskah Skripsi dengan judul: Nama : IGM Surya A. Darmana NIM : 1208605039 Program Studi : Teknik Informatika E-mail : igm.suryaadarmana@mhs.cs.unud.ac.id Nomor telp/hp : 081236036878 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. 1208605039
Judul : Perancangan Sistem Penentuan Kecakapan Menulis Bahasa Inggris Siswa SMP Menggunakan Algoritma k-modes Clustering Nama : IGM Surya A. Darmana NIM. : 1208605039 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 0.7519464480837383 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 0.6180349051105538 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
Title : Perancangan Sistem Penentuan Kecakapan Menulis Bahasa Inggris Siswa SMP Menggunakan Algoritma k-modes Clustering Name : IGM Surya A. Darmana Regisration : 1208605039 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 0.7519464480837383 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 0.6180349051105538 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
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
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... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah... 2 1.3 Batasan Masalah... 3 1.4 Tujuan Penelitian... 3 1.5 Manfaat Penelitian... 4 1.6 Metodologi Penelitian... 4 1.6.1 Desain Penelitian... 4 1.6.2 Pengumpulan Data... 5 1.6.3 Metode Yang Digunakan... 5 BAB II TINJAUAN PUSTAKA... 7 2.1 Tinjauan Teoritis... 7 2.1.1 Analisis Berbasis Cluster... 7 2.1.2 Clustering Pada Set Data Kategorikal... 9 2.1.3 Algoritma k-means... 10 2.1.4 Algoritma k-modes... 13 vi
vii 2.1.5 Metode Inisialisasi Untuk Mencari Centroid Awal pada k-modes... 15 2.1.6 Metode Pengembangan Perangkat Lunak Waterfall... 15 2.1.7 Functional Decomposition Diagram (FDD)... 16 2.1.8 Data Flow Diagram (DFD)... 16 2.1.9 Evaluasi Cluster Menggunakan Silhoutte Index... 18 2.1.10 Strategi Pengujian Perangkat Lunak... 19 2.2 Tinjauan Empiris... 20 BAB III ANALISIS DAN PERANCANGAN... 22 3.1 Analisis Kebutuhan Sistem... 23 3.1.1 Kebutuhan Fungsional... 23 3.1.2 Kebutuan Non-Fungsional... 25 3.2 Functional Decomposition Diagram (FDD)... 25 3.3 Data Flow Diagram (DFD)... 29 3.3.1 Context Diagram... 29 3.3.2 DFD Level-0 Sistem... 30 3.3.3 DFD Level-1 Manajemen Siswa... 33 3.3.4 DFD Level-1 Manajemen Kriteria... 35 3.3.5 DFD Level-1 Manajemen Tugas... 37 3.3.6 DFD Level-1 Pengelompokan Siswa... 39 3.4 Diagram Alir Sistem... 41 3.5 Diagram Alir Algoritma k-modes... 44 3.5 Entity Relationship Diagram (ERD)... 52 3.6 Rancangan Antar Muka Sistem... 53 3.5 Pengujian dan Evaluasi... 62 3.5.1 Skenario Pengujian Sistem... 63
viii BAB IV HASIL DAN PEMBAHASAN... 64 4.1 Pengumpulan Dataset... 64 4.2 Lingkungan Implementasi... 67 4.3 Implementasi Basis Data... 67 4.5 Implementasi Algoritma k-modes pada Sistem... 70 4.5.1 Fungsi Utama... 70 4.5.2 Fungsi Pemilihan Centroid... 72 4.5.3 Fungsi Pencocokan Kategori... 73 4.5.4 Fungsi Perhitungan Total Jarak... 74 4.5.5 Fungsi Pengelompokkan... 76 4.5.6 Fungsi Penentuan Centroid Baru... 77 4.6 Implementasi Antar Muka Sistem... 79 4.7 Pengujian... 88 4.7.1 Pengujian Fungsionalitas Sistem (Black Box Testing)... 88 4.7.2 Evaluasi Cluster dengan Silhoutte Index... 111 BAB V KESIMPULAN DAN SARAN... 113 5.1 Kesimpulan... 113 5.2 Saran... 114 DAFTAR PUSTAKA... 115
DAFTAR TABEL Tabel 2.1 Jenis-jenis Proses Clustering... 7 Tabel 3.2 Kebutuhan Fungsional Sistem... 23 Tabel 3.2 Kebutuhan Fungsional Sistem (Lanjutan)... 24 Tabel 3.3 Penjelasan Proses dan Sub Proses dalam FDD... 27 Tabel 3.3 Penjelasan Proses dan Sub Proses dalam FDD (Lanjutan)... 28 Tabel 3.3 Contoh data set penilaian siswa... 45 Tabel 3.5 Frekuensi Atribut C1 Pada Dataset Kasus... 48 Tabel 3.6 Contoh Hasil Perhitungan Jarak X2 dengan Q1... 49 Tabel 3.7 Contoh Hasil Perhitungan Jarak Xi dengan Qk... 49 Tabel 3.8 Pembobtan Kategori... 50 Tabel 3.9 Contoh Hasil Perhitungan Jarak Xi dengan Qk... 51 Tabel 3.10 Rancangan Tabel Pengujian Black Box... 63 Tabel 4.1 Kriteria penentuan kecakapan menulis Bahasa Inggris... 64 Tabel 4.2 Detail Kriteria Pengembangan Konten (C1)... 64 Tabel 4.3 Detail Kriteria Penyusunan (C2)... 65 Tabel 4.4 Detail Kriteria Tatabahasa/Struktur Kalimat (C3)... 65 Tabel 4.5 Detail Kriteria Kosakata (C4)... 66 Tabel 4.6 Detail Kriteria Mekanisme Penulisan (C5)... 66 Tabel 4.7 Checklist Kebutuhan... 89 Tabel 4.8 Pengujian validasi input pada proses login... 90 Tabel 4.9 Pengujian pemberian hak akses pada proses login... 90 Tabel 4.10 Pengujian menu dashboard guru... 91 Tabel 4.11 Pengujian menu dashboard siswa... 92 Tabel 4.12 Pengujian operasi pencarian dan filter kelas data siswa... 93 Tabel 4.13 Pengujian operasi penambahan data siswa baru... 95 Tabel 4.14 Pengujian operasi pembaruan data siswa... 96 Tabel 4.15 Pengujian operasi penghapusan data siswa... 97 Tabel 4.16 Pengujian operasi penilaian tugas siswa... 98 Tabel 4.17 Pengujian operasi penambahan data tugas baru... 102 ix
x Tabel 4.18 Pengujian operasi pembaruan data tugas... 102 Tabel 4.19 Pengujian operasi penghapusan data tugas... 104 Tabel 4.20 Pengujian operasi penghapusan data tugas... 104 Tabel 4.21 Pengujian operasi penambahan data kriteria baru... 106 Tabel 4.22 Pengujian operasi pembaruan data kriteria... 107 Tabel 4.23 Pengujian operasi penghapusan data kriteria... 108 Tabel 4.24 Pengujian operasi pengelompokan data siswa... 109 Tabel 4.25 Pengujian operasi untuk menampilkan hasil penilaian dan kelompok kepada siswa... 110 Tabel 4.26 Kode Metode Perhitungan Jarak... 111 Tabel 4.27 Nilai SI Pada k = 2... 111 Tabel 4.28 Nilai SI Pada k = 3... 111 Tabel 4.29 Nilai SI Pada k = 4... 112 Gambar 4.18 Ilustrasi Perbandingan Nilai SI Global... 112
DAFTAR GAMBAR Gambar 2.1 Klasifikasi Algoritma Clustering untuk Data Kategorikal... 9 Gambar 2.2 Model Metodologi Waterfall... 15 Gambar 2.3 Simbol-simbol pada DFD... 17 Gambar 3.1 Functional Decomposition Diagram Sistem... 26 Gambar 3.2 Context Diagram Sistem... 29 Gambar 3.3 DFD Level-0 Sistem... 30 Gambar 3.4 DFD Level-1 Manajemen Siswa... 33 Gambar 3.5 DFD Level-1 Manajemen Kriteria... 35 Gambar 3.6 DFD Level-1 Manajemen Tugas... 37 Gambar 3.7 DFD Level-1 Pengelompokan Siswa... 40 Gambar 3.8 Diagram alir sistem (a)... 41 Gambar 3.9 Diagram alir sistem (b)... 42 Gambar 3.10 Diagram alir sistem (c)... 43 Gambar 3.11 Diagram alir algoritma k-modes... 44 Gambar 3.12 Diagram alir sub proses pengalokasian setiap dataset ke centroid terdekatnya... 45 Gambar 3.13 Entity Relationship Diagram Sistem... 52 Gambar 3.14 Rancangan Antar Muka Tampilan Login... 53 Gambar 3.15 Rancangan Antar Muka Tampilan Dashboard Guru... 54 Gambar 3.16 Rancangan Antar Muka Tampilan Dashboard Guru... 55 Gambar 3.17 Rancangan Antar Muka Tampilan Manajemen Siswa... 56 Gambar 3.18 Rancangan Antar Muka Tampilan Form Tambah Siswa... 56 Gambar 3.19 Rancangan Antar Muka Tampilan Form Penilaian Siswa... 57 Gambar 3.20 Rancangan Antar Muka Tampilan Manajemen Kriteria... 57 Gambar 3.21 Rancangan Antar Muka Tampilan Form Tambah Kriteria... 58 Gambar 3.22 Rancangan Antar Muka Tampilan Manajemen Tugas... 59 Gambar 3.23 Rancangan Antar Muka Tampilan Form Tambah Tugas... 59 Gambar 3.24 Rancangan Antar Muka Tampilan Penyetoran Tugas... 60 Gambar 3.25 Rancangan Antar Muka Tampilan Form Penyetoran Tugas... 61 xi
xii Gambar 3.26 Rancangan Antar Muka Tampilan Hasil Pengelompokan Siswa... 61 Gambar 3.27 Rancangan Antar Muka Tampilan Lihat Nilai Siswa... 62 Gambar 4.1 Skema Basis Data Sistem... 67 Gambar 4.2 Implementasi Tampilan Login... 79 Gambar 4.3 Implementasi Tampilan Dashboard Guru... 80 Gambar 4.4 Implementasi Tampilan Dashboard Siswa... 80 Gambar 4.5 Implementasi Tampilan Manajemen Data Siswa... 81 Gambar 4.6 Implementasi Tampilan Tambah Data Siswa... 81 Gambar 4.7 Implementasi Tampilan Form Penilaian Siswa... 82 Gambar 4.8 Implementasi Tampilan Manajemen Kriteria... 83 Gambar 4.9 Implementasi Tampilan Form Tambah Kriteria... 83 Gambar 4.10 Implementasi Tampilan Detail Kriteria... 84 Gambar 4.11 Implementasi Tampilan Manajemen Tugas... 84 Gambar 4.12 Implementasi Tampilan Form Tambah Tugas... 85 Gambar 4.13 Implementasi Tampilan Pengumpulan Tugas... 86 Gambar 4.14 Implementasi Tampilan Form Pengumpulan Tugas... 86 Gambar 4.15 Implementasi Tampilan Hasil Pengelompokan (a)... 87 Gambar 4.16 Implementasi Tampilan Hasil Pengelompokan (b)... 87 Gambar 4.17 Implementasi Tampilan Hasil Pengelompokan (c)... 88 Tabel 4.26 Kode Metode Perhitungan Jarak... 111 Gambar 4.18 Ilustrasi Perbandingan Nilai SI Global... 112
Lampiran 1. Hasil Pengelompokkan Siswa DAFTAR LAMPIRAN xiii