DATA MINING UNTUK KLASIFIKASI PERSEDIAAN BAHAN MAKANAN

PADA INSTALASI GIZI RSUD LUBUK BASUNG MENGGUNAKAN

ALGORITMA NAÏVE BAYES

LAPORAN PRAKTEK KERJA LAPANGAN

TEKNIK INFORMATIKA STRATA 1

OLEH :

IFAUDINARA PUTRI : 19101152630265

LUCI RUSTANTI : 19101152630094

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER

UNIVERSITAS PUTRA INDONESIA “YPTK”

PADANG

2021/202
 LEMBAR PENGESAHAN PENGUJI

IFAUDINARA PUTRI : 19101152630265

LUCI RUSTANTI : 19101152630094

PROGRAM STUDI TEKNIK INFORMATIKA

Praktek Kerja Lapangan ini telah dinyatakan LULUS oleh

Penguji Materi Program Studi Strata 1 Ilmu Komputer

Program Studi Teknik Informatika

Universitas Putra Indonesia “YPTK” Padang

Padang, <<Bulan Tahun>>

Mengetahui, Disetujui Oleh

Ketua Program Studi, Penguji Materi,

(<<NAMA Ka PRODI + GELAR>>) (<<NAMA PENGUJI + GELAR>>)

NIDN : 9999999999 NIDN : 9999999999

ii
 ABSTRACT

Data mining is a processes to explore value in the form of information that

has not been known manually from a database. One of the data mining methods is

classification, which is the process of finding a classification model that can

distinguish objects with class labels. In this study, Naïve Bayes Classifier method

was applied as a technique to build a classification model of food supplies at the

nutrition installation at Lubuk Basung Hospital. One of the important elements in

improving the quality of health services is the availability of adequate food

ingredients.There needs to be a way to manage food ingredients properly, efficiently

and effectively in a sustainable manner with good coordination. There is Limited

knowledge of management in service activities at the nutrition installation in

providing food ingredients, It's still use conventional methods that are only oriented

to limited products and have not used a computerized system so that it is difficult for

the installation to find out data on food ingredients that are in sufficient supply. This

study aims to determine the level accuracy of Naive Bayes method in classifying the

use of food ingredients, which foodstuffs have the highest level of use required in the

installation unit and which foods are few that make they are often excessive.The

application of the Naive Bayes data mining method will produce 2 categories of

foodstuffs, namely the category of foodstuffs with sufficient usage and excess so that

they can be used as a reference for inventory planning in the next month. This

research succeeded in applying the Naive Bayes method to the application. The

results of the percentage accuracy of the first test with 100 training data and 25

testing data produce 100% accuracy results, the second test with 1093 training data

iii
and 121 testing data produces 90.984% accuracy results. It’s mean, the application

can be accurate for a few months later.

Keyword : Data Mining, Classifier, Naïve Bayes Algorthm

iv
 ABSTRAK

Data mining merupakan serangkaian proses untuk menggali nilai tambah

berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data.

Salah satu metode data mining adalah klasifikasi yaitu proses pencarian model

klasifikasi yang dapat membedakan objek label kelasnya. Pada penelitian ini metode

Naïve Bayes Classifier diterapkan sebagai teknik yang membangun model klasifikasi

dari persediaan bahan makanan pada instalasi gizi di RSUD Lubuk Basung. Salah

satu elemen penting dalam meningkatkan kualitas layanan kesehatan adalah

ketersediaan bahan makanan yang memadai. Perlu adanya cara untuk mengelola

bahan makanan dengan benar, efisien dan efektif secara berkelanjutan dengan

koordinasi yang baik. Terbatasnya pengetahuan manajemen sehingga kegiatan

pelayanan pada Instalasi gizi dalam menyediakan bahan makanan masih

menggunakan cara yang bersifat konvensional yang hanya berorientasi pada produk

yang terbatas dan belum menggunakan sistem komputerisasi sehingga sulit bagi

Instalasi untuk mengetahui data bahan makanan yang persediaannya cukup.

Penelitian ini bertujuan untuk mengetahui tingkat akurasi keberhasilan metode Naïve

Bayes dalam mengklasifikan pemakaian bahan makanan, bahan makanan mana saja

yang memiliki tingkat pemakaian yang banyak diperlukan pada unit Instalasi dan

mana saja bahan makanan yang sedikit sehingga sering berlebih. Penerapan metode

Naïve Bayes data mining akan menghasilkan 2 kategori bahan makanan, yaitu

kategori bahan makanan dengan pemakaian yang cukup dan berlebih sehingga dapat

digunakan sebagai referensi perencanaan inventaris pada bulan berikutnya. Penelitian

ini berhasil metode Naïve Bayes ke dalam aplikasi. Hasil presentase akurasi

pengujian pertama dengan data training 100 dan data testing 25 menghasilkan hasil
v
akurasi 100%, Pada pengujian kedua dengan data training 1093 dan data testing

121menghasilkan hasil akurasi 90,984%.

Kata Kunci: Data Mining, Algoritma Naïve Bayes, Klasifikasi

vi
 KATA PENGANTAR

Assalamu’alaikum Wr. Wb.

Alhamdulillahirabbil’alamin, Segala puji dan syukur atas rahmat dan

karunia yang telah Allah SWT berikan kepada penulis, sehingga dengan izin-Nya

penulis dapat menyelesaikan penyusunan laporan praktek kerja lapangan ini dengan

semestinya yang berjudul, “Data Mining Untuk Klasifikasi Persediaan Bahan

Makanan Pada Instalasi Gizi Rsud Lubuk Basung Menggunakan Algoritma Naïve

Bayes”. seterusnya salawat beriringkan salam penulis tujukan kepada Nabi

Muhammad SAW, semoga selalu dilimpahkan keselamatan dan kesejahteraan.

Laporan praktek kerja lapangan ini disusun untuk memenuhi sebagian

persyaratan Matakuliah PKL (Praktek Kerja Lapangan) Teknik Informatika Fakultas

Ilmu Komputer Universitas Pendidikan Indonesia “YPTK” Padang.

Penulis menyadari bahwa dalam penyusunan laporan tugas akhir tidak

lepas dari berbagai pihak yang telah banyak membantu. Dalam kesempatan

ini penulis mengucapkan terima kasih kepada :

1. Ibu Dr. Zemi Melmusi, MM, Ak, CA selaku Ketua yayasan Universitas

Putra Indonesia YPTK Padang.

2. Bapak Prof. Dr. Sarjon Defit, S.kom, M.Sc selaku Rektor Universitas Putra

Indonesia YPTK Padang.

3. Bapak Dr. Yuhandri , M.Kom selaku Dekan Fakultas Ilmu Komputer

Univresitas Putra Indonesia YPTK Padang.

vii
 4. Bapak Eka Praja Wiyata Mandala, M.Kom selaku Ketua Prodi Teknik

Informatika Universitas Putra Indonesia YPTK Padang.

5. Bapak Prof. Dr. Jufriadif Na’am, M.Kom sebagai dosen Pembibing

Akademik yang selama ini telah mendampingi penulis selama menjalankan

proses penulisan laporan.

6. Ibu Putri Rufniarti selaku Kepala Instalasi RSUD Lubuk Basung yang telah

membantu kelancaran pengambilan data yang digunakan dalam penulisan

laporan ini .

7. Semua pihak yang tidak dapat disebutkan satu per satu yang terlibat dalam

penyusunan Laporan Praktek Kerja Lapangan ini sehingga dapat diselesaikan

dengan baik.

Akhir kata penulis menyadari bahwa laporan ini masih jauh dari sempurna sehingga

kritik dan saran yang membangun diharapkan dari pembaca agar kami bisa

menjadi lebih baik lagi di masa yang akan datang. Diharapkan Semoga laporan ini

dapat bermanfaat bagi semua pihak dan suatu saat nanti dapat lebih dikembangkan

lagi untuk diteliti kembali dengan permasalahan yang baru.

Wassalamu’alaikum Wr. Wb.

viii
 DAFTAR ISI

HALAMAN JUDUL.....................................................................................................i

LEMBAR PENGESAHAN PENGUJI.........................................................................ii

ABSTRACT................................................................................................................iii

ABSTRAK....................................................................................................................v

KATA PENGANTAR................................................................................................vii

DAFTAR ISI...............................................................................................................ix

DAFTAR GAMBAR..................................................................................................xii

DAFTAR TABEL.....................................................................................................xiii

DAFTAR LAMPIRAN.............................................................................................xiv

BAB I............................................................................................................................1

1.1. Latar Belakang Masalah.....................................................................................1

1.2. Perumusan Masalah............................................................................................2

1.3. Hipotesa..............................................................................................................3

1.4. Batasan Masalah.................................................................................................3

1.5. Tujuan Penelitian................................................................................................4

1.6. Manfaat Penelitian..............................................................................................4

1.7. Gambaran Umum Object Penelitian..................................................................4

ix
 1.7.1. Sekilas Tentang RSUD Lubuk Basung......................................................4

1.7.1.1. Sejarah Singkat RSUD Lubuk Basung.................................................4

1.7.1.2. Profil Rumah Sakit RSUD Lubuk Basung............................................5

1.7.1.3. Visi & Misi RSUD Lubuk Basung......................................................6

1.7.2. Gambaran umum Instalasi Gizi di RSUD Lubuk Basung...........................6

1.7.3. Struktur Organisasi Instalasi Gizi di RSUD Lubuk Basung.......................8

BAB II........................................................................................................................12

2.1. Data Mining......................................................................................................12

2.1.1. Definisi Data Mining.................................................................................12

2.1.2. Pengelompokan Data Mining....................................................................13

2.2. Algoritma Naïve Bayes....................................................................................15

2.3. PHP...................................................................................................................16

2.4. XAMPP............................................................................................................18

2.5. Aplikasi............................................................................................................19

2.6. Framework Codeigniter....................................................................................19

BAB III.......................................................................................................................21

3.1. Kerangka Penelitian.........................................................................................21

3.2. Tahapan Penelitian...........................................................................................21

x
 3.2.1. Penelitian Pendahuluan..............................................................................22

3.2.2. Pengumpulan Data.....................................................................................22

3.2.3. Analisa.......................................................................................................23

3.2.4. Perancangan...............................................................................................24

3.2.5. Implementasi.............................................................................................24

3.2.6. Pengujian...................................................................................................24

BAB IV.......................................................................................................................25

4.1. Analisa Data Penelitian....................................................................................25

4.1.1. Langkah Perhitungan Naïve Bayes Menggunakan Excel..........................28

4.2. Analisa Sistem..................................................................................................35

4.2.1. Use Case Diagram.....................................................................................35

4.4.2. Activity Diagram.......................................................................................37

BAB V........................................................................................................................39

5.1. Implementasi....................................................................................................39

5.2. Tampilan Website............................................................................................39

5.2.1. Tampilan Halaman Login..........................................................................39

5.2.2. Tampilan Halaman Home..........................................................................40

5.2.3. Tampilan Halaman Naïve Bayes...............................................................40

xi
 5.2.3.1. Tampilan Halaman Dataset.................................................................40

5.2.3.2. Tampilan Halaman Initial Process......................................................41

5.2.3.3. Tampilan Halaman Perfomance..........................................................42

5.2.3.4. Tampilan Halaman Prediksi................................................................44

BAB VI.......................................................................................................................45

6.1. Kesimpulan.......................................................................................................45

6.2. Keterbatasan Sistem.........................................................................................45

6.3. Saran.................................................................................................................45

DAFTAR PUSTAKA.................................................................................................47

DAFTAR GAMBAR
xii
Gambar 1 . Struktur Organisasi Instalasi Gizi Di RSUD Lubuk Basung.....................8

Gambar 2 . Teorema Bayes.........................................................................................16

Gambar 3 . Flowchart Naïve Bayes............................................................................26

Gambar 4 . Data Training...........................................................................................28

Gambar 5 . Probabilitas Cukup dan Berlebih.............................................................28

Gambar 6 . Probabilitas Data Atribut “nama bahan makanan” pada kategori cukup

dan berlebih ................................................................................................................31

Gambar 7 . . Probabilitas Data Atribut “satuan “pada kategori cukup dan berlebih. .31

Gambar 8 . . Probabilitas Data Atribut “jenis” pada kategori cukup dan berlebih.....32

Gambar 9 . . Probabilitas Data Atribut “persediaan untuk“ pada kategori cukup dan

berlebih.......................................................................................................................32

Gambar 10 . Probabilitas Data Atribut “Stok akhir bulan” pada kategori cukup dan

berlebih.......................................................................................................................32

Gambar 11 . . Probabilitas Data Atribut “penerimaan per-bulan” pada kategori cukup

dan berlebih.................................................................................................................32

Gambar 12 . Data Testing...........................................................................................33

Gambar 13 . Perhitungan menggunakan rumus algoritma Naïve Bayes....................34

Gambar 14 . Prediksi dan akurasi...............................................................................34

Gambar 15 . Use Case Diagram Pada Instalasi Gizi...................................................37

xiii
Gambar 16 .Activity Diagram Pada Admin................................................................38

Gambar 17 . Halaman Login.......................................................................................39

Gambar 18 . Tampilan Halaman Home......................................................................40

Gambar 19 .Tampilan Halaman Dataset.....................................................................41

Gambar 20 .Tampilan Halaman Initial Process..........................................................42

Gambar 21 . Tampilan Halaman Perfomance.............................................................43

Gambar 22 . Akurasi Pada Tampilan Halaman Perfomance......................................43

Gambar 23 . Tampilan Halaman Prediksi...................................................................44

DAFTAR TABEL

xiv
Tabel 1 Aktor Sistem..................................................................................................35

Tabel 2. Use Case P.J.Penerimaan Barang.................................................................36

xv
 DAFTAR LAMPIRAN

LAMPIRAN............................................................................................................. 49

A. Biodata........................................................................................................50

B. Kartu Rencana Studi (KRS).....................................................................51

xvi
 BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

RSUD Lubuk Basung sudah menjadi kepercayaan untuk masyarakat

sekitar dalam pelayanan kesehatan. Penentuan menu dan bahan makanan bagi

pasien masih bergantung pada keputusan pakar gizi pada Instalasi Gizi. Sistem

pengelolaan persediaan bahan makanan yang memadai dalam suatu Instalasi Gizi

merupakan hal krusial yang tidak terpisahkan dari sistem pelayanan kesehatan.

Perlu adanya cara untuk mengelola bahan makanan dengan benar, efisien dan

efektif secara berkelanjutan dengan koordinasi yang baik. Kendala yang dihadapi

yaitu pihak Kepala Instalasi Gizi kesulitan dalam menentukan jumlah pengadaan

bahan makanan satu periode ke depan karena jumlah pengadaan bahan makanan

yang dipesan hanya dihitung dengan melihat sisa bahan makanan yang ada di

Gudang. Oleh karena itu, dibutuhkan suatu sistem yang dapat membantu dalam

perencanaan dan pengendalian persediaan bahan makanan.

Algoritma Naive Bayes Classifiers merupakan salah satu algoritma yang terdapat

pada teknik klasifikasi. Naive Bayes merupakan pengklasifikasian dengan metode

probabilitas dan statistik yang dikemukan oleh ilmuwan Inggris Thomas Bayes, yaitu

memprediksi peluang di masa depan berdasarkan pengalaman dimasa sebelumnya

sehingga dikenal sebagai Teorema Bayes. Teorema tersebut dikombinasikan dengan

Naïve Bayes dimana diasumsikan kondisi antar atribut saling bebas. Metode
 2

Bayes/Bayesian Classification adalah pengklasifikasian statistik yang dapat

digunakan untuk memprediksi probabilitas keanggotaan suatu class. Bayesian

Classification didasarkan pada teorema Bayes yang memiliki kemampuan klasifikasi

serupa dengan Deicion Tree dan Neural Network. Bayesian Classification terbukti

memiliki akurasi dan kecepatan yang tinggi saat diaplikasikan kedalam database

dengan data yang besar (Isron Al Miraz Siregar et al., 2018). Dengan

mengimplementasikan data mining menggunakan metode Naïve Bayes diharapkan

akan lebih efektif dalam melakukan klasifikasi, karena metode ini akan

mengklasifikasikan bahan-bahan makanan kedalam kelompok yang terpisah sesuai

dengan jumlah pemakaian yang dilakukan. Sistem ini dibuat dapat membaca pola-

pola pemakaian bahan makanan yang menghasilkan 2 kategori bahan makanan yaitu

cukup dan berlebih. Pihak rumah sakit dengan keterbatasan pengetahuan tentu akan

sangat terbantu jika hasil prediksi dari pengolahan data dapat dimanfaatkan sebagai

pedoman untuk penyediaan selanjutnya sehingga informasi yang dihasilkan dari data

mining dapat digunakan sebagai rekomendasi untuk Instalasi Gizi dalam

meningkatkan efisiensi untuk pengadaan bahan makanan.

1.2. Perumusan Masalah

Berdasarkan latar belakang masalah yang telah diuraikan di atas dapat

disimpulkan permasalahan yang akan dibahas pada laporan ini sebagai berikut :

1. Bagaimana aplikasi data mining dapat membantu Instalasi Gizi untuk

mengetahui bahan makanan apa tingkat pemakaiannya yang cukup dan

berlebih?
 3

2. Bagaimana aplikasi data mining dapat meningkatkan akurasi yang berguna

untuk memprediksi data bahan makanan untuk bulan selanjutnya?

1.3. Hipotesa

Hipotesa merupakan dugaan sementara dimana nantinya akan

dibuktikan dengan hasil penelitian yang dilakukan. Berdasarkan permasalahan

yang ada dapat dikemukakan beberapa hipotesa sebagai berikut :

1. Diharapkan aplikasi data mining menggunakan metode Algoritma Naïve

Bayes mampu membantu pihak Instalasi Gizi dalam mengoptimalkan data

bahan makanan berdasarkan status persediaan cukup dan berlebih.

2. Diharapkan aplikasi data mining dapat meningkatkan akurasi prediksi data

bahan makanan tiap bulannya.

1.4. Batasan Masalah

Untuk menghindari adanya penyimpangan maupun pelebaran pokok

masalah dalam penyusunan penelitian ini maka peneliti memberikan batasan

masalah yaitu, peneliti akan membuat aplikasi data mining yang dapat membantu

pekerjaan ahli gizi dalam memenuhi penyediaan bahan makanan dengan metode

Naïve Bayes data mining akan menghasilkan dua kategori bahan makanan, yaitu

kategori bahan makanan dengan pemakaian yang cukup dan berlebih yang dapat

digunakan sebagai referensi perencanaan inventaris pada bulan berikutnya. Objek

penelitian akan dilakukan pada Instalasi Gizi di RSUD Lubuk Basung, sistem

yang akan dibuat nantinya akan berbasis aplikasi dengan bahasa pemrograman

PHP.
 4

1.5. Tujuan Penelitian

Dalam melaksanakan penelitian ini tujuan yang ingin dicapai diantaranya

adalah:

1. Untuk membantu Instalasi Gizi di RSUD Lubuk Basung dalam mengatur

persediaan makanan dengan tingkat pemakaiannya cukup dan berlebih.

2. Untuk membantu pihak RSUD Lubuk Basung dalam meningkatkan akurasi

prediksi pada persediaan bahan makanan dengan cepat dan akurat.

1.6. Manfaat Penelitian

Manfaat dari penelitian ini yaitu :

1. Dengan dibuatnya Data Mining ini maka dapat membantu Instalasi Gizi

RSUD Lubuk Basung mengetahui kebutuhan persediaan bahan makanan

perbulannya.

2. Dengan dibuatnya Data Mining ini maka dapat membantu Instalasi Gizi

RSUD Lubuk Basung dalam melihat jumlah persediaan dari bulan ke bulan

sehingga didapatkan bahan makanan apa yang diperlukan lagi.

1.7. Gambaran Umum Object Penelitian

1.7.1. Sekilas Tentang RSUD Lubuk Basung

1.7.1.1. Sejarah Singkat RSUD Lubuk Basung

RSUD Lubuk Basung Berdiri pada tanggal 13 Maret 1986. Pa

da awalnya RSUD Lubuk Basung berdiri sebagai rumah sakit tipe D y

ang ditetapkan berdasarkan Peraturan Daerah TK II Agam Nomor : 03

 5

Tahun 1994 RSUD Lubuk Basung merupakan RS Tipe D yang memp

unyai fasilitas dan kemampuan pelayanan kesehatan dengan pelaksana

an teknisnya Dinas Kesehatan Kabupaten Agam. RSUD Lubuk Basun

g dipimpin oleh seorang Direktur yang secara teknis bertanggung jaw

ab kepada Kepala Dinas dan secara operasional kepada Bupati selaku

kepala daerah.

Pada tanggal 20 Mei 1997 RSUD Lubuk Basung ditetapkan se

bagai RSU tipe C sesuai dengan Keputusan Menteri Kesehatan Repub

lik Indonesia Nomor : 482/ Menkes/SK/V/1997 tentang Peningkatan

Kelas Rumah Sakit Umum Daerah Lubuk Basung.

Seiring dengan semakin besarnya harapan dan tuntutan masyar

akat terhadap pelayanan di RSUD Lubuk Basung, maka pada tahun 20

15 RSUD Lubuk Basung menjadi PPK-BLUD (Badan Layanan Umu

m Daerah) Berdasarkan Surat Keputusan Bupati Agam Nomor 477 T

ahun 2014 tentang Penetapan Pola Pengelolaan Keuangan Badan Lay

anan Umum Daerah (PKK-BLUD) sehingga RSUD Lubuk Basung da

pat mengelola keuangan sendiri dengan mengutamakan kelengkapan

fasilitas pelayanan demi meningkatkan kepuasan masyarakat terhadap

pelayanan kesehatan di RSUD Lubuk Basung.

1.7.1.2. Profil Rumah Sakit RSUD Lubuk Basung

a. Nama Rumah Sakit : RSUD Lubuk Basung

b. Alamat : Jl. DR. MH. Hatta, Padang

Baru,Lubuk Basung, Kabupaten Agam

c. Provinsi : Sumatera Barat

 6

d. Tipe :C

1.7.1.3. Visi & Misi RSUD Lubuk Basung

a. Visi : Terwujudnya rumah sakit yang profesional, mandiri,

inovatif dan berkeadilan

b. Misi :

1.) Mewujudkan rumah sakit yang profesional sesuai

dengan standar akreditasi JCI/ISO

2.) Memberdayakan seluruh potensi dan meningkatkan

kerjasama untuk mewujudkan kemandirian rumah sakit

3.) Memberikan pelayanan yang inovatif berbasis teknologi

terkini

4.) Memberikan pelayanan yang menyeluruh untuk

masyarakat tanpa membedakan sastra sosial

c. Motto : Pelayanan tanpa keluhan

1.7.2. Gambaran umum Instalasi Gizi di RSUD Lubuk Basung

Instalasi gizi adalah wadah yang mengelola pelayanan gizi yang

memperhatikan aspek efektif, efisiensi, dan memiliki kualitas yang optimal,

meliputi penyediaan, pengelolaan, pendistribusian makanan, terapi gizi dan

konsultasi gizi.

a. Fungsi Instalasi Gizi

Adapun fungsi Instalasi Gizi adalah sebagai berikut :

 7

1) Menyelenggaraan pengadaan, pengolahan, dan penyaluran makanan

2) Melaksanakan pelayanan asuhan gizi pada pasien rawat inap dan

rawat jalan.

3) Menyelenggarakan pendidikan dan penyuluhan gizi

4) Menyelenggakan penelitian dan pengembangan gizi terapan

5) Menyelenggrakan kegiatan administrasi pelayanan gizi.

b. Visi, Misi dan Motto Instalasi Gizi

1) Visi : “Terpenuhinya kebutuhan gizi optimal pasien secara

profesional.”

2) Misi :

a) Memberikan makanan yang sehat, hygienis, enak dan sesuai

kebutuhan gizi pasien.

b) Memberikan konsultasi sesuai kebutuhan gizi yang dianjurkan

dapat dilaksanakan dan dimengerti pasien.

c) Menyelenggarakan administrasi yang jelas, rapi dan mudah

dimengerti

d) Membangun tanggung jawab, kebersamaan dan kepedulian dalam

bekerja.

3) Motto : “Makanan bergizi membantu kesembuhan anda”

 8

1.7.3. Struktur Organisasi Instalasi Gizi di RSUD Lubuk Basung

Gambar 1. Struktur Organisasi Instalasi Gizi Di RSUD Lubuk Basung

1.7.3 Tugas dan Tanggung Jawab

Berikut adalah uraian tugas dan tanggung pada Instalasi Gizi :

1. Kepala Instalasi Gizi

a. Menyusun perencanaan pelayanan gizi.

b. Menyusun rencana evaluasi pelayanan gizi.

c. Melakukan pengawasan dan pengendalian.

d. Melaksanakan pemantauan.

e. Melaksanakan pengkajian data khusus.

f. Melaksanakan penelitian dan pengembangan.

2. Bagian Sekretariat
 9

a. Merencanakan pemakaian bahan makanan perhari.

b. Mengeluarkan bahan makanan dari Gudang penyimpanan.

c. Menyelenggarakan pencatatan pelaporan pemakaian bahan

makanan.

d. Menyelenggarakan penyimpanan bahan makanan.

e. Menyelenggarakan pembukuan bahan habis pakai.

f. Menyelnggarakan pencatatan inventaris peralatan.

g. Tugas lain yang dibebankan sesuai bidang tugasnya.

3. Penanggung Jawab Rawat Inap

a. Melaksanakan visite Bersama dokter di ruang rawat inap.

b. Menetapkan diet pasien Bersama dokter.

c. Melaksanakan konsultasi diet atas permintaan dokter atau

pasien sendiri.

d. Memantau pelaksanaan diet pasien diruangan atau di Instalasi

Gizi.

e. Melaksanakan pencatatan dan pelaporan.

f. Tugas lain yang dibebankan sesuai dengan bidang tugasnya.

4. Penanggung Jawab Rawat Jalan

a. Merencanakan konsultasi gizi pasien rawat jalan.

b. Menyelenggarakan pencatatn registrasi pasien yang baru

dating.
 10

c. Mengisi formular yang diperlukan guna penyuluhan gizi pada

pasien.

d. Melaksanakan penyuluhan sesuai kondisi dan diet yang

diperlukan pasien.

e. Melaksanakan pelaporan jumlah kunjungan pasien rawat

jalan.

f. Melaksanakan evaluasi pelaksanaan kegiatan yang di lakukan.

g. Tugas lain yang dibebankan sesuai bidang tugasnya.

5. Penanggung Jawab Penyelenggaraan Makan

a. Membuat rencana pembelian bahan makanan.

b. Menyelenggarakan penerimaan bahan makanan.

c. Mengawasi pengolahan bahan makanan.

d. Mengawasi pendistribusian makanan di Instalasi Gizi.

e. Menyelenggarakan pencatatan,pelaporan dan evaluasi

f. Tugas lain yang dibebankan sesuai bidang tugasnya.

6. Penanggung Jawab Penelitian dan Pengembangan

a. Membuat rencana penelitian dan pengembangan gizi terapan

b. Membuat rencana diklat gizi bekerjasama dengan bagian

diklat RS

c. Membuat rencana penyuluhan gizi di RS atau luar instalasi

d. Melaksanakan rendiri atau bekerjasama melakukan penelitian

dan pengembangan gizi terapan.

 11

e. Melakukan diklat gizi bekerja bekerjasama dengan bagian

diklat RS.

f. Melaksanakan penyuluhan gizi.

g. Melaksanakan pencatatan dan pelaporan.

h. Melaksanakan evaluasi kegiatan.

i. Tugas lain yang di bebankan sesuai bidang tugasnya.

 BAB II

LANDASAN TEORI

2.1. Data Mining

2.1.1. Definisi Data Mining

Data Mining merupakan bagaimana menjelaskan masa lalu dan

memprediksi masa depan dengan cara analisis data. Data mining adalah

bidang disiplin ilmu yang menggabungkan statistik, pembelajaran mesin,

kecerdasan buatan dan teknologi database. Data mining adalah melakukan

ekstraksi untuk mendapatkan informasi penting yang sifatnya implisit dan

sebelumnya tidak diketahui, dari suatu data . Data mining adalah analisis dari

pengamatan set data (yang biasanya besar) untuk menemukan hubungan tak

terduga dan untuk meringkas data dengan cara baru yang dapat dimengerti

dan berguna bagi pemilik data . Pengertian diatas diperkuat lagi dengan

Jurnal Internasional yang mengatakan Data mining adalah metodologi

analisis data yang digunakan untuk mengidentifikasi pola-pola yang

tersembunyi dalam satu set data yang besar .

Knowledge Discovery in Database (KDD) merupakan proses pencarian

pengetahuan yang bermanfaat dari kumpulan data. Proses KDD bersifat

interaktif dan iteratif, meliputi sejumlah langkah dengan melibatkan

pengguna dalam membuat keputusan dan dapat dilakukan pengulangan

diantara dua Langkah.(Pengelompokan et al., 2018)

 13

Proses KDD terdiri dari beberapa langkah sebagai berikut :

a. Data cleaning, menghilangkan noise dan data yang tidak konsisten.

b. Data integration, mengintegrasikan beberapa sumber data yang dapat

digabungkan.

c. Data selection, menyeleksi data yang relevan dengan tugas analisis akan

diambil dari database.

d. Data transformation, proses dimana data ditransformasikan atau

dikonsolidasi dalam format yang sesuai untuk diproses dalam data

mining.

e. Data mining, sebuah proses esensial dimana metode diaplikasikan untuk

mengekstrak pola data.

f. Pattern evaluation, proses untuk mengidentifikasi pola-pola yang

menarik untuk direpresentasikan ke dalam knowledge based.

g. Knowledge Presentation, proses visualisasi dan teknik representasi

pengetahuan yang digunakan untuk menyajikan pengetahuan yang

berguna kepada pengguna.

2.1.2. Pengelompokan Data Mining

Data mining memiliki berbagai metode atau fungsi yang dapaat

digunakan untuk menggali dan menemukan pengetahuan. Menurut Susanto &

Suryadi, ada enam kelompok fungsional data mining, yaitu:

1. Deskripsi (description), memberi gambaran secara ringkas terhadap

sejumlah data yang bersakala besar dan memiliki banyak jenis.

 14

Termasuk di dalamnya metode Decision Tree, Exploratory Data

Analysis dan Neural Network.

2. Estimasi (estimation), menerka suatu nilai yang belum diketahui,

misalnya menerka penghasilan seseorang ketika beberapa informasi

mengenai orang tersebut sudah diketahui. Metode yang dapat

digunakan adalah Point Estimation, Confidence Interval Estimations,

Simple Linear Regression,Correlation, dan Multiple Regression.

3. Prediksi (prediction), memperkirakan suatu nilai di masa mendatang,

misalnya memprediksi stok barang tiga tahun ke depan. Yang

termasuk fungsi ini antara lain metode Neural Network, Decision

Tree, dan k–Nearest Neighbor.

4. Klasifikasi (Classification), merupakan proses dalam menemukan

suatu model atau fungsi yang dapat membedakan konsep atau kelas

data, dengan tujuan untuk dapat memperkirakan kelas dari suatu objek

yang labelnya tidak diketahui. Yang termasuk dalam fungsi ini antara

lain Neural Network, Decision Tree, k-Nearest Neighbor, dan Naive

Bayes.

5. Pengelompokan (Clustering), pengelompokan untuk mengidentifikasi

data dengan karakteristik tertentu. Yang termasuk dalam fungsi ini

diantaranya model Hierarchical Clustering, metode K-Means, dan Self

Organizing Map (SOM)

6. Asosiasi (Association), biasa disebut juga analisis keranjang pasar

dimana fungsi ini digunakan untuk mengidentifikasi item-item produk

yang kemungkinan dibeli konsumen bersamaan dengan produk lain.

Yang termasuk dalam metode atau algoritma dalam fungsi ini antara
 15

lain Apriori, Generalized Sequential Pattern (GSP), FP-Growth dan

GRI Algorithm. (Journal et al., 2017)

2.2. Algoritma Naïve Bayes

Bayesian classification adalah pengklasifikasian statistik yang dapat

digunakan untuk memprediski probabilitas keanggotaan suatu class. Bayesian

classification didasarkan pada teorema Bayes yang memiliki kemampuan

klasifikasi serupa dengan decesion tree dan neural network. Bayesian

classification terbukti memiliki akurasai dan kecepatan yang tinggi saat

diaplikasikan ke dalam database dengan data yang besar . Metode Bayes

merupakan pendekatan statistic untuk melakukan inferensi induksi pada

persoalan klasifikasi. Pertama kali dibahas terlebih dahulu tentang konsep dasar

dan definisi pada Teorema Bayes, kemudian menggunkan teorema ini untuk

melakukan klasifikasi dalam Data Mining.Teorema Bayes memiliki bentuk

umum sebagai berikut :(Annur, 2018)

Gambar 1 Rumus Algoritma Naïve Bayes

Keterangan :

X = Data dengan class yang belum diketahui

H = Hipotesis data X merupakan suatu class spesifik

P(H|X) = Probabilitas hipotesis H berdasarkan kondisi x (posteriori prob.)

P(H) = Probabilitas hipotesis H (prior prob.)

P(X|H) = Probabilitas X berdasarkan kondisi tersebut

 16

P(X) = Probabilitas dari X

Gambar 2. Teorema Bayes

2.3. PHP

PHP merupakan bahasa pemrogramman berbasis web yang memiliki

kemampuan untuk memproses data dinamis. PHP dikatakan sebagai sebuah

server-side embedded script language artinya sintaks-sintaks dan perintah yang

kita berikan akan sepenuhnya dijalankan oleh server tetapi disertakan pada

halaman HTML biasa. Aplikasi-aplikasi yang dibangun oleh PHP pada umumnya

akan memberikan hasil pada web browser tetapi prosesnya secara keseluruhan

dijalankan di server, pada prinsipnya server akan bekerja apabila ada permintaan

dari client. Dalam hal ini client menggunakan kode-kode PHP untuk

mengirimkan permintaan ke server. (Menggunakan & Dan, 2012)

Kelebihan-kelebihan PHP yaitu:

1. Web menggunakan PHP dapat dengan mudah dibuat dan memiliki

kecepatan akses yang cukup tinggi.

 17

2. Skrip-skrip PHP dapat berjalan dalam web server yang berbeda dan

dalam system operasi yang berbeda pula. PHP dapat berjalan disistem

operasi UNIX, windows dan macintosh.

3. PHP diterbitkan secara gratis.

4. PHP juga dapat berjalan pada web server Microsoft Personal Web

Server, Apache, IIS, Xitami dan sebagainya.

5. PHP adalah termasuk bahasa embedded (bisa ditempel atau diletakan

dalam tag HTML).

6. PHP termasuk server side programming.

Sistem database yang didukung oleh PHP:

a. Oracle

b. Sybase

c. mSQL

d. MySQL

e. Solid

f. Generic ODBC

g. Postgres SQL

PHP juga mendukung komunikasi dengan layanan lain melalui protokol

IMAP, SNMP, NNTP, POP3 dan HTTP. Fungsi-fungsi yang ada di PHP
 18

tidak case sensitive tetapi variabelnya case sensitive (membedakan hurup

besar dan kecil).(Computech, 2008)

2.4. XAMPP

Xampp merupakan singkatan dari X ( empat sistem operasi apapun),

XAMPP merupakan perangkat lunak bebas, yang mendukung banyak sistem

operasi, dan merupakan kompilasi dari beberapa program. Seperti Apache,

MYSQL, PHPP, dan Perl. Xampp adalah tool yangn menyediakan paket

perangkat lunak dalam satu buah paket. Dalam paket Xampp sudah terdapat

Apche(Web Server), Mysql (Database), PHP ( server side scripting), Perl, FTP

server, PhpMyAdmin, dan berbagai pustaka bantu lainnya. (Andi, Wahana

Komputer, 2014:h,72). Kepanjangan dari Xampp yaitu :

X : Program ini dapat dijalankan dibanyak sistem operasi, seperti Windows,

Linux, Mac OS dan juga Solaris.

A : Apache merupakan aplikasi web server. Tugas utama dari Apache adalah

menghasilkan halaman web yang benar kepada user berdasarkan kode PHP yang

dituliskan oleh pembuat web atau user.

M : MySql, merupakan aplikasi data server. Perkembangannya disebut juga Sql

yang merupakan kepanjangan dari Structured Query Language. Sql merupakan

bahasa terstruktur yang digunakan untuk mengolah database.

P : PHP, merupakan bahasa pemrograman web, dimana user dapat menggunakan

bahasa pemrograman ini untuk membuat web yang bersifat server-side scripting.
 19

P : Perl, yaitu merupakan bahasa pemrograman untuk segala keperluan, dan

dikembangkan pertama kali oleh Larry Wall di mesin Unix.(Menggunakan &

Dan, 2019)

2.5. Aplikasi

Menurut Hasan Abdurahman dan Asep Ririh Riswaya (2014), aplikasi

adalah program siap pakai yang dapat digunakan untuk menjalankan perintah-

perintah dari pengguna aplikasi tersebut dengan tujuan mendapatkan hasil yang

lebih akurat sesuai dengan tujuan pembuatan aplikasi tersebut, aplikasi

mempunyai arti yaitu pemecahan masalah yang menggunakan salah satu teknik

pemrosesan data aplikasi yang biasanya berpacu pada sebuah komputansi yang

diinginkan atau diharapkan maupun pemrosesan data yang diharapkan.

Pengertian aplikasi secara umum adalah alat terapan yang difungsikan secara

khusus dan terpadu sesuai kemampuan yang dimilikinya, aplikasi merupakan

suatu perangkat komputer yang siap pakai bagi user.

2.6. Framework Codeigniter

Framework adalah kumpulan intruksi-intruksi yang dikumpulkan

dalam class dan function-function dengan fungsi masing-masing untuk

memudahkan developer dalam memanggilnya tanpa harus menuliskan

syntax program yang sama berulang-ulang serta dapat menghemat waktu.

(Sallaby & Kanedi, 2020)

 20

CodeIgniter merupakan sebuah framework yang dibuat dengan

menggunakan bahasa PHP, yang dapat digunakan untuk pengembangan web

secara cepat. Adapun framework sendiri dapat diartikan sebagai suatu struktur

pustaka-pustaka, kelas-kelas dan infrastruktur run-time yang dapat digunakan

oleh programmer untuk mengembangkan aplikasi web secara cepat. Tujuan

penggunaan framework adalah untuk mempermudah pengembang web

mengembangkan aplikasi web yang robust secara cepat tanpa kehilangan

fleksibilitas.

Pola desain dalam pengembangan web dengan CodeIgniter menggunakan

MVC (Models-ViewController). Dimana aplikasi yang dibuat akan dipisahkan

antara logika bisnis dan presentasinya, sehingga memungkinkan web

programmer dan web designer bekerja secara terpisah antara satu dengan yang

lain. Agar bisa mengembangkan web dengan CodeIgniter, maka perlu dipahami

terlebih dahulu konsep MVC dan struktur direktori dari CodeIgniter.(Afuan

Lasmedi, 2020)
 BAB III

METODOLOGI PENELITIAN

3.1. Kerangka Penelitian

Kerangka penelitian yang digunakan untuk penelitian ini dapat di lihat

pada gambar 2.
PENELITIAN PENDAHULUAN

REVIEW LITERATUR

PENGUMPULAN DATA

ANALISA

PERANCANGAN

IMPLEMENTASI

PENGUJIAN

3.2. Tahapan Penelitian

Pada tahapan penelitian ini,peneliti menjelaskan tahapan penelitian yang

di lakukan pada penelitian ini.

 22

3.2.1. Penelitian Pendahuluan

Penelitian ini dilaksanakan dengan mencari tahu permasalahan yang

terjadi di RSUD Lubuk Basung . Penelitian ini bertujuan untuk membantu

RSUD lubuk basung dalam mengelolah bahan makanan di instalasi gizi ,

sehingga para karyawan dapat mengetahui prediksi bahan makanan per-bulan

dengan cepat dan akurat. Bahan makanan sangat penting bagi RSUD lubuk

basung untuk mengelolah bahan makanan tersebut dari jumlah bahan

makanan,jenis bahan makanan, sisa bulanan bahan makanan dan pemasukkan

bahan makanan tiap bulannya. Pengeluaran per-bulan sangat mempengaruhi

untuk bulan yang akan datang, dengan begitu harus tahu apakah bahan

makanan tersebut harus dibeli atau tidaknya. Dengan begitu diadakan

penelitian untuk mendapatkan solusi dari permasalahan tersebut.

3.2.2. Pengumpulan Data

Dalam penelitian ini, dilakukan pengumpulan data dengan cara

mendatangi RSUD Lubuk Basung untuk mengambil data. Untuk

mendapatkan data tentang bahan makanan beberapa bulan, maka metode

yang digunakan dalam proses pengumpulan data dilakukkan dengan tahapan-

tahapan sebagai berikut :

a. Waktu Penelitian

Waktu yang dipergunakan untuk penelitian ini dilakukan

mulai sejak bulan maret 2022 hingga 6 juni 2022.

b. Tempat Penelitian
 23

Penelitian kerja praktek ini dilaksanakan di RSUD Lubuk

Basung, Jl. DR. MH. Hatta, Padang Baru,Lubuk Basung,

Kabupaten Agam,Sumatera Barat.

c. Metode Penelitian

Dalam pengumpulan data dan informasi untuk

penulisan laporan kerja praktek, penulisan melakukan metode

penelitian yaitu :

1. Observasi.

Penulis melakukan observasi dengan cara melihat

langsung kelapangan serta mempelajari permasalahan tentang

pengelolaan bahan makanan dan mengumpulkan data-data yang

bersangkutan seputar data-data bahan makanan.

2. Penelitian Pustaka.

Pengambilan data tentang implementasi metode Naïve

Bayes dilakukan melalui buku, jurnal di internet. Sehingga data

yang diperoleh dapat digunakan sebagai panduan pada tahap

penelitian selanjutnya.

3.2.3. Analisa

Analisa data merupakan tahap untuk melakukan analisa

terhadap data-data yang dibutuhkan untuk perancangan sistem yang

akan dibuat. Data-data tersebut akan di analisa dengan menggunakan

Algoritma Naïve Bayes.

 24

Pada penelitian ini yang mana data-data yang telah diperoleh

akan diuji kebenarannya pada sistem yang sudah dirancang dengan

metode Naïve Bayes classifier.

3.2.4. Perancangan

Alat bantu yang digunakan peneliti untuk merancang penelitian nya

dengan menggunakan UML. Pada UML ini , peneliti menggunakan Use Case

diagram dan activity diagram , yang mana akan menunjukkan bagaimana

interaksi antara pengguna dengan website data mining.

3.2.5. Implementasi

Implementasi pada penelitian ini berupa website dengan

menggunakan Bahasa pemograman PHP.

3.2.6. Pengujian

Pada tahap ini ,peneliti melakukan testing pada sistem yang telah

dibuat,agar dapat mengetahui apakah sistem yang telah di buat sesuai dengan

rancangan atau tidak sesuai.

 BAB IV

ANALISA DAN PERANCANGAN

4.1. Analisa Data Penelitian

Pada tahap ini, peneliti melakukan pengumpulan data di RSUD Lubuk

Basung. Tahap selanjutnya peneliti akan mengidentifikasi masalah serta

mengumpulkan data,lalu menguji data terebut dengan algoritma Naïve Bayes dan

membuat laporan dari hasil analisa yang telah diperoleh pada penelitian ini.

Teknik analisis yang digunakan pada penelitian adalah Teknik analisis data

kuantitatif ,yang mana mengelola data yang berupa angka atau statistic.

Untuk menguji data dengan menggunakan algoritma Naïve Bayes

terdapat 2 data yaitu data training dan data testing. Data training adalah data

pelatihan untuk sistem sebagai pedoman dalam melakukan test pada data yang

akan di uji. Data testing adalah data digunakan untuk mengetest apakah data

akurat atau tidak . Berikut adalah alur kerja Naïve Bayes.

 26

Gambar 3. Flowchart Naïve Bayes

Berikut ini adalah data training yang mana ada nama bahan

makanan,satuan,jenis,persediaan untuk,stok akhir bulan,penerimaan per-bulan

dan status persediaan yang akan di gunakan sebagai pelatihan :

27
 28

Gambar 4. Data Training

Data diatas merupakan pre-processing yang sudah di buat konsisten sesuai

dnegan teknik data mining dengan menghapus noise,missing value dan data yang

tidak konsisten.

4.1.1. Langkah Perhitungan Naïve Bayes Menggunakan Excel

Selanjutnya menghitung probabilitas cukup dan berlebih dari data

training diatas:
 29

Gambar 5. Probabilitas Cukup dan Berlebih

Setelah mengetahui probabilitas cukup dan berlebih dalam data training ,

selanjutnya dapat di htiung probabilitas bahan makanan pada kategori

cukup/berlebih. Berikut hasil perhitungannya:

30
31
 32

Gambar 6. Probabilitas Data Atribut “nama bahan makanan” pada kategori

cukup dan berlebih

Selanjutnya yaitu menghitung data probabilitas yang ada di atribut satuan

pada kategori cukup dan kategori berlebih.begitu juga dengan atribut jenis,atribut

penerimaan untuk, atribut stok akhir bulan dan atribut penerimaan per-bulan.

Gambar 7. . Probabilitas Data Atribut “satuan “pada kategori cukup dan

berlebih
 33

Gambar 8. . Probabilitas Data Atribut “jenis” pada kategori cukup dan

berlebih

Gambar 9. . Probabilitas Data Atribut “persediaan untuk“ pada kategori

cukup dan berlebih

Gambar 10. . Probabilitas Data Atribut “Stok akhir bulan” pada kategori
cukup dan berlebih

Gambar 11. . Probabilitas Data Atribut “penerimaan per-bulan” pada

kategori cukup dan berlebih

Setelah melakukan probabilitas di atas , maka dapat dilakukan testing data

untuk menguji apakah akurat atau tidaknya.

 34

Gambar 12. Data Testing

Pada tahap ini ,data tersebut diolah dengan menggunakan rumus algoritma

Naïve Bayes yang mana data yang di testing mengambil pola pola yang keterikatan

antar atribut pada data training.

 35

Gambar 13. Perhitungan menggunakan rumus algoritma Naïve Bayes

Tahap selanjutnya yaitu untuk mengetahui prediksi (cukup|cukup),(cukup|

berlebih),(berlebih|cukup) dan (berlebih|berlebih). Dengan begitu dapat menghitung

akurasi dari prediksi tersebut.

Gambar 14. Prediksi dan akurasi

Dari hasil di atas didapatkan akurasi 100% dengan jumlah data training 100 dengan
data testing 25.
 36

4.2. Analisa Sistem

Tugas paling penting dalam tahap ini adalah proses menemukan masalah dan

menghasilkan alternatif pemecahan masalah serta diharapkan dapat memahami

sistem yang ada guna menentukan kebutuhan pemakai dan hambatan pada sistem

yang baru. Bahan makanan di RSUD Lubuk Basung sangat berperan

penting,sehingga diperlukan kevalidan dari data yang sudah tercatat dan teraturnya

data. Tentunya adanya sistem ini lebih efisien untuk pengelolahan bahan makanan.

4.2.1. Use Case Diagram

Use Case Diagram Merupakan gambaran dari fungsionalitas yang

diharapkan dari sebuah sistem, dan merepresentasikan sebuah interaksi

antara aktor dan sistem. Didalam Use Case terdapat actor yang merupakan

sebuah gambaran entitas dari manusia atau sebuah sistem yang melakukan

pekerjaan di sistem.

1. Actor

Actor atau Aktor merupakan orang atau sistem yang

memperoleh manfaat dari dan di luar subjek. Peneliti melakukan

analisa terhadap para actor dengan apa saja pekerjaan yang di lakukan

pada ataupun tanggung jawab dari actor. Aktor-aktor yang akan di

analisa berada di ruang lingkup Instalasi Gizi yang berhubungan

dengan pengelolaan ataupun mengurus bahan makanan.

Tabel 1 Aktor Sistem

Actor keterangan

Admin Merupakan User yang

melakukan probabilitas suatu

 37

barang.

2. Use Case

Use Case menggambarkan fungsionalitas yang

disediakan sistem sebagai unit-unit yang bertukar pesan antar

unit dengan actor, biasanya dinyatakan dengan menggunakan

kata kerja di awal frase nama Use Case.

Tabel 2. Use Case Admin

Use Case Keterangan

Input Data Excel Berfungsi untuk mengiputkan

data excel untuk diolah.

Melakukan Probabilitas Data Untuk mengatahui peluang

Persediaan Barang atau probabilitas data barang

perbulannya.

LOGIN Untuk masuk ke sebuah

aplikasi agar dapat melakukan

aktivitas didalamnya.

LOGOUT Untuk keluar dari aplikasi

setelah melakukan aktivitas

didalamnya

Berikut merupakan gambar dari hasil analisa usecase diagram

diatas ,antara lain :

 38

Gambar 15. Use Case Diagram Pada Instalasi Gizi

4.4.2. Activity Diagram

Activity diagram adalah diagram yang menggambarkan sifat dinamis

secara alamiah sebuah sistem dalam bentuk model aliran dan kontrol dari

aktivitas ke aktivitas lainnya. Dengan kata lain kegiatan diagram alur kerja

menggambarkan perilaku sistem untuk aktivitas.

a. Activity Diagram

Adapun activity diagram pada Admin, yaitu sebagai

berikut:
 39

Gambar 16.Activity Diagram Pada Admin

 BAB V

IMPLEMENTASI DAN PENGUJIAN

5.1. Implementasi

Sistem yang sudah dirancang berupa website dengan menggunakan

Bahasa pemograman PHP yang mana akan melakukan tahap pengujian dimana

sistem tersebut akan diuji kembali.

5.2. Tampilan Website

5.2.1. Tampilan Halaman Login

Pada Halaman awal adalah Login, yang mana user akan masuk ke

dalam aplikasi data mining.user akan mengentri username dan password.

berikut adalah halaman login:

Gambar 17. Halaman Login.

 41

5.2.2. Tampilan Halaman Home

Pada saat user sudah melakukan login ,maka tampilan selanjutnya

adalah tampilan home atau tampilan beranda.berikut adalah tampilan halaman

home:

Gambar 18. Tampilan Halaman Home

5.2.3. Tampilan Halaman Naïve Bayes

5.2.3.1. Tampilan Halaman Dataset

Pada halaman home ,terdapat fitur Naïve Bayes untuk

melakukan prediksi data bahan makanan. Lalu didalam fitur Naïve

Bayes terdapat Namanya fitur Dataset. Berikut adalah Tampilan

halam Dataset:
 42

Gambar 19.Tampilan Halaman Dataset

Pada Tampilan halaman Dataset diatas , terdapat pilih data

excel. Disana user akan mengentri file excel yang akan di prediksikan.

Sistem sudah dapat membaca secara otomatis file excel dengan atribut

kategorikal dengan jumlah atribut yang tidak pasti,sehingga akan

memudahkan pembacaan data tanpa harus format data secara khusus.

5.2.3.2. Tampilan Halaman Initial Process

Setelah user melakukan entri file excel maka,user akan masuk

ke tahap Initial Process ,yang mana Initial Process ini adalah file excel

tersebut akan tersimpan ke dalam sistem.berikut adalah tampilan

halaman Initial Process:

 43

Gambar 20.Tampilan Halaman Initial Process

5.2.3.3. Tampilan Halaman Perfomance

Tahap selanjut nya ,user akan memilih persentase Perfomance

untuk mengukut keakuratan dalam data yang sudah di entri.

Persentase performance menentukan banyaknya data testing dan data

training. Semakin besar persentase maka akan menentukan makin

besar jumlah data training. Pada fitur persentasi performance terdapat

10%,20%,30%,40%,50%,60%,70%,80% dan 90%. Berikut adalah

tampilan halaman performance:

 44

Gambar 21. Tampilan Halaman Perfomance

Gambar 22. Akurasi Pada Tampilan Halaman

Perfomance

Pada pengujian sistem dengan 1214 data bahan makanan

dengan performance 90 % sudah berhasil mendapat akurasi

90,984% dinilai cukup akurat sebagai acuan untuk prediksi

persediaan stok makanan selanjutnya.

 45

5.2.3.4. Tampilan Halaman Prediksi

Pada Tampilan halaman prediksi ini ,user dapat memprediksi

salah satu data bahan makanan yang mana di dapatkan dari file excel

yang sudah di entri pada halaman dataset. Pada halaman tersebut

terdapatnya bagaimana perhitungan data yang di olah utnuk di

prediksi. Berikut adalah tampilan halaman prediksi:

Gambar 23. Tampilan Halaman Prediksi

 BAB VI

PENUTUP

6.1. Kesimpulan

Berdasarkan penelitian ini, dengan menganalisa data-data bahan

makanan di RSUD Lubuk Basung dan Aplikasi Data mining yang telah

dibuat , maka dapat diambil kesimpulan sebagai berikut:

1. Penelitian ini telah berhasil dengan membuat aplikasi data mining untuk

prediksi bahan makanaan dengan Bahasa pemograman PHP.

2. Sistem yang telah dibuat dapat mengoptimalkan persediaan stok bahan

makanan menggunakan algoritma Naïve Bayes Classifier dengan baik.

3. Sistem yang telah dibuat sudah dapat meningkatkan akurasi persentase

performance.

4. Sistem yang telah dibuat sudah dapat membaca data secara otomatis

berdasarkan atribut input.

6.2. Keterbatasan Sistem

Keterbatasan sistem pada penelitian ini adalah aplikasi ini hanya bisa

menggunakan data excel untuk pengolahan data mining pada sistem yang

telah di buat.

6.3. Saran

Dari penelitian yang telah dilakukan ,maka saran yang dapat di

berikan sebagai berikut:

 47

1. Peneliti diharapkan untuk pengembangan selanjutnya untuk dapat

menambahkan fungsional ke dalam sistem agar lebih komplit dan efisien.

2. Untuk pengembangan selanjutnya, diharapkan untuk membuat desain

tampilan yang lebih menarik.

 DAFTAR PUSTAKA

Annur, H. (2018). KLASIFIKASI MASYARAKAT MISKIN MENGGUNAKAN

METODE. 10, 160–165.

Computech, J. (2008). PENGEMBANGAN PERANGKAT LUNAK DENGAN

MENGGUNAKAN PHP. 2(1), 14–21.

Isron Al Miraz Siregar, Elvianna, & Nurul Saepul. (2018). Sistem Informasi

Persediaan Obat dengan Metode Naïve Bayes Pada RSUD Tanjungpinang.

Jurnal Bangkit Indonesia, 7(1), 188–195.

https://doi.org/10.52771/bangkitindonesia.v7i1.168

Journal, C., Mustafa, M. S., Ramadhan, M. R., Thenata, A. P., Studi, P., &

Informatika, T. (2017). Implementasi Data Mining untuk Evaluasi Kinerja

Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. 4(2).

Menggunakan, D., & Dan, P. H. P. (2012). Salah satu bahasa pemrograman yang

memungkinkan untuk dapat mendukung melihat jadwal secara online adalah

PHP ( PHP Hypertext Preprocessor ), dimana PHP merupakan bahasa

pemrograman berbasis web yang memiliki kemampuan untuk memproses data

dinamis . . jQu. 4(November).

Menggunakan, D., & Dan, P. H. P. (2019). L e n t e r a d u m a i ,. 10, 46–57.

Pengelompokan, A., Dengan, P., Data, C., Toko, P., & Kota, R. (2018). SEMINAR

NASIONAL SISFOTEK. September, 4–5.

Afuan Lasmedi. (2020). Pemanfaatan Framework Codeigniter Dalam

Pengembangan Sistem Informasi Pendataan Laporan Kerja Praktek Mahasiswa

 49

Program Studi Teknik Informatika Unsoed (Codeigniter Framework Used in

Information System Development for Student’s Report Data Collection Prac.

Juita, I, 39–44. Web engineering , framework, CodeIgniter

Sallaby, A. F., & Kanedi, I. (2020). Perancangan Sistem Informasi Jadwal Dokter

Menggunakan Framework Codeigniter. Jurnal Media Infotama, 16(1), 48–53.

https://doi.org/10.37676/jmi.v16i1.1121
 LAMPIRAN

A. Biodata

1. Ifaudinara Putri

Nama : Ifaudinara Putri

Alamat : Jl. Diponegoro no.9 Kp.Pondok, Kec.

Pariaman Tengah, Kota Pariaman, Sumatera Barat

Jenis Kelamin : Perempuan

Tempat/Tanggal lahir : Pariaman, 23 April 1999

Agama : Islam

Warga Negara : Indonesia

Riwayat Pendidikan :

a. Tahun 2004 – 2005 : TK TERATAI

PERTIWI ,PARIAMAN

b. Tahun 2005 – 2011 : SDN 08 KAMPUNG PONDOK

c. Tahun 2011 – 2014 : SMPN 1 PARIAMAN

d. Tahun 2014 – 2017 : SMAN 1 PARIAMAN

 51

2. Luci Rustanti

Nama : Luci Rustanti

Alamat : Jl. Belitung Rt.11 Rw.- Kel. Handil

Jaya ,Kec.Jelutung , Kota Jambi

Jenis Kelamin : Perempuan

Tempat/Tanggal lahir : JAMBI,29 JULI 2001

Agama : Islam

Warga Negara : Indonesia

Riwayat Pendidikan :

a. Tahun 2006 – 2007 : TK Sari Bunda ,KOTA JAMBI

b. Tahun 2007 – 2013 : SDN 77 KOTA JAMBI

c. Tahun 2013– 2016 : SMPN 9 KOTA JAMBI

d. Tahun 2016 – 2019 : SMAN 6 KOTA JAMBI

 52

B. Kartu Rencana Studi(KRS)

1. Ifaudinara Putri
 53

1. Luci Rustanti