SIDANG SKRIPSI
PEMBIMBING I : MUHAMMAD AINUL YAQIN, M.KOMPEMBIMBING II : SYAHIDUZ ZAMAN, M.KOM
Abd. Charis Fauzan12650007
Jumat, 24 Juni 2016
Sistem Cerdas Untuk Menemukan Behavioral Similarity Pada Model Proses
Bisnis Menggunakan Algoritma Transition Adjacency Relations (TARs)
(Studi Kasus : PPDB Jenjang SMP)
BAB I PENDAHULUAN
Latar Belakang
Permendiknas No. 41 Tahun 2007
Syarat wajib bagi pihak sekolah untuk
melaksanakan proses pembelajaran
proses PPDB menjadi lebih mudah dan efisien, bagi
pihak sekolah maupun calon
siswa
Berkembangnya Teknologi Informasi
Latar Belakang (lanjutan)
Sekolah membangun
aplikasi PPDB
Pihak sekolah membangun aplikasi PPDB yang
infrastrukturnya dapat disesuaikan dengan
kebutuhan proses bisnis
Membentuk sistem tunggal
Biaya mahal Waktu lama
Kelemahan
Latar Belakang (lanjutan)
Peraturan Bersama antara Menteri Pendidikan dan
Kebudayaan dan Menteri Agama No. 7 Tahun 2014
PPDB seluruh jenjang pendidikan secara garis
besar memiliki kemiripan proses bisnis, yaitu
• Pemberitahuan ke masyarakat
• Pendaftaran• Pengumuman peserta
didik baru• Pendaftaran ulangMaka, persamaan proses bisnis
PPDB dapat dijadikan acuan untuk membentuk model proses
bisnis PPDB yang umum
Proses Bisnis umum berguna untuk membentuk layanan umum dalam
web service
Latar Belakang (lanjutan)
Perlu dilakukan penelitian untuk mencari kemiripan perilaku (behavioral similarity) pada model proses bisnis PPDB.
Menemukan common fragment model proses bisnis.
Target
Metode
Transition Adjacency Relations (TARs)
Rumusan Masalah1. Bagaimana menghitung kemiripan perilaku (behavioral similarity)
pada model proses bisnis PPDB menggunakan algoritma Transition Adjacency Relations (TARs)?
2. Bagaimana melakukan pengelompokan pada model proses bisnis penerimaan peserta didik baru sesuai dengan nilai kesamaannya?
3. Bagaimana menarik common fragment model proses bisnis pada setiap kelompok yang terbentuk ?
Tujuan Penelitian1. Menghitung kemiripan perilaku (behavioral similarity) pada model
proses bisnis penerimaan peserta didik baru baru menggunakan algoritma Transition Adjacency Relations (TARs).
2. Melakukan pengelompokan pada model proses bisnis penerimaan peserta didik baru sesuai dengan nilai kesamaannya.
3. Mengambil common fragment model proses bisnis pada setiap kelompok yang terbentuk.
Batasan Masalah
Masukan sistem menggunakan proses bisnis PPDB yang dimodelkan dalam bentuk Petri Net Markup Language (PNML).
PPDB jenjang SMP adalah sebatas jalur reguler.
Hasil keluaran sistem berupa nilai TARset yang merepresentasikan model proses bisnis yang umum
Manfaat Penelitian
DiharapkanMenghasilkan nilai
TARset yang merepresentasikan proses bisnis umum
Mempercepat waktu
pengembangan sistem informasi
PPDB
Berbagai jenis SMP
Terhadap
BAB II KAJIAN PUSTAKA
Penerimaan Peserta Didik Baru (PPDB) SMPAdalah penerimaan peserta didik pada sekolah menengah pertama yang dilaksanakan pada awal tahun ajaran baru yang meliputi pemberitahuan ke masyarakat, pendaftaran, pengumuman peserta didik baru yang diterima, hingga pendaftaran ulang.
PPDB Model A PPDB Model B
Model Proses BisnisPemodelan proses bisnis merupakan cara untuk memahami, mendesain dan menganalisa suatu proses bisnis.
Sedangkan model proses bisnis sendiri merupakan representasi proses bisnis sehingga sebuah model proses bisnis harus secara jelas mendefinisikan setiap ciri-ciri yang harus dimiliki oleh suatu proses bisnis.
Pemodelan Proses Bisnis dengan Petri netPetri net tediri dari place dan transition yang dihubungkan oleh sebuah garis (arc). Place menggambarkan kondisi yang harus dipenuhi sebelum suatu tindakan dapat dilakukan. Transition menggambarkan suatu peristiwa (event) atau tindakan
Contoh Pemodelan Petri Net
Model Proses
Bisnis A
Model Proses
Bisnis B
Behavioral Similarity dengan TARsBehavioral similarity adalah pengukuran kesamaan proses bisnis berdasarkan hubungan perilaku antara proses bisnis.
Transition Adjacency Relations adalah cara pengambilan nilai behavioral similarity dengan cara mendapatkan relasi antar aktivitas yang ada. Gabungan relasi antar aktivitas disebut dengan TARset. Rumus behavioral similarity dengan TARs adalah
Behavioral Similarity dengan TARs (lanjutan)
aktivitas 1 = AB, BC, CD, BE, EB
aktivitas 2 = AB, BC, CD, CE, EC
Jumlah irisan yang sama adalah tiga dan masing-masing proses memiliki lima TARset. Jadi didapatkan nilai kesamaan 9/25 = 0,36.
Pengelompokan berdasarkan Nilai Threshold• Tentukan threshold.• Hitung semua nilai kesamaan antar model.• Ulangi untuk setiap model bandingkan nilai kesamaan
dengan threshold.• Untuk 2 model yang nilai kesamaannya di atas threshold,
masuk ke kelompok yang lolos kluster• Untuk model yang tidak nilai kesamaannya di bawah
threshold, berarti tidak masuk ke kelompok manapun.
Common FragmentCommon fragment merupakan fragment utama penyusun dari model proses bisnis dalam satu kluster. Jadi proses dalam mendapatkan common fragment yaitu melalui mencari nilai TARset yang sama pada seluruh kluster
BAB III METODOLOGI PENELITIAN
Gambaran Umum SistemSistem cerdas untuk membentuk model proses bisnis penerimaan peserta didik baru yang umum (common fragment). Dengan cara :
1. Menghitung behavioral similarity dengan Algoritma TARs2. Mengkluster berdasarkan nilai threshold3. Membentuk commont fragment berdasarkan nilai kluster
Hasil akhir keluaran sistem adalah nilai TARset yang merepresentasikan proses bisnis yang umum
Lokasi PenelitianTempat penelitian untuk pengambilan data berupa proses bisnis PPDB berada di empat lokasi sekolah menengah pertama (SMP) yang berbeda, yaitu :
SMP Annur 2 Al Murtadlo, Bululawang, MalangMTs Annur 1 Al Murtadlo, Bululawang, MalangSMP Negeri 13, Kota Malang
SMP Islam Baburrohmah, Mojokerto
Prosedur Penelitian
Alur Sistem
Identifikasi Proses BisnisIdentifikasi proses bisnis adalah mengidentifikasi kegiatan bisnis apa saja yang berhubungan dengan PPDB empat sekolah, yaitu :
SMP Annur 2 Al Murtadlo, Bululawang, MalangMTs Annur 1 Al Murtadlo, Bululawang, MalangSMP Negeri 13, Kota Malang
SMP Islam Baburrohmah, Mojokerto
Identifikasi Proses Bisnis SMP Annur 2
1. Calon peserta didik baru mendaftar di pondok pesantren An-Nur 1 Al-Murtadlo atau An-Nur 2 Al-Murtadlo
2. Calon peserta didik baru mendapatkan bukti tanda terima pondok pesantren.
3. Calon peserta didik baru mengambil dan mengisi formulir data pendaftaran.
4. Calon peserta didik baru menyerahkan kembali formulir kepada panitia dengan melampirkan kartu bukti terima pondok dan berkas pendaftaran lainnya.
Identifikasi Proses Bisnis SMP Annur 2 (lanjutan)
5. Calon Panitia melakukan entri data pendaftaran6. Panitia mencetak tanda bukti pendaftaran dan menyerahkan kepada
calon peserta didik baru. 7. Calon peserta didik baru melakukan pembayaran ke administrasi
keuangan. 8. Mengikuti masa orientasi peserta didik baru.
Identifikasi Proses Bisnis MTs Annur 1
1. Calon peserta didik baru mendaftar di pondok pesantren An-Nur 1 Al-Murtadlo atau An-Nur 2 Al-Murtadlo
2. Calon peserta didik baru mendapatkan bukti tanda terima pondok pesantren.
3. Calon peserta didik baru mengambil dan mengisi formulir data pendaftaran.
4. Calon peserta didik baru menyerahkan kembali formulir kepada panitia dengan melampirkan kartu bukti terima pondok dan berkas pendaftaran lainnya.
Identifikasi Proses Bisnis MTs Annur 1 (lanjutan)
5. Calon Panitia melakukan entri data pendaftaran6. Panitia mencetak tanda bukti pendaftaran dan menyerahkan kepada
calon peserta didik baru. 7. Calon peserta didik baru melakukan pembayaran ke administrasi
keuangan. 8. Mengikuti masa orientasi peserta didik baru.
Identifikasi Proses Bisnis SMP Negeri 13 1. Calon peserta didik baru mengambil dan mengisi formulir data
pendaftaran.2. Menyerahkan kembali formulir kepada panitia dengan melampirkan
berkas pendaftaran lainnya. 3. Panitia melakukan entri data pendaftaran.4. Panitia mencetak tanda bukti pendaftaran dan menyerahkan kepada
calon peserta didik baru. 5. Panitia melakukan seleksi terhadap calon peserta didik baru
berdasarkan rata-rata nilai ujian nasional dan nilai ujian sekolah.
Identifikasi Proses Bisnis SMP Negeri 13 6. Calon peserta didik baru melihat pengumuman 7. Calon peserta didik baru yang dinyatakan diterima melakukan
registrasi ulang kepada panitia. 8. Mengikuti masa orientasi peserta didik baru.
Identifikasi Proses Bisnis SMP Islam Baburrohmah 1. Calon peserta didik baru mengambil dan mengisi formulir data
pendaftaran.2. Menyerahkan kembali formulir kepada panitia dengan melampirkan
berkas pendaftaran lainnya. 3. Panitia melakukan entri data pendaftaran.4. Panitia mencetak tanda bukti pendaftaran dan menyerahkan kepada
calon peserta didik baru. 5. Panitia melakukan seleksi terhadap calon peserta didik baru
berdasarkan rata-rata nilai ujian nasional, nilai ujian sekolah serta mata pelajaran keislaman.
Identifikasi Proses Bisnis SMP Islam Baburrohmah 6. Calon peserta didik baru melihat pengumuman 7. Calon peserta didik baru yang dinyatakan diterima melakukan
registrasi ulang kepada panitia. 8. Mengikuti masa orientasi peserta didik baru.
Konversi Proses Bisnis ke Label “t” Transisi Transisi Proses Bisnis
t1Calon peserta didik baru mendaftar di pondok pesantren An-Nur 1 Al-Murtadlo atau An-Nur 2 Al-Murtadlo
t2 Calon peserta didik baru mendapatkan bukti tanda terima pondok pesantren.
t3 Calon peserta didik baru mengambil dan mengisi formulir data pendaftaran.
t4Calon peserta didik baru menyerahkan kembali formulir kepada panitia dengan melampirkan kartu bukti terima pondok dan berkas pendaftaran lainnya.
t5 Panitia melakukan entri data pendaftaran
t6Panitia mencetak tanda bukti pendaftaran dan menyerahkan kepada calon peserta didik baru.
Konversi Proses Bisnis ke Label “t” Transisi (lanjutan)
Transisi Proses Bisnis
t7 Calon peserta didik baru melakukan pembayaran ke administrasi keuangan.
t8 Mengikuti masa orientasi peserta didik baru.
t9 Menyerahkan kembali formulir kepada panitia dengan melampirkan berkas pendaftaran lainnya.
t10 Panitia melakukan seleksi terhadap calon peserta didik baru berdasarkan rata-rata nilai ujian nasional dan nilai ujian sekolah.
t11 Calon peserta didik baru melihat pengumuman lolos seleksi
t12 Calon peserta didik baru yang dinyatakan diterima melakukan registrasi ulang kepada panitia.
Pemodelan Petri Net
Model Petri Net PPDB SMP An-Nur 2 Model Petri Net PPDB MTs An-Nur 1
Pemodelan Petri Net
SMP Negeri 13 Kota Malang
SMP Islam Baburrohmah
BAB IVHASIL DAN PEMBAHASAN
Model Petri Net sebagai Masukan Sistem
Model Petri Net PPDB SMP An-Nur 2 Model Petri Net PPDB MTs An-Nur 1
Model Petri Net sebagai Masukan Sistem (Lanjutan)
SMP Negeri 13 Kota Malang
SMP Islam Baburrohmah
Parsing Petri Net Parsing Petri Net dimaksudkan untuk mengambil nilai transisi pada setiap model petri net, kemudian menyatukan setiap transisi yang berdekatan sehingga membentuk nilai TARset. Oleh karena itu, tujuan akhir dari proses parsing adalah memperoleh nilai TARset dari model petri net.
Parsing Petri Net
Hasil Parsing PPDB SMP Negeri 13
Hasil Parsing PPDB SMP Islam Baburrohmah
Hasil Parsing PPDB SMP An-Nur 2
Hasil Parsing PPDB MTs An-Nur 1
Perhitungan Behavioral Similarity menggunakan TARs
Rumus Behavioral Similarity menggunakan TARs
Perhitungan Behavioral Similarity menggunakan TARs (lanjutan)
Hasil Perhitungan Behavioral Similarity
Tabel Hasil Perhitungan Behavioral Similarity
Clustering Nilai Behavioral Similarity
Clustering Nilai Behavioral Similarity (Lanjutan)
Tabel Hasil Clustering
Hasil Clustering tiap KlusterKluster 1 = {t7t8} {t6t7} {t5t6} {t1t2} {t2t3} {t3t4} {t4t5} Kluster 2 = {t7t8} {t6t7} {t5t6} {t1t2} {t2t3} {t3t4} {t4t5} Kluster 3 = {t12t8} {t11t12} {t3t9} {t9t5} {t5t6} {t13t11} {t6t13} Kluster 4 = {t12t8} {t11t12} {t10t11} {t3t9} {t9t5} {t5t6} {t6t10} Kluster 5 = {t7t8} {t6t7} {t5t6} {t1t2} {t2t3} {t3t4} {t4t5} Kluster 6 = {t7t8} {t6t7} {t5t6} {t1t2} {t2t3} {t3t4} {t4t5} Kluster 7 = {t12t8} {t11t12} {t3t9} {t9t5} {t5t6} Kluster 8 = {t12t8} {t11t12} {t3t9} {t9t5} {t5t6}
Penentuan Common Fragment
Penentuan Common FragmentKluster 1 = {t7t8} {t6t7} {t5t6} {t1t2} {t2t3} {t3t4} {t4t5} Kluster 2 = {t7t8} {t6t7} {t5t6} {t1t2} {t2t3} {t3t4} {t4t5} Kluster 3 = {t12t8} {t11t12} {t3t9} {t9t5} {t5t6} {t13t11} {t6t13} Kluster 4 = {t12t8} {t11t12} {t10t11} {t3t9} {t9t5} {t5t6} {t6t10} Kluster 5 = {t7t8} {t6t7} {t5t6} {t1t2} {t2t3} {t3t4} {t4t5} Kluster 6 = {t7t8} {t6t7} {t5t6} {t1t2} {t2t3} {t3t4} {t4t5} Kluster 7 = {t12t8} {t11t12} {t3t9} {t9t5} {t5t6} Kluster 8 = {t12t8} {t11t12} {t3t9} {t9t5} {t5t6}
Hasil Common Fragment adalah TARset bernilai {t5t6}
Penentuan Common Fragment
Model petri net untuk TARset bernilai {t5t6}
t5 Panitia melakukan entri data pendaftaran
t6 Panitia mencetak tanda bukti pendaftaran dan menyerahkan kepada calon peserta didik baru
BAB VPENUTUP
Kesimpulan1. Dalam melakukan perhitungan behavioral similarity
digunakan algoritma transitions adjacency relations (TARs). Algoritma TARs dapat melakukan perhitungan behavioral similarity untuk menghitung kemiripan model proses bisnis PPDB SMP An-Nur 2 Al-Murtadlo, MTs An-Nur 1 Al-Murtadlo, SMP Negeri 13 Kota Malang, dan SMP Islam Baburrohmah Mojokerto.
Kesimpulan (Lanjutan)2. Proses clustering dilakukan dengan cara membandingkan
hasil behavioral similarity dengan nilai threshold. Apabila nilai behavioral similarity lebih dari atau sama dengan nilai threshold, maka nilai behavioral similarity tersebut lolos kluster. Berdasarkan enam belas nilai behavioral similarity yang telah dihitung, didapatkan delapan nilai kluster dengan threshold sebesar 0,5 .
Kesimpulan (Lanjutan)2. Proses clustering dilakukan dengan cara membandingkan
hasil behavioral similarity dengan nilai threshold. Apabila nilai behavioral similarity lebih dari atau sama dengan nilai threshold, maka nilai behavioral similarity tersebut lolos kluster. Berdasarkan enam belas nilai behavioral similarity yang telah dihitung, didapatkan delapan nilai kluster dengan threshold sebesar 0,5 .
Kesimpulan (Lanjutan)3. Berdasarkan hasil pengujian didapatkan bahwa hasil
common fragment untuk model proses bisnis PPDB SMP An-Nur 2 Al-Murtadlo, PPDB MTs An-Nur 1 Al-Murtadlo, SMP Negeri 13 Kota Malang serta SMP Islam Baburrohmah Mojokerto adalah TARset {t5t6}, jika dijabarkan maka :
t5 = panitia melakukan entri data pendaftaran t6 = panitia mencetak tanda bukti pendaftaran dan
menyerahkan kepada calon peserta didik baru.
Saran1. Menambahkan algoritma untuk pengukuran behavioral
similarity, dimaksudkan untuk membandingkan hasil pengukuran behavioral similarity dengan beberapa algoritma yang berbeda.
2. Menambahkan data model PPDB untuk jenis SMP yang lain, karena penambahan data model PPDB tentu akan menambah kualitas common fragment yang dihasilkan.3. Mengintegrasikan sistem cerdas hasil penelitian dengan
web service, agar mendukung interoperabilitas dan interaksi antar sistem pada suatu jaringan.
SELESAI