PENERAPAN ALGORITMA NAyaVE BAYES DALAM PERANCANGAN SISTEM
INFORMASI GROUND REFUELLING PESAWAT BERBASIS WEB DI BANDAR
UDARA HUSEIN SASTRANEGARA BANDUNG
Cynthia Rahmawati1.
Betesda2 crahmawati@unsurya.
id, 2 betesdasinaga@gmail.
Universitas Dirgantara Marsekal Suryadarma
ABSTRACT
Based on previous observations by researchers, it was determined that there is a possibility of dishonesty/discrepancy between the number of refuelings and the quantity ordered.
Therefore, it was necessary to carry out a system development cycle, commonly called SDLC (System Development Lyfe Cycl.
in the digital form process.
The results of the research show that the application of the Nayve Bayes Algorithm calculation obtained a Prior Probability result in a probability of success or P .
of 6/10.
Meanwhile, the likelihood probability value by taking into account the weather variable produces a high probability value when it is sunny on failure and rain on failure has the same value of A, if done manually.
Therefore, it is necessary to design a web-based system as a basis for the effectiveness of the ground refueling process and preventing data discrepancies, as well as storing documents or files properly.
It is important to implement this digitalization into an airport's system, especially with regard to aircraft refueling at the airport, so that it facilitates the process of aircraft refueling and archiving data collection and the data obtained is more accurate.
Keywords: E-Form.
System Development Lyfe Cycle.
Naive Bayes Algorithm.
ABSTRAKSI
Berdasarkan observasi terdahulu yang dilakukan oleh peneliti ditemukan informasi bahwa adanya potensi ketidakjujuran/ketidaksesuaian jumlah pengisian bahan bakar dengan jumlah yang dipesan, dengan demikian perlu dilakukan siklus pengembangan system atau biasa disebut SDLC (System Development Lyfe Cycl.
pada proses formulir secara digital.
Hasil penelitian menunjukkan bahwa penerapan perhitungan Algoritma Nayve Bayes memperoleh Probabilitas Prior diperoleh hasil probabilitas sukses atau P .
sebesar 6/10.
Oleh karena itu, perlu dilakukan perancangan sistem berbasis web sebagai dasar untuk keefektifan proses ground refuelling dan mencegah ketidaksesuaian data, serta menyimpan dokumen atau berkas tersimpan dengan baik.
Digitilalisasi ini penting diterapkan dalam sistem suatu bandara, khususnya dalam hal pengisian bahan bakar pesawat udara di bandara sehingga memudahkan proses pendataan pengisian bahan bakar pesawat dan pengarsipan, agar data yang didapatkan lebih akurat.
Kata Kunci: E-Formulir.
System Development Lyfe Cycle.
Algoritma Nayve Bayes.
PENDAHULUAN
Salah satu keuntungan dari sistem manual pengisian bahan bakar adalah bahwa petugas dapat memantau langsung jumlah bahan bakar yang diisi ke dalam Hal ini dapat membantu menghindari kesalahan dalam pengisian bahan bakar, seperti terlalu banyak atau terlalu sedikit, yang dapat mempengaruhi performa kendaraan.
Dengan adanya petugas yang memantau langsung, maka dapat memastikan bahwa bahan bakar yang diisikan ke dalam kendaraan sesuai dengan jumlah yang dipesan.
Penerapan sistem manual identik dengan penerapan formulir berupa kertas.
Oleh karena itu, di zaman yang sudah serba digital ini, formulir berupa kertas sudah mulai banyak ditinggalkan, seiring dengan banyaknya kelemahan yang didapatkan saat menerapkan formulir ini.
Kelemahan nya antara lain yaitu Masalah penyimpanan, banyak dari formulir kertas bekas ini tidak lagi berguna setelah kegiatan Banyak formulir yang hanya disimpan di penyimpanan tertutup, di mana tidak akan pernah digunakan lagi.
Juga, ruang penyimpanan terbatas karena barang-barang lain juga dibutuhkan, membuat penyimpanan kertas menjadi kurang diminati.
Potensi kerusakan fisik.
Kertas Merupakan salah satu alat komunikasi yang paling halus saat Karena ketipisannya rentan terhadap benda tajam, api, dan cairan yang membuat kertas tidak dapat Artinya, setelah formulir kertas ini rusak, tidak ada yang dapat dilakukan untuk menyelamatkan informasi penting yang tertulis di dalamnya.
Transmisi dan transfer yang tidak efisien.
Kelemahan kertas adalah membutuhkan waktu lebih lama untuk mengimpor dan memasukkan data.
Diperlukan waktu beberapa jam atau minggu untuk mengirimkan formulir ini ke lokasi yang dituju (Awaludin & Ridyustia Raveena.
Algoritma Nayve Bayes sering kali digunakan sebagai metode klasifikasi yang memiliki tingkat akurasi yang lebih baik dibandingkan algortima klasifikasi lainnya, dengan memanfaatkan perhitungan probabilitas dan statistik yaitu memprediksi probabilitas di masa depan berdasarkan data di masa sebelumnya.
Bagaimana penerapan Algoritma Nayve Bayes dalam rancangan sistem informasi groundrefuelling berbasis 2 Batasan Masalah Dalam pembuatan penelitian ini, maka peneliti membatasi masalah yangakan dibahas, antara lain:
Mengalihkan pemakaian Formulir pengisian yang masih berupa kertas menjadi E-formulir yang berbasis Digital.
Laporan dapat diakses oleh pihak manajemen dan yang terkait serta dapat diunduh dalam bentuk pdf.
Pengunaan metode Algoritma Nayve Bayes pada sistem Ground Refuelling Pesawat.
Metode ini dipilih karena mampu mempelajari data kasus sebelumnya yag digunakan sebagai data uji.
II.
LANDASAN TEORI
1 Pengertian Fuel Bahan bakar pesawat atau fuel adalah bahan bakar dengan jenis khusus yang berasal dari minyak bumi yang digunakan sebagai bahan bakar pesawat Bahan bakar penerbangan harus memenuhi persyaratan serta karakteristik yang ketat, seperti titik nyala dan titik beku yang harus sesuai dengan aturan yang ada.
Ada beberapa jenis bahan bakar utama penerbangan, diantaranya yaitu avtur (Jet A-.
yang digunakan untuk pesawat udara dengan tipe mesin turbin, avgas yang digunakan untuk pesawat udara dengan tipe mesin piston, dan Jet B, biofuel, ataupun biokerosene.
Rumusan Masalah Berdasarkan pendahuluan latar belakang masalah, maka peneliti dapat merumuskan masalah, atara lain:
Bagaimana solusi terhadap penggunaan formulir kertas dalam proses pengisian bahan bakar agar dapat mengurangi kesalahan manusia dalam hal pendataan dan pengarsipan hasil pengisian? Data Mining Data Mining merupakan proses ekstraksi pola pada data menggunakan berbagai metode berbeda yang kompleks dan cerdas (Awaludin & Gani, 2.
Pola yang didapat divisua-lisasikan dengan cara yang dapat dipahami oleh pengguna, dengan ber-macam teknik representasi (Arhami & Nasir, 2.
Penambangan data ini memiliki beragam manfaat bagi orga-nisasi atau perusahaan sesuai dengan bidangnya masing-masing.
Pada dunia kesehatan data mining peningkatan pela-yanan kesehatan, dan pengurangan biaya.
Pada sektor keuangan data mining digunakan untuk mendeteksi penipuan dan membangun model risiko.
Untuk meningkatkan penjualan bidang pemasar-an menggunakan penambangan data dalam mengidentifikasi perilaku konsu-men dan meningkatkan prospek konversi penjualan (Arhami & Nasir.
Setelah mengetahui bagaimana kebutuhan sistem, maka dapat dilakukan perancangan sistem dengan pembuatan use case diagram.
Diagram ini akan mendokumentasikan kebutuhan fungsional yang mendeskripsikan interaksi antara sistem dengan aktor eksternal untuk mencapai tujuan.
3 Algoritma Nayve Bayes Berdasarkan metode algoritma yang sudah dijelaskan sebelumnya, penelit menggunakan penerapan metode algoritma Nayve Bayes.
Alasan peneliti menggunakan Algoritma nayve Bayes karena dapat memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya atau dapat menggunakan data-data yang sudah ada sebelumnya .
alam penelitian ini menggunakan data groundrefuelling secara manual/formulir kerta.
, teori ini dikemukakan oleh Teorema Bayes.
Teorema Bayes mempermudah pemahaman dari algoritma Nayve Bayes, disederhanakan pada persamaan berikut:
Gambar 3.
1 Flowmap Sistem Usulan Ciri utama dari Nayve Bayes ini adalah asumsi yang sangat kuat akan independensi dari masing-masing kondisi atau kejadian yang terjadi dan algoritma ini mengasumsikan bahwa atribut objek adalah independen.
Selain itu, algoritma Naive Bayes juga mampu menangani dataset yang memiliki banyak atribut.
Perancangan Sistem Flowmap Perancangan Fungsi Activity Diagram Pelanggan Gambar 3.
2 Activity Diagram Pelanggan IV.
HASIL DAN PEMBAHASAN
1 Skema Penerapan Nayve Bayes Sesuai dengan tinjauan pustaka sebelumnya.
Teorema Bayes mempermudah pemahaman dari algoritma Nayve Bayes, disederhanakan pada persamaan METODE PENELITIAN c.
Jenis Refueling (Jenis bahan bakar, jumlah, dll.
Kondisi Cuaca Kejadian Kecelakaan atau Insiden Jenis Pesawat Durasi Pemrosesan Pengisian bahan bakar Pastikan untuk memiliki kolom target yang menunjukkan apakah E-Formulir menjadi lebih baik atau tidak .
isalnya, kolom "Pengaruh_EFormulir" dengan nilai "Ya" atau "Tidak").
Contoh Data Training:
data training yang bisa Anda gunakan untuk merancang sistem informasi berbasis web dalam konteks pengisian ground refueling di sebuah bandara.
Data ini bersifat fiktif dan hanya sebagai ilustrasi:
(Rumus 5.
Keterangan:
A X
: Data dengan kelas yang belum diketahui.
A C
Hipotesis merupakan suatu kelas spesifik.
A P(C|X) : Probabilitas hipotesis C berdasarkan kondisi X.
A P(X|C) : Probabilitas X berdasarkan kondisi pada hipotesis C.
A P(C)
: Probabilitas hipotesis C .
robabilitas prio.
A P(X)
: Probabilitas X.
Pada penelitian ini menggunakan penerapan Naive Bayes yang didasarkan pada asumsi penyederhanaan bahwa nilai atribut secara kondisional saling bebas jika diberikan nilai output.
Adapun alur dari metode Naive Bayes adalah sebagai Mulai Baca data training Hitung P(C.
untuk setiap kelas Hitung P(X|C.
untuk setiap kriteria dan setiap kelas Cari P(X|C.
yang paling besar menjadi kesimpulan Tampilkan hasil prediksi.
Tabel 4.
1 Dataset Training Contoh kasus dalam penelitian ini adalah prediksi pengisian gorund refuelling yang akan dilakukan pengerjaan secara manual dengan mengambil panduan tentang bagaimana membuat dataset untuk pelatihan dan pengujian algoritma Nayve Bayes dalam konteks yang peneliti ajukan.
Membuat Dataset untuk Pelatihan (Trainin.
: membuat dataset yang mencakup informasi dari laporan petugas di Bandara XYZ.
Data yang relevan mungkin mencakup:
ID Petugas Waktu Pelaporan Keterangan Kolom:
ID_Petugas: Identifikasi unik untuk setiap petugas yang melaporkan ground refueling.
Waktu_Pelaporan: Waktu ketika Jenis_Refueling: Jenis bahan (Avgas/Jet A-.
Cuaca: Kondisi cuaca saat ground refueling dilakukan.
Insiden:
Apakah insiden selama ground refueling (Ya/Tida.
Jenis_Pesawat: Kategori pesawat yang mengalami ground Durasi_Pemrosesan:
Lama waktu yang dibutuhkan untuk proses ground refueling.
Ground_Refuelling_Status:
Status (Sukses/Gaga.
Contoh Data Testing: Berikut adalah contoh data testing yang dapat Anda gunakan untuk menguji implementtasi algoritma Nayve Bayes pada Tabel 4.
Dalam penelitian ini dari seluruh data training .
, maka Probabilitas sukses atau P .
= 6/10 Sedangkan, probabilitas kegagalan dari seluruh data training .
yaitu 4/10.
Tabel 4.
2 Data Testing Probabilitas cerah pada sukses = 3/6 = 1/3 Probabilitas cerah pada gagal = 2/4 = 1/2 Probabilitas mendung pada sukses = 2/6 = 1/3 Probabilitas mendung pada gagal = Probabilitas hujan pada sukses = 1/6 Probabilitas hujan pada gagal = 2/4 = Berdasarkan data tersebut, peneliti dapat menyesuaikan data tersebut sesuai dengan karakteristik laporan petugas di Bandara Husein Sastranegara.
Implementasi Algoritma Nayve Bayes: Gunakan dataset training untuk melatih model Nayve Bayes.
Setelah melatih model, gunakan dataset testing untuk menguji performa model.
Selanjutnya, evaluasi hasil prediksi untuk melihat seberapa baik model Nayve Bayes bekerja dalam memprediksi apakah penggunaan EFormulir mempengaruhi sistem kerja di Bandara XYZ.
Hitung Probabilitas Posterior:
Prediksi Kelas:
Pilih kelas dengan probabilitas posterior tertinggi sebagai prediksi untuk masing-masing data testing.
Hasil Prediksi:
Berikut adalah hasil prediksi pada data testing:
2 Penerapan Perhitungan Nayve Bayes Hitung Probabilitas Likelihood:
Hitung Probabilitas Prior:
Tabel 4.
3 Hasil Pengujian Blackbox Testing Pada halaman Menu Laporan No.
Prediksi Ground Refuelling Status Sukses Sukses Filter tanggal Laporan Skenario Gagal 3 Hasil Penelitian Pengujian Aplikasi Berikut pembahasan mengenai pengujian sistem yang dibuat dengan menggunakan blackbox testing untuk pengujian proses input dan outputnya.
Cetak Laporan Tabel 4.
3 Hasil Pengujian Blackbox Testing Pada halaman Menu Transaksi Skenario Menambah Transaksi Baru MengEdit Data Transaksi Menghapus Data Transaksi MengEditData Transaksi Hasil yang Hasil Ketika User memasukkan data Sesuai melalui menu, data akanbertambah di Database sesuai yang ditambahkan MengEdit data Ketika User berhasil pelanggan mengEdit Sesuai datamelalui menu,data harapan akan berubahdi Database sesuai yang diEdit.
Ketika User menghapus data melalui menu, data akan terhapusdi Sesuai Database sesuai yang harapan MengEdit dataKetika User berhasil pelanggan mengEdit Sesuai datamelalui menu,data harapan akan berubahdi Database sesuai yang diEdit.
Kesi
Valid
Valid
Valid
Valid
Hasil yang Menu laporan Filter
tanggal laporan Ketika User memilih tanggal yang diinginkan, maka data laporan laundryakan berhasil muncul sesuai yang tanggalyang dipilih Ketika User memilih fungsi cetak, akan yang akan Diprint
Hasil Kesi
pengu mpul
jian an Ses Valid
Sesuai Valid
PENUTUP
Kesimpulan Berdasarkan hasil penelitian dan yang telah dilakukan, sehingga dapat disimpulkan sebagai berikut:
Hasil penelitian ini menerapkan algoritma Teorema Nayve Bayes karena proses algoritma ini memperhatikan antara lain :
Ketepatan Prediksi.
Penerapan algoritma ini memperhatikan Fitur-Fitur .
Spesifik Probabilitas Prior dan Posterior:
Perhitungan probabilitas prior dan posterior membantu memahami seberapa besar pengaruh suatu fitur terhadap prediksi keseluruhan.
Probabilitas prior memberikan pemahaman awal tanpa mempertimbangkan fitur-fitur spesifik, sementara probabilitas posterior memberikan gambaran setelah fitur-fitur Pentingnya Evaluasi Model:
Evaluasi model dengan metrikmetrik yang sesuai sangat penting untuk menilai seberapa baik algoritma Nayve Bayes dapat memprediksi keberhasilan ground refueling sebelum perancangan sistem berbasis Kesesuaian dengan Sistem Informasi Berbasis Web:
Penerapan algoritma Nayve Bayes dapat diintegrasikan dengan baik dalam rancangan sistem informasi berbasis web untuk memberikan prediksi secara real-time terkait ground refueling pesawat.
Model dapat terus diperbarui dan ditingkatkan seiring waktu dengan penambahan data baru.
Penggunaan sistem digital baik dari form dan juga laporan terbukti dapat mengurangi kesalahan manusia dan kegagalan penyimpanan, serta dapat mempermudah pelaksanaan kegiatan pengisian bahan bakar pesawat.
Pada penelitian ini sistem yang digunakan dari rancangan sistem informasi ground Refuelling berbasis Website menghasilkan E-Laporan dalam pdf sehingga membuat laporan menjadi transparan dan jelas.
Saran Adapun saran yang dapat diberikan oleh Peneliti kepada pihak terkait yaitu pada PT.
Pertamina .
cabang Bandara Udara Husein Sastranegara Bandung, adalah:
Peneliti kedepannya PT Pertamina .
cabang Bandara Udara Husein Sastranegara Bandung menggunakan perancangan sistem berbasis web ini dan dapat terus memperbarui sistem ini,agar data yang disajikan lengkap dan terupdate.
Penulis penelitian ini dapat dikembangkan dengan cara merancang lebih detail
mengenail fuel quantity monitor, guna memudahkan petugas dalam memonitor jumlah avtur yang DAFTAR PUSTAKA