Peralatan non-grafikal yang digunakan secara umum untuk mengembangkan system informasi adalah : Kamus Data Structured English (SE) Pseudocode Alat yang baik untuk menggambarkan keputusan yang komplek adalah : Bagan Alir (Flowchart) Tabel Keputusan (decision Table) Pohon Keputusan (Decision Tree)

1. Structured
English (SE) &
Pseudocode
By. Rika Febriana, Skom, MMSI

2. Pendahuluan
Peralatan non-grafikal yang digunakan secara umum untuk
mengembangkan system informasi adalah :
 Kamus Data
 Structured English (SE)
 Pseudocode
Alat yang baik untuk menggambarkan keputusan yang
komplek adalah :
 Bagan Alir (Flowchart)
 Tabel Keputusan (decision Table)
 Pohon Keputusan (Decision Tree)

3. Structured English (SE)
 Peralatan pengembangan system yang menggunakan struktur bahasa
inggris dan mirip bahasa pemograman
 SE merupakan alat yang efisien untuk menerangkan algoritma dalam
bentuk narasi bukan dalam bentuk grafik dan mirip dengan
pseudocode
 SE digunakan untuk komunikasi antara perancang dengan pemakai
dalam menjelaskan algoritma
 Pseudocode digunakan untuk komunikasi antara perancang dengan
programmer
 SE sering digunakan dengan DFD untuk mendokumentasikan proses-
proses yang ada dalam sistem

4. Petunjuk dalam membuat
Structured English
Gunakan hanya tiga bentuk pemrograman
terstruktur, sepeti urutan seleksi/kondisi,
dan perulangan/iterasi
Gunakan kata kerja bila menerangkan
tiap langkah pengolahan
Tambahkan kata kerja dengan satu
atau lebih objek bila perlu
Gunakan huruf besar untuk semua nama data, sintaks
komputer, seperti START, STOP, IF, THEN dan ELSE.
01
02
03
04
05
Gunakan nama-nama data yang
telah didefinisikan dalam kamus
data.

5. Petunjuk dalam membuat
Structured English
Indent untuk menunjukkan struktur
system secara hirarki.
Bila dokumentasi dibagi ke dalam
beberapa modul, gunakan baris
pertama masingmasing modul untuk
label pengindentifikasi dan berikan
baris kosong diantara modul.
Tiap modul harus hanya memiliki
point entry dan exit tunggal.
06
07
08

6. Kata Kerja dan Objek
 Umumnya entri-entri yang ada dimulai dengan kata kerja yang
membutuhkan satu objek tunggal seperti READ,COMPUTE atau
WRITE
 Entri yang membutuhkan banyak objek, seperti COMPUTE GAJI-
POKOK,UANG-LEMBUR,GAJI-KOTOR
 Dua entri yang tidak akan membutuhkan suatu objek : START
dan STOP/EXIT
 Tanda “-“ diikutsertakan dalam nama-nama data sesuai dengan
bagaimana nama-nama tersebut didefinisikan dalam kamus
data

7. PSEUDOCODE
 suatu alternative dari SE dan mirip dengan beberapa kode
pemrograman, seperti COBOL, PL1, Fortran, PASCAL
 mudah bagi para programmer untuk menggunakan dan
mengerti pseudocode, tetapi pseudocode tidak cocok bagi
seseorang yang bukan programmer
 pseudocode juga tidak memiliki standar penulisan dan memiliki
3 bentuk pemrograman terstruktur, seperti urutan,
seleksi/kondisi dan perulangan/iterasi

8. Gaya Penulisan PSEUDOCODE
 Kata kunci (keywords) atau kata cadangan (reserved words)
ditulis dengan huruf tebal atau huruf kapital atau digaris
bawahi dan kata-kata yang lainnya ditulis dengan huruf kecil.
 Kata kunci (IF, THEN, ELSE, REPEAT, UNTIL, FOR, DO, WHILE)
yang membentuk struktur ditulis dengan menggunakan huruf
kapital dan kata-kata yang tercantum di dalam kamus data
ditulis dengan diberi garis bawah.

9. STRUKTUR PEMROGRAMAN TERSTRUKTUR
Struktur dasar ini terdiri dari 3 macam struktur, yakni :
 Struktur Urut (sequence structure)
terdiri dari sebuah instruksi atau blok dari instruksi yang
tidak mempunyai perulangan atau keputusan di dalamnya
 Struktur Keputusan (decision structure)
terdiri atas If - Then , If - Then - Else dan Case
 Struktur Iterasi (iteration structure)
terdiri atas : For, Repeat, Do-While

10. Struktur Urut (sequence structure)

11. Struktur If - Then

12. Struktur If - Then - Else

13. Struktur Case

14. Struktur For

15. Struktur Repeat

16. Struktur Do-While

17. Tabel Keputusan (Decision Tree)
 tabel yang digunakan sebagai alat bantu untuk
menyederhanakan logika struktur keputusan yang betingkat-
tingkat di dalam program
 Algoritma yang berisi keputusan bertingkat yang banyak sekali
dan sangat sulit digambarkan langsung dengan structured
English atau pseudocode dan dapat dibuat terlebih dahulu
dengan menggunakan tabel keputusan
 digunakan bilamana kondisi yang akan diseleksi di dalam
program jumlahnya cukup banyak dan rumit

18. Struktur dari tabel keputusan

19. Struktur dari tabel keputusan
 Condition sub  berisi kondisi-kondisi yang akan diseleksi
 Condition entry  berisi kemungkinan-kemungkinan dari
kondisi yang diseleksi, yaitu terpenuhi (diberi symbol ‘Y’) dan
tidak terpenuhi (diberi symbol ‘T’)
 Bila ada x kondisi yang diseleksi, maka akan terdapat N
kemungkinan kejadian, yaitu sebesar N = 2ͯ
 Action sub  berisi pernyataan-pernyataan yang akan
dikerjakan baik kondisi yang diseleksi terpenuhi maupun tidak
terpenuhi
 Action entry  digunakan untuk memberi tanda tindakan mana
yang akan dilakukan dan mana yang tidak akan dilakukan

20. Langkah-langkah membuat tabel keputusan
1. Menentukan kondisi yang akan diseleksi
2. Menentukan jumlah kemungkinan kejadian yang akan terjadi,
yaitu sebanyak N = 2³= 8
3. Menentukan tindakan yang akan dikerjakan
4. Mengisi condition entry, diisi sedemikian rupa, sehingga
semua kemungkinan kejadian bisa terwakili.
5. Mengisi action entry, diisi kolom demi kolom dari kolom
pertama sampai kolom ke N.

21. Contoh tabel keputusan

22. Pohon Keputusan (Decision Tree)
 Pemetaan mengenai alternatif-alternatif pemecahan masalah
yang dapat diambil dari masalah tersebut. Pohon tersebut juga
memperlihatkan faktor-faktor kemungkinan/probablitas yang
akan mempengaruhi alternatif-alternatif keputusan tersebut,
disertai dengan estimasi hasil akhir yang akan didapat bila kita
mengambil alternatif keputusan tersebut.
 Manfaat : Kemampuannya untuk mem-break down proses
pengambilan keputusan yang kompleks menjadi lebih simpel
sehingga pengambil keputusan akan lebih
menginterpretasikan solusi dari permasalahan

23. Pohon Keputusan (Decision Tree)
 Metode yang berudaha menemukan fungsi-fungsi pendekatan
yang bernilai diskrit
 Banyak digunakan dalam data mining untuk klasifikasi
 Dua fase : Learning/ pembelajaran dan pengujian
 Jenis Metode Decision Tree :
 ID3(Iterative Dychotomizer version 3)
 Assistant
 Algoritma C45
 CART
 GUIDE

24. Konsep Dasar Pohon Keputusan
Simbol Keputusan / Alternatif Keputusan
Simbol Kemungkinan / Perkiraan hasil (dampak)
Garis penghubung (Decision Fork)
Alternatif kemungkinan yang terjadi / change
fork
Simbol Cabang keputusan / Penghubung

25. Node Pohon Keputusan (Decision Tree)
Pada pohon keputusan terdapat tiga jenis node, antara lain :
1. Akar (Root)
Merupakan node teratas, pada node ini tidak ada input dan dapat
tidak mempunyai output atau dapat mempunyai output lebih dari
satu.
2. Internal node
Merupakan node percabangan, pada node ini hanya terdapat satu
input dan mempunyai output minimal dua.
3. Daun (leaf)
Merupakan node akhir atau terminal node, pada node ini hanya
terdapat satu input dan tidak mempunyai output (simpul terminal).

27. Format Pohon Keputusan

28. Tahap Pembentukan Pohon Keputusan
Pembentukan pohon keputusan terdiri dari beberapa tahap :
 Konstruksi pohon
 Pemangkasan pohon (tree pruning)
 Pembentukan aturan keputusan
Pruning ada dua pendekatan yaitu :
 Pre-pruning
 Post-pruning

29. Tahapan Penggambaran Pohon Keputusan
1. Tentukan kumpulan keputusan awal;
2. Tentukan hasil yang diperkirakan terjadi dari alternatif
keputusan awal;
Jika perlu:
1. Tentukan adanya alternatif keputusan lanjutan;
2. Tentukan hasil yang diperkirakan terjadi dari alternatif
keputusan lanjutan

30. Kelebihan Pohon Keputusan
 Mudah mengintegrasikan dengan sistem basis data.
 Memiliki ketelitian yang baik.
 Dapat menemukan gabungan tak terduga dari suatu data.
 Daerah pengambilan keputusan yang sebelumnya kompleks
dan sangat global dapat diubah menjadi lebih sederhana dan
spesifik.
 Dapat melakukan eliminasi untuk perhitungan-perhitungan
yang tidak diperlukan.
 Fleksibel untuk memilih fitur dari internal node yang berbeda,
fitur yang terpilih akan membedakan suatu kriteria
dibandingkan kriteria yang lain dalam node yang sama.

31. Kekurangan Pohon Keputusan
1. Terjadi overlap terutama ketika kelas-kelas dan kriteria yang
digunakan jumlahnya sangat banyak
2. Pengakumulasian jumlah error dari setiap tingkat dalam
sebuah pohon keputusan yang besar
3. Kesulitan dalam mendesain pohon keputusan yang optimal
4. Hasil kualitas keputusan yang didapatkan dari metode pohon
keputusan sangat bergantung pada bagaimana pohon
tersebut didesain.

32. Contoh Kasus 1 :
Tuan Rukmana seorang investor memiliki uang Rp. 1 M dan
berkeinginan untuk berinvestasi penanaman coklat
Selama ini uang yang dimilikinya hanya di depositokan di bank dan
selalu memperoleh keuntungan dalam bentuk bunga deposito

34. Contoh Kasus 2 :
Asumsikan anda mempunyai sejumlah dana untuk diinvestasikan
pada dua alternatif proyek, yaitu proyek A dan B.
Peluang proyek A akan memberikan keuntungan adalah 20%
dengan nilai keuntungan 50 juta.
Peluang proyek B akan memberikan keuntungan adalah 45%
dengan nilai keuntungan 10 juta.
Buatlah pohon keputusan untuk membantu anda dalam mengambil
keputusan