Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
15
BAB III
ANALISA DAN PERANCANGAN SISTEM
UKM MBC (Muhammadiyah Badminton Club) dapat melakukan
rekruitment atlit pemain dan memberi perintah pada sistem untuk mengolah data
yang ada sesuai model yang digunakan dan meminta sistem memberikan
klasifikasi setelah dimasukkan beberapa data dari kriteria setiap pemain yang
diperhitungkan berdasarkan nilai yang diambil dari data Atlit. Keluaran informasi
sistem bisa dijadikan pertimbangan untuk menentukan atlit bulutangkis yang akan
di ikut sertakan dalam turnamen berdasarkan prioritas.
Berikut merupakan merupakan pohon perancangan sistem yang akan di buat:
Gambar 3.1 Pohon Perancangan
Perancangan
Analisis Sistem
Analisis Kebutuhan Data
Analisis Kebutuhan
Perangkat Keras
Analisis Kebutuhan
Perangkat Lunak
Perancangan Sistem
Arsitektur Sistem
Konteks Diagram
Data Flow Diagram Level 0
Data Flow Diagram Level 1
Manajemen Kandidat
Manajemen Kriteria
Manajemen Komentar
SVMPerancangan
Database
Entity Relationship
Diagram
Keterangan TablePerancangan Antarmuka (Interface)
16
3.1 Analisa Sistem
Analisa sistem merupakan tahapan awal dalam pembuatan sebuah aplikasi
analisa sistem pada bab ini meliputi analisa kebutuhan data, analisa kebutuhan
perangkat keras, dan analisa kebutuhan perangkat lunak.
3.1.1 Analisa Kebutuhan Data
Melalui tahapan perhitungan kombinasi metode Support Vector Machine
yang akan digunakan, maka untuk pembuatan sistem elemen-elemen yang
dibutuhkan sebagai berikut:
Ada dua jenis data yang akan digunakan pada sample testing yaitu
diterima dan tidak diterima. Pengujian pengukuran akurasi dilakukan
menggunakan metode K-fold cross validation dengan nilai k sebanyak 10 fold.
Yang artinya dari total jumlah data sebanyak 100 akan dibagi menjadi 10 subset
yang masing-masing subset berjumlah 10 data dengan kategori diterima dan tidak
diterima. Berikut ini adalah 100 data yang akan digunakan:
DAFTAR KLARIFIKASI KELAS MBC PERIODE 2017/2018
17
Berdasarkan data diatas dapat dijelaskan bahwa pelatih menggunakan 3
poin penilaian yaitu :
a. Stamina
Footwork (langkah kaki) merupakan teknik dasar bulu tangkis
untuk menghasilkan pukulan yang berkualitas.
Ketahanan adalah lamanya waktu otot bertahann terhadap tindakan
berulang yang dapat dilakukan terhadap perlawanan.
Kecepatan, menerapkan teknik langkah berurutan, hingga
memberikan hasil yang cukup.
b. Teknik Pukulan
Forehand (smash, clear/drive, net) merupakan pukulan yang
berbanding terbalik dengan backhand dimana forehand dilakukan
dengan menggunakan tangan kanan dari arah kanan sehingga
18
bagian depan tangan menghadap ke arah pukulan. Adapun semua
pukulan dari arah kanan dapat dimasukkan ke kategori ini.
Backhand (lop, clear/drive, net) adalah pukulan dengan tangan
kanan berposisi dari sebelah kiri sehingga tangan membelakangi
arah pukulan.
c. Variasi Stroke (Taktik Permainan)
Penempatan bola, bagaimana pemain mengkobinasikan teknik-
teknik dasar pukulan dalam menempatkan bola pada area musuh.
Ketepatan pukulan smash yaitu pukulan overhead (atas) yang
diarahkan ke bawah dan dilakukan dengan tenaga penuh.
Karakteristik pukulan ini adalah keras,laju jalannya kok cepat
menuju lantai lapangan.
Visi bermain adalah sebuah poin yang didapatkan dari absensi
kehadiran saat latihan.
3.2 Perancangan Sistem
Untuk mendapatkan gambaran mengenai sistem yang digunakan saat ini,
Kami melakukan analisa terhadap sistem dan memodelkannya dengan
menggunakan Flowchart dan Data Flow Diagram. Proses dan data model dari
sistem dimodelkan dengan Flowchart, Konteks Diagram, Data Flow Diagram dan
Desain database.
3.2.1 Gambaran Sistem
a. Gambaran Sistem untuk User
Berikut adalah gambaran alur sistem untuk pengguna, untuk inputan
sistem yang akan diproses adalah Atlet yang kita pilih dan nilai kriteria yang
diingikan, data tersebut akan diproses dalam sebuah sistem klasifikasi SVM
sehingga akan didapat hasil yaitu Atlet yang disarankan sesuai dengan data
training dan data testing yang di inputkan. Lihat pada gambar berikut:
19
Start
Data Test
End
SVM Clasification
Ambil Kelas
Terbaik
Atlet Yang
Terpilih
Convert to SVM
Format
Gambar 3.2 Gambaran Proses SVM
b. Klasifikasi Support Vector Machine
Algoritma SVM digunakan untuk mengklasifikasikan data menjadi
dua kelas yaitu kelas diterima dan tidak diterima, oleh karena itu data
dibagi menjadi dua bagian yaitu data latih dan data uji, kegunaan SVM
sendiri adalah untuk memisahkan kedua kelas tersebut menggunakan garis
pemisah (hyperplane) terbaik. Untuk pengklasifikasian data ,maka data
direpresentasikan sebagai vector berupa pasangan data (x,y). Nilai x
merupakan nilai dari setiap keriteria dari setiap pemain sedangkan nilai y
merupakan nilai dari class, untuk kelas diterima dengan label 1 sedangkan
tidak diterima dengan label -1. Berikut adalah alur proses SVM.
20
start
Kernel Linier
Set Parameter Kernel Linier
Model Klasifikasi
Nilai Hyperpalne
End
Data Test, Data
Training
Hasil Klasifikasi
Gambar 3.3 Alur Proses Support Vector Machine
Tahap klasifikasi menggunakan metode Support Vector Machine terbagi
menjadi dua yaitu tahap pelatihan dan tahap pengujian. Tahap pelatihan dilakukan
untuk menghasilkan model fitur yang nantinya akan digunakan sebagai acuan
perhitungan untuk mengklasifikasikan.
Data masukan akan diubah menjadi data vektor. Format data input untuk
klasifikasi SVM pada penelitian ini adalah 1 1: XX. Masukan pertama +1 atau -1
menyatakan dua label kelas awalan yang diberikan. Angka 1 sebelum tanda “:”
menyatakan indeks dan angka XX setelah tanda “:” menyatakan nilai dari kriteria
tersebut. Sebagai contoh dalam pengubahan data menjadi data vektor dapat dilihat
pada Tabel 3.4 dan 3.5 berikut:
21
Tabel 3.4 Data Asli
No Atlit Foot
Work Ketahanan Kecepatan
Smash
F
Clear
F
Net
F Lop
Clear
B
Net
B
Penempatan
Bila
Ketepatan
Smash
Visi
Bermain Kelas
1 1 75 90 81 76 80 82 65 78 76 78 76 80 Di
terima
2 2 80 72 71 87 89 86 80 84 84 87 82 87 Di
terima
3 3 85 92 82 90 86 80 82 82 83 84 84 81 Di
terima
4 4 72 70 74 76 70 72 64 76 74 76 75 75 Di
terima
5 5 68 65 72 78 69 68 68 74 70 76 72 73 DI
Tolak
6 6 82 79 81 80 89 75 80 80 82 80 80 79 Di
terima
7 7 64 70 74 76 78 69 68 76 73 77 72 80 Di
Tolak
8 8 69 74 68 74 69 78 68 78 74 78 75 75 Di
terima
9 9 80 84 74 84 76 76 60 75 70 76 78 77 Di
terima
10 10 78 86 72 80 79 80 58 69 71 72 71 81 Di
terima
11 11 68 58 60 72 69 64 48 58 64 65 63 70 Di
Tolak
12 12 69 80 63 70 68 79 58 64 69 68 70 73 DI
Tolak
Tabel 3.5 Data Vektor
No Atlit
1 1 1:75 2:90 3:81 4:76 5:80 6:82 7:65 8:78 9:76 10:78 11:76 12:80
2 1 1:80 2:72 3:71 4:87 5:89 6:86 7:80 8:84 9:84 10:87 11:82 12:87
3 1 1:85 2:92 3:82 4:90 5:86 6:80 7:82 8:82 9:83 10:84 11:84 12:81
4 1 1:72 2:70 3:74 4:76 5:70 6:72 7:64 8:76 9:74 10:76 11:75 12:75
5 -1 1:68 2:65 3:72 4:78 5:69 6:68 7:68 8:74 9:70 10:76 11:72 12:73
6 1 1:82 2:79 3:81 4:80 5:89 6:75 7:80 8:80 9:82 10:80 11:80 12:79
7 -1 1:64 2:70 3:74 4:76 5:78 6:69 7:68 8:76 9:73 10:77 11:72 12:80
8 1 1:69 2:74 3:68 4:74 5:69 6:78 7:68 8:78 9:74 10:78 11:75 12:75
9 1 1:80 2:84 3:74 4:84 5:76 6:76 7:60 8:75 9:70 10:76 11:78 12:77
10 1 1:78 2:86 3:72 4:80 5:79 6:80 7:58 8:69 9:71 10:72 11:71 12:81
11 -1 1:68 2:58 3:60 4:72 5:69 6:64 7:48 8:58 9:64 10:65 11:63 12:70
12 -1 1:69 2:80 3:63 4:70 5:68 6:79 7:58 8:64 9:69 10:68 11:70 12:73
Begitu seterusnya sehingga semua data yang akan di hitung terwakili oleh
format data vektor.
22
Pada tahap pelatihan metode Support Vector Machine ini akan dicari
fungsi pemisah (hyperplane) yang akan digunakan sebagai model dalam
mengklasifikasikan. Pada kasus Support Vector Machine jumlah hyperplane yang
terbentuk yaitu sebanyak k atau jumlah kelas. Jadi untuk kasus dua kelas seperti
kasus pada penelitian ini, maka akan terbentuk dua hyperplane. Pada hyperplane
pertama, data latih dalam kelas 1 (diterima) diberi label +1, dan 5 (DI Tolak)
diberi label -1.
Kemudian tahap selanjutnya adalah melakukan perhitungan kernel 𝑥𝑖𝑥𝑗𝑇
dimana 𝑖,𝑗 = 1,..,𝑛. Untuk 𝑥1 adalah seluruh nilai yang diambil dari bobot P1 dan
P2. Sedemikian sehingga setiap data untuk nilai 𝑥1 dapat diubah sesuai hasil
pembobotan kriteria menjadi bentuk sebagai berikut, sebagai contoh bentuk pada
pernyataan pertama:
𝑥1 = [75 90 81 76 80 82 65 78 76 78 76 80]
Kemudian data vektor setiap data sesuai dengan hasil pembobotan kriteria
pada setiap datanya. Dilakukan perhitungan 𝑥𝑖𝑥𝑗𝑇 pada setiap data.
Setelah mendapatkan nilai hyperplane pertama hingga kelima, selanjutnya
dapat menentukan data uji masuk ke dalam kategori diterima atau ditolak dengan
cara menghitung nilai hyperplane paling besar. Kelas i dengan hasil perhitungan
hyperplane terbesar adalah kelas data dari data uji.
Sebagai data uji dilakukan pada data dengan support vector (130.264,4).
Nilai vektor tersebut disubsitusikan seperti berikut:
𝑘𝑒𝑙𝑎𝑠 𝑥 = arg max 𝑘=1…5 ([𝑤1]𝑇.𝜑(𝑥) + 𝑏1,[𝑤2]𝑇.𝜑(𝑥) + 𝑏2,[𝑤3]𝑇.𝜑(𝑥)
+ 𝑏3,[𝑤4]𝑇.𝜑(𝑥) + 𝑏4,[𝑤5]𝑇.𝜑(𝑥) + 𝑏5)
Nilai w1 dan b1 didapatkan dari hasil pelatihan yang telah dilakukan
sebelumnya dimana angka 1 menunjukkan indeks kelas 1 yaitu diterima, angka -1
menunjukkan indeks kelas 2 yaitu ditolak.
3.2.2 Diagram Konteks
Diagram Konteks berfungsi untuk menggambarkan hubungan antara user
dengan sistem, masukan dan keluaran sistem, yang direpresentasikan dengan
lingkaran tunggal yang mewakili keseluruhan sistem. Berikut merupakan diagram
konteks dari aplikasi seleksi atlet bulu tangkis:
23
nilai_kriteria
atlet
atlet
autent ikasi
nilai_kirteria
login
0
Aplikasi Seleksi ATLIT
Bulu Tangkis
+
Admin
Gambar 3.6 Diagram Konteks
Dari gambar diatas terdapat aktor yang terlibat yaitu administrator yang
berfungsi sebagai, memanajemen data yang akan di olah seperti tambah, edit, dan
delete Atlit, tambah, edit, dan delete data kriteria, input, edit dan delete data nilai
setiap Atlit berdasarkan nilai kriteria, dan mengolah data dan menggunakan
system dalam penghitungan dan penilaian menggunakan algoritma SVM.
3.2.3 Data Flow Diagram Level 1
Data Flow Diagram (DFD) memungkinkan pengembangan untuk
mengembangkan model daerah informasi dan fungsi tersebut pada saat yang
bersamaan. DFD juga menunjukkan aliran suatu data diubah bentuk seakan-akan
data tersebut bergerak melalui sistem. DFD level 0 merupakan diagram dari
turunan penjelasan konteks diagram. Sehingga mendapatkan hasil lebih detail dari
diagram konteks. Berikut adalah gambar DFD level 0 aplikasi seleksi atlit
bulutangkis:
24
Hasil Seleksi
login
login
nilai_kriteria
at lit
nilai_kriteria
nilai_kriteria
at lit
at lit
nilai_kriteria at lit
at lit
nilai_kirteria
autent ikasi
login
Admin
1
Manajemen
at lit
2
Manajemen
Nilai Kriteria
3
Login
5
SVM
Klasif ikasi
+
at lit
penilaian
admin
Gambar 3.7 Data Flow Diagram Level 1
Data Flow Diagram Level 1 ini merupakan detail dari konteks diagram
dimana terdapat pecahan-pecahan proses dari konteks diagram yaitu login yang
berfungsi untuk mengindentifikasi administrator, manajemen Atlit yang berfungsi
untuk memanajemen data Atlit, manajemen criteria berfungsi untuk
memanajemen criteria, manajemen komentar, untuk memanajemen komentar
yang masuk, dan kombinasi metode Support Vector Machine yang berfungsi
untuk menghitung dalam mendukung keputusan proses pemilihan Atlit oleh user.
3.2.4 Data Flow Diagram Level 2
Dari Data flow Diagram Level 1 di turunkan lagi menjadi Data Flow
diagram Level 2 Agar setiap proses terlihat semakin detail, Berikut adalah Data
Flow Diagram Level 2 setiap proser:
a. Data Flow Diagram Level 2 - Login
DFD level 2 Login ini merupakan penjabaran dari DFD level 1 yang
memuat proses-proses yang ada dalam sistem. Yaitu meliputi cek username dan
25
password, dan hasil verifikasi username dan password.
data login
data login
data login
data login
ADMIN
admin
1
cek username dan
password
2
hasil v erif ikasi
Gambar 3.8 DFD Level 1 Proses Login
b. Manajemen Atlit
Gambar Data Flow Diagram berikut menjelaskan bahwa admin
memproses tambah data Atlit, mengedit data Atlit menghapus data Atlit,
menampilkan data Atlit dan semua proses tersebut merupakan proses manipulasi
data kedalam table Atlit.
at lit
at lit
at lit
at lit
at lit
at lit
at lit
at lit
Adminat lit
1
Insert
2
Update
3
Delete
4
View
Gambar 3.9 DFD Level 2 (Manajemen Atlit)
c. Manajemen Kriteria
Gambar Data Flow Diagram berikut menjelaskan bahwa admin
memproses tambah data kriteria, mengedit data kriteria menghapus data kriteria,
3.1
3.2
1.1
1.2
1.3
1.4
26
menampilkan data kriteria dan semua proses tersebut merupakan proses
manipulasi data kedalam database table kriteria.
nilai_kirteria
nilai_kirteria
nilai_kirterianilai_kirteria
nilai_kriteria
nilai_kriteria
nilai_kriteria
nilai_kirteria
Admin
penilaian
1
insert
2
update
3
delete
4
v iew
Gambar 3.10 DFD Level 2 (Manajemen Kriteria)
3.3 Perancangan Database
Analisis basis data adalah kegiatan menganalisis data yang akan diolah
dan disimpan dalam database. Dalam analisis ini direpresentasikan darimana data
berasal, atribut dan relasi entity dari data tersebut.
Entity Relationship Diagram atau ERD digunakan untuk menganalisis
tabel yang akan dibuat beserta relasinya pada basis data. Untuk lebih jelasnya
ERD yang dibutuhkan untuk sistem pengambilan keputusan yang akan dibangun
dapat dilihat pada gambar berikut:
2.1
2.2
2.3
2.4
27
Gambar 3.11 Conseptual Data Model (CDM)
Gambar 3.12 Phisical Data Model (PDM)
nilai atlit
nilai dari penilai
kriteria atlit
nilai kriteria
user penilai
user atlit
atl it
no
nim
nama
telp
usia
gender
<pi> Integer
Variable characters (40)
Variable characters (50)
Variable characters (5)
Variable characters (25)
Integer
Variable characters (25)
<M>
Identifier_1 <pi>
kriteria
id_kriteria
nama_kriteria
<pi> Integer
Variable characters (40)
<M>
Identifier_1 <pi>
penilai
id_penilai
nip
nim
<pi> Integer
Variable characters (20)
Variable characters (40)
Variable characters (25)
<M>
Identifier_1 <pi>
nilai
id_nilai
nilai
<pi> Integer
Float
<M>
Identifier_1 <pi>
user
id_user
username
password
nim
tgl_login
level
<pi> Integer
Variable characters (45)
Variable characters (45)
Variable characters (40)
Date
Variable characters (20)
<M>
Identifier_1 <pi>
FK_NILAI_ATLIT
FK_NILAI_DARI_PENILAI
FK_KRITERIA_ATLIT
FK_NILAI_KRITERIA
FK_USER_PENILAI
FK_USER_ATLIT
atlit
no
id_user
nim
nama
telp
usia
gender
int
int
varchar(40)
varchar(50)
varchar(5)
varchar(25)
int
varchar(25)
<pk>
<fk>
kriteria
id_kriteria
no
id_nilai
nama_kriteria
int
int
int
varchar(40)
<pk>
<fk1>
<fk2>
penilai
id_penilai
id_user
nip
nim
int
int
varchar(20)
varchar(40)
varchar(25)
<pk>
<fk>
nilai
id_nilai
no
id_penilai
nilai
int
int
int
float
<pk>
<fk1>
<fk2>
user
id_user
username
password
nim
tgl_login
level
int
varchar(45)
varchar(45)
varchar(40)
date
varchar(20)
<pk>
28
1. Tabel Data Admin
Tabel ini digunakan untuk menyimpan data pengguna. Data-data terkait akan
disimpan dalam tabel ini. Berikut adalah data yang terkait :
Table 3.13 Data Admin
No Nama Fild Tipe Data Panjang data
1 Id_user Integer -
2 username Variable Character 40
3 password Variable Character 60
4 Nama Variable Character 40
5 Tgl_login Date
2. Tabel Atlit
Tabel ini digunakan untuk menyimpan data Atlit yang menjadi objek pada sistem,
yaitu objek yang akan di input, dan dinilai. Data-data terkait yang akan disimpan
dalam tabel Atlit adalah:
Tabel 3.14 Atlit
No Nama Fild Tipe Data Panjang data
1 Nim Variable Character 40
2 Nama Variable Character 40
3 Alamat Variable Character 60
4 Telp Variable Character 13
5 Email Variable Character 40
7 Usia Interget
8 Gender Variable Character 20
3. Tabel Nilai
Table ini digunakan untuk menyimpan data penilaian tiap kriteria pada tiap Atlit
Atlit yang di input oleh admin.
29
Table 3.15 Table Nilai
No Nama Fild Tipe Data Panjang data
1 Id_nilai Integer -
2 Nilai Double -
4. Tabel Komentar
Table ini digunakan untuk menyimpan data komentar tiap atlit atlit yang di input
oleh para viewer atau user untuk menampung masukan dan saran untuk masing –
masing atlit :
Table 3.16 Komentar
No Nama Fild Tipe Data Panjang data
1 Id_komentas Integer -
2 Id_Atlit Double -
3 Id_sdm Integer -
4 Komentar Variable Character 500
3.4 Perancangan Antar Muka (Interface)
Perancangan antarmuka merupakan gambaran halaman yang akan di lihat
langsung oleh user, berikut merupakan rancangan antarmuka system pendukung
keputusan pemilihan calon atlit MKS.
3.4.1 Perancangan Halaman Admin
3.4.1.1 Halaman Login
Form login ini digunakan untuk mengecek apakah username dan password yang
dimasukkan telah benar untuk dapat login. Dalam form ini terdapat 1 tombol yaitu
Login.
LOGIN ADMINISTRATOR
Username
Password
Login
30
3.4.1.2 Halaman Utama
Rancangan halaman admin ini berisikan gambar tampilan halaman utama
serta menu apa saja yang dapat digunakan oleh admin nantinya.
Gambar 3.17 Rancangan halaman utama
3.4.1.3 Halaman Manajemen Atlit
Digunakan untuk menampilkan data atlit atlit, yang nantinya dapat di edit
isi dari data atlit tersebut.
Dari gambar untuk form input berisikan data nama jenis kelamin dan lain–
lain yang nantinya akan diisi oleh admin untuk keperluan database. Data tersebut
akan secara otomatis tersimpan. Untuk keterangan edit delete dan detail juga akan
secara otomatis mengarahkan kepada form ini kembali.
Rancangan: halaman dapat dilihat pada gambar 3.18.
HOME | ATLIT | PENILAI | KRITERIA | SVM
LOGO
Logout
SITE WEB
31
Gambar 3.18 Halaman Manajemen Atlit.
3.4.1.4 Halaman Manajemen Nilai
Digunakan untuk menampilkan dan memanajemen data nilai kriteria Atlit
yang oleh admin dapat di edit isi dari data nilai tersebut.
Pada gambar di bawah juga akan ditampikan data data dari atlit yang akan
kita beri komentar. Rancangan: halaman dapat dilihat pada gambar 3.19.
HOME | ATLIT | PENILAI | KRITERIA | KOMENTAR
LOGO
Logout
FORM INPUT PRODUK Nama : [………………………………………………………………] Jenis Klamin : [………………………………………………………………] Alamat : [………………………………………………………………] Email : [………………………………………………………………] Telp : [………………………………………………………………] Nim : [………………………………………………………………]
No Nama Alamat Telp
Edit Delete Detail Edit Delete Detail Edit Delete Detail Edit Delete Detail Edit Delete Detail Edit Delete Detail Edit Delete Detail
Simpan
32
Gambar 3.19 Halaman Manajemen Nilai.
HOME | ATLIT | PENILAI | KRITERIA | KOMENTAR
LOGO
Logout
FORM INPUT NILAI Nomor : [………………………………………………………………] Nama : [………………………………………………………………] Kriteria 1 : […………………] Kriteria 2 : […………………] Kriteria 3 : […………………] Kriteria 4 : […………………] Kriteria 5 : […………………] Kriteria 6 : […………………] Keterangan : [………………………………………………………………]
No NIM NAMA Nilai
Edit Delete Detail Edit Delete Detail Edit Delete Detail Edit Delete Detail Edit Delete Detail Edit Delete Detail Edit Delete Detail
Simpan