bab iv analisa dan perancangan 4.1 analisis sistem

66

BAB IV

ANALISA DAN PERANCANGAN

4.1 Analisis Sistem

Analisis sistem merupakan suatu kegiatan yang bertujuan mempelajari

serta mengevaluasi bentuk permasalahan yang ada pada sistem. Sedangkan

analisis sistem yang berjalan adalah salah satu teknik untuk menguraikan masalah

dan mencari gambaran dari sistem yang sedang berjalan sekarang ini agar dapat

diketahui masalah dan kelemahannnya serta memecah sistem menjadi bagian-

bagian komponen dengan tujuan untuk mempelajari seberapa baik bagian

komponen tersebut bekerja dan berinteraksi di BPS Provinsi Sumatera Utara.

Analisis sistem dari aliran sistem informasi yang sedang berjalan merupakan

kegiatan penting dalam perancangan sistem baru yang bertujuan untuk

mengetahui keadaan sistem yang berjalan saat ini serta kelemahan-kelemahan

yang perlu adanya perbaikan. Pembahasan aliran sistem imformasi

pengelompokkan penduduk buta aksara yang sedang berjalan saat ini pada BPS

Provinsi Sumatera Utara adalah sebagai berikut:

1. Dinas Pendidikan dan Kebudayaan mengumpulkan data penduduk buta

aksara. Selanjutnya data diserahkan kepada BPS Provinsi Sumatera Utara.

2. Setelah data diterima petugas BPS bagian start sosial, data kemudian

diserahkan kepada petugas BPS bagian seksi kesejahteraan rakyat untuk

tahap penginputan data. Setelah data selesai di input selanjutnya disimpan

kedalam database dan laporan data penduduk buta aksara kemudian

diarsipkan. Kemudian diserahkan kepada petugas BPS bagian start sosial.

67

3. Laporan yang diterima bagian start sosial kemudian diperiksa

kebenarannya setelah semua data benar maka laporan selanjutnya

diserahkan kepada pimpinan.

4. Laporan yang telah diterima oleh pimpinan kemudian disimpan sebagai

bukti laporan yang ada.

Gambar 4.1 menunjukan aliran dari sistem informasi yang sedang berjalan

pada BPS Provinsi Sumatera Utara.

68

Gambar 4.1 Aliran Sistem Informasi Berjalan pada BPS Provinsi Sumatera

Utara

69

4.1.1 Analisis Masalah

Dalam hal penelitian pengelompokkan data penduduk buta aksara di wilayah

Sumatera Utara, masalah selalu terjadi pada saat proses pengelompokkan

dilakukkan pada tiap tahunnya. Dilihat dari aliran sistem informasi yang sedang

berjalan pada saat ini, dalam pengolahan data penduduk buta aksara di wilayah

Sumatera Utara masih dilakukan secara manual, hal ini nantinya bisa

menyebabkan terjadinya penumpukan berkas serta kurang efektifnya proses

penanggulangan dan pencegahan masalah buta aksara yang semakin meluas.

Dalam pengelompokkan data penduduk buta aksara di wilayah Sumatera

Utara, observasi data penduduk buta aksara dilakukan secara menyeluruh oleh

Dinas Pendidikan dan Kebudayaan disetiap kabupaten yang ada di Sumatera

Utara. Sementara sering sekali dalam hal ini kurang mendapatkan perhatian.

Akibatnya sering muncul kendala ketika dilapangan masih ditemukan masyarakat

yang masih mengalami buta aksara karena kurangnya penanganan oleh

Pemerintah.

Analisis masalah yang digunakan dalam penelitian ini adalah analisis

PIECES. Metode PIECES dapat digunakan untuk menganalisis masalah dan

kelemahan dari sistem lama. PIECES sendiri meliputi Kinerja (Performance),

Informasi (Information), Ekonomi (Economic), Kontrol (Control), Efisiensi

(Efficiency) danpelayanan (Service).

1. Analisis Kinerja (Performance)

Kinerja dalam analisis yang perlu ditingkatkan guna meminimalisir hasil

dari suatu keputusan yang lebih akurat dan efisien, Dalam hal ini, kinerja

diukur dari:

70

a. Throughput, jumlah pekerjaan / output / deliverables yang dapat dapat

dilakukan atau dihasilkan pada saat tertentu.

b. Response Time, waktu yang dibutuhkan untuk menyelesaikan

serangkaian kegiatan untuk menghasilkan output / deliverables

tertentu. Waktu yang dibutuhkan dalam kinerja serangkaian kegiatan

ini kurang lebih 2 bulan.

c. Audibilitas, kecocokan dimana keselarasan terhadap standar dapat

diperiksa.

d. Kelaziman komunikasi, tingkat dimana interface standar, protokol, dan

bandwith yang digunakan.

e. Kelengkapan, derajat dimana implementasi penuh dari fungsi yang

diharapkan tercapai.

f. Konsistensi, penggunaan desain dan teknik dokumentasi yang seragam

pada keseluruhan proyek pengembangan perangkat lunak.

g. Toleransi kesalahan, kerusakan yang nantinya akan terjadi pada saat

program mengalami kesalahan diluar dari dugaan yang sebelumnya.

2. Information

Informasi adalah sesuatu yang dibutuhkan oleh peneliti karena, dengan

informasi dapat melakukan proses-proses dan tahapan yang perlu dilakukan

selanjutnya terhadap masalah yang dihadapi oleh pihak yang terkait

didalamnya.

3. Economic

Pemanfaatan biaya yang digunakan dari pemanfaatan informasi sebelumnya.

Peningkatan terhadap kebutuhan informasi yang ekonomi dapat

71

mempengaruhi pengendalian biaya dan peningkatan manfaat terhadap sistem

informasi.

4. Control

Analisis ini digunakan untuk membandingkan sistem yang dianalisa

berdasarkan pada segi integritas sistem, kemudahan akses dan kesamaan data.

5. Service

Peningkatan pelayanan memperlihatkan kategori yang beragam. Peningkatan

pelayanan yang lebih baik bagi manajemen, user dan bagian lain merupakan

simbol kualitas dari suatu sistem informasi.

4.1.2 Analisis Kebutuhan Sistem

Untuk mendapatkan hasil dari pengelompokkan data penduduk buta aksara

tertinggi di wilayah Sumatera Utara, pihak BPS perlu adanya sistem yang dapat

memberikan solusi terbaik dalam proses pengolahan data buta aksara. Oleh karena

itu perlu dibuatkan sistem yang mana didalamnya terdapat proses Algoritma K-

Means Clustering sehingga kedepannya diharapkan dapat memberikan solusi dari

pekerjaan yang selama ini dilakukan secara manual. Selain itu, karena didukung

dengan tersedianya sebuah sistem yang ada, serta tersedianya sumber daya

manusia yang dapat menggunakan komputer, sehingga dapat meminimalkan

waktu dan biaya yang dibutuhkan dalam pengolahan data serta dapat

mendapatkan hasil yang lebih cepat dan tepat.

72

4.1.2.1 Analisis Data

Analisis data adalah upaya atau cara untuk mengolah data menjadi

informasi, sehingga karakteristik data tersebut bisa dipahami dan bermanfaat

untuk solusi permasalahan, terutama masalah yang berkaitan dengan penelitian.

Dalam masalah penelitian ini, data yang menjadi masukannya yaitu data

penduduk buta aksara pada tahun 2017-2019. Data tersebut dapat dilihat seperti

pada tabel berikut:

Tabel 4.1 Data Penduduk Buta Aksara

KABUPATEN/KOTA

2017 2018 2019

10-

24

25-

64 65+

10-

24

25-

64 65+

10-

24

25-

64 65+

KABUPATEN NIAS 1,46 40,98 49,22 0,60 18,58 44,19 0,01 14,19 38,91

KABUPATEN

MANDAILING NATAL 0,09 0,29 4,63 0,25 0,31 5,87 0,00 1,00 5,10

KABUPATEN

TAPANULI SELATAN 0,94 0,13 1,45 0,76 0,80 1,48 0,47 0,36 0,33

KABUPATEN

TAPANULI TENGAH 1,23 0,47 9,73 0,62 0,99 7,66 1,02 3,00 5,55

KABUPATEN

TAPANULI UTARA 0,00 0,05 7,63 0,55 0,27 4,72 0,00 0,29 1,49

KABUPATEN TOBA

SAMOSIR 1,54 0,17 5,48 0,51 0,00 3,41 0,71 0,58 0,18

KABUPATEN

LABUHAN BATU 0,20 0,59 3,15 1,41 0,31 2,43 0,23 0,00 3,52

KABUPATEN ASAHAN 0,90 0,00 14,87 0,00 0,43 9,23 0,00 0,67 9,45

KABUPATEN

SIMALUNGUN 0,93 0,71 7,80 0,42 0,09 8,53 0,70 1,12 2,64

KABUPATEN DAIRI 0,72 0,67 4,28 0,00 0,00 5,54 0,98 0,06 0,46

KABUPATEN KARO 0,75 0,49 2,06 0,00 0,00 3,45 0,86 0,32 2,26

KABUPATEN DELI

SERDANG 0,53 0,00 7,86 0,17 0,35 4,91 0,10 0,12 7,85

KABUPATEN

LANGKAT 0,75 0,64 5,54 0,24 0,11 8,22 0,00 1,75 9,82

73

KABUPATEN NIAS

SELATAN 1,41 34,64 41,22 2,53 26,57 50,95 1,36 14,80 33,87

KABUPATEN

HUMBANG

HASUNDUTAN

6,37 0,24 8,93 1,56 0,86 6,36 0,00 1,61 4,41

KABUPATEN PAKPAK

BHARAT 0,51 2,76 20,82 0,00 0,83 12,54 0,00 1,52 4,80

KABUPATEN SAMOSIR 0,00 1,92 12,86 0,00 0,75 6,89 0,00 2,00 8,51

KABUPATEN

SERDANG BEDAGAI 0,00 0,26 8,64 0,45 0,70 7,02 0,14 0,89 10,35

KABUPATEN BATU

BARA 0,00 0,46 14,39 0,00 1,19 11,57 0,44 2,42 11,34

KABUPATEN PADANG

LAWAS UTARA 0,00 0,17 10,12 0,26 0,39 4,54 0,00 1,34 2,65

KABUPATEN PADANG

LAWAS 0,00 0,54 8,06 0,23 0,35 3,33 0,26 0,00 0,00

KABUPATEN

LABUHAN BATU

SELATAN

0,00 0,54 2,96 0,00 0,17 4,21 1,59 1,44 13,45

KABUPATEN

LABUHAN BATU

UTARA

0,73 0,54 5,51 0,24 0,29 10,44 0,00 1,58 4,65

KABUPATEN NIAS

UTARA 0,95 20,26 40,94 1,64 20,69 41,37 1,25 6,47 16,70

KABUPATEN NIAS

BARAT 0,37 44,73 69,42 3,01 29,77 42,28 0,98 14,29 27,28

KOTA SIBOLGA 2,18 1,20 8,93 0,00 0,47 4,26 0,73 0,29 2,16

KOTA TANJUNG BALAI 0,15 0,69 8,38 0,32 0,09 7,64 0,00 0,27 3,62

KOTA

PEMATANGSIANTAR 0,00 0,22 1,62 0,35 0,23 2,89 0,45 0,19 1,43

KOTA TEBING TINGGI 0,84 0,33 3,29 0,32 0,57 5,58 0,17 0,32 3,72

KOTA MEDAN 0,12 0,00 1,64 0,92 0,13 1,00 0,00 0,25 1,07

KOTA BINJAI 0,49 0,17 6,76 0,00 0,57 5,65 0,23 0,00 0,94

KOTA PADANG

SIDIMPUAN 0,00 0,01 7,48 0,00 0,18 2,48 0,00 0,18 0,45

KOTA GUNUNG SITOLI 2,63 5,64 28,80 0,00 6,79 12,48 0,77 5,62 20,74

Sumber : Badan Pusat Statistik Provinsi Sumatera Utara

74

4.1.2.2 Analisis Proses

Analisis proses merupakan uraian dari proses sistem yang dibutuhkan pada

pengelompokkan data penduduk buta aksara di wilayah Sumatera Utara. Adapun

analisis proses dari sistem yang diusulkan adalah sebagai berikut:

1. Dinas Pendidikan dan Kebudayaan mengumpulkan data penduduk buta

aksara. Selanjutnya data diserahkan kepada BPS Provinsi Sumatera Utara.

2. Setelah data diterima petugas BPS bagian start sosial, data penduduk buta

aksara kemudian diserahkan kepada petugas BPS bagian seksi kesejahteraan

rakyat untuk tahap penginputan dan pengclusteran.

3. Petugas BPS bagian kesejahteraan rakyat melakukan pengolahan data

penduduk buta aksara dengan menginputkannya kedalam sistem. Kemudian

data di cluster kan berdasarkan kelompok yang sama. Hasil dari cluster

penduduk buta aksara yang sudah terkelompok disimpan kedalam database.

Laporan data penduduk buta aksara kemudian diarsipkan, yang selanjutnya

diserahkan kembali kepada petugas BPS bagian start sosial.

4. Laporan yang telah diterima petugas BPS bagian start sosial kemudian

diperiksa kembali untuk memastikan tidak adanya kesalahan dalam

penginputan dan pengclusteran. Setelah data dipastikan benar selanjutnya

laporan diserahkan kepada pimpinan BPS Provinsi Sumatera Utara.

5. Laporan data buta aksara yang telah diterima oleh pimpinan kemudian

disimpan sebagai bukti laporan yang ada.

Gambar 4.2 menunjukan aliran dari sistem informasi yang diusulkan pada

BPS Provinsi Sumatera Utara.

75

Gambar 4.2 Aliran Sistem Informasi yang di Usulkan Pada BPS Provinsi

Sumatera Utara

76

4.1.2.3 Analisis Pengguna

1. Pengguna Sistem

Pada penelitian ini, yang menjadi pengguna sistem ialah pihak BPS Provinsi

Sumatera Utara bagian seksi kesejahteraan sosial, karena data mengenai

kependudukan, kesejahteraan rakyat dan ketahanan sosial diolah bagian seksi

kesejahteraan rakyat termasuk didalamnya mengenai data penduduk buta aksara.

Sistem ini ditunjukkan kepada petugas bagian kesejahteraan sosial yang memang

ahli dibidang komputer, tujuannya agar memudahkan dalam penggunaan sistem

yang akan dibuat nantinya.

2. Tujuan Penggunaan Sistem

Adapun yang menjadi dasar tujuan penggunaan sistem ini yaitu untuk

memudahkan pekerjaan serta menghemat biaya yang dikeluarkan. Serta

memastikan hasil dari cluster yang didapatkan mengenai pengelompokkan data

penduduk buta aksara tertinggi. Agar nantinya pemerintah lebih mudah dalam

melakukan sosialisasi dan melaksanakan kegiatan keaksaraan ke daerah-daerah

yang memerlukan penanganan lebih.

3. Strategi Penggunaan Sistem

Untuk menentukan strategi yang dapat mendukung pencapaian dari sistem

yang dibangun, maka diperlukan pemahaman tentang strategi organisasi.

Pemahaman tersebut mencakup hal-hal yang berkaitan dengan mengapa diperlukan

sistem ini, apa tujuannya, bagaimana mencapai tujuan tersebut. Strategi mengarah

pada kinerja sistem yang akan menghasilkan informasi yang akurat yang dapat

77

digunakan sebagai masukan dalam mengambil keputusan. Agar sistem dapat

digunakan dengan baik oleh pengguna maka dibutuhkan strategi untuk

mempertahankan informasi strategi sistem yang sekarang dan dimasa yang akan

datang.

4.1.2.4 Analisis Perangkat Keras (Hardware)

Adapun perangkat keras atau hardware yang terkait dalam penelitian ini

antara lain:

Tabel 4.2 Perangkat Keras (Hardware)

No Nama

Hardware Spesifikasi

Jum

lah Fungsi Harga

1. Pc/Laptop - Procesor Intel (R)

Celeron

- Dual Core (TM) N3350

- Procesor (2MB, 1.60

GHz up to 2.16 GHz)

- RAM 2 GB

- Hardisk 500 GB

1 Sebagai alat antar muka,

penampil,media

penyimpanan dan

pegendali

Rp 3.500.000

2. Flashdisk Toshiba 32 Gb 1 Sebagai penyimpanan

dan pengambilan data

Rp 85.000

3. Printer Canon Mp 287 1 Alat untuk mencetak

laporan

Rp 900.000

4. Kabel USB 2 A Fast Charging 1 Sebagai transfer data Rp 25.000

5. VGA VGA id 11-15 1 Sebagai alat yang

menghubungkan antara

laptop dan proyektor

Rp 50.000

Total Rp 4.560.000

78

4.1.2.5 Analisis Perangkat Lunak (Software)

Adapun yang menjadi perangkat lunak yang terkait dalam penelitian ini

antara lain:

Tabel 4.3 Perangkat Lunak (Software)

No Keterangan Fungsi Harga

1. Microsoft Office

2010

Sebagai software

pengolahan data

Rp 1.000.000

2. . RapidMiner 5.2 Sebagai software pengujian

data

Rp 1.000.000

3. Xampp Sebagai database Rp 100.000

4. Visual Basic Net

2010

Sebagai aplikasi sistem

dalam pengelompokkan

penduduk buta aksara

Rp 100.000

Total Rp 2.200.000

4.1.2.6 Analisis Konfigurasi Sistem

Konfigurasi ini diawali dari tahap penelitian data penduduk buta aksara.

Kemudian dilanjutkan dengan tahap pengolahan data kedalam software yang

disesuaikan dengan penelitian, kemudian melakukan perancangan sistem dengan

alat bantu perancangan. Yang bertujuan untuk meminimalkan proses kerja dari

pengelompokkan kabupaten/kota dan kemudian melakukaan normalisasi data atau

perancangan database dan interface program.

79

4.2 Analisis Biaya

Analisis biaya atau cost benefit analysis (CBA) merupakan uraian terperinci

mengenai resiko dan manfaat dari sistem yang dibuat. CBA sangat berguna untuk

membuat berbagai jenis keputusan bisnis dan pribadi, khususnya yang memiliki

potensi keuntungan.

Adapun biaya-biaya yang keluar dalam penelitian ini adalah sebagai berikut:

Tabel 4.4 Analisis Biaya

No Stok Barang Jumlah Harga satuan Total

1. Printer 1 Unit @900.000 Rp 900.000

2. Laptop 1 Unit @3.500.000 Rp 3.500.000

3. Flashdisk 1 Unit @85.000 Rp 85.000

4. Kertas A4 70g 5 Rim @45.000 Rp 225.000

5. Kertas A4 80g 3 Rim @55.000 Rp 165.000

6. Tinta print hitam 3 Botol @15.000 Rp 45.000

7. Tinta print warna 3 Botol @15.000 Rp 45.000

8. Penjepit kertas 10 buah @3.000 Rp 30.000

9. Kertas HVS Hijau 40 Lembar @1.000 Rp 40.000

Total Rp 4.920.000

80

4.3 Perancangan Sistem Secara Umum

Perancangan sistem adalah gambaran umum dari sistem yang akan dibuat.

Hal ini berguna untuk memberikan gambaran terhadap user agar memudahkan

dalam penggunaan sistem yang dibuat nantinya. Dalam penelitian ini, penulis

menggunakan beberapa alat bantu untuk membangun sistem untuk

mengelompokkan data penduduk buta aksara. Alat bantu ini akan diuraikan

dengan proses kerja yang berkaitan dengan proses perancangan sistem.

4.3.1 Unifed Modeling Language (UML)

UML merupakan metode pemodelan secara visual untuk sarana bahasa yang

sudah menjadi standar pada visualisasi, perancangan dan juga pendokumentasian

sistem software. UML salah satu alat bantu yang sangat handal didunia

pengembangan sistem yang berorientasi obyek. Berikut adalah diagram yang

termasuk kedalam UML yaitu:

a. Use Case Diagram

Use Case Diagram menjelaskan mengenai akar-akar yang terlibat dengan

proses-proses didalamnya. Gambaran alur use case diagram

mendeskripsikan sebuah interaksi satu atau lebih aktor dengan sistem

informasi yang dibuat.

81

Gambar 4.3 Use Case Diagram

b. Class Diagram

Class diagram menampilkan eksistensi atau keberadaan dari class-class

dan hubungan (relationship) dalam desain logika dari sebuah sistem, Semua

proses yang dilakukan oleh admin terhadap aplikasi akan didefinisikan dengan

menggunakan class diagram.

uc use case diagram

Petugas BPS

Input data

penduduk buta

aksara

Menentukan

centroid awal

Mengitung

cluster awal

Menentukan

cluster baru

Melakukan

perulangan

cluster

Login

Validasi

Logout

Pimpinan BPS

Mengecek data

laporan

Hasil

pengelompokkan

penduduk buta

aksara

Mencetak

laporan data

penduduk buta

aksara

«include»

«include»

«include»

«include»

«include»

«include»

«include»

«include»

«include»

«include»

«include»

82

Gambar 4.4 Class Diagram

c. Sequence Diagram

Sequence diagram menggambarkan interaksi antar objek di dalam dan di

sekitar sistem, berupa message yang digambarkan terhadap waktu. Dalam

perancangan ini membutuhkan beberapa perancangan sequence diagram. Adapun

sequence diagram pada sistem yang dirancang adalah sebagai berikut:

1. Sequence Diagram Login

Sequence Diagram Login adalah diagram yang menggambarkan proses login

yang dilakukan admin kedalam sistem. Berikut gambaran proses sequence

diagram login admin.

83

Gambar 4.5 Sequence Diagram Login

2. Sequence Diagram Perhitungan Cluster Awal

Sequence diagram perhitungan cluster awal adalah diagram yang

menggambarkan proses pengclusteran yang dilakukan kedalam sistem.

Berikut gambaran proses sequence diagram perhitungan awal:

sd 1. sequence diagram login

User

Form Login Validasi Halaman

Utama

2. Password()

1.1.3 Form Laporan Penduduk Buta Aksara()

1. Username()

1.1.2 Form kabupaten/kota yang terdapat buta aksara()

1.1 Login Berhasil()

1.1.5 Form user()

1.1.1 Form entri data penduduk buta aksara()

1.1.4 Login Gagal()

84

Gambar 4.6 Sequence Diagram Perhitungan Cluster Awal

3. Sequence Diagram Perulangan Cluster

Sequence diagram perulangan cluster adalah diagram yang menggambarkan

proses perulangan cluster yang dilakukan kedalam sistem apabila data yang

muncul masih belum menemukan data yang sama. Berikut gambaran proses

sequence diagram perulangan cluster:

sd 2. sequence diagram perhitungan awal

Petugas BPStbl_kabupaten tbl_hasil3

Database

1.4 Hitung Cluster Awal()

1.3 Panggil Centroid Awal()

1.2 Panggil Kabupaten/kota Penduduk Buta Aksara()

1. Import data()

1.1 Input data penduduk buta aksara()

2.1 Simpan Data()

1.5 Hasil C1, C2 dan C3()

85

Gambar 4.7 Sequence Diagram Perulangan Cluster

4. Sequence Diagram Cari Data

Sequence diagram cari data merupakan diagram yang memproses pencari

data. Berikut terdapat gambar sequence diagram pencarian data:

sd 3. sequence diagram perulangan cluster

Petugas BPStbl_kabupaten tbl_hasil3

Database

1. Import data()

1.3 Panggil Centroid Baru()

2.1 Simpan data()

1.4 Hitung Perulangan Cluster()

1.2 Panggil Kabupaten/kota Penduduk Bita Aksara()

1.5 Hasil C1, C2 dan C3()

1.1 Input data buta aksara()

86

Gambar 4.8 Sequence Diagram Cari Data

5. Sequence Diagram Edit Data

Sequence diagram edit data merupakan diagram yang memproses pengeditan

data. Berikut terdapat gambar sequence diagram edit data:

sd 4. sequence pencarian data

Petugas BPS

DatabaseMenu Utama Menu Cari

Data

1.1 Tampilan cari data()

1.1.1 Tampilkan data()

1. Pilih cari data()

87

Gambar 4.9 Sequence Diagram Edit Data

6. Sequence Diagram Hapus Data

Sequence diagram edit data merupakan diagram yang menggambarkan proses

menghapus data yang dilakukan apabila terdapat data yang tidak diperlukan.

Berikut terdapat gambar sequence diagram hapus data:

sd 5. sequence diagram edit data

Petugas BPS

Edit DataHalaman

Form

Menu Lihat

Data

Database

3.1.3 Edit data()

3. Ambil data()

3.2 Cek data()


2. Lihat data()

3.3 Data berhasil diedit()

3.1.2 Pilih data()

1. Menu lihat data()

3.1 Cek data()

88

Gambar 4.10 Sequence Diagram Hapus Data

d. Activity Diagram

Activity diagram merupakan diagram untuk menggambarkan logika

prosedur, proses dan alur kerja yang terjadi dalam sistem yang akan dirancang.

Adapun activity diagram pada sistem yang dirancang adalah sebagai berikut:

sd 6. sequence diagram hapus data

Petugas BPS

Hapus DataHalaman

Form

Menu Lihat

Data

Database

2. Lihat data()

3.2 Cek data()

3.1.3 Hapus data()

3. Ambil data()

3.1 Cek data()

3.3 Data telah dihapus()

1. Menu Lihat Data()

3.1.2 Pilih data()


89

1. Activity Diagram Login

Activity diagram login menjelaskan proses login ke sistem sebelum masuk

kehalaman menu. Berikut gambaran proses activity diagram login admin.

Gambar 4.11 Activity Diagram Login

2. Activity Diagram Cluster Awal

Activity diagram cluster awal menjelaskan proses cluster ke sistem oleh

petugas BPS. Berikut gambaran proses activity diagram cluster awal.

90

Gambar 4.12 Activity Diagram Perhitungan Cluster Awal

3. Activity Diagram Perulangan Cluster

Activity diagram perulangan cluster adalah diagram yang menggambarkan

proses perulangan cluster yang dilakukan kedalam sistem. Berikut gambaran

proses activity diagram perulangan cluster.

91

Gambar 4.13 Activity Diagram Perulangan Cluster

4. Activity Diagram Cari Data

Activity diagram cari data perulangan cluster adalah diagram yang

menggambarkan proses perulangan cluster yang dilakukan kedalam sistem.

Berikut gambaran proses activity diagram cari data.

92

Gambar 4.14 Activity Diagram Cari Data

5. Activity Diagram Edit Data

Activity diagram edit data adalah diagram yang menggambarkan proses

pengeditan data yang dilakukan kedalam sistem. Berikut gambaran proses

activity diagram edit data.

93

Gambar 4.15 Activity Diagram Edit Data

6. Activity Diagram Hapus Data

Activity diagram cari data adalah diagram yang menggambarkan proses

penghapusan data yang dilakukan kedalam sistem. Berikut gambaran proses

activity diagram hapus data.

94

Gambar 4.16 Activity Diagram Hapus Data

4.3.2 Diagram Arus Data

Diagram arus data adalah gambaran grafis yang memperlihatkan aliran data

dari sumbernya dalam objek, lalu melewati proses mentransformasikan ke tujuan

yang ada pada objek dan digunakan pada sistem yang baru yang akan dirancang.

Diagram arus data menggambarkan arus data di dalam sistem dengan struktur

yang jelas. Adapun yang termasuk kedalam diagram arus data adalah sebagai

berikut:

95

a. Diagram Konteks (Context Diagram)

Merupakan level tertinggi dari diagram arus data yang

menggambarkan seluruh input atau output dari sistem. Diagram konteks

memberikan gambaran sistem secara keseluruhan. Pada diagram konteks

hanya terdapat satu proses dan tidak terdapat simpanan data (data store).

Gambar 4.17 Diagram Konteks

4.3.3 Flowchart / Mapping Chart

Flowchart digunakan untuk menggambarkan aliran kegiatan yang akan

terjadi dari program yang dimaksud kedalam suatu bagan. Dari bagan alir ini,

dapat diamati dan ditentukan aliran kendali program, sehingga pada bagan alir ini

dapat disusun baris-baris programnya satu demi satu.

96

Gambar 4.18 Flowchart Input Data Penduduk Buta Aksara

4.3.4 Perancangan Basis Data

4.3.4.1 Entity Relationship Diagram (ERD)

Entity Relationship Diagram merupakan bagian dari suatu Entity. Entity

relationship diagram juga merupakan komponen-komponen yang dimiliki oleh

suatu Entity. ERD berfungsi untuk menggambarkan hubungan antar tabel yang

akan digunakan pada sistem yang dibuat.

97

Gambar 4.19 Entity Relationship Diagram (ERD) Penduduk Buta Aksara

4.3.4.2 Normalisasi

Normalisasi adalah proses untuk menciptakan suatu relasi antar tabel dalam

basis data, dengan tujuan untuk mengurangi kemubaziran. Masalah-masalah yang

timbul dalam pembuatan tabel yang disebut dengan anomali. Sedangkan anomali

itu sendiri adalah proses pada basis data yang mempunyai efek samping yang

tidak diharapkan. Struktur basis data dalam data mining pengelompokkan

penduduk buta aksara di wilayah Sumatera Utara diuraikan sebagai berikut:

1. User

Nama File : tbluser

Media Penyimpanan : Harddisk

Fungsi : Menyimpan data user

class class diagram

tbl_user

- id_user: char- jabatan: char- nama: char- password: int

+ hapus()+ lihat()+ tambah()

login

- id_user: char- jabatan: char- password: int- username: char

+ edit()+ hapus()+ login()+ tambah()

Main

+ main()

tbl_kabupaten

- kode_kabupaten: int- nama_kabupaten: char- tahun: char- usia10_24tahun: int- usia25_64tahun: int- usia65+: int

+ cari()+ edit()+ hapus()+ simpan()

tbl_clusterawal

- hasil_ke1: char- hasil_ke2: char- hasil_ke3: char- iterasi1: char- kode_kabupaten: int- nama_kabupaten: char- usia: int

+ edit()+ hapus()+ proses()+ simpan()

tbl_perulangancluster

- hasil_ke1: char- hasil_ke2: char- hasil_ke3: char- iterasi2: char- kode_kabupaten: int- nama_kabupaten: char- usia: int

+ edit()+ hapus()+ proses()+ simpan()

98

Tabel 4.5 Database User

No Nama Field Type Key Deskripsi

1. userid Varchar (5) * Username

2. nama Varchar (30) Nama Admin

3. jabatan Varchar (20) Jabatan

4 passw Int (20) Password Keterangan: * Primary Key

2. Kabupaten

Nama File : tblkabupaten


Fungsi : Menyimpan Data Nama Kabupaten

Tabel 4.6 Database Kabupaten


1. kdkab Varchar (3) * Kode Kabupaten

2. nmkab Varchar (300) Nama Kabupaten

3. thn20171024 Double Tahun 2017 usia 10-24 tahun


5. thn201765 Double Tahun 2017 usia 65 tahun keatas



8. thn201865 Double Tahun 2018 usia 65 tahun keatas



11. thn201965 Double Tahun 2019 usia 65 tahun keatas Keterangan: * Primary Key

3. Hasil

Nama File : tbl_hasil


Fungsi : Menyimpan data hasil perhitungan

99

Tabel 4.7 Database Hasil


1. kdkab Varchar (3) * Kode Kabupaten

2. iterasi Varchar (10) Iterasi

3. c1 Double Hasil Cluster 1 iterasi 1

4 c2 Double Hasil Cluster 2 iterasi 1

5. c3 Double Hasil Cluster 3 iterasi 1

6. ch1 Double Hasil Cluster 1 iterasi 2

7. ch2 Double Hasil Cluster 2 iterasi 2

8. ch3 Double Hasil Cluster 3 iterasi 2 Keterangan: * Primary Key

A. Normalisasi Data First normal form (1NF)

Bentuk normal yang pertama atau 1NF mensyaratkan beberapa kondisi

dalam sebuah database, berikut ini adalah fungsi dari bentuk normal pertama

yaitu:

1. Menghilangkan duplikasi kolom dari tabel yang sama.

2. Buat tabel terpisah untuk masing-masing kelompok data terkait dan

mengidentifikasi setiap baris dengan kolom yang unik (primary key).

Tabel 4.8 Normalisasi Tabel Iterasi dan Tabel Kabupaten

No Field

1. kdkab

2. Iterasi

3. c1

4. c2

5. c3

6. ch1

7. ch2

8. ch3

No Field

1. kdkab

2. Nmkab

3. thn20171024

4. thn201725-64

Primary key

100

5. thn201765

6. thn20181024

7. thn201825-64

8. thn201865

9. thn20191024

10. thn201925-64

11. thn201965

4.3.4.3 Struktur Data

Struktur data adalah cara penyimpanan, penyusunan dan pengaturan data di

dalam media penyimpanan komputer sehingga data tersebut dapat digunakan

secara efisien. Dalam teknik pemrograman, struktur data berarti tata letak data

yang berisi kolom-kolom data, baik kolom yang tampak oleh pengguna (user)

ataupun kolom yang hanya digunakan untuk keperluan pemrograman yang tidak

tampak oleh pengguna.

Struktur data juga merupakan cara menyimpan atau mempresentasikan data

data ke dalam komputer agar bisa dipakai secara efisien. Dalam struktur data

tentunya harus memiliki kolom dan baris. Setiap baris dari kumpulan kolom-

kolom tersebut dinamakan catatan (record). Dalam hal ini data penduduk buta

aksara telah diuji terlebih dahulu menggunakan software RapidMiner 5.2. Dimana

software RapidMiner 5.2 dalam penelitian ini digunakan sebagai software

pengujian data untuk menemukan centroid terdekat dan meminimalkan proses

iterasi yang digunakan didalam perhitungan supaya proses iterasi yang digunakan

tidak terlalu banyak. Setelah ditemukan centroid terdekat selanjutnya dilakukan

perhitungan data secara manual dan setelah melakukan perhitungan sebanyak dua

kali iterasi sudah ditemukan pengelompokkan data yang sama. Sehingga struktur

101

basis data dalam data mining clustering penduduk buta aksara dapat diuraikan

sebagai berikut:

Tabel 4.9 Data Penduduk Buta Aksara

KABUPATEN/KOTA

2017 2018 2019

10-

24

25-

64 65+

10-

24

25-

64 65+

10-

24

25-

64 65+

KABUPATEN NIAS 1,46 40,98 49,22 0,60 18,58 44,19 0,01 14,19 38,91

KABUPATEN MANDAILING

NATAL 0,09 0,29 4,63 0,25 0,31 5,87 0,00 1,00 5,10

KABUPATEN TAPANULI

SELATAN 0,94 0,13 1,45 0,76 0,80 1,48 0,47 0,36 0,33

KABUPATEN TAPANULI

TENGAH 1,23 0,47 9,73 0,62 0,99 7,66 1,02 3,00 5,55

KABUPATEN TAPANULI UTARA 0,00 0,05 7,63 0,55 0,27 4,72 0,00 0,29 1,49

KABUPATEN TOBA SAMOSIR 1,54 0,17 5,48 0,51 0,00 3,41 0,71 0,58 0,18

KABUPATEN LABUHAN BATU 0,20 0,59 3,15 1,41 0,31 2,43 0,23 0,00 3,52

KABUPATEN ASAHAN 0,90 0,00 14,87 0,00 0,43 9,23 0,00 0,67 9,45

KABUPATEN SIMALUNGUN 0,93 0,71 7,80 0,42 0,09 8,53 0,70 1,12 2,64

KABUPATEN DAIRI 0,72 0,67 4,28 0,00 0,00 5,54 0,98 0,06 0,46

KABUPATEN KARO 0,75 0,49 2,06 0,00 0,00 3,45 0,86 0,32 2,26

KABUPATEN DELI SERDANG 0,53 0,00 7,86 0,17 0,35 4,91 0,10 0,12 7,85

KABUPATEN LANGKAT 0,75 0,64 5,54 0,24 0,11 8,22 0,00 1,75 9,82

KABUPATEN NIAS SELATAN 1,41 34,64 41,22 2,53 26,57 50,95 1,36 14,80 33,87

KABUPATEN HUMBANG

HASUNDUTAN 6,37 0,24 8,93 1,56 0,86 6,36 0,00 1,61 4,41

KABUPATEN PAKPAK BHARAT 0,51 2,76 20,82 0,00 0,83 12,54 0,00 1,52 4,80

KABUPATEN SAMOSIR 0,00 1,92 12,86 0,00 0,75 6,89 0,00 2,00 8,51

KABUPATEN SERDANG

BEDAGAI 0,00 0,26 8,64 0,45 0,70 7,02 0,14 0,89 10,35

KABUPATEN BATU BARA 0,00 0,46 14,39 0,00 1,19 11,57 0,44 2,42 11,34

102

KABUPATEN PADANG LAWAS

UTARA 0,00 0,17 10,12 0,26 0,39 4,54 0,00 1,34 2,65

KABUPATEN PADANG LAWAS 0,00 0,54 8,06 0,23 0,35 3,33 0,26 0,00 0,00

KABUPATEN LABUHAN BATU

SELATAN 0,00 0,54 2,96 0,00 0,17 4,21 1,59 1,44 13,45

KABUPATEN LABUHAN BATU

UTARA 0,73 0,54 5,51 0,24 0,29 10,44 0,00 1,58 4,65

KABUPATEN NIAS UTARA 0,95 20,26 40,94 1,64 20,69 41,37 1,25 6,47 16,70

KABUPATEN NIAS BARAT 0,37 44,73 69,42 3,01 29,77 42,28 0,98 14,29 27,28

KOTA SIBOLGA 2,18 1,20 8,93 0,00 0,47 4,26 0,73 0,29 2,16

KOTA TANJUNG BALAI 0,15 0,69 8,38 0,32 0,09 7,64 0,00 0,27 3,62

KOTA PEMATANGSIANTAR 0,00 0,22 1,62 0,35 0,23 2,89 0,45 0,19 1,43

KOTA TEBING TINGGI 0,84 0,33 3,29 0,32 0,57 5,58 0,17 0,32 3,72

KOTA MEDAN 0,12 0,00 1,64 0,92 0,13 1,00 0,00 0,25 1,07

KOTA BINJAI 0,49 0,17 6,76 0,00 0,57 5,65 0,23 0,00 0,94

KOTA PADANG SIDIMPUAN 0,00 0,01 7,48 0,00 0,18 2,48 0,00 0,18 0,45

KOTA GUNUNG SITOLI 2,63 5,64 28,80 0,00 6,79 12,48 0,77 5,62 20,74

Untuk penentuan awal diasumsikan :

a. Diambil data ke-1 sebagai pusat cluster ke 1 (1.46, 40.98, 49.22, 0.60,

18.58, 44.19, 0.01, 14.19, 38.91)

b. Diambil data ke-8 sebagai pusat cluster ke 2 (0.90, 0.00, 14.87, 0.00, 0.43,

9.23, 0.00, 0.67, 9.45)

c. Diambil data ke-12 sebagai pusat cluster ke 3 (0.53, 0.00, 7.86, 0.17, 0.35,

4.91, 0.10, 0.12, 7.85)

103

1. Perhitungan jarak pada pusat cluster

Untuk mengukur jarak antara data dengan pusat centroid digunakan rumus

Euclidean Distance, kemudian akan didapatkan matrik jarak sebagai berikut:

√

a. Perhitungan jarak dari data ke 1 terhadap pusat cluster

C1=

√

= 0

=√ = 0

C2=

√

=0.3136+1,679.3604+1,179.9225+0.36+329.4225+1,222.2016+0.0001+182.7

904+867.8916

= √ = 73.9071221196

C3=

√

104

=0.8649+1,679.3604+1,710.6496+0.1849+332.3329+1,542.9184+0.0081+19

7.9649+964.7236

=√ =80.1810931579

b. Perhitungan jarak dari data ke 2 terhadap pusat cluster

C1=

√

=1.8769+1,655.6761+1,988.2681+0.1225+333.7929+1,468.4224+0.0001+17

3.9761+1,143.1161

=√ = 82.25

C2=

√

=0.6561+0.0841+104.8576+0.0625+0.0144+11.2896+0+0.1089+18.9225

=√ = 11.6617194273

C3=

√

=0.1936+0.0841+10.4329+0.0064+0.0016+0.9216+0.01+0.7744+7.5625

105

=√ = 4.47069345851

c. Perhitungan jarak dari data ke 3 terhadap pusat cluster

C1=

√

=0.2704+1,668.7225+2,281.9729+0.0256+316.1284+1,824.1441+0.2116+19

1.2689+1,448.4164

=√ = 88.1541876487

C2=

√

=0.0016+0.0169+180.0964+0.5776+0.1369+60.0625+0.2209+0.0961+83.17

44

=√ = 18.0106440751

C3=

√

=0.1681+0.0169+41.0881+0.3481+0.2025+11.7649+0.1369+0.0576+56.550

4

106

=√ = 10.5039754379

d. Perhitungan jarak dari data ke 4 terhadap pusat cluster

C1=

√

=0.0529+1,641.0601+1,559.4601+0.0004+309.4081+1,724.7409+1.0201+12

5.2161+1,112.8896

=√ = 77.971044334

C2=

√

=0.1089+0.2209+26.4196+0.3844+0.3136+2.4649+1.0404+5.4289+15.21

=√ = 7.1827298628

C3=

√

=0.49+0.2209+3.4969+0.2025+0.4096+7.5625+0.8464+8.2944+5.29

=√ = 5.1781463865

107

e. Perhitungan jarak dari data ke 5 terhadap pusat cluster

C1=

√

=2.1316+1,675.2649+1,729.7281+0.0025+335.2561+1,557.8809+0.0001+19

3.21+1,400.2564

=√ = 83.0284926998

C2=

√

=0.81+0.0025+52.4176+0.3025+0.0256+20.3401+0+0.1444+63.3616

=√ = 11.7219580276

C3=

√

=0.2809+0.0025+0.0529+0.1444+0.0064+0.0361+0.01+0.0289+40.4496

=√ = 6.40403778877

108

f. Perhitungan jarak dari data ke 6 terhadap pusat cluster

C1=

√

=0.0064+1,665.4561+1,913.1876+0.0081+345.2164+1,663.0084+0.49+185.2

321+1,500.0129

=√ = 85.2796458717

C2=

√

=0.4096+0.0289+88.1721+0.2601+0.1849+33.8724+0.5041+0.0081+85.932

9

=√ = 14.4697304743

C3=

√

=1.0201+0.0289+5.6644+0.1156+0.1225+2.25+0.3721+0.2116+58.8289

=√ = 8.28336284368

109

g. Perhitungan jarak dari data ke 7 terhadap pusat cluster

C1=

√

=1.5876+1,631.3521+2,122.4449+0.6561+333.7929+1,743.8976+0.0484+20

1.3561+1,252.4521

=√ = 85.367369644

C2=

√

=0.49+0.3481+137.3584+1.9881+0.0144+46.24+0.0529+0.4489+35.1649

=√ = 14.9032110634

C3=

√

=0.1089+0.3481+22.1841+1.5376+0.0016+6.1504+0.0169+0.0144+18.7489

=√ = 7.00791695156

110

h. Perhitungan jarak dari data ke 8 terhadap pusat cluster

C1=

√

=0.3136+1,679.3604+1,179.9225+0.36+329.4225+1,222.2016+0.0001+182.7

904+867.8916

=√ = 73.9071221196

C2=

√

=0

=√ = 0

C3=

√

=0.1369+0+49.1401+0.0289+0.0064+18.6624+0.01+0.3025+2.56

=√ = 8.41707787774

111

i. Perhitungan jarak dari data ke 9 terhadap pusat cluster

C1=

√

=0.2809+1,621.6729+1,715.6164+0.0324+341.8801+1,271.6356+0.4761+17

0.8249+1,315.5129

=√ = 80.236726005

C2=

√

=0.0009+0.5041+49.9849+0.1764+0.1156+0.49+0.49+0.2025+46.3761

=√ = 9.91667787144

C3=

√

=0.16+0.5041+0.0036+0.0625+0.0676+13.1044+0.36+1+27.1441

=√ = 6.51201197788

112

j. Perhitungan jarak dari data ke 10 terhadap pusat cluster

C1=

√

=0.5476+1,624.8961+2,019.6036+0.36+345.2164+1,493.8225+0.9409+199.6

569+1,478.4025

=√ = 84.6371461003

C2=

√

=0.0324+0.4489+112.1481+0+0.1849+13.6161+0.9604+0.3721+80.8201

=√ = 14.4424028472

C3=

√

=0.0361+0.4489+12.8164+0.0289+0.1225+0.3969+0.7744+0.0036+54.6121

=√ = 8.32104560737

113

k. Perhitungan jarak dari data ke 11 terhadap pusat cluster

C1=

√

=0.5041+1,639.4401+2,224.0656+0.36+345.2164+2,092.1476+0.7225+192.3

769+1,343.2225

=√ = 86.0561194803

C2=

√

=0.0225+0.2401+164.0961+0+0.1849+33.4084+0.7396+0.1225+51.6961

=√ = 15.8275140183

C3=

√

=0.0484+0.2401+33.64+0.0289+0.1225+2.1316+0.5776+0.04+31.2481

=√ = 8.25089086099

114

l. Perhitungan jarak dari data ke 12 terhadap pusat cluster

C1=

√

=0.8649+1,679.3604+1,710.6496+0.1849+332.3329+1,542.9184+0.0081+19

7.9649+964.7236

=√ = 80.1810931579

C2=

√

=0.1369+0+49.1401+0.0289+0.0064+18.6624+0.01+0.3025+2.56

=√ = 8.41707787774

C3=

√

=0

=√ = 0

115

m. Perhitungan jarak dari data ke 13 terhadap pusat cluster

C1=

√

=0.5041+1,627.3156+1,907.9424+0.1296+341.1409+1,293.8409+0.0001+15

4.7536+846.2281

=√ = 78.5611564324

C2=

√

=0.0225+0.4096+87.0489+0.0576+0.1024+1.0201+0+1.1664+0.1369

=√ = 9.48495651018

C3=

√

=0.0484+0.4096+5.3824+0.0049+0.0576+10.9561+0.01+2.6569+3.8809

=√ = 4.83805746142

116

n. Perhitungan jarak dari data ke 14 terhadap pusat cluster

C1=

√

=0.0025+18.8356+64+3.7249+63.8401+45.6976+1.8225+0.3721+25.4016

=√ = 15.6542933408

C2=

√

=0.2601+1,199.9296+694.3225+6.4009+683.2996+1,740.5584+1.8496+199.

6569+596.3364

=√ = 71.5724388295

C3

√

=0.7744+1,199.9296+1,112.8896+5.5696+687.4884+2,119.6816+1.5876+21

5.5024+677.0404

=√ = 77.5916464576

117

o. Perhitungan jarak dari data ke 15 terhadap pusat cluster

C1=

√

=24.1081+1,659.7476+1,623.2841+0.9216+313.9984+1,431.1089+0.0001+1

58.2564+1,190.25

=√ = 80.010469135

C2=

√

=29.9209+0.0576+35.2836+2.4336+0.1849+8.2369+0+0.8836+25.4016

=√ = 10.1194219202

C3=

√

=34.1056+0.0576+1.1449+1.9321+0.2601+2.1025+0.01+2.2201+11.8336

=√ = 7.32574228321

118

p. Perhitungan jarak dari data ke 16 terhadap pusat cluster

C1=

√

=0.9025+1,460.7684+806.56+0.36+315.0625+1,001.7225+0.0001+160.5289

+1,163.4921

=√ = 70.0670828564

C2=

√

=0.1521+7.6176+35.4025+0+0.16+10.9561+0+0.7225+21.6225

=√ = 8.75404477941

C3=

√

=0.0004+7.6176+167.9616+0.0289+0.2304+58.2169+0.01+1.96+9.3025

=√ = 15.6629594905

119

q. Perhitungan jarak dari data ke 17 terhadap pusat cluster

C1=

√

=2.1316+1,525.6836+1,322.0496+0.36+317.9089+1,391.29+0.0001+148.596

1+924.16

=√ = 75.0478507354

C2=

√

=0.81+3.6864+4.0401+0+0.1024+5.475+0+1.7689+0.8836

=√ = 4.09467947464

C3=

√

=0.2809+3.6864+25+0.0289+0.16+3.9204+0.01+3.5344+0.4356

=√ = 6.0874132437

120

r. Perhitungan jarak dari data ke 18 terhadap pusat cluster

C1=

√

=2.1316+1,658.1184+1,646.7364+0.0225+319.6944+1,381.6089+0.0169+17

6.89+815.6736

=√ = 77.4654290636

C2=

√

=0.81+0.0676+38.8129+0.2025+0.0729+4.8841+0.0196+0.0484+867.8916

=√ = 6.7622481469

C3=

√

=0.2809+0.0676+0.6084+0.0784+0.1225+4.4521+0.0016+0.5929+2.56

=√ = 3.5290792000

121

s. Perhitungan jarak dari data ke 19 terhadap pusat cluster

C1=

√

=2.1316+1,641.8704+1,213.1289+0.36+302.4121+1,064.0644+0.1849+138.5

329+760.1049

=√ = 71.5736690411

C2=

√

=0.81+0.2116+0.2304+0+0.5776+5.4756+0.1913+3.0625+3.5721

=√ = 3.7594414479

C3=

√

=0.2809+0.2116+42.6409+0.0289+0.7056+44.3556+0.1156+5.29+12.1801

=√ = 10.2863599004

122

t. Perhitungan jarak dari data ke 20 terhadap pusat cluster

C1=

√

=2.1316+1,665.4561+1,528.81+0.1156+330.8761+1,572.1225+0.0001+165.1

225+1,314.7876

=√ = 81.1136369546

C2=

√

=0.81+0.0289+22.5625+70.0676+0.0016+21.9961+0+0.4489+46.24

=√ = 9.599770

C3=

√

=0.2809+0.0289+5.1076+0.008+0.0016+0.1369+0.01+1.4884+27.04

=√ = 5.83972602097

123

u. Perhitungan jarak dari data ke 21 terhadap pusat cluster

C1=

√

=2.1316+1,635.3936+1,694.1456+0.1369+332.3329+1,670.3569+0.0635+20

1.3561+1.513.9881

=√ = 83.9588405113

C2=

√

=0.81+0.2916+46.3761+0.0529+0.0064+34.81+0.0676+0.4489+89.3025

=√ = 13.121204213

C3=

√

=0.2809+0.2916+0.04+0.0036+0+20.9764+0.0256+0.0144+61.6225

=√ = 8.0482917442

124

v. Perhitungan jarak dari data ke 22 terhadap pusat cluster

C1=

√

=2.1316+1,635.3936+2,139.9876+0.36+338.9281+1,598.4004+2.4964+162.4

625+648.2116

=√ = 80.7989591517

C2=

√

=0.81+0.2916+141.8481+0+0.0676+25.2004+2.5281+0.5929+16

=√ = 13.6871728271

C3=

√

=0.2809+0.2916+24.01+0.0289+0.0324+0.49+2.2201+1.7424+31.36

=√ = 7.7753649432

125

w. Perhitungan jarak dari data ke 23 terhadap pusat cluster

C1=

√

=0.5329+1,635.3936+1,910.5641+0.1296+334.5241+1,139.0625+0.0001+15

9.0121+1,173.7476

=√ = 79.7054991829

C2=

√

=0.0289+0.2916+87.6096+0.0576+0.0196+1.4641+0+0.8281+23.04

=√ = 10.6461025733

C3=

√

=0.04+0.2916+5.5225+0.0049+0.0036+30.5809+0.01+2.1316+10.24

=√ = 6.98749597495

126

x. Perhitungan jarak dari data ke 24 terhadap pusat cluster

C1=

√

=0.2601+429.3184+68.5584+1.0816+4.4521+7.9524+1.5376+59.5984+493.

2841

=√ = 32.6503154656

C2=

√

=0.0025+410.4676+679.6449+2.6896+410.4676+1,032.9796+1.5625+33.64

+52.5625

=√ = 51.2251578817

C3=

√

=0.1764+410.4676+1,094.2864+2.1609+413.7156+1,329.3316+1.3225+40.3

225+78.3225

=√ = 58.0526140669

127

y. Perhitungan jarak dari data ke 25 terhadap pusat cluster

C1=

√

=1.1881+429.3184+408.04+5.8081+125.2161+3.6481+0.9409+0.01+135.25

69

=√ = 26.3471193871

C2=

√

=0.2809+410.4676+2,975.7025+9.0601+860.8356+1,092.3025+0.9604+185.

5044+317.9089

=√ = 86.2747251517

C3=

√

=0.0256+410.4676+3,789.6336+8.0656+865.5364+1,396.5169+0.7744+200.

7889+377.5249

=√ = 92.9496594937

128

z. Perhitungan jarak dari data ke 26 terhadap pusat cluster

C1=

√

=0.5184+1,582.4484+1,623.2841+0.36+327.9721+1,594.4049+0.5184+193.2

1+1,360.5625

=√ = 81.6901389398

C2=

√

=1.6384+1.44+35.2836+0+0.0016+24.7009+0.5329+0.1444+53.1441

=√ = 10.8113782655

C3=

√

=2.7225+1.44+1.1449+0.0289+0.0144+0.4225+0.3969+0.0289+32.3761

=√ = 6.2108856051

129

Perhitungan jarak dari data ke 27 terhadap pusat cluster

C1=

√

=1.7161+1,623.2841+1,667.9056+0.0784+341.8801+1,335.9025+0.0001+19

3.7664+1,245.3841

=√ = 80.0619597562

C2=

√

=0.5625+0.4761+42.1201+0.1024+0.1156+2.5281+0+0.16+33.9889

=√ = 8.94727332767

C3=

√

=0.1444+0.4761+0.2704+0.0225+0.0676+7.4529+0.01+0.0225+17.8929

=√ = 5.13413089042

130


C1=

√

=2.1316+1,661.3776+2,265.76+0.0625+336.7225+1,705.69+0.1936+196+1,

404.7504

=√ = 87.0211939702

C2=

√

=0.81+0.0484+175.5625+0.1225+0.04+40.1956+0.2025+0.2304+64.3204

=√ = 16.7789242802

C3=

√

=0.2809+0.0484+6.24+0.0324+0.0144+4.0804+0.1225+0.0049+41.2164

=√ = 9.2053191145

131


C1=

√

=0.3844+1,652.4225+2,109.5649+0.0784+324.3601+1,490.7321+0.0256+19

2.3769+1,238.3361

=√ = 83.7154764664

C2=

√

=0.0036+0.1089+134.0964+0.1024+0.0196+13.3225+0.0289+0.1225+32.83

29

=√ = 13.4401525289

C3=

√

=0.0961+0+20.8849+0.0225+0.0484+0.4489+0.0049+0.04+17.0569

=√ = 6.2218566361

132


C1=

√

=1.7956+1,679.3604+2,263.8564+0.1024+340.4025+1,865.3761+0.0001+19

4.3236+1,431.8656

=√ = 88.1877695602

C2=

√

=0.6084+0+175.0329+0.8464+0.09+67.7329+0+0.1764+70.2244

=√ = 17.7401071023

C3=

√

=0.1681+0+38.6884+0.5625+0.0484+15.2881+0.01+0.0169+45.9684

=√ = 10.0374698097

133


C1=

√

=0.9409+1,665.4561+1,802.8516+0.36+324.3601+1,485.5316+0.0484+201.3

561+1,441.7209

=√ = 83.2011159781

C2=

√

=0.1681+0.0289+65.7721+0+0.0196+12.8164+0.0529+0.4489+72.4201

=√ = 12.3177514182

C3=

√

=0.0016+0.0289+1.21+0.0289+0.0484+0.5476+0.0169+0.0144+47.7481

=√ = 7.04590661306

134


C1=

√

=2.1316+1,678.5409+1,742.2276+0.36+338.56+1,739.724+0.0001+196.2801

+1,479.1716

=√ = 84.7171523365

C2=

√

=0.81+0.0001+54.6121+0+0.0625+45.5625+0+0.2401+81

=√ = 13.5013814108

C3=

√

=0.2809+0.0001+0.1444+0.0289+0.0289+5.9049+0.01+0.0036+54.76

=√ = 10.7666940144

135


C1=

√

=1.3689+1,248.9156+416.9764+0.36+139.0041+1,005.5241+0.5776+73.444

9+330.1489

=√ = 56.7126132355

C2=

√

=2.9929+31.8096+194.0449+0+40.4496+10.5625+0.5929+24.5025+127.464

1

=√ = 13.3225673202

C3=

√

=4.41+31.8096+438.4836+0.0289+41.4736+57.3049+0.4489+30.25+166.15

21

=√ = 20.9298208306

136

2. Struktur data hasil iterasi pertama

Perhitungan jarak dari data ke 1 sampai data ke 33 terhadap pusat cluster.

Sehingga hasil perhitungan jarak selengkapnya adalah sebagai berikut:

Tabel 4.10 Hasil Iterasi Pertama

No C1 C2 C3

1 0 73,9071221196 80,1810931579

2 82,2511471045 11,6617194273 4,4706934585

3 88,1541876487 18,0106440751 10,5039754379

4 77,9971044334 7,1827292863 5,1781463865

5 83,0284926998 11,7219580276 6,4040377888

6 85,2796458717 14,4697304743 8,2833628437

7 85,3673696444 14,9032110634 7,0079169516

8 73,9071221196 0 8,4170778777

9 80,2367260050 9,9166778711 6,5120119779

10 84,6371461003 14,4424028472 8,3210456074

11 84,6371461003 15,8275140183 8,2508908610

12 80,1810931579 8,41707787774 0

13 78,5611564324 9,4849565102 4,8380574614

14 15,6542933408 71,5724388295 77,5916464576

15 80,0104693150 10,1194219202 7,3257422832

16 70,0670892788 8,7540447794 15,6629594905

17 75,0478507354 4,0947527398 6,0874132437

18 77,4654290636 6,7622481469 3,5290792000

19 71,5736690411 3,7594414479 10,2863599004

20 81,1136369546 9,5997708306 5,8397260210

21 83,9588405113 13,1212042130 8,0482917442

22 80,7989591517 13,6871728271 7,7753649432

23 79,7054991829 10,6461025732 6,9874959750

24 32,6503154656 51,2251578817 58,0526140669

25 26,3471193871 86,2747251517 92,9496594937

26 81,6901389398 10,8113782655 6,2108856051

27 80,0619597562 8,9472733277 5,1341308904

28 87,0211939702 16,7789242802 9,2053191145

29 83,7154764664 13,4401525289 6,2218566361

30 88,1877695602 17,7401071023 10,0374698007

137

31 83,2011159781 12,3177514182 7,0459066131

32 84,7171529267 13,5013814108 7,8205946066

33 56,7126132355 20,7946868214 27,7553886660

Kolom kedua menunjukkan nilai jarak data terhadap titik pusat cluster

pertama. Kolom ketiga menunjukkan nilai jarak data terhadap pusat cluster

kedua. Kolom keempat menunjukkan nilai jarak data terhadap pusat cluster

ketiga.

3. Struktur Data Pengelompokkan Data yang Pertama

Lakukan pengelompokan data kembali sehingga dihasilkan matrik untuk

iterasi yang pertama.

Tabel 4.11 Pengelompokkan Data

No C1 = Cluster Tinggi C2 = Cluster Sedang C3 = Cluster Rendah

1. 2 1 0

2. 0 1 2

3. 0 1 2

4. 0 1 2

5. 0 1 2

6. 0 1 2

7. 0 1 2

8. 0 2 1

9. 0 1 2

10 0 1 2

11. 0 1 2

12. 0 1 2

13. 0 1 2

14. 2 1 0

15. 0 1 2

16. 0 2 1

17. 0 2 1

18. 0 1 2

19. 0 2 1

20. 0 1 2

21. 0 1 2

22. 0 1 2

23. 0 1 2

138

24. 2 1 0

25. 2 1 0

26. 0 1 2

27. 0 1 2

28. 0 1 2

29. 0 1 2

30. 0 1 2

31. 0 1 2

32. 0 1 2

33. 0 2 1

4. Struktur Data Penentuan Pusat Cluster Baru

Karena C1 memiliki 4 anggota dengan cluster tinggi maka perhitungan

cluster baru menjadi :

C1=

(

),(

)

,

,

,

,

,

,

,

C1= (1.0475; 35.1525; 50.2; 1.945; 23.9025; 44.6975; 0.9; 12.4375; 29.19).

Karena C2 hanya mempunyai 5 anggota dengan cluster sedang maka

perhitungan cluster baru menjadi :

C2=

(

) (

) (

)

(

) (

) (

),

(

)

139

C2= (0.808; 2.156; 18.348; 0; 1.998; 10.542; 0.242; 2.446; 10.968)

Karena C3 mempunyai 24 anggota dengan cluster rendah maka perhitungan

cluster baru menjadi :

C3=

(

)

(

)

(

)

(

)

(

)

(

)

(

)

(

)

(

)

C3= (0.77333; 0.38; 5.91375; 0.39917; 0.34292; 5.06750; 0.36; 0.70667;

3.67083)

140

Tabel 4.12 Centroid Baru

C1 1.0475 35.1525 50.2 1.9450 23.9025 44.6975 0.9 12.4375 29.19

C2 0.808 2.156 18.348 0 1.998 10.542 0.242 2.446 10.968

C3 0.77333 0.38 5.91375 0.39917 0.34292 5.06750 0.36 0.70667 3.67083

5. Struktur Data Pengulangan Langkah Ke 2 Hingga Posisi data Tidak

Mengalami Perubahan

a. Perhitungan jarak dari data ke 1 terhadap pusat cluster

C1=

√

=0.17015625+33.95975625+0.9604+1.809025+28.32900625+0.25755625+0.792

1+3.07125625+94.4784

=√ =12.7995178132

C2=

√

=0.425104+2.808976+953.080384+0.36+274.962724+1,132.187904+0.053824+1

37.921536+780.755364

= √ = 69,18885092772

141

C3=

√

=0.4715111112+1,648.36+1,875.4312891+0.040303340278+332.59120849+1,54

9.0456044+01225+181.8901779+1,241.7988674

=√ = 82,5299096940

b. Perhitungan jarak dari data ke 2 terhadap pusat cluster

C1=

√

=0.91680625+1,215.39390625+2,076.6249+2.873025+556.60625625+1,507.574

75625+0.81+130.81640625+580.3281

=√ =77,9226793447

C2=

√

=15,9217880905

142

C3=

√

=2,2469002568

c. Perhitungan jarak dari data ke 3 terhadap pusat cluster

C1=

√

=83,5762053832

C2=

√

=22,1668124907

C3=

√

=6,6721862307

143

d. Perhitungan jarak dari data ke 4 terhadap pusat cluster

C1=

√

=73,3973780611

C2=

√

=10.8288464760

C3=

√

=5,5852658036

e. Perhitungan jarak dari data ke 5 terhadap pusat cluster

C1=

√

=78,2290930936

144

C2=

√

=15,8646517768

C3=

√

=2,9766638088

f. Perhitungan jarak dari data ke 6 terhadap pusat cluster

C1=

√

=80.5242768130

C2=

√

= 18.58130500134

145

C3=

√

= 4.0027066797

g. Perhitungan jarak dari data ke 7 terhadap pusat cluster

C1=

√

=81.0340064803

C2=

√

=19.1284859830

C3=

√

=4.0656398550

146

h. Perhitungan jarak dari data ke 8 terhadap pusat cluster

C1=

√

=69.466289713

C2=

√

=5.1429870698

C3=

√

=11.4628920477

i. Perhitungan jarak dari data ke 9 terhadap pusat cluster

C1=

√

=75.4621544633

147

C2=

√

=13.8764093338

C3=

√

=4.1344591461

j. Perhitungan jarak dari data ke 10 terhadap pusat cluster

C1=

√

=79.9051976172

C2=

√

=18.5954907437

148

C3=

√

=3.7905532706

k. Perhitungan jarak dari data ke 11 terhadap pusat cluster

C1=

√

=81.6551658271

C2=

√

=20.0772855735

C3=

√

=4.4885663001

149

l. Perhitungan jarak dari data ke 12 terhadap pusat cluster

C1=

√

=76.0086449442

C2

√

=12.8195302566

C3

√

=4.6846649575

m. Perhitungan jarak dari data ke 13 terhadap pusat cluster

C1=

√

=74.6695681402

150

C2=

√

=13.3124451548

C3=

√

=7.0182668158

n. Perhitungan jarak dari data ke 14 terhadap pusat cluster

C1=

√

=12.4611960200

C2=

√

=67.0825196009

151

C3

√

=79.5606693186

o. Perhitungan jarak dari data ke 15 terhadap pusat cluster

C1=

√

=75.3882395089

C2=

√

=13.7218153318

C3=

√

=6.7243948251

152

p. Perhitungan jarak dari data ke 16 terhadap pusat cluster

C1=

√

=64.7908122827

C2=

√

=7.1330846063

C3=

√

=16.9183628768

q. Perhitungan jarak dari data ke 17 terhadap pusat cluster

C1=

√

=70.7560178094

153

C2=

√

=7.2125277123

C3=

√

=8.9491025116

r. Perhitungan jarak dari data ke 18 terhadap pusat cluster

C1=

√

=73.4497815262

C2=

√

=10.7516601509

154

C3=

√

=7.5286460113

s. Perhitungan jarak dari data ke 19 terhadap pusat cluster

C1=

√

=67.2553288316

C2

√

=4.5916180155

C3

√

=13.3179832344

155

t. Perhitungan jarak dari data ke 20 terhadap pusat cluster

C1=

√

=76.340793255265

C2=

√

=13.4701609493

C3=

√

=4.4952570298

u. Perhitungan jarak dari data ke 21 terhadap pusat cluster

C1=

√

=79.0632067162

156

C2=

√

=17.0343557554

C3=

√

=4.7182626496

v. Perhitungan jarak dari data ke 22 terhadap pusat cluster

C1=

√

=77.4994255221

C2=

√

=17.1020506373

157

C3

√

=10.3901685468

w. Perhitungan jarak dari data ke 23 terhadap pusat cluster

C1=

√

=75.1682277046

C2=

√

=14.5307500151

C3=

√

=5.5617857531

158

x. Perhitungan jarak dari data ke 24 terhadap pusat cluster

C1=

√

=22.8202269106

C2=

√

=46.8047428793

C3=

√

=59.6595848887

y. Perhitungan jarak dari data ke 25 terhadap pusat cluster

C1=

√

=22.5851335230

159

C2=

√

=81.3365696105

C3=

√

=94.8680815787

z. Perhitungan jarak dari data ke 26 terhadap pusat cluster

C1=

√

=76.9645097188

C2=

√

=14.6887949131

160

C3=

√

=3.89480989

aa. Perhitungan jarak dari data ke 27 terhadap pusat cluster

C1=

√

=75,3856674458

C2 =

√

=13.1489260398

C3=

√

=3.6848182810

161

bb. Perhitungan jarak dari data ke 28 terhadap pusat cluster

C1=

√

=82.5409771341

C2 =

√

=21.0269973154

C3=

√

=5.3956450739

cc. Perhitungan jarak dari data ke 29 terhadap pusat cluster

C1=

√

=79.2875163560

162

C2 =

√

=17.7172304833

C3=

√

=2.7202072404

dd. Perhitungan jarak dari data ke 30 terhadap pusat cluster

C1=

√

=83.7279257849

C2 =

√

=21.9662449226

163

C3=

√

=6.5421570676

ee. Perhitungan jarak dari data ke 31 terhadap pusat cluster

C1=

√

=78.3404005367

C2 =

√

=16.4572706121

C3=

√

=16.4572706121

164

ff. Perhitungan jarak dari data ke 32 terhadap pusat cluster

C1=

√

=79.9186599378

C2 =

√

=17.5355129951

C3=

√

=4.5661647763

gg. Perhitungan jarak dari data ke 33 terhadap pusat cluster

C1=

√

=52.7630330463

165

C2=

√

=16.0395260528

C3=

√

=31,1003218488

6. Struktur data hasil iterasi Kedua

Perhitungan jarak dari data ke 1 sampai data ke 33 terhadap pusat cluster.

Sehingga hasil perhitungan jarak selengkapnya adalah sebagai berikut:

Tabel 4.13 Hasil Iterasi Kedua

No C1 C2 C3

1. 12.6793476271 52.4484803212 60.3957056215

2. 74.331618879 15.9217880905 1.18268909401

3. 80.2220487538 22.1668124907 6.54843678071

4. 69.5980610811 10.82846476 5.711293221309

5. 74.6253710627 15.86465117768 2.95796772304

6. 77.0420285056 18.5813050134 3.91098648309

7. 77.6233547732 19.128485983 3.9164133427

8. 65.3744629519 5.14298706979 11.550454375

9. 71.8023102431 13.8041564067 4.33384629059

10 76.4536173539 18.5954907437 3.82646932183

11. 78.2600862908 20.0772855735 4.40891057642

12. 72.2792474107 12.8195302566 4.68225104741

13. 70.889487276 13.3124451548 7.12795415745

14. 15.0683917938 67.6825196009 79.6972579107

166

15. 71.6656239507 13.7218153318 6.77403420946

16. 60.7929630488 7.13308460626 17.0238133468

17. 60.780127149 7.21252771225 9.00047961342

18. 69.626183382 1-0.7516601509 7.59318936656

19. 63.085769047 4.59161801547 13.4349255625

20. 72.6583220027 13.4701556041 4.47421685565

21. 75.5576975314 17.0343557554 4.63622769834

22. 73.9197940761 17.1020506373 10.3736323663

23. 71.4719347454 19.0924774715 7.9096029022

24. 18.2673959899 46.8047428793 59.8034495384

25. 27.6312.0077.47 81.3365696105 91.7440373686

26. 73.4397.083072 14.6887949131 3.85253099545

27. 71.7194105961 13.1489260398 3.85248479178

28. 79.1531926472 21.0269973154 5.30468646302

29. 75.7674419276 17.7172304833 2.77373143453

30. 86.6498409188 21.9662449226 6.39820598847

31. 74.7564918962 16.4572706121 3.11278262506

32. 76.3899679686 17.6775059327 4.43660438521

33. 48.3085.153596 16.0160902845 31.1577988386

Kolom kedua menunjukkan nilai jarak data terhadap titik pusat cluster

pertama. Kolom ketiga menunjukkan nilai jarak data terhadap pusat cluster

kedua. Kolom keempat menunjukkan nilai jarak data terhadap pusat cluster

ketiga.

7. Struktur Data Pengelompokkan Data yang Ke Dua

Lakukan pengelompokan data kembali sehingga dihasilkan matrik untuk

iterasi yang kedua.

Tabel 4.14 Pengelompokkan Data Iterasi yang Kedua

No C1 C2 C3

1. 2 1 0

2. 0 1 2

3. 0 1 2

4. 0 1 2

5. 0 1 2

6. 0 1 2

7. 0 1 2

167

8. 0 2 1

9. 0 1 2

10 0 1 2

11. 0 1 2

12. 0 1 2

13. 0 1 2

14. 2 1 0

15. 0 1 2

16. 0 2 1

17. 0 2 1

18. 0 1 2

19. 0 2 1

20. 0 1 2

21. 0 1 2

22. 0 1 2

23. 0 1 2

24. 2 1 0

25. 2 1 0

26. 0 1 2

27. 0 1 2

28. 0 1 2

29. 0 1 2

30. 0 1 2

31. 0 1 2

32. 0 1 2

33. 0 2 1

Karena iterasi 1 = iterasi 2 setelah dilakukan perhitungan didapatkan hasil

anggota yang sama, maka tidak perlu dilakukan iterasi lagi. Sampai disini hasil

clustering sudah mencapai stabil dan konvergen.

8. Kesimpulan

Berdasarkan hasil analisa dan pembahasan menggunakan metode clustering

yang dilakukan, maka dapat ditarik kesimpulan. Telah didapat pengetahuan

mengenai pola-pola hubungan cluster, dari pengujian yang dilakukan dengan

jumlah kabupaten/kota sebanyak 25 kabupaten dan 8 kota terdiri dari tahun

pengambilan data yang terbagi lagi berdasarkan atribut usia penduduk telah

menghasilkan 3 cluster dimana sebanyak 4 kabupaten/kota termasuk kedalam

168

cluster tinggi, 5 kabupaten/kota termasuk kedalam cluster sedang dan 24

kabupaten/kota termasuk kedalam cluster rendah. Dimana cluster 1 disebut

cluster 0, cluster 2 disebut cluster 1 dan cluster 3 disebut cluster 2. Berikut nama-

nama kabupaten/kota yang termasuk kedalam hasil clustering:

Cluster 0 (tinggi) : Terdapat 4 kabupaten/kota yaitu:

1. Kabupaten Nias

2. Kabupaten Nias Selatan

3. Kabupaten Nias Utara

4. Kabupaten Nias Barat

Cluster 1 (sedang) : Terdapat 5 Kabupaten/kota yaitu:

1. Kabupaten Asahan

2. Kabupaten Pakpak Bharat

3. Kabupaten Samosir

4. Kabupaten Batu Bara

5. Kabupaten Gunung Sitoli

Cluster 2 (rendah) : Terdapat 24 Kabupaten/kota yaitu:

1. Kabupaten Mandailing Natal

2. Kabupaten Tapanuli Selatan

3. Kabupaten Tapanuli Tengah

4. Kabupaten Tapanuli Utara

5. Kabupaten Toba Samosir

6. Kabupaten Labuhan Batu

7. Kabupaten Simalungun

8. Kabupaten Dairi

169

9. Kabupaten Karo

10. Kabupaten Deli Serdang

11. Kabupaten Langkat

12. Kabupaten Humbang Hasundutan

13. Kabupaten Serdang Bedagai

14. Kabupaten Padang Lawas Utara

15. Kabupaten Padang Lawas

16. Kabupaten Labuhan Batu Selatan

17. Kabupaten Labuhan Batu Utara

18. Kabupaten Sibolga

19. Kota Tanjung Balai

20. Kota Pematang Siantar

21. Kota Tebing Tinggi

22. Kota Medan

23. Kota Binjai

24. Kota Padang Sidempuan

4.3.5 Perancangan Antar Muka

Perancangan antar muka atau user interface merupakan perancangan yang

digunakan untuk menggambarkan antar muka sistem yang akan dibuat.

Rancangan antar muka adalah bagian yang sangat penting dari merancang sebuah

sistem. Dalam merancang antar muka harus memenuhi beberapa persyaratan,

antara lain:

1. Sebuah antar muka harus sederhana

170

2. Antar muka yang dibuat harus lengkap

3. Antar muka yang dibuat harus memiliki kinerja yang cepat dan mudah

digunakan

Perancangan antar muka dalam hal ini bertujuan untuk membuat desain dari

program yang akan dibuat atas dasar penelitian pengelompokkan penduduk buta

aksara berdasarkan kabupaten/kota. Program yang akan dibuat berdasarkan

kebutuhan untuk memudahkan para pengguna sistem nantinya.

4.3.5.1 Desain Global

Salah satu bentuk desain global adalah struktur dari sebuah program yang

akan dibuat. Struktur program itu sendiri adalah gambaran dari sebuah rangkaian

modul-modul program yang terkait satu dengan yang lainnya dan terlihat dalam

proses pengolahan data. Desain secara global juga merupakan persiapan dari

sebuah desain yang sudah terperinci. Desain yang berisi sebuah perancangan yang

digambarkan secara keseluruhan dalam perancangan sebuah sistem dibutuhkan

struktur menu yang berisikan menu-menu dan sub menu yang berfungsi untuk

memudahkan user dalam menggunakan sistem tersebut. Berikut ini digambarkan

mengenai struktur menu program secara keseluruhan dalam sistem ini:

171

Gambar 4.20 Desain Global

4.3.5.2 Desain Input

1. Form Login

Form Login merupakan halaman untuk autentikasi Petugas BPS atau user.

Setiap user yang akan melakukan penginputan data kedalam sistem wajib untuk

memasukkan username dan password yang benar agar menghindari terjadinya

kecurangan dan pencurian data. Berikut adalah gambar dari tampilan form login.

Gambar 4.21 Form Login

2. Form Menu Utama

Form Menu Utama berisikan halaman utama dari menu yang ada didalam

sistem. Didalam menu ini terdapat menu-menu yang diperlukan dalam proses

pengimputan data penduduk buta aksara.

172

Gambar 4.22 Form Menu Utama

3. Form Input Data Pengguna Sistem

Form Input Data Pengguna Sistem merupakan halaman untuk mengupdate

atau menambah data pengguna sistem yang telah dibuat. Berikut adalah gambar

dari tampilan form input data pengguna sistem.

Gambar 4.23 Form Input Data Pengguna Sistem

4. Form Input Data Penduduk Buta Aksara

Form input data penduduk buta aksara merupakan bagian dari proses

penginputan data penduduk buta aksara. Dalam form ini, terlebih dahulu data-

data penduduk buta aksara diinputkan kedalam form ini. Kemudian tahap

173

selanjutnya melakukan proses clustering untuk mendapatkan berupa hasil cluster-

cluster.

Gambar 4.24 Form Input Data Penduduk Buta Aksara

5. Form Input Data Iterasi

Form input data iterasi merupakan bagian dari proses untuk melakukan

iterasi terhadap data penduduk buta aksara. Dalam form ini, pertama kali kita

174

melakukan perhitungan pada iterasi pertama. Gambar 4.25 menunjukan proses

dari penginputan data iterasi.

Gambar 4.25 Input Data Iterasi

6. Form Hasil Iterasi

Form hasil iterasi merupakan form yang menunjukan hasil dari proses yang

dilakukan pada iterasi pertama. Setelah proses perhitungan pada iterasi pertama

175

selesai maka perlu dilakukan proses iterasi berikutnya sampai ditemukan data

yang sama. Gambar 4.26 menunjukan proses dari hasil iterasi.

Gambar 4.26 Form Hasil Iterasi

4.3.5.3 Desain Output

Tujuan akhir dari suatu sistem yang dapat menyajikan informasi atau output

secara cepat dan akurat. Tujuan akhir dalam suatu masalah adalah sebuah laporan

176

dari sistem yang telah dibuat. Untuk itu dalam pendefinisian ini perlu dicermati

output dari laporan clustering penduduk buta aksara di wilayah Sumatera Utara

yang menjadi hasil akhir atas proses output. Berikut ini adalah gambaran dari

perancangan desain output clustering penduduk buta aksara di wilayah Sumatera

Utara.

Gambar 4.27 Desain Output

bab iv analisa dan perancangan 4.1 analisis sistem

Documents