BAB II TINJAUAN PUSTAKA
Bab ini membahas tentang state of the art, pengertian kriminalitas, sistem informasi, sistem informasi geografis, peta, Google Maps, perancangan sistem, database, web service, bahasa pemrograman web, JSON, dan data statistik.
2.1
State of the Art Penelitian tentang sistem informasi geografis pemetaan kriminalitas telah
dilakukan dan dibahas dalam beberapa perancangan sistem. Penulisan state of the art ini mengacu pada beberapa contoh sistem terdahulu yang akan digunakan sebagai dasar untuk perancangan sistem yang akan dibuat. Sistem Informasi Pemetaan Profil Kriminalitas Berbasis Web (Studi Kasus: Kejahatan Konvensional Kota Bogor) yang dibangun oleh Riza Muhammad Nurman (2007),
menghasilkan sebuah aplikasi
web
yang
menampilkan informasi berupa data teks, peta, dan grafik kejahatan di Kota Bogor. Terdapat juga proses pewarnaan pada peta yang mencirikan tingkat kerawanan setiap kecamatan dan kelurahan. Semakin tinggi intensitas warna maka semakin banyak pula kejahatan yang terjadi. Sistem ini melakukan analisis kriminalitas berdasarkan pewarnaan tersebut. M.Vijaya Kumar dan C.Chandrasekar (2011) dalam penelitiannya yang berjudul GIS Technologies in Crime Analysis and Crime Mapping, melakukan kombinasi dari berbagai jenis informasi dalam mengidentifikasi pola kejahatan. Sistem menampilkan peta yang menggabungkan database laporan lokasi kejadian dengan peta digital. Hasil penelitian ini adalah memberikan rencana tentang posisi terjadinya kejahatan mendatang. Penggunaan SIG dalam sistem ini membantu pihak terkait untuk menganalisis hubungan spasial antara jenis kejahatan yang berbeda dan untuk meramalkan kejadian kriminalitas berikutnya. Dini Bagus Prasetyo (2014) merancang sistem yang diberi judul Sistem Informasi Geografis Berbasis Google Maps Api untuk Pemetaan Profil
5
6
Kriminalitas Tipe Konvensional di Wilayah Hukum Polresta. Sistem ini mampu menampilkan peta sebaran lokasi kasus tindak kriminal di wilayah Polresta Yogyakarta secara online serta mampu menampilkan peta sebaran lokasi kantor polisi dan pos polisi. Sistem mempunyai dukungan informasi berupa tabel dan grafik. Kelemahan dari sistem ini adalah pemetaan masih menggunakan marker, sehingga untuk menganalisa kriminalitas suatu wilayah masih kurang efektif. Informasi pada grafik yang diberikan juga belum dilengkapi dengan filter data. I Wayan Adi Mahendra (2012) dalam tugas akhirnya yang berjudul Sistem Informasi Geografis Tindak Kriminal di Wilayah Polresta Denpasar Berbasis Web Menggunakan Google Maps API merancang sebuah sistem yang memberikan informasi mengenai penyebaran lokasi tindak kriminal di Denpasar. Terdapat juga fitur clustering untuk membantu menentukan daerah yang rawan, serta menampilkan grafik dan summary report berdasarkan kecamatan dan tahun. Kelemahan dari sistem ini sama seperti sistem sebelumnya yaitu menggunakan marker dalam pemetaannya. Kajian jenis kejahatan yang diberikan juga masih tergolong sedikit. Gilang Yudistira H, Bandi Sasmito, dan Arwan Putra W (2015) dalam penelitannya yang berjudul Pemetaan Daerah Rawan Kriminalitas di Wilayah Hukum Poltabes Semarang Tahun 2013 dengan Menggunakan Metode Clustering, menampilkan dan memetakan tindak kejahatan yang terjadi di Kota Semarang. Metode cluster digunakan untuk menentukan tingkat kerawanan suatu daerah berdasarkan kerapatan TKP dari tindak kejahatan, dengan klasifikasi tingkat kerawanan yaitu aman, cukup rawan, rawan, dan sangat rawan. Perancangan sistem di atas memiliki kesamaan konsep dan metode sistem, yaitu pemetaaan dan data statistik. Sistem yang akan dibangun menggunakan perpaduan perancangan sistem tersebut, menitik beratkan pada data kuantitatif dan dengan konsep pemetaan wilayah. Perbedaan sistem ini dengan sistem yang telah dibuat sebelumnya adalah pemetaan wilayahnya bukan hanya titik melainkan pemetaan wilayah dengan metode polygon (area). Analisis data dalam sistem yang akan dibangun berdasarkan hasil pewarnaan polygon wilayah dan hasil dari perhitungan peramalan menggunakan Metode Single Exponential Smoothing
7
(SES). Metode ini menghitung jumlah kriminalitas yang akan terjadi selanjutnya dengan mengacu pada data histori 3 periode sebelumnya. Saat ini belum ada perancangan Sistem Informasi Geografis Kriminalitas di Kota Denpasar menggunakan pemetaan polygon dan peramalan jumlah kriminalitas dengan Metode SES.
2.2
Kriminalitas Definisi kejahatan dibagi menjadi 2 pengertian, yaitu secara yuridis dan
secara kriminologi berbasis sosiologis. Pengertian secara yuridis menyebutkan bahwa kejahatan merupakan perilaku yang bertentangan dengan nilai dan norma yang telah disahkan oleh hukum tertulis. Secara kriminologi berbasis sosiologi menjelaskan kejahatan adalah suatu pola tingkah laku yang dapat merugikan orang lain secara ekonomis ataupun psikologis, serta mendapat reaksi sosial dari masyarakat (M. Mustafa 2007, h.16). Reaksi sosial yang diberikan berupa reaksi formal, informal, dan non-formal. Pelaku kriminalitas disebut kriminal. Kriminal disebut seorang terdakwa bila kesalahannya belum terbukti dan belum ditetapkan oleh hakim. Pelaku kriminal yang terbukti bersalah oleh pengadilan disebut dengan narapidana dan harus menjalani hukuman yang diterima. Kriminalitas terjadi karena beberapa faktor, misalnya faktor ekonomi. Faktor ekonomi mungkin sangat berpengaruh dalam terjadinya tindakan kriminal dan dapat bertambah parah pada situasi tertentu. Faktor lain pemicu tindakan kriminalitas dan kekerasan adalah sebagai berikut: 1.
Faktor pertentangan dan persaingan budaya yang akan memicu tindakan kriminal bermotif SARA (Suku, Agama Ras, Aliran).
2.
Faktor kepadatan dan komposisi penduduk yang dapat mengakibatkan tingkat stres sehingga berpotensi membuat seseorang atau kelompok untuk melakukan tindakan kriminal.
3.
Faktor perbedaan distribusi kebudayaan dari daerah atau negara luar yang tidak berdampak positif jika diterapkan pada suatu daerah atau negara, misalnya budaya menggunakan busana yang minim untuk wanita.
8
4.
Faktor mentalitas yang labil dapat membuat seseorang memiliki jalan pikiran yang singkat dalam melakukan tindakan kriminalitas, tanpa memikirkan dampak yang akan terjadi.
5.
Faktor pengangguran yang tinggi memicu untuk melakukan tindakan kriminalitas dengan jalan pintas karena pendapatan yang tidak merata dan sangat rendah pada suatu daerah.
Melakukan suatu tindakan tidak lepas dari dampak yang dihasilkan dari perbuatan tersebut, termasuk juga dalam melakukan tindalan kriminalitas. Dampak negatif dari tindakan kriminalitas dan kekerasan adalah sebagai berikut: 1.
Merugikan pihak lain (korban atau masyarakat) secara material atau non material
2.
Membuat trauma kepada korban
3.
Mengganggu stabilitas keamanan masyarakat
4.
Merugikan negara Peran penegak hukum sangat diandalkan untuk menanggulangi tindakan
kriminal. Peran masyarakat juga dapat membantu pihak polisi seperti memberi informasi dan melakukan pengamanan di lingkungan sekitarnya dengan cara mengadakan siskamling (sistem keamanan lingkungan) yang terintegrasi dengan tokoh masyarakat dan polisi.
2.3
Sistem Sistem adalah kumpulan hal yang saling bekerja sama sehingga
membentuk kesatuan untuk melakukan suatu fungsi sehingga mencapai tujuan. Karakteristik yang dimiliki sistem yaitu komponen sistem, lingkungan luar sistem, masukan sistem, keluaran sistem, penghubung sistem, batasan sistem, sasaran sistem, dan pengolahan sistem (Edhy Sutanta, 2003).
2.4
Informasi Data yang telah diolah menjadi bentuk yang lebih bermanfaat bagi
penerima disebut dengan informasi (Jogiyanto, 2005). Informasi berguna untuk
9
mengurangi ketidakpastian dalam proses pengambilan keputusan, dan dikatakan bernilai jika manfaat yang didapat lebih efektif dibanding biaya untuk mendapatkan informasi tersebut. Kualitas sebuah informasi ditentukan oleh beberapa hal yaitu keakuratan, relevansi, efisiensi, tepat waktu, konsisten, dapat dipercaya, dan ketersediaanya (Edhy Sutanta, 2003).
2.5
Sistem Informasi Menurut Jogiyanto (2005), sistem informasi memiliki pengertian
sekumpulan prosedur yang dilakukan dengan tujuan memberi informasi. Ciri informasi dalam sistem informasi yaitu: 1.
Informasi yang didapat adalah baru bagi penerima.
2.
Informasi dapat memberikan tambahan pada informasi yang telah ada.
3.
Informasi bisa menjadi koreksi untuk informasi sebelumnya yang salah.
4.
Iinformasi dapat mempertegas informasi yang telah ada.
2.6
Geografis Sistem informasi geografis dibangun berdasarkan spasial atau geografi.
Objek ini mengarah pada spesifikasi lokasi dalam suatu space. Objek bisa berupa fisik, budaya, atau ekonomi alamiah. Penampakan tersebut ditampilkan pada suatu peta untuk memberikan gambaran yang representatif dari spasial suatu objek sesuai dengan kenyataannya di bumi. Simbol, warna dan gaya garis digunakan untuk mewakili setiap spasial yang berbeda pada peta dua dimensi (Denny Charter, 2004).
2.7
Sistem Informasi Geografis Sistem Informasi Geografis adalah sebuah sistem yang didesain untuk
menangkap,
menyimpan,
memanipulasi,
menganalisa,
mengatur
dan
menampilkan seluruh jenis data geografis (Edy Irwansyah, 2013). Teknologi komputer mampu menangani berbagai informasi secara cepat dan akurat sehingga SIG yang berbasis teknologi komputer menjadi pilihan bagi banyak pengguna pada saat ini.
10
2.7.1 Jenis Data Sistem Informasi Geografis Kamus Besar Bahasa Indonesia menyebutkan data adalah keterangan yang dapat dijadikan dasar kajian (KBBI, 2007). Data dalam SIG ada 2, yaitu data spasial atau keruangan dan data atribut atau deskripsi (Denny Charter, 2004). 2.7.1.1 Data Spasial Data
spasial
menampilkan
aspek
keruangan
fenomena
atau
mengidentifikasikan posisi geografis suatu fenomena. Contoh data spasial yaitu letak suatu wilayah. Data spasial memiliki bentuk-bentuk sebagai berikut: 1.
Titik (dot), contoh: posisi kantor polisi
2.
Garis (polyline), contoh: jalan raya
3.
Area (polygon), contoh: kecamatan dan kelurahan
2.7.1.2 Data Atribut Data atribut menampilkan aspek deskripsi atau penjelasan dari suatu fenomena di permukaan bumi dalam bentuk kata-kata, angka, atau tabel. Contoh data atribut misalnya kepadatan penduduk. Adapun bentuk-bentuk data atribut adalah: 1.
Data kuantitatif (angka-angka atau statistik), contoh: jumlah kriminalitas
2.
Data kualitatif (kualitas atau mutu), contoh: tingkat kesuburan tanah
2.7.2 Kemampuan Sistem Informasi Geografis Sistem menghubungkan
informasi berbagai
geografis data
mempunyai
pada
suatu
titik
kemampuan
untuk
tertentu
bumi,
di
menggabungkannya, menganalisis dan akhirnya memetakan hasilnya (Eddy Prahasta, 2009). 1.
Memasukkan dan mengumpulkan data geografis (spasial dan atribut)
2.
Mengintegrasikan data geografis.
3.
Memeriksa, mengubah data geografis.
4.
Menyimpan atau memanggil kembali data geografis.
5.
Mempresentasikan atau menampilkan data geografis.
6.
Mengelola, memanipulasi dan menganalisis data geografis.
11
7.
Menghasilkan output data geografis dalam bentuk peta tematik (view dan layout), tabel, grafik (chart) laporan, dan lainnya baik dalam bentuk hardcopy maupun softcopy.
2.7.3 Metode Sistem Informasi Geografis Sistem informasi geografis yang baik memiliki keserasian antara rencana desain yang baik dan aturan dunia nyata, di mana metode, model dan implementasi akan berbeda untuk setiap permasalahan (Eddy Prahasta, 2009). Metode pemetaan dapat dikategorikan atas 3 metode, yaitu (Hasanuddin Z. Abidin, 2001): 1.
Metode Terestris
2.
Metode Fotogrametris
3.
Metode Inderaja
Setiap metode pada prinsipnya akan memerlukan titik kontrol berupa titik horisontal dan vertikal, serta koordinat titik-titik obyek relatif terhadap titik kontrol. Pemetaan dalam metode terestis dilakukan dengan melakukan pengamatan terhadap target atau objek yang terletak di permukaan bumi. Metode ini biasanya digunakan dalam pengaplikasian sistem informasi geografis berbentuk 2 dimensi. Terdapat beberapa metode dalam metode terestris, salah satunya adalah metode poligon. Penentuan posisi horisontal dengan metode poligon untuk menentukan posisi titik yang belum diketahui koordinatnya dari titik yang sudah diketahui koordinatnya, semua jarak dan sudut dalam poligon diukur. Poligon digunakan untuk merepresentasikan obyek-obyek dua dimensi, misalnya kepulauan dan wilayah administrasi. Poligon mempunyai sifat spasial luas, keliling terisolasi atau terkoneksi dengan yang lain, bertakuk (intended), dan overlapping.
2.8
Peta Peta merupakan gambaran wilayah geografis, bagian permukaan bumi
yang disajikan dalam berbagai cara yang berbeda, mulai dari peta konvensional
12
yang tercetak hingga peta digital yang tampil di layar komputer. Peta dapat digambarkan dengan berbagai gaya, masing-masing menunjukkan permukaan yang berbeda untuk subjek yang sama untuk menvisualisasikan dunia dengan mudah, informatif dan fungsional. Peta berbasis komputer (digital) lebih serba guna dan dinamis karena bisa menunjukkan banyak view yang berbeda dengan subjek yang sama. Peta ini juga memungkinkan perubahan skala, animasi gabungan, gambar, suara, dan bisa terhubung ke sumber informasi tambahan melalui internet. Peta digital dapat diupdate ke peta tematik baru dan ditambahkan detail informasi geografi lainnya. (Denny Charter, 2004)
2.9
Google Maps Google Maps adalah sebuah layanan yang diberikan oleh Google untuk
menampilkan dan menunjukkan peta sebuah wilayah atau lokasi secara digital. Melalui fitur Google Maps, pengguna internet dapat browsing informasi grafis berikut (Faya Mahdia, Fiftin Noviyanto, 2013). 1.
Satellite Map Pengguna dapat menikmati gambar satelit planet bumi. Pengguna juga dapat menikmati foto satelit lebih detail lengkap dengan cara zooming pada bagian peta yang diinginkan.
2.
Hasil Pencarian Integrasi Mencari lokasi, bisnis, peta buatan pengguna dan real estate.
3.
Draggable Maps Peta digital mapping yg dragable (bisa digeser) dengan bantuan mouse.
4.
Terrain Maps (Peta Topograpi) Terrain Maps menyediakan informasi fitur peta fisik atau peta topograpi yg biasa disediakan buku peta Atlas.
5.
Earth Map Earth Map menyediakan informasi peta bumi di mana akan tampak bumi secara utuh dan bila di-zoom akan terlihat awan yang menyelimuti bumi beserta pulau dan lautan yang tampak nyata dari ketinggian.
13
6.
My Location Dengan fitur ini pengguna dapat mengetahui letak di mana lokasi dari pengguna tersebut.
2.9.1 Google Maps API Fitur Google Maps yang digunakan dalam sebuah web adalah Google Maps API yang merupakan library JavaScript. Google Maps API adalah kumpulan API yang memungkinkan menghamparkan data di peta khusus Google. Menggunakan Google Maps API, dapat dibuat aplikasi web dan seluler menarik dengan platform pemetaan canggih dari Google, termasuk database citra satelit, street view, profil ketinggian, petunjuk arah, peta dengan sentuhan gaya, demografi, analisis, dan database yang besar. Langkah-langkah menuliskan program Google Maps API adalah sebagai berikut (Google Maps Developers). 1.
Memasukkan Maps API JavaScript ke dalam HTML.
2.
Membuat elemen div untuk menampilkan peta.
3.
Membuat beberapa objek literal untuk menyimpan properti-properti pada peta.
4.
Menuliskan fungsi JavaScript untuk membuat objek peta.
5.
Menginisiasi peta dalam tag body HTML dengan event onload.
Google Maps API memiliki 4 jenis pilihan model peta yang disediakan oleh Google, diantaranya adalah: 1.
Roadmap: untuk menampilkan peta biasa 2 dimensi
2.
Satellite: untuk menampilkan foto satelit
3.
Terrain:
untuk
menunjukkan
relief
fisik
permukaan
bumi
dan
menunjukkan seberapa tingginya suatu lokasi 4.
Hybrid: akan menunjukkan foto satelit yang diatasnya tergambar pula apa yang tampil pada roadmap (jalan dan nama kota)
2.10
Perancangan Sistem Perancangan sistem adalah merancang atau mendesain suatu sistem yang
baik, yang isinya adalah langkah-langkah operasi dalam proses pengolahan data
14
dan prosedur untuk mendukung operasi sistem (Betha Sidik, 2014). Langkahlangkah dalam perancangan sistem meliputi physical sistem dan logical model, berikut adalah penjelasannya. 1.
Physical Sistem Physical sistem berupa bagan alir sistem (Sistem Flowchart) ataupun bagan alir dokumen (Document Flowchart).
2.
Logical Model Logical Model dapat digambarkan dengan menggunakan diagram arus data atau DFD. DFD digunakan untuk menggunakan sistem yang telah ada atau sistem baru yang akan dikembangkan secara logika.
2.10.1 Diagram Konteks Diagram konteks memuat gambaran umum sistem yang akan dibangun secara garis besar. Diagram konteks membutuhkan informasi sebagai berikut: 1.
Siapa saja yang memberikan data ke sistem
2.
Data apa saja yang diberikan ke sistem
3.
Kepada siapa sistem harus memberi informasi
4.
Apa saja isi laporan yang harus dihasilkan sistem
Tabel 2.1 Lambang pada Diagram Konteks
Lambang
Terminator
Keterangan Pihak yang berada di luar sistem, tetapi secara langsung berhubungan dengan sistem dalam hal memberi data atau menerima informasi
Process
Di dalam diagram konteks, berisi mengenai sistem yang akan dibuat
Data Flow
Berisi data atau informasi yang mengalir dari satu pihak ke sistem dan sebaliknya.
Sumber: Edhy Sutanta, 2009
15
Tabel 2.1 menyajikan lambang yang digunakan dalam pembuatan diagram konteks. Secara kalimat, dikatakan bahwa diagram konteks berisi siapa dan apa saja data yang diberikan ke sistem, serta kepada siapa dan informasi apa saja yang harus dihasilkan sistem. Kata “siapa” dilambangkan dengan kotak persegi (terminator). Kata “apa” dilambangkan dengan aliran data (data flow). Kata “sistem” dilambangkan dengan lingkaran (process) (Edhy Sutanta, 2009).
2.10.2 Entity Relationship Diagram Entity Relationship Diagram (ERD) adalah model konseptual yang mendeskripsikan hubungan antara penyimpanan dalam DFD nantinya (data store) (Edhy Sutanta, 2009). ERD digunakan untuk memodelkan struktur data dan hubungan antar data. Model tersebut dapat diuji dengan mengabaikan proses yang dilakukan. Notasi yang digunakan dalam ERD dapat dilihat pada Tabel 2.2 di bawah ini. Tabel 2.2 Notasi ERD
Notasi Entitas Relasi
Atribut
Keterangan Entitas adalah suatu objek yang dapat diidentifikasi dalam lingkungan pemakai Relasi menunjukkan adanya hubungan diantara sejumlah entitas yang berbeda Atribut berfungsi mendeskripsikan karakter entitas (atribut yang berfungsi sebagai key diberi garis bawah) Garis sebagai penghubung antara relasi dengan entitas, relasi dan entitas dengan atribut
Sumber : Edhy Sutanta, 2009
ERD dikembangkan untuk memberikan fasilitas dalam perancangan database dengan memberikan kesempatan untuk membuat spesifikasi dari suatu skema yang merepresentasikan keseluruhan struktur logika dari database. 2.10.2.1 Kardinalitas Relasi Dalam ERD hubungan (relasi) dapat terdiri dari sejumlah entitas yang disebut dengan derajat relasi. Derajat relasi maksimum disebut dengan
16
kardinalitas sedangkan derajat minimum disebut dengan modalitas. Kardinalitas relasi menunjukkan jumlah maksimum entitas yang dapat berelasi dengan entitas pada himpunan entitas lain. 1.
One to One Relationship Hubungan antara file pertama dan file kedua adalah satu berbanding satu. Contohnya pada seorang polisi memiliki satu jabatan.
2.
One to Many atau Many to One Relationship. Hubungan antara file pertama dan file kedua adalah satu berbanding banyak atau banyak berbanding satu. Contohnya satu kelurahan memiliki banyak kriminalitas.
3.
Many to Many Relationship Hubungan file pertama dan file kedua adalah banyak berbanding banyak. Contoh, satu kejadian kriminalitas dilakukan oleh banyak pelaku. Satu pelaku dapat melakukan lebih dari satu kejahatan.
2.10.2.2 Langkah Perancangan Teknik Entity Relationship Sumber awal data teknik perencanaan database dengan entity relationship
adalah
data
dictionary
(kumpulan
data).
Langkah-langkah
perancangan entity relationship: 1.
Memilih kelompok atribut yang sama untuk dijadikan sebuah entitas dan menentukan primary key dengan syarat unik dan mewakili entitas.
2.
Menggambarkan cardinality dari ERD berdasarkan analisa relasi yang didapat. Relasi yang terjadi dapat One to One, One to Many dan Many to Many Relationship.
3.
Membentuk skema database atau LRS (Logical Record Structure) berdasarkan ERD.
Keterangan penjelasan dalam membuat perancangan entity relationship adalah sebagai berikut: 1.
Relasi One to One Foreign key diletakkan pada salah satu dari 2 entitas yang ada atau menyatukan ke dua entitas tersebut.
17
2.
Relasi One to Many Foreign key diletakkan di entitas yang many.
3.
Relasi many to many Perlu dibuat “file konektor” yang berisi 2 foreign key yang berasal dari kedua entitas.
4.
Membentuk tabel-tabel berdasarkan primary key yang terpilih dengan syarat sudah mencapai aturan normalisasi sekurang-kurangnya 3NF dari skema DB/LRS yang ada.
2.10.3 Data Flow Diagram Data Flow Diagram (DFD) merupakan diagram yang mengunakan notasi atau simbol untuk mengambarkan sistem jaringan kerja antar fungsi-fungsi yang berhubungan satu sama lain dengan aliran dan penyimpanan data (Edhy Sutanta, 2009). DFD sering digunakan untuk menggambarkan suatu sistem yang telah ada atau
sistem
baru
yang
akan
dikembangkan
secara
logika
tanpa
mempertimbangkan lingkungan fisik di mana data tersebut mengalir atau di mana data tersebut akan disimpan. Salah satu keuntungan menggunakan diagram aliran data adalah memudahkan pemakai (user) yang kurang menguasai bidang komputer untuk mengerti sistem yang akan dikerjakan. DFD terdiri dari diagram konteks (context diagram) dan diagram rinci (level diagram) (Edhy Sutanta, 2009). Diagram konteks adalah diagram yang terdiri dari suatu proses dan menggambarkan ruang lingkup suatu sistem. Diagram konteks merupakan level tertinggi dari DFD yang menggambarkan seluruh input ke sistem atau output dari sistem. Terdapat hanya satu proses dalam diagram konteks, dan tidak boleh ada store di dalamnya. Diagram rinci adalah diagram yang menguraikan proses apa yang ada dalam diagram level di atasnya. 2.10.3.1 Komponen Data Flow Diagram Komponen DFD terdiri atas 4 notasi atau simbol, yaitu entitas eksternal, aliran data, proses, dan penyimpanan data. Penjelasannya adalah sebagai berikut.
18
1.
Entitas Eksternal (External Entity) Entitas Eksternal (entity) di lingkungan luar sistem yang dapat berupa orang, organisasi atau sistem lainnya yang berada di lingkungan luarnya yang akan memberikan input atau menerima output dari sistem.
2.
Aliran data Aliran data mengalir diantara proses (process), simpanan data (data store) dan kesatuan luar (external entity). Aliran data ini menunjukkan arus dari data yang dapat berupa masukan untuk sistem atau hasil dari proses sistem.
3.
Proses Suatu proses adalah kegiatan atau kerja yang dilakukan oleh orang, mesin atau komputer dari hasil suatu aliran data yang masuk ke dalam proses untuk dihasilkan aliran data yang akan keluar dari proses.
4.
Penyimpan Data (Data Store) Penyimpan data (data store) merupakan penyimpan data yang dapat berupa:
2.11
a.
Suatu file atau database di sistem komputer.
b.
Suatu arsip atau catatan manual.
c.
Suatu tabel acuan manual.
d.
Suatu agenda atau buku.
Database Database adalah kumpulan informasi yang disimpan di dalam komputer
secara sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk memperoleh informasi dari database tersebut (Achmad Solichin, 2014). Alasan diperlukannya database adalah data dapat diterjemahkan ke dalam sebuah aplikasi program, dibandingkan terpisah atau diolah masing-masing. Kontrol akses luas dan manipulasi pada data juga dapat dilakukan oleh sebuah aplikasi program. Perangkat lunak yang digunakan untuk mengelola dan memanggil query database disebut sistem manajemen database (database management sistem, DBMS). Gambaran umumnya adalah sebagai berikut:
19
1.
Koleksi data dapat diakses bersama secara logika data pun berhubungan satu sama lain, dan sengaja dirancang khusus untuk informasi yang dibutuhkan sebuah perusahaan.
2.
Pemetaan data disediakan bebas untuk diolah satu sama lain di sebuah database.
3.
Secara logika data merupakan kesatuan, memiliki atribut yang lengkap dan saling berhubungan dari suatu organisasi atau data perusahaan.
2.11.1 Proses Perancangan Database Perancangan database merupakan upaya untuk membangun sebuah database dalam suatu lingkungan bisnis. Terdapat enam (6) tahap untuk proses perancangan suatu database (Achmad Solichin, 2014). 1.
Pengumpulan data dan analisis
2.
Perancangan database secara konseptual
3.
Pemilihan sistem manajemen database
4.
Perancangan database secara logika
5.
Perancangan database secara fisik
6.
Implementasi sistem database
2.11.2 Structure Query Language (SQL) Structure Query Language SQL adalah bahasa standar untuk meminta informasi yang berasal dari database (Achmad Solichin, 2014). SQL dapat digunakan pada bahasa-bahasa seperti C, Delphi dan PHP, memiliki sekitar 30 pernyataan SQL yang digunakan untuk melakukan request ke DBMS untuk melakukan suatu tindakan. Terdapat 3 jenis kelompok pernyataan SQL, yaitu DDL (Data Definition Language), DML (Data Manipulation Language), dan DCL (Data Control Language). Ketiga kelompok pernyataan SQL tersebut memiliki perintah yang berbeda-beda, tergantung dari pengertian masing-masing kelompok pernyataan.
20
2.11.2.1 Data Definition Language (DDL) DDL
merupakan
kelompok
perintah
yang
berfungsi
untuk
mendefinisikan atribut-atribut database, tabel, atribut (kolom), batasan-batasan terhadap suatu atribut serta hubungan antar tabel. Kelompok DDL ini adalah: 1.
Create untuk menciptakan tabel ataupun indeks
2.
Alter untuk mengubah struktur tabel
3.
Drop untuk menghapus tabel ataupun indeks
2.11.2.2 Data Manipulation Language (DML) DML adalah kelompok perintah yang berfungsi untuk memanipulasi data, misalnya untuk pengambilan, penyisipan pengubahan dan penghapusan data. Kelompok DML ini adalah: 1.
Select untuk memilih data
2.
Insert untuk menambah data
3.
Delete untuk menghapus data
4.
Update untuk mengubah data
2.11.2.3 Data Control Language (DCL) Berisi
perintah-perintah
untuk
mngendalikan
pengaksesan
data.
Kelompok DCL ini adalah: 1.
Grant untuk memberikan kendali pada pengaksesan data.
2.
Revoke untuk mencabut kemampuan pengaksesan data
3.
Lock Table untuk mengunci tabel
2.12
Web Service Web service adalah suatu sistem perangkat lunak yang dirancang untuk
mendukung interoperabilitas dan interaksi antar sistem pada suatu jaringan. Web service digunakan sebagai fasilitas yang disediakan oleh suatu Website untuk menyediakan layanan (dalam bentuk informasi) kepada sistem lain (Edi Irwansyah, 2013). Sistem lain dapat berinteraksi dengan sistem tersebut melalui layanan-layanan (service) yang disediakan oleh suatu sistem yang menyediakan web service. Web service menyimpan data informasi dalam format XML,
21
sehingga data ini dapat diakses oleh sistem lain walaupun berbeda platform, sistem operasi, maupun bahasa compiler. Web service bertujuan untuk meningkatkan kolaborasi antar pemrogram dan perusahaan, yang memungkinkan sebuah fungsi di dalam web service dapat dipinjam oleh aplikasi lain tanpa perlu mengetahui detil pemrograman yang terdapat di dalamnya. Beberapa alasan mengapa digunakannya web service adalah sebagai berikut: 1.
Web service dapat digunakan untuk mentransformasikan satu atau beberapa bisnis logic atau class dan objek yang terpisah dalam satu ruang lingkup yang menjadi satu, sehingga tingkat keamanan dapat ditangani dengan baik.
2.
Web service memiliki kemudahan dalam proses deployment-nya, karena tidak memerlukan registrasi khusus ke dalam suatu sistem operasi. Web service cukup di-upload ke web server dan siap diakses oleh pihak-pihak yang telah diberikan otorisasi.
3.
Web service berjalan di port 80 yang merupakan protokol standar HTTP, dengan demikian web service tidak memerlukan konfigurasi khusus di sisi firewall.
2.13
Bahasa Pemrograman Web Pemrograman web atau dalam Bahasa Inggris web programming terdiri
dari dua kata yaitu pemrograman dan web. Pemrograman adalah kumpulan instruksi atau perintah tertulis yang dibuat oleh manusia secara logis untuk memerintahkan komputer agar melakukan langkah atau proses tertentu dalam menyelesaikan suatu masalah (Achmad Solichin, 2014). Pemrograman biasanya menghasilkan sebuah perangkat lunak baru yang dapat dijalankan dengan mudah oleh orang lain tanpa harus mengetahui tahapan-tahapan detail dalam melakukan tugas tersebut. Kata web, dapat diartikan sebagai halaman atau media informasi yang dapat diakses dengan perangkat lunak browser melalui jaringan komputer atau internet. Sehingga dapat disimpulkan bahwa pemrograman web adalah proses
22
membuat aplikasi komputer yang dapat digunakan/ditampilkan dengan bantuan browser. 2.13.1 PHP PHP (PHP Hypertext Preprocessor) adalah bahasa program yang digunakan untuk membuat aplikasi berbasis web. PHP hanya dapat berjalan pada sisi server (side server language) dan program yang dibuat oleh PHP tidak dapat berjalan tanpa adanya server web (Bunafit Nugroho, 2013). Hasil instal PHP hanya berbentuk folder compiler, tidak ada aplikasi nyata yang bisa dijalankan untuk menuliskan kode PHP. Membuat Kode Program PHP dapat dilakukan melalui editor, yaitu Notepad atau memakai Editor PHPEditor dan sebagainya. Database yang digunakan untuk PHP adalah MySQL yang juga termasuk free software. PHP adalah bahasa pemrogramannya, dalam membuat website atau aplikasi berbasis web, tidak hanya membutuhkan kode PHP saja, tetapi juga akan menggunakan HTML (Hyper Text Markup Language) dan CSS. HTML digunakan untuk desain tampilan, dan CSS sebagai kode pemanis web. Penulisan kode program PHP harus dimulai menggunakan perintah “”. Seluruh aplikasi berbasis web dapat dibuat dengan PHP, namun kekuatan yang paling utama PHP adalah pada konektivitasnya dengan sistem database di dalam web. Sistem database yang dapat didukung oleh PHP adalah Oracle, MySQL, Sybase, PostgreSQL, dan lainnya (Bunafit Nugroho, 2013).
2.13.2 Javascript Javascipt adalah bahasa skrip populer, digunakan untuk menciptakan halaman web yang dapat berinteraksi dengan pengguna, serta dapat merespon event yang terjadi pada halaman (R.H. Sianipar, 2015). Javascript dapat dijalankan hampir di semua platform. Javascript merupakan bahasa sisi klien (client side) yang dibangun secara langsung ke dalam browser. Sintak Javascript mirip dengan Perl, C, dan Java. Javascript berperan sebagai bahasa pemrograman yang memiliki konstruksi dasar seperti variabel dan tipe data, look control,
23
statement if/else, statement switch, fungsi, dan objek. Javascipt dapat digunakan untuk perhitungan aritmatik, manipulasi tanggal dan waktu, pemodifikasian array, string, dan objek. Javascript dapat menangani event yang diinisiasi pengguna, dan dapat menetapkan pewaktu. Kombinasi dari HTML, CSS, dan Javascript dapat menghasilkan halaman web yang terstruktur dan interaktif, serta ketiganya merupakan bagian penting dari sebuah halaman web. Javascript terkait dengan browser, maka ia sangat terintegrasi dengan HTML. Saat browser memuat sebuah halaman, server mengirim konten utuh dari dokumen, termasuk HTML dan statement Javascript. Konten HTML dibaca dan diinterpretasi baris demi baris hingga tag pembuka Javascript dibaca. Interpreter Javascript mengambil alih, dan ketika tag penutup Javascript diraih, pemrosesan HTML berlanjut (R.H. Sianipar, 2015)
2.14
JSON JSON (Javascript Object Notation) adalah salah satu stuktur data
Javascript untuk mendefinisikan objek (Betha Sidik, 2014). Model struktur data JSON ini telah menjadi standar untuk pertukaran data baku yang terbuka (open standart) dan ringan, sama seperti XML. Pendefinisian JSON lebih sederhana daripada XML, sehingga ukuran file JSON lebih kecil. JSON secara defakto menjadi format untuk pertukaran data karena parsing data dari file JSON lebih cepat dan mudah. JSON berawal dari Bahasa Pemrograman Javascript. JSON bukan hanya ada di dalam Javascript saja, tetapi sudah didukung pada banyak bahasa pemrograman dengan implementasi JSON yang berbeda-beda. JSON akan dipertukarkan sebagai string JSON, dari JSON inilah data yang ada di dalamnya akan diproses (Betha Sidik, 2014) 2.14.1 JSON dalam Javascript Data objek didefinisikan menggunakan notasi objek {} atau dinyatakan sebagai string terlebih dahulu dalam Javascript. Notasi objek dalam Javascript diawali dengan tanda {, lalu string atribut, titik dua (colon), nilai, dan ditutup
24
dengan tanda } (json.org). Berikut adalah contoh script dalam Javascript untuk mendefinisikan objek JSON.
Contoh <script type=”text/javascript”> var cobajson = {“jurusan”:”Teknologi Informasi”} alert(cobajson.jurusan); Kode Program 2.1 Contoh Script untuk Mendefinisikan JSON
Kode program 2.1 membuat sebuah variabel objek dengan atribut “jurusan” yang diisi dengan data “Teknologi Informasi”. Perintah “alert()” digunakan untuk menampilkannya. Hasil eksekusinya adalah sebagai berikut:
Gambar 2.1 Hasil Pendefinisian Objek JSON
Tampilan Gambar 2.1 menunjukkan isi dari variabel “contohjson” dengan atribut “jurusan“, diakses menggunakan “contohjson.jurusan”, dan ditampilkan dengan perintah “alert()”.
2.15
Peramalan Peramalan adalah alat bantu yang penting dalam sebuah perusahaan
sebagai dasar dalam merencanakan perumusan strategi perusahaan tersebut di masa mendatang. Menurut Makridakis (1999), teknik peramalan dibagi menjadi 2, yaitu metode peramalan subjektif dan metode peramalan objektif. Metode peramalan subjektif memiliki model kualitatif, sedangkan metode peramalan objektif mempunyai 2 model, yaitu model time series dan model kausal.
25
1.
Model kualitatif berupaya memasukkan faktor subjektif dalam peramalan. Model ini sangat bermanfaat jika data kuantitatif diperoleh secara akurat. Contoh dari metode ini adalah Metode Delphi atau opini juri eksekutif.
2.
Model time series adalah model yang digunakan untuk memprediksi masa depan dengan menggunakan data historis. Model time series mencoba melihat apa yang terjadi pada kurun waktu tertentu dan menggunakan data masa lalu untuk memprediksi. Contoh dari model time series adalah Exponential Smoothing, Moving Average, dan proyeksi trend.
3.
Model kausal memasukkan dan menguji variabel yang diduga akan mempengaruhi variabel dependen. Model ini menggunakan analisis regresi atau ARIMA untuk menentukan mana variabel yang signifikan mempengaruhi variabel dependen dan mencari model terbaik yang dapat digunakan dalam peramalan.
2.15.1 Metode Exponential Smoothing Metode Exponential Smoothing adalah prosedur perbaikan terus-menerus pada peramalan terhadap objek pengamatan terbaru (Makridakis, 1999). Metode ini menitik beratkan pada penurunan prioritas secara eksponensial pada objek pengamatan yang lebih tua. Terdapat satu atau lebih parameter pemulusan yang ditentukan secara eksplisit, dan hasil ini menentukan bobot yang dikenakan pada nilai observasi. Observasi terbaru akan diberikan prioritas lebih tinggi bagi peramalan daripada observasi yang lebih lama. Metode Exponential Smoothing dibagi menjadi Single Exponential Smoothing, Double Exponential Smoothing, dan Triple Exponential Smoothing. 2.15.1.1 Single Exponential Smoothing SES digunakan untuk peramalan jangka pendek. Model mengasumsikan bahwa data berfluktuasi di sekitar nilai mean yang tetap, tanpa trend atau pola pertumbuhan konsisten (Makidrakis, 1999). Rumus untuk metode ini adalah sebagai berikut: 𝑆𝑡 = 𝛼 ∗ 𝑋𝑡 + ( 1 − 𝛼 ∗ 𝑆𝑡−1 )
(2.1)
26
di mana : St
= Peramalan untuk periode t
Xt + (1-α)
= Nilai aktual time series
St – 1
= Peramalan pada waktu sebelumnya
α
= Konstanta perataan antara 0 dan 1
Hasil peramalan yang akurat adalah peramalan yang bisa meminimalkan kesalahan meramal, maka digunakan pencarian rata-rata kesalahan dengan metode sebagai berikut. 1.
Mean Absolute Error (MAE) MAE
adalah
rata-rata
absolut
dari
kesalahan
meramal
tanpa
menghiraukan tanda positif atau negatif. Rumusnya adalah sebagai berikut: 𝑀𝐴𝐸 = 2.
𝑛 𝑡=1
𝑋𝑡 −𝐹𝑡 𝑛
(2.2)
Mean Squared Error (MSE) MSE adalah rata-rata kesalahan meramal yang dikuadratkan. Rumusnya adalah: 𝑀𝑆𝐸 =
3.
𝑛 𝑡=1
𝑋𝑡 − 𝐹𝑡 2 𝑛
(2.3)
Mean Absolute Percentage Error (MAPE) MAPE adalah nilai tengah kesalahan persentase absolute dari suatu peramalan. 𝑀𝐴𝑃𝐸 =
𝑋 𝑡 −𝐹 𝑡 𝑛 𝑡=1 𝑋 𝑡
𝑛
Keterangan: Xt
= Nilai data periode ke-t
Ft
= Nilai ramalan periode ke-t
n
= Banyak data
(2.4)
27
2.15.1.2 Contoh Peramalan dengan SES Terdapat data permintaan susu yogurt per-bulan adalah seperti pada Tabel 2.3, yaitu dari bulan Januari hingga Desember. Akan dilakukan peramalan untuk bulan Januari pada tahun berikutnya.
Tabel 2.3 Data Permintaan Susu Yogurt
Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari
Index (t) 1 2 3 4 5 6 7 8 9 10 11 12 13
Data Aktual (X) 52 40 56 48 43 50 52 47 51 42 40 48 ??
Digunakan α = 0.1 s/d 0.9 karena data aktual cenderung stabil. Perhitungan SES pada α = 0.1 dengan rumus 𝑆𝑡 = 𝛼 ∗ 𝑋𝑡 + 1 − 𝛼 ∗ 𝑆𝑡−1 adalah sebagai berikut (Tabel 2.4).
Tabel 2.4 SES Alpha 0.1
Bulan Januari Februari Maret April Mei Juni Juli Agustus
Index (t) 1 2 3 4 5 6 7 8
Data Aktual (X) 52 40 56 48 43 50 52 47
SES 0.1 52 52 51 52 52 51 51 51
error 0 12 5,2 3,32 7,99 0,19 1,83 3,35
mae 0 0 6 5,73 5,13 5,7 4,78 4,36
28
September Oktober November Desember Januari
9 10 11 12 13
51 42 40 48 ??
51 51 50 49 49
0,98 8,12 9,3 0,37
4,24 3,87 4,3 4,75 4,39
Dapat dijelaskan perhitungan SES α = 0.1 adalah sebagai berikut: 1.
Januari memiliki nilai SES yang sama seperti data aktual karena sebelum januari tidak terdapat data historis lainnya.
2.
Februari memiliki nilai SES sama seperti Januari, karena konsep dari SES sendiri adalah menggunakan data historis 2-3 bulan terakhir. Error yang didapat pada bulan Februari dihitung dengan rumus: 𝐸𝑟𝑟𝑜𝑟 = |𝑋𝑡 − 𝑆𝐸𝑆𝑡 |
(2.5)
Sehingga: Error_Februari = | 40-52 | = 12 Hasil MAE baru bisa diterapkan pada bulan Maret, karena membutuhkan data error dari 2-3 bulan sebelumnya. 3.
Perhitungan untuk bulan Maret hingga seterusnya sudah dapat dilakukan karena sudah mendapatkan 2 data historis yang mencangkup SES sebagai dasar perhitungan SES berikutnya dan Error sebagai dasar perhitungan MAE. Nilai SES yang didapat dibulatkan ke satuan terkecil.
4.
Perhitungan SES untuk bulan Maret adalah sebagai berikut: SES_Maret = (α * Data_Aktual_Februari) + ((1 - α) * SES_Februari) = (0.1 * 40) + ((1 – 0.1) * 52) = 50.8 (dibulatkan menjadi 51) Error_Maret = 56 – 50.8 = 5.2 MAE
= =
𝐸𝑟 𝑟 𝐽𝑎𝑛 + 𝐸𝑟 𝑟 𝐹𝑒𝑏 𝐼𝑛𝑑𝑒 𝑥 𝐹𝑒𝑏𝑟𝑢𝑎𝑟𝑖 0+12
=6
2
29
5.
Perhitungan untuk bulan selanjutnya menggunakan rumus yang sama seperti perhitungan pada bulan Maret, sehingga didapatkan hasil seperti pada Tabel 2.5. Bulan Januari yang menjadi objek peramalan, hanya dapat dihitung SES dan MAE saja, tidak dapat menghitung Error karena tidak memiliki data aktual.
Alpha yang digunakan adalah 0.1 s/d 0.9, sehingga proses pencarian SES, Error, dan MAE harus dilakukan sampai alpha terakhir. Perhitungan yang dilakukan untuk SES pada α = 0.2 adalah sama dengan SES pada α = 0.1. Perhitungan SES, Error, dan MAE tetap dilakukan pada bulan Maret. Tabel 2.5 adalah hasil perhitungan dengan alpha 0.2 hingga 0.9.
32
Tabel 2.5 Hasil SES Alpha 0.2 – 0.9
Index (t) Januari 1 Februari 2 Maret 3 April 4 Mei 5 Juni 6 Juli 7 Agustus 8 September 9 Oktober 10 November 11 Desember 12 Januari 13 Bulan
Data Aktual (X) 52 40 56 48 43 50 52 47 51 42 40 48 ??
SES 0.2 52 52 50 51 50 49 49 50 49 49 48 46 46
error
mae
0 12 6,4 2,88 7,3 1,16 2,93 2,66 1,87 7,5 8 1,6
0 0 6 6,13 5,32 5,72 4,96 4,67 4,42 4,13 4,47 4,79 4,53
SES 0.3 52 52 48 50 49 47 48 49 48 49 47 45 46
error
mae
0 12 7,6 2,68 6,88 2,19 3,53 2,53 2,23 7,44 7,21 2,95
0 0 6 6,53 5,57 5,83 5,23 4,98 4,68 4,4 4,71 4,94 4,77
SES 0.4 52 52 47 51 50 47 48 50 49 50 47 44 46
error
mae
0 12 8,8 2,72 6,63 3,02 3,81 2,71 2,37 7,58 6,55 4,07
0 0 6 6,93 5,88 6,03 5,53 5,28 4,96 4,67 4,96 5,11 5,02
SES 0.5 52 52 46 51 50 47 49 51 49 50 46 43 46
error
mae
0 12 10 3 6,5 3,75 3,88 3,06 2,47 7,77 5,88 5,06
0 0 6 7,33 6,25 6,3 5,88 5,59 5,27 4,96 5,24 5,3 5,28
30
33
Index (t) Januari 1 Februari 2 Maret 3 April 4 Mei 5 Juni 6 Juli 7 Agustus 8 September 9 Oktober 10 November 11 Desember 12 Januari 13 Bulan
Data Aktual (X) 52 40 56 48 43 50 52 47 51 42 40 48 ??
SES 0.6 52 52 45 52 50 46 48 50 48 50 45 42 46
error
mae
0 12 11,2 3,52 6,41 4,44 3,77 3,49 2,6 7,96 5,18 5,93
0 0 6 7,73 6,68 6,63 6,26 5,91 5,6 5,27 5,54 5,51 5,54
SES 0.7 52 52 44 52 49 45 49 51 48 50 44 41 46
error
mae
0 12 12,4 4,28 6,28 5,11 3,53 3,94 2,82 8,15 4,45 6,67
0 0 6 8,13 7,17 6,99 6,68 6,23 5,94 5,6 5,85 5,72 5,8
SES 0.8 52 52 42 53 49 44 49 51 48 50 44 41 47
error
mae
0 12 13,6 1,12 0,78 1,24 0,65 0,87 0,63 1,67 0,73 1,45
0 0 6 8,53 6,68 5,5 4,79 4,2 3,78 3,43 3,26 3,03 2,9
SES 0.9 52 52 41 55 49 44 49 52 48 51 43 40 47
error
mae
0 12 14,8 0,68 0,43 0,66 0,27 0,47 0,35 0,86 0,29 0,77
0 0 6 8,93 6,87 5,58 4,76 4,12 3,66 3,3 3,05 2,8 2,63
31
32
Setelah mendapatkan nilai SES, Error, dan MAE berdasarkan alpha, langkah selanjutnya adalah mencari nilai MAE yang paling minimal dari masingmasing hasil perhitungan error. Nilai minimal MAE ini akan menjadi hasil akhir untuk peramalan data yang dicari. Tabel 2.6 adalah tabel nilai minimal per periode.
Tabel 2.6 Hasil akhir Peramalan
Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari
Index (t) 1 2 3 4 5 6 7 8 9 10 11 12 13
Data Aktual (X) 52 40 56 48 43 50 52 47 51 42 40 48 X
MAE 0 0 6 5,73 5,13 5,5 4,76 4,12 3,66 3,3 3,05 2,8 2,63
SES 52 52 41 51 52 44 49 52 48 51 43 40 47
Tabel 2.6 di atas menjabarkan hasil akhir, yaitu nilai error dan MAE yang paling minimal, sehingga didapatkan hasil peramalan untuk bulan Januari index ke-13 adalah 47 permintaan susu yogurt.
2.16
Pengukuran Kesalahan Kesalahan pengukuran terkadang terjadi ketika data aktual dan data hasil
pengukuran tidak memiliki hasil yang sama, bahkan terkadang terpaut jauh dari data asli. Pengukuran kesalahan dilakukan untuk mencari akurasi ketepatan hasil pengukuran dengan data asli. Langkah untuk menghitung persentase kesalahan adalah sebagai berikut.
33
1.
Mencari kesalahan absolut Kesalahan absolut adalah perhitungan akurasi untuk mencari selisih data asli dan data hasil pengukuran. Hasil ini tidak harus menjadi satuan persen.
2.
Mencari kesalahan relatif Kesalahan relatif adalah perhitungan akurasi dengan cara membandingkan kesalahan absolut dengan data asli, yang nantinya diubah menjadi satuan persen.
Contoh menghitung kesalahan adalah sebagai berikut. Tabel 2.7 menampilkan data asli dan data hasil pengukuran, yang akan dicari kesalahannya. Tabel 2.7 Tabel Contoh Pengukuran Kesalahan
PENGUKURAN DATA ASLI HASIL UKUR I 15 13 II 10 11 III 13 8 IV 17 15 V 10 9 Langkah untuk mengukur kesalahannya adalah sebagai berikut: 1.
Kesalahan absolut, mencari selisih data asli dan data hasil ukur, ditunjukkan dalam Tabel 2.8.
Tabel 2.8 Tabel Kesalahan Absolut
PENGUKURAN DATA ASLI HASIL UKUR KESALAHAN ABSOLUT I 15 13 2 II 10 11 1 III 13 8 5 IV 17 15 2 V 10 9 1
34
2.
Kesalahan relatif, hasil kesalahan absolut dibagi dengan data asli, ditunjukkan dalam Tabel 2.9.
Tabel 2.9 Tabel Kesalahan Relatif
PENGUKUR AN I II III IV V 3.
HASIL UKUR 13 11 8 15 9
DATA ASLI 15 10 13 17 10
KESALAHAN ABSOLUT 2 1 5 2 1
KESALAHAN RELATIF 0,133333333 0,1 0,384615385 0,117647059 0,1
Hasil dari kesalahan relatif tersebut dijadikan satuan persen, ditunjukkan pada Tabel 2.10.
Tabel 2.10 Hasil Pengukuran Kesalahan
PENGU KURAN
DATA ASLI
HASIL UKUR
KESALAHAN ABSOLUT
KESALAHAN RELATIF
PERSEN TASE KESALA HAN
I II III IV V
15 10 13 17 10
13 11 8 15 9
2 1 5 2 1
0,133333333 0,1 0,384615385 0,117647059 0,1
13% 10% 38% 12% 10%
Pengukuran kesalahan telah dilakukan dengan hasil persentase kesalahan tertinggi yaitu 38% dimana data asli adalah 13 dan hasil ukur 8, serta persentase kesalahan terendah yaitu 10% pada 2 data dengan data asli adalah 10 dan hasil ukur 9 serta 11.
