Upload
others
View
9
Download
0
Embed Size (px)
Citation preview
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()
3.1.1 Tampilkan 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()
3.1.1 Tampilkan 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
Media Penyimpanan : Harddisk
Fungsi : Menyimpan Data Nama Kabupaten
Tabel 4.6 Database Kabupaten
No Nama Field Type Key Deskripsi
1. kdkab Varchar (3) * Kode Kabupaten
2. nmkab Varchar (300) Nama Kabupaten
3. thn20171024 Double Tahun 2017 usia 10-24 tahun
4. thn20172564 Double Tahun 2017 usia 25-64 tahun
5. thn201765 Double Tahun 2017 usia 65 tahun keatas
6. thn20181024 Double Tahun 2018 usia 10-24 tahun
7. thn20182564 Double Tahun 2018 usia 25-64 tahun
8. thn201865 Double Tahun 2018 usia 65 tahun keatas
9. thn20191024 Double Tahun 2019 usia 10-24 tahun
10. thn20192564 Double Tahun 2019 usia 25-64 tahun
11. thn201965 Double Tahun 2019 usia 65 tahun keatas Keterangan: * Primary Key
3. Hasil
Nama File : tbl_hasil
Media Penyimpanan : Harddisk
Fungsi : Menyimpan data hasil perhitungan
99
Tabel 4.7 Database Hasil
No Nama Field Type Key Deskripsi
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
Perhitungan jarak dari data ke 28 terhadap pusat cluster
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
Perhitungan jarak dari data ke 29 terhadap pusat cluster
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
Perhitungan jarak dari data ke 30 terhadap pusat cluster
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
Perhitungan jarak dari data ke 31 terhadap pusat cluster
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
Perhitungan jarak dari data ke 32 terhadap pusat cluster
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
Perhitungan jarak dari data ke 33 terhadap pusat cluster
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