Revolutionary Scholarship Award Accuracy in Vocational High Schools with Decision Support Systems
Innovation in Computer Science
DOI: 10.21070/ijins.v22i.867

Revolutionary Scholarship Award Accuracy in Vocational High Schools with Decision Support Systems


Akurasi Penghargaan Beasiswa Revolusioner di Sekolah Menengah Kejuruan dengan Sistem Pendukung Keputusan

Universitas Muhammadiyah Sidoarjo
Indonesia
Universitas Muhammadiyah Sidoarjo
Indonesia

(*) Corresponding Author

Scholarship Determination Waterfall Method Data Mining PIECES Method Accuracy Rate

Abstract

The aim of this research is to investigate the determination of scholarships at SMK Nasional Mojosari and to facilitate teachers in providing scholarships to deserving and high-achieving students, while also testing the quality of the system. The author uses the Waterfall method to build the system, which is a systematic and sequential approach that begins with analyzing, designing, coding, and testing the system. To analyze the system, several stages of data collection, problem formulation, user requirements, and concept analysis are required. The application design stage uses the CRISP_DM data mining model, and the testing stage uses the PIECES method. The accuracy of the Decision Tree classification for scholarships was determined using a confusion matrix, and the testing results showed an accuracy rate of 72.77% using RapidMiner. From these results, it can be concluded that the Decision Support System developed and tested is effective for processing and calculating data.

Highlights:

1. The current process of determining scholarship recipients at SMK Nasional Mojosari is manual and time-consuming, which highlights the need for a more efficient and accurate system.

2. The author uses the Waterfall method, a systematic and sequential approach, to build a Decision Support System that facilitates the process of providing scholarships to deserving and high-achieving students while also testing the quality of the system.

3. The testing results showed an accuracy rate of 72.77% using RapidMiner, indicating that the Decision Support System is effective for processing and calculating data, and can help teachers make informed decisions about scholarship recipients.

Pendahuluan

DalamiiHukum DasariiNegeri Indonesiaiisudah memercayakan mengenai usaha dalam mencerdaskan kehidupan bangsa. Perihal ini dipakai buat membuktikan tiap masyarakat negeri mulai dari tingkatan dasar sampai akademi besar wajib mengjalani pembelajaran. Upaya penguasa dalam menangani keselamatan warga bisa diamati pada UUD RI 1945 dalam pergantian keempat mengenai pembelajaran serta kultur pada artikel 31 bagian( 3) kalau “penguasa mengusahakan serta menyelenggarakan satu sistem pembelajaran nasional yang tingkatkan keagamaan serta ketakwaan dan adab agung dalam bagan mencerdaskan kehidupan bangsa yang diatur dengan hukum”.

Pendidikaniiimerupakan suatu usaha yangiiiiterencana untuk menambah wawasan dalam pembelajran yang berguna untuk menambah potensi yang dimilikinya. Fungsi pendidikan merupakan peran penting untuk meningkatkan pengembangan sumberdaya manusia yang bertujuan untuk memperluas ilmu pengetahua[1].

Dalam tiap badan pembelajaran spesialnya di sekolah banyak sekali yang membagikan beasiswa terhadapa siswa- siswi, bagus buat anak didik yang berprestasi serta anak didik yang kurang sanggup. Beasiswa diserahkan buat menolong memudahkan bobot bayaran sekolah. Buat memperoleh beasiswa, siswa- siswi itu wajib memenui kriteria- kriteria yang sudah diresmikan oleh pihak sekolah, semacam jumlah pemasukan orang berumur, jumlah amanah orang berumur, jumlah kerabat kandungan, menaiki yang dipakai buat berangkat kesekolah, angka rapot, serta hasil siswa- siswi[2].

Ada beberapa sekolah yang mendapatkan masalah pada saat memberikan beasiswa, misalnya di sekolah SMK Nasional Mojosari mengalami kesulitan dalam penentuan beasiswa. Biasanya pihak sekolah menilai dari hasil gaji orangtua dan jumlah biaya yang ditanggung oleh orangtua. Di dalam proses pengambilan keputusan untuk meberikan beasiswa masih menggunkan cara manual yaitu dengan cara rapat guru serta karyawan lainnya. Langkah-langkah untuk mengelolah data dilakukan menggunakan cara mengumpulan data siswa-siswi, menhitungan secara manual, dan menyusun laporan. Saat memberikan beasiswa kepada siswa-siwi banyak yang protes dikarenakan tidak tepat sasaran dalam pemberian beasiswa.

Sistem Pendukung Ketetapan bisa menolong cara dalam pengumpulan ketetapan dibagian administrasi buat menyudahi yang berkuasa menyambut beasiswa dengan metode membagikan pengganti antrean bagian saran[3].

Pentingnya dalam cara penyeleksian dengan cara otomatis serta terkomputerisasi amat dibutuhkan buat pemberian beasiswa supaya tidak error, terdokumentasi dengan rinci serta mengirit durasi. Untuk menentukan pengambilan keputusan dalam memberikan beasiswa di Sekolah Menengah Kejuruan. Metode Decission Tree Algoritma c4.5 memiliki keunggulan yaituiidapat mengetahui informasi tersembunyi di dalamiidata yangiibesar, menjadikan himpunan dataiiyang besariimenjadi lebihiikecil serta hasilnya menjadi pohon keputusan .

Adapun kriteria yang disarankan penulis untuk menambah syarat pendaftaran beasiswa guna untuk memberikan beasiswa yaitu , menambahkan kriteria jumlah hasil bayar listrik perbulan, dan memiliki rumah sendiri atau kontrak. Hal tersebut bisa dibuat acuah untuk mencegah kesalahan tidak tetap sasaran dalam pemberian beasiswa.

Dalam metode Decission Tree Algoritma c4.5 diharapkan mampu membantu untuk mempercepat pengambilan keputusan dan penerimaan beasiswa, dalam sistem ini bisa meminimalis sebuah kesalahaniisehingga dapat pemberian beasiswa dapat diberikan sesuai dengan anggaran yang didapat dan dijadikan sebagai sistemiipendukung keputusaniiyang bisa digunkan olehiipihak sekolah. Olehikarena ituipenulis membuat “SistemiPendukung Keputusan Untuk Memberikan BeasiswaiiMenggunakan DECISSION TREE di Sekolah Menengah Kejuruan”.

Metode Penelitian

A. Sistem Pendukung Keputusan

Sistem pendukung keputusan adalah sistem berbasis komputer yang mendukung sebuah elemen untuk membentuk kesatuan dan memproses suatu masalah sehinggah masalah tersebut dapat diselesaikan dengan baik[4].

B. Data Mining

Dataiimining merupakan suatu proses pengumpulan informasi yang ada di dalam data. Data mining yaitu proses menganalisa data dan menentukan model di dalam dataiitersebut. Dataiimining dapat menjadikan dataiiyang besarimenjadi sebuah informasi dalam pendukung keputusan [5].

C. Klasifikasi Data mining

Klasifikasi datamining berpengaruh pada kelompok data dengan menerapkan algoritma. Ada berbagai macam algoritma seperti pohon keputusan, dan lain-lain. Klasifikasi dapat digunakan untuk memprediksi data. Tujuan klasifikasi untuk meningkatkan kualitas hasil yang di peroleh dari data.

D. Decission Tree Algoritma C4.5

Pohon keputusan atau disebut dengan Decession Tree adalah konsep pemetaan untuk memecahkan sebuah masalah yang dapat diambil dari masalah tersebut. Metode yang mudah untuk di pahami oleh manusia dan paling populer adalah Pohon keputusan. Pohon keputusan dibagun berdasarkan algoritma induksi seperti c4.5.

Tumbuhan ketetapan ialah pengajuan simpel dari metode pengelompokan buat beberapa kategori, dimana node dalam ataupun node pangkal diisyarati dengan julukan patokan, rusuk- rusuknya diberi julukan angka patokan yang bisa jadi serta node daun diisyarati dengan kelas- kelas yang berlainan[6].

E. Beasiswa

Beasiswa ialah pemberian dorongan yang berbentuk duit yang diserahkan pada per orangan yang bermaksud buat dipakai dalam kesinambungan pembelajaran yang sudah ditempuh. Beasiswa bisa diserahkan oleh badan penguasa, pembelajaran, industri atau badan yayasan. Membagikan beasiswa bisa dibilang pemberian dengan cara bebas atau pemberian dengan jalinan kegiatan sehabis selesainya pembelajaran[7].

F. Website

Web segerombol bagian yang terdiri dari bacaan, lukisan, suara kartun, ataupun alat data yang menarik buat didatangi. Web merupakan laman data yang diadakan lewat rute internet alhasil bisa diakses di semua bumi sepanjang terkoneksi dengan jaringan internet. Dengan cara garis besar, web bisa digolongkan jadi 2 bagian ialah web statis serta web dinamis[8].

G. Pemrograman Hypertext Prepocessor (PHP)

PHP( PHP: hypertext prepocessor) ialah bahasa pemrograman website yang bisa dipakai dalam script HTML. Banyak sintaks di dalamnya yang mendekati dengan bahasa pemrograman C, Java serta Perl. Tujuan bahasa ini merupakan buat menolong para developer web dalam membuat suatu website dengan cepat[9].

H. XAMPP

Xampp adalah sebuah manager service yang akan menginstal Apache, PHP5, database MySQL, PHPmyadmin dan SQLitemanager di komputer anda. Xampp server merupakan sistem yang dapat di download secara gratis di internet. Kegunaan xampp server ini adalah untuk membuat jaringan[10]. adalah paket server web PHP dan database MySQL yang paling populer di dalam kalangan pengembang web yang menggunakan bahasa pemrograman PHP dan MySQL sebagai databasenya[11].

I. Tahapan rancangan Sistem

1. Metode Algoritma c4.5

Berikut ini merupakan langkah-langkah yang akan dijalankan dengan menggunakan algoritma c4.5, yaitu :

Figure 1.Alur algoritma C4.5

2. Flowchart

Flowchart ialah bagimana ceruk ilmu mantik yang hendak diaplikasikan pada sistem yang hendak kita untuk. Pada bagan ini bisa diamati metode kegiatan sistem

Figure 2.Flowchart

3. Perhitungan manual Decession Tree Algoritma c4.5

Hal pertaman yang harus dihitung adalah jumlah keseluruhan khasus, kemudian langkah selanjutnya yaitu menghitung jumlah khasus sesuai dengan kelasnya.

No KIP Nama JK Ibu Kepemilikan Rumah Biaya Listrik Pengahsilan Orang Tua Rapot Transportasi Rekomendasi
T38T4Q Evitri Puspitasari P Prawati Rumah Sendiri Lebih dari 70000 Kurang Dari 1500000 B+ Kendaraan Pribadi Layak
E4ANYD Fery Dwi Mahesa Saputra L Sri Winarsih Ngontrak Kurang dari 70000 Kurang Dari 1500000 B+ Kendaraan Umum Layak
E43AH8 Achmad nur cahyono L Kuswati Rumah Sendiri Lebih dari 70000 Kurang Dari 1500000 B+ Kendaraan Pribadi Layak
E4FTD3 Ahmad Rijal L Sunarsih Rumah Sendiri Kurang dari 70000 Kurang Dari 1500000 A Kendaraan Pribadi Layak
PO443X Anjas Isnanto L Sriasih Rumah Sendiri Lebih dari 70000 Kurang Dari 1500000 B+ Kendaraan Pribadi Tidak Layak
RDN40J Mukhammad Arianto L Apipah Rumah Sendiri Kurang dari 70000 Kurang Dari 1500000 A Kendaraan Pribadi Layak
E4JH3Y Firman Hidayatulloh L Kustiyah Rumah Sendiri Lebih dari 70000 Kurang Dari 1500000 B+ Kendaraan Pribadi Layak
Table 1.Contoh Data Siswa SMK Nasional Mojosari

1. Menghitung nilai entropy total keseluruhan jumlah kasus

= 0,8497511

2. Menghitung Nilai atribut Kepemilikan Rumah Sendiri

= 0,8112781

3. Menghitung Gain Setiap Atribut

= 0, 178348

Hasil lengkap dari perhitungan gain dan entropy dengan semua atribut, terdapat pada tabel di berikut ini :

Metode Jumlah Layak Tidak Layak Entrophy Gain
1 Total 29 21 8 0.849751137
Kepemilikan Rumah 0.178348551
Rumah Sendiri 24 18 6 0.811278124
Ngontrak 5 5 0 0
Biaya Listrik -3.719544121
Kurang Dari 70000 7 7 0 0
Lebih Dari 70000 22 16 6 0.845350937
Penghasilan Orang Tua 0.09237227
Kurang Dari 1500000 22 20 2 0.439496987
Lebih Dari 1500000 7 3 4 0.985228136
Rapot -1.095380281
B+ 15 9 6 0.970950594
A- 3 3 0 0
A 11 11 0 0
Transportasi -1.731389244
Kendaraan Umum 6 6 0 0
Kendaraan Pribadi 23 17 6 0.828055725
Table 2.Hasil perhitungan Metode 1

Setelah mendapatkan seluruh hasil dari entropy dan gain, kita pilih nila dari hasil gain terbesar. Dan lakukan perhitungan kembali.

Figure 3.Hasil dari pohon Keputusan

Hasil dan Pembahasan

A. Implementasi Program

Ada beberapa implementasi coding program yang telah dibuat pada system yaitu :

1. Menu Halaman Utama

Halaman utama berisi menu Pengertian singkat system pendukung keputusan Decission Tree algoritma c4.5, Menu Login untuk Admin, dan Menu Konsultasi untuk user, sehingga user bisa mengetahui apa bisa mendapatkan beasiswa.

Figure 4.Halaman Utama

2. Halaman Login Admin

Halaman login Admin harus memasukan user dan password. Jika user dan password yang di masukkan benar, maka akan di arahkan ke halaman beranda admin.

Figure 5.Halaman Utama Login Admin

3. Halaman Beranda Admin

Beranda Admin menampilkan halaman utama setelah admin melalukkan login. Halaman Beranda Admin menampilkan beberapa menu yaitu , Atribut, Nilai Atribut, Dataset, Tree, Akurasi, Perhitungan, Password, dan Log out.

Figure 6.Beranda Admin

4. Menu Atribut

Halaman Menu Atribut ditampilan button pencarian otomatis dan button tambah untuk menambahkan atribut. Ketika admin menetakan button tambah otomatis langsung masuk halam web berikutnya untuk mengisi nilai atribut apa yang ingin ditambahkan. Setelah menekan button simpan, maka otomatis atribut yang sudah di tambahkan masuk dalam database. Terdapat juga kode Atribut dan beberapa kriteria Atribut. Di dalam menu atribut terdapat button untuk mengganti atribut dan menghapus atribut sesuai yang dibutuhkan oleh admin.

Figure 7.Menu Atribut

5. Menu Nilai Atribut

Halaman Menu Nilai Atribut terhubung dengan Menu atribut , hanya saja terdapat nama nilai atribut sesuai kriteria yang di tetapkan oleh pengguna. Dan admin juga bisa menambah nilai atribut, menggubah dan menghapus nilai atribut sesuai kebutuhan.

Figure 8.Menu Nilai Atribut

6. Menu Dataset

Halam menu dataset terdapat terdapat button Pencarian , tambah data, edit data, hapus data, dan import data yang bisa mempermudah untuk menambah data dengan jumlah yang banyak. Dalam menu dataset terdapat kriteria untuk mendapatkan beaiswa seperti, kepemilikan rumah, biaya listrik, rapot, transportasi, penghasilan orang tua, dan rekomendasi.

Figure 9.Menu Dataset

7 . Menu Tree

Halaman Menu Tree menampilkan hasil keseluran yang telah di hitung dan menampilkan hasil pohon keputusan.

Figure 10.Menu Pohon Keputusan

8. Halaman Akurasi

Di halaman Akurasi ini admin dapat memasukkan nilai presentase testing dan data testing. Setelah mengisi admin dapat melihat hasil akurasi dan Confusion Matrik. Dalam hasil perhitungan Confusion Matrik mengetahui bahwa :

TP (True positif jika prediksi positif dan aktual positif)

FP (False positif jika prediksi positif dan aktual negatif)

FN (False negatif jika prediksi negatif dan aktual positif)

TN (True negatif jika prediksi negatif dan aktual negatif)

Figure 11.Menu Akurasi

9. Halaman Perhitungan

Halaman Perhitungan admin mengisi kriteria kepemilikan rumah, Biaya Listrik, Nilat Rapot, Penghasilan Orang Tua, Transportasi . Setelah mengisi semua kriteria, kemudian pilih button hitung. Admin bisa melihat hasil apakah siswa atau siswi tersebut layak mendapat beasiswa atau tidak.

Figure 12.Menu Perhitungan

Hasil perhitungan dari Kepemilikan rumah : Ngontrak , Penghasilan Orang tua : Kurang dari 1500000, Rapot : A , dan Transportasi : Kendaraan pribadi.

Figure 13.Hasil Perhitungan

10. Halaman Ubah Password

Dihalaman Ubah Password Admin dapat mengubah passwoard. Dalam mengubah passwoard admin harus memasukkan password lama dan password baru.

Figure 14.Ubah Password

11. Menu Konsultasi User

Halaman Konsultasi user bisa mengisi kriteria kepemilikan rumah, Biaya Listrik, Nilat Rapot, Penghasilan Orang Tua, Transportasi . Setelah mengisi semua kriteria, kemudian pilih button hitung. User bisa melihat hasil apakah user layak mendapat beasiswa atau tidak.

Figure 15.Konsultasi User

Simpulan

Berdasarkan hasil pembahsan sistem pendukung keputusan untuk memberikan beasiswa dapat di simpulkan bahwa :

  1. Sistem pendukung keputusan pemilihan beasiswa telah berhasil dibuat menggunakan metode Decission Tree Algoritma C4.5.
  2. Berdasarkan percobaan sistem, sistem pendukung keputusan pemberian beasiswa berhasil menampilkan menu-menu utama, penambahan data alternatif dapat ditambahkan, di ubah ataupun dihapus dan menampilkan hasil pohon keputusan. Sedangkan pada menu user kriteria tidak dapat di tmbahkan atupun diubah.
  3. Sistem ini mempermudah menginput data berdasarkan kriteria yang disediakan.
  4. Sistem pendukung keputusan ini membantu meningkatkan efisien waktu dalam menentukan pemilihan beasiswa.
  5. Berdasarkan uji coba terhadap pengguna, disimpulkan bahwa sistem pendukung keputusan untuk memberikan beasiswa di sekolah mengah kejuruan (SMK Nasional Mojosari) ini mudah digunakan dengan nilai akhir 80%.

References

  1. Zuwida, N., dkk. (2014). TinjauaniPemanfaatan BeasiswaiBantuan Khususi Muridi (BKM) PadaiSiswa SMKiNegeri 1iPariaman.
  2. Gunawan, Kesuma P. R., dan Wigati R. R. (2013). PengembanganiSistem PenunjangiKeputusan PenentuaniPemberian BeasiswaiTingkat Sekolah.
  3. Hayat, L., dan Wahyuni. (2010). SistemiPendukung KeputusaniBeasiswaiSekolah TinggiiIlmu AgamaiBuddhaiSmaratungga.
  4. Dhyana Octabryaningtiyas. (2016). Sistem Pendukung Keputusan Kelayakan Pemberian Kredit Pada Bank Tabungan Negara (BTN) Menggunakan Algoritma c4.5
  5. Gunadi, G., dan SensuseD. I. (2012). PenerapaniMetode DataiMiningiMarket Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori dan Frequent Patter Growth. Jurnal TELEMATIKA MKOM4(1): 118-132.
  6. Dini Rosdiani. (2013). Belajar dan Pembelajaran. Rineka Cipta. Jakarta
  7. Varuna Dewi. (2018). Sistem Penentuan Penerimaan Beasiiswa Menggunakan Metode K-Means Clusturing dan Visekterijumsko Kompromisno Rangiranje (VIKOR).
  8. Adelheid, Andrea. (2015). Website No. 1 Cara Mudah Bikin
  9. Website Dan Promosi Ke CEO. Yogyakarta. Mediakom.
  10. Andre. (2014). Tutorial Belajar Php Part 1 : Pengertian dan Fungsi Php dalam Pemrograman Web, http://www.duniailkom.com/pengertian-dan-fungsi-php-dalam-pemograman-web
  11. Surmayanti. (2016). “Sistem Informasi Promosi Obyek Wisata.” KomTekInfo 3(1):
  12. Yogyakarta.
  13. Betha, Sidik. (2014).Pemrograman Web dengan PHP.Bandung:Informatika Bandung.