BAB III METODOLOGI PENELITIAN. Meneng Bandar Lampung dan PT. Tunas Dwipa Matra yang berada di Jalan. September 2015 sampai bulan Desember 2015

BAB III METODOLOGI PENELITIAN

3.1 Waktu dan Tempat Penelitian

Penelitian ini dilakukan di Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung yang berada di Jalan Soemantri Brojonegoro No.1 Gedung Meneng Bandar Lampung dan PT. Tunas Dwipa Matra yang berada di Jalan Raden Intan No. 65 Bandar Lampung. Penelitian ini dilaksanakan mulai bulan September 2015 sampai bulan Desember 2015.

3.2 Metodologi Penelitian

3.2.1

Alir Penelitian

Penelitian dilakukan berdasarkan diagram alir metodologi penelitian yang terdapat pada Gambar 3.1.

38

1. Identifikas Masalah A. Langkah I

2. Studi literatur

3. Perencanaan - Pengumpulan Data

4. Analisis 4.1 Analisis Kebutuhan Sistem 4.2 Pengolahan Data Manual

B. Langkah II

5. Desain Sistem

5.1 Desain DFD & ERD

5.2. Desain Interface 1

5.3. Desain Interface 2

6. Implementasi 6.1. Implementasi Database 6.2. Pembuatan Program Berbasis Web 6.3. Pembuatan Program Berbasis Mobile

7. Pengujian

C. Langkah III

8. Analisis Hasil Penelitian

Gambar 3.1 Diagram Alir Metodologi Penelitian

39

Penjelasan dari diagram alir metodologi penelitian pada Gambar 3.1 adalah sebagai berikut. A. Langkah I 1. Identifikasi Masalah Tahapan pertama yang dilakukan pada langkah pertama yaitu identifikasi masalah. Tahap identifikasi masalah merupakan tahapan dasar dimana pada tahapan ini dilakukan pengidentifikasian dan penganalisaan terhadap permasalahan-permasalahan yang ada pada perusahaan yang akan diteliti. Tahapan ini akan menghasilkan perumusan masalah, tujuan penelitian, manfaat penelitian dan juga batasan-batasan permasalahan. Rumusan malasah merupakan kalimat pertanyaan untuk menunjukkan penelitian mengarah pada suatu permasalahan atau isu tertentu. Manfaat penelitian menguraikan manfaat dari Sistem Pendukung Keputusan (SPK) penempatan cabang baru PT. Tunas Dwipa Matra berbasis SIG yang dibangun untuk perusahaan dan pengembang. Sedangkan batasan masalah digunakan untuk membatasi pembahasan dan ruang lingkup penelitian. 2. Studi Literatur Tahapan kedua adalah studi literatur. Studi literatur merupakan kegiatan yang meliputi mencari secara literatur, melokalisasi, dan menganalisis dokumen yang berhubungan dengan masalah yang akan diteliti. Dokumen bisa berupa teori-teori dan bisa pula hasil penelitian yang telah dilakukan mengenai permasalahan yang akan diteliti.

40

B. Langkah II 3. Perencanaan Tahapan pertama yang dilakukan pada langkah kedua yaitu perencanaan yang meliputi pengumpulan data. Pengumpulan data yang dilakukan berupa data atribut dan data spasial dealer-dealer Honda di Bandar Lampung. Selain itu juga dibutuhkan data kriteria yang menjadi penentu penempatan cabang baru. Pengumpulan data juga dilakukan di Kantor Badan Pusat Statistik Kota Bandar Lampung untuk mengetahui jumlah penduduk di Kota Bandar Lampung tiap kecamatan. 4. Analisis Tahapan berikutnya adalah analisis kebutuhan dasar sistem untuk mengetahui fungsionalitas yang harus ada pada sistem dan pengolahan data manual. Pada tahapan ini dilakukan percobaan perhitungan pengambilan keputusan secara menual atau tanpa bantuan alat/sistem. Hal ini dilakukan untuk mengetahui detail perhitungan pengambilan keputusan sehingga mengurangi kesalahan dalam tahap perancangan sistem. 5. Desain Sistem Tahapan keempat pada langkah kedua adalah tahap desain. Pada tahap ini dilakukan desain Data Flow Diagram (DFD) untuk mengetahui alur data pada setiap proses ke setiap entitas dan Entity Relationship Diagram (ERD) untuk mengetahui hubungan antar entitas. Tahapan dilanjutkan dengan perancangan antarmuka sistem. Perancangan

41

antarmuka ini dilakukan untuk merancang tata letak sistem sesuai dengan analisis kebutuhan sistem. 6. Implementasi Tahapan berikutnya adalah implementasi. Dimulai dengan pembuatan database. Kemudian pembuatan program (koding) sistem berbasis web. Pada sistem berbasis web ini yang akan dibangun Sistem Pendukung Keputusan (SPK) dan Sistem Informasi Geografis (SIG). Selanjutnya pembuatan program (koding) sistem berbasis mobile sebagai piranti input data survey yang nantinya data tersebut akan diolah pada sistem berbasis web. 7. Pengujian Tahapan berikutnya adalah pengujian. Pada penelitian ini pengujian dibedakan menjadi 2 yaitu pengujian sistem dan pengujian hasil keputusan. Pengujian sistem yang dilakukan adalah pengujuan black box yang bertujuan untuk mengetahui fungsionalitas sistem yang dibangun. Apabila ditemukan kesalahan, maka proses kembali pada tahap implementasi untuk memperbaiki kesalahan yang ditemukan. Apabila tidak ditemukan kesalahan, maka proses dilanjutkan ke tahap kesebelas. Selain itu untuk pengujian hasil keputusan digunakan kuisioner yang akan diberikan kepada general Manager dari PT. Tunas Dwipa Matra untuk mengetahui seberapa akurat hasil keputusan sistem yang telah dibangun.

42

C. Langkah III 8. Analisis Hasil Penelitian Tahap terakhir adalah tahap analisis hasil penelitian. Pada tahap ini dilakukan analisis keseluruhan dari proses penelitian yang telah dilakukan, apakah hasil penelitian dapat mengatasi permasalah yang diuraikan pada tahap awal dan apakah hasil penelitian telah sesuai dengan tujuan penelitian.

3.2.2

Metode Pengembangan Sistem

Penelitian ini dilakukan berdasarkan framework pengembangan sistem yang dipilih yaitu System Development Life Cycle (SDLC). Tahap-tahap yang dilakukan dalam pengembangan Sistem Pendukung Keputusan (SPK) penempatan cabang baru PT. Tunas Dwipa Matra berbasis SIG adalah sebagai berikut.

1. Perencanaan (Pengumpulan Data) Pada tahap ini dilakukan pengumpulan data. Pengumpulan data yang dilakukan berupa data atribut dan data spasial dealer-dealer Honda di Bandar Lampung. Data tersebut diperoleh dari dokumen PT. Tunas Dwipa Matra. Data atribut berupa nama bisnis unit dealer, alamat, nomor telepon dan kategori, sedangkan data spatialnya berupa koordinat latitude dan longitude dari dealer-dealer Honda di Bandar Lampung.

Informasi lain yang dibutuhkan adalah faktor-faktor yang mempengaruhi penempatan cabang PT. Tunas Dwipa Matra. Adapun faktor-faktor tersebut yaitu.

43



Biaya.



Jumlah bengkel disekitar lokasi.



Jumlah showroom disekitar lokasi.



Jumlah penduduk



Jumlah market disekitar lokasi.



Tipe jalan.



Jarak dengan delaer AHM.

Pengumpulan data juga dilakukan di Kantor Badan Pusat Statistik Kota Bandar Lampung untuk mengetahui jumlah penduduk di Kota Bandar Lampung tiap kecamatan.

Metode pengumpulan data merupakan salah satu aspek yang berperan dalam kelancaran dan keberhasilan dalam suatu penelitian. Dalam penelitian ini metode pengumpulan data yang digunakan adalah sebagai berikut. a. Metode Wawancara Metode Wawancara dilakukan dengan melakukan dialog dengan narasumber untuk memperoleh informasi yang dibutuhkan. Wawancara dilakukan dengan Manager departement IT. Infromasi yang diperoleh adalah data-data atribut yang dibutuhkan untuk membangun sistem. Selain itu diperoleh juga data faktor-faktor penentu lokasi penempatan cabang baru melalui wawancara dengan Manager Marketing. b. Metode Dokumentasi Metode dokumentasi dilakukan untuk memperkuat dan melengkapi data yang telah diperoleh sebelumnya dari tahap wawancara. Metode dokumentasi

44

dilakukan untuk memperleh data atribut lokasi berupa alamat, nomor telepon, kategori dealer dan data spatial berupa titik-titik koordinat lokasi main dealer dan retail. Data tersebut terdapat pada database PT Tunas Dwpa Matra. Pengumpulan data juga dilakukan di Kantor Badan Pusat Statistik Kota Bandar Lampung untuk mengetahui jumlah penduduk di Kota Bandar Lampung tiap kecamatan. c. Studi Literatur Studi literatur yang digunakan yaitu buku-buku, jurnal, dan internet yang menyajikan informasi tentang Sistem Pengambilan Keputusan, Sistem Informasi

Geografis,

metode

SAW,

Eclipse,

Android

dan

bahasa

pemrograman Java, java script, php dan html.

2. Analisis Pada tahap ini dilakukan analisis kebutuhan dasar sistem untuk mengetahui fungsionalitas yang harus ada pada sistem dan pengolahan data manual. Pada tahap ini dilakukan perhitungan data secara manual menggunakan metode Simple Additive Weighting (SAW) menggunakan 7 variabel kriteria yang diperoleh dari data faktor-faktor penentu penempatan cabang PT. Tunas Dwipa Matra yaitu biaya, jumlah bengkel di sekitar lokasi, jumah showroom di sekitar lokasi, jumlah market di sekitar lokasi, jenis jalan, jarak dealer Honda terdekat dari lokasi, dan jumlah penduduk.

45

a. Identifikasi Masalah Di era persaingan bisnis yang sangat tinggi saat ini, perusahaan dituntut terus melakukan inovasi, salah satunya memperluas pemasaran dengan pembukaan cabang baru untuk meningkatkan pelayanan kepada pelanggan. Pengambilan keputusan pembukaan cabang baru bukanlah hal yang mudah. Dibutuhkan banyak perhitungan terhadap faktor-faktor yang menjadi penentu pemilihan lokasi cabang baru. Kesalahan pada penempatan lokasi cabang baru dapat mengakibatkan perusahaan mengalami kerugian materi maupun non-materi. Untuk mencegah terjadinya kesalahan penempatan lokasi cabang tersebut serta untuk membantu eksekutif dalam pengambilan keputusan penentuan lokasi cabang baru, dibutuhkan sebuah sistem yang dapat memberikan gambaran lokasi dan membantu merekomendasikan lokasi untuk penempatan cabang baru.

b. Analisis Kebutuhan sistem Berdasarkan identifikasi masalah di atas, maka Sistem Pendukung Keputusan berbasis SIG yang dibangun harus mampu memenuhi kebutuhan fungsional sebagai berikut. 

Sistem dapat menampilkan hasil rekomendasi penempatan cabang berdasarkan urutan terbaik.



Sistem dapat menampilkan hasil rekomendasi berdasarkan kasus yang dipilih, apabila kasus sudah close, maka sistem akan menampilkan informasi Case close dan hasil rekomendasi yang dipilih pada kasus tersebut.

46



Sistem mampu memetakan dealer-delaer Honda yang ada di Bandar Lampung dan lokasi hasil survey ke dalam peta Google Maps API.



Sistem dapat menampilkan rute dari posisi pengguna ke lokasi survey.



Sistem memiliki admin yang mampu mengolah data dealer-delaer Honda, mengolah data survey, mengolah data login, mengolah data kasus, mengubah bobot kriteria, dan mengolah data jumlah penduduk.



Sistem berbasis mobile mampu menginputkan hasil survey ke dalam database.

c. Pengolahan Data Manual Pada tahap ini dilakukan perhitungan data secara manual menggunakan metode Simple Additive Weighting (SAW). Terdapat 7 variabel kriteria penentu penempatan cabang PT. Tunas Dwipa Matra yang diperoleh dari hasil wawancara dengan Manager Marketing yaitu biaya, jumlah bengkel di sekitar lokasi, jumah showroom di sekitar lokasi, jumlah market di sekitar lokasi, jenis jalan, jarak dealer Honda terdekat dari lokasi, dan jumlah penduduk. Adapun pembobotan untuk masing-masing variabel kriteria adalah sebagai berikut. 1. Biaya (C1)

= 5%

2. Jumlah bengkel di sekitar lokasi (C2)

= 10%

3. Jumah showroom di sekitar lokasi (C3)

= 10%

4. Jenis jalan (C4)

= 10%

5. Jarak dealer Honda terdekat dari lokasi (C5) = 20% 6. Jumlah market di sekitar lokasi (C6)

= 10%

7. Jumlah penduduk (C7)

= 35%

47

Format preferensi di dalam sistem penunjang keputusan ini adalah sebagai berikut. 1) Bobot kriteria dibagi menjadi 5 angka fuzzy, yaitu Very Low (VL), Low (L), Sufficient (S), High (H), dan Very High (VH). Angka fuzzy ini akan di ubah menjadi angka crisp, dimana akan lebih jelas di dalam Tabel 3.1. Tabel 3.1 Angka Fuzzy untuk Bobot Kriteria Very Low Low Sufficient High Very High

0 0.25 0.5 0.75 1

2) C1, dibagi menjadi 5 angka fuzzy, antara lain very low (VL), low (L), sufficient (S), High (H) dan very high (VH). Angka fuzzy ini akan diubah menjasi angka crisp dengan jarak dari setiap nilai ditampilkan seperti di dalam Tabel 3.2. Tabel 3.2 Angka Fuzzy untuk Kriteria C1 Range value Value >= 90 90 > value >= 70 70 > value >= 50 50 > value > 25 value <= 25

Fuzzy number Very low Low Sufficient High Very high

Value 0 0.25 0.5 0.75 1

3) C2, dibagi menjadi 3 angka fuzzy, antara lain low (L), sufficient (S), dan High (H). Angka fuzzy ini akan diubah menjasi angka crisp dengan jarak dari setiap nilai ditampilkan seperti di dalam Tabel 3.3.

48

Tabel 3.3 Angka Fuzzy untuk Kriteria C2 Range value value <= 2 5 > value >2 Value >= 5

Fuzzy number Low Sufficient High

Value 0.25 0.5 0.75

4) C3, dibagi menjadi 3 angka fuzzy, antara lain low (L), sufficient (S), dan High (H). Angka fuzzy ini akan diubah menjasi angka crisp dengan jarak dari setiap nilai ditampilkan seperti di dalam Tabel 3.4. Tabel 3.4 Angka Fuzzy untuk Kriteria C3 Range value value <= 2 5 > value >2 Value >= 5


Value 0.25 0.5 0.75

5) C4, dibagi menjadi 3 angka fuzzy, antara lain low (L), sufficient (S), dan High (H). Angka fuzzy ini akan diubah menjasi angka crisp dengan jarak dari setiap nilai ditampilkan seperti di dalam Tabel 3.5. Tabel 3.5 Angka Fuzzy untuk Kriteria C4 Range value Gang Arteri Nadi


Value 0.25 0.5 0.75

6) C5, dibagi menjadi 3 angka fuzzy, antara lain low (L), sufficient (S), dan High (H). Angka fuzzy ini akan diubah menjasi angka crisp dengan jarak dari setiap nilai ditampilkan seperti di dalam Tabel 3.6. Tabel 3.6 Angka Fuzzy untuk Kriteria C5 Range value value <= 5 10 > value >5 Value >= 10


Value 0.25 0.5 0.75

49

7) C6, dibagi menjadi 3 angka fuzzy, antara lain low (L), sufficient (S), dan High (H). Angka fuzzy ini akan diubah menjasi angka crisp dengan jarak dari setiap nilai ditampilkan seperti di dalam Tabel 3.7. Tabel 3.7 Angka Fuzzy untuk Kriteria C6 Range value value <= 1 5> value >1 Value >= 5


Value 0.25 0.5 0.75

8) C7, dibagi menjadi 5 angka fuzzy, antara lain very low (VL), low (L), sufficient (S), High (H) dan very high (VH). Angka fuzzy ini akan diubah menjasi angka crisp dengan jarak dari setiap nilai ditampilkan seperti di dalam Tabel 3.8. Tabel 3.8 Angka Fuzzy untuk Kriteria C7 Range value Value < 40.000 50.000 > value >= 40.000 60.000 > value >= 50.000 70.000> value >= 60.000 value >= 70.000

Fuzzy number Very low Low

Value 0 0.25

Sufficient

0.5

High

0.75

Very high

1

Misalkan terdapat 3 alternatif yaitu A1, A2, dan A3. Tabel 3.9 adalah nilai dari tiap alternatif. Tabel 3.9 Contoh Nilai Alternatif No

Alternatif

C1

C2

C3

C4

C5

C6

C7

1

A1

60

6

4

Nadi

5

2

45.044

2

A2

50

2

1

Nadi

6

1

70.422

3

A3

25

1

0

Arteri

11

1

57.756

50

Setelah itu nilai dari setiap alternatif diubah ke dalam matrix dengan menggunakan angka crisp yang telah ditetapkan sebelumnya seperti pada Tabel 3.10. Tabel 3.10 Contoh Nilai Fuzzy Alternatif No

Alternatif

C1

C2

C3

C4

C5

C6

C7

1

A1

0.25

0.75

0.5

0.75

0.5

0.5

0.25

2

A2

0.5

0.25

0.25

0.75

0.5

0.25

1

3

A3

1

0.25

0.25

0.5

0.75

0.25

0.5

Setelah itu, setiap nilai dalam matrix akan diubah dengan menggunakan rumus metode SAW pada persamaan 2,1. Berikut adalah matrik hasil normalisasi dengan rumus metode SAW (Tabel 3.11). Tabel 3.11 Contoh Nilai Hasil Normalisasi Alternatif No

Alternatif

C1

C2

C3

C4

C5

C6

C7

1

A1

0.25

1

1

1

0.667

1

0.25

2

A2

0.5

0.333

0.5

1

0.667

0.5

1

3

A3

1

0.333

0.5

0.667

1

0.5

0.5

Karena setiap nilai yang diberikan pada setiap alternatif di setiap kriteria merupakan nilai kecocokan (nilai terbesar adalah terbaik) maka semua kriteria yang diberikan diasumsikan sebagai kriteria keuntungan (benefit).

Selanjutnya digunakan persamaan 2,2 untuk perhitungan perankingan. V1=(0.25)(0.05)+(1)(0.1)+(1)(0.1)+(1)(0.1)+(0.667)(0.2)+(1)(0.1)+(0.25)(0.35)= 0.6334

51

V2=(0.5)(0.05)+(0.333)(0.1)+(0.5)(0.1)+(1)(0.1)+(0.667)(0.2)+(0.5)(0.1)+(1)(0.35 )= 0.7417 V3=(1)(0.05)+(0.333)(0.1)+(0.5)(0.1)+(0.667)(0.1)+(1)(0.2)+(0.5)(0.1)+(0.5)(0.35 )= 0.625 Nilai terbesar ada pada V2 sehingga alternatif A2 adalah alternatif terbaik. Dengan kata lain alternatif A2 akan terpilih sebagai rekomendasi terbaik untuk lokasi penempatan cabang baru.

3. Desain Sistem Pada tahap ini dilakukan desain Arsitektur, Data Flow Diagram (DFD) dan Entity Relationship Diagram (ERD). Tahapan dilanjutkan dengan perancangan antarmuka (interface) sistem.

a. Desain Arsitektur Tekologi yang digunakan dalam perancangan sistem adalah Web Service. Web Service merupakan teknologi yang menyediakan integrasi proses dan data. Pada penelitian ini web service dibangun untuk menghubungkan aplikasi mobile Android dengan database server. Web Service dibangun dengan JSON (Javascript Object Notation) dan PDO (PHP Data Object). Data yang didapat dari Web Service dikirim dalam format JSON. PHP mendukung pengiriman maupun pengolahan data dalam format JSON dengan method POST maupun GET. Desain arsitektur Web Service dapat dilihat pada Gambar 3.2.

52

Manajemen Data

Database

Admin

Subsistem Berbasis Pengetahuan Manager

PHP Web Service Server SIG

Surveyor

Android Mobile Apllication

Manager

Gambar 3.2 Arsitektur Web Service yang terintegrasi dengan sistem Surveyor menggunakan aplikasi android yang terhubung dengan database melalui teknologi Web Service untuk menginputkan data lokasi survey baru. Kemudia data tersebut akan melalui proses manajemen data yaitu semua proses yang berhubungan dengan mengambil, menyimpan, menampilkan data dari database. Data berupa lokasi survey, data dealer, kecamatan dll. dapat langung ditampilkan kepada Admin. Data lokasi survey baru akan diolah di subsistem berbasis pengetahuan untuk mendapatkan rekomendasi terbaik menggunakan metode SAW yang kemudian dapat ditampikan ke Manager. Selain itu hasil rekomendasi dapat ditampilkan dalam poin-poin pada peta yang kemudian dapat ditampilkan ke Manager. b. Data Flow Diagram Gambar 3.3 adalah Diagram Context/ DFD level 0 dari Sistem Pendukung Keputusan Penempatan Cabang PT. Tunas Dwipa Matra Bandar Lampung Berbasis SIG.

53

Admin

Data Dealer Honda Data Survey Data Kecamatan Data Login Data Bobot Kriteria

Data survey

Surveyor

Data Kasus

Data survey

Data Kasus Data dealer Honda Data survey Data kecamatan Data login Data kriteria

Sistem Pendukung Keputusan Penempatan Cabang PT Tunas Dwipa Matra berbasis Sistem Informasi Geografis

Lokasi pengguna Pilihan Kasus

Hasil Survey Peta persebaran Hasil Rekomendasi rute

Eksekutif

Gambar 3.3 DFD Level 0 SPK Diagram level 0 pada Gambar 3.3 menjelaskan aliran data dari Admin, Eksekutif dan Surveyor ke sistem dan dari sistem ke tiga entitas tersebut. Aliran data dari admin ke sistem adalah data dealer Honda, data survey, data kecamatan, data login, data bobot kriteria, dan data kasus. Sedangkan aliran data dari sistem ke admin berupa data dealer Honda, data survey, data kecamatan, data login, data kriteria, dan data kasus. Aliran data dari eksekutif ke sistem adalah pilihan kasus dan lokasi pengguna. Sedangkan aliran data dari sistem ke eksekutif berupa hasil survey, hasil rekomendasi, peta persebaran, dan rute. Aliran data dari Surveyor ke sistem adalah data survey begitu pula dari sistem ke surveyor. Eksekutif yang ingin membuka cabang baru, menggunakan sistem ini dengan membuka kasus baru lokasi penempatan cabang dengan status open. Apabila lokasi penempatan cabang telah terpilih maka kasus akan close. Surveyor mengisi data survey berdasarkan kasus yang open. Setelah itu eksekutif dapat melihat hasil rekomendasi berdasarkan lokasi-lokasi yang telah di-input-kan oleh surveyor.

54

Data Master

Admin

Data Dealer Honda Data Survey Data Kecamatan Data Login Data Bobot Kriteria

1.0 Proses Data Master

Data Master

2.0 Proses Mengolah Data Survey

Data survey

Tabel_Master

Data Kasus Data Kasus Data Kriteria Data Login Data Kecamatan Data Survey Data Dealer Honda Data survey Data survey

Tabel_location

Data Kecamatan

Data survey

Tabel_kecamatan

Tabel_kasus

Surveyor

Data kasus

Data DSS

Pilihan Kasus Lokasi pengguna Eksekutif

3.0 Proses DSS

Data DSS

Tabel_DSS

Peta persebaran Hasil Survey Hasil Rekomendasi rute

Gambar 3.4 DFD Level 1 SPK Gambar 3.4 adalah DFD level 1 dari Sistem Pendukung Keputusan Penempatan Cabang PT. Tunas Dwipa Matra Bandar Lampung Berbasis SIG. Gambar 3.4 dijelaskan sebagai berikut. 1. Admin dapat melakukan proses mengolah data master. Tabel master yang dimaksud berupa tabel location, tabel kecamatan, tabel marker, tabel kategori, tabel login, tabel criteria dan tabel kasus. 2. Surveyor dapat mengolah data survey. 3. Eksekutif dapat melakukan proses DSS. Tabel DSS yang dimaksud berupa tabel marker, tabel location, tabel kecamatan, tabel matrixafter, tabel matrixnormal dan tabel hasilnormal.

55

Data dealer AHM 1.1 Mengolah data dealer Honda

Data Dealer Honda

Data Dealer AHM

Tabel_kategori

Data Jalan

Data dealer Honda

Tabel_Marker

Data Kategori

Data Kecamatan 1.2 Mengolah data survey

Data survey

Tabel_jalan Data Survey Data Survey

Data survey

Data Kecamatan Data kecamatan

1.3 Mengolah data kecamatan

Tabel_location

Data Kecamatan Data kecamatan

Tabel_Kecamatan

Data Kecamatan Data kriteria

Admin

Data bobot kriteria

1.4 Mengubah bobot kriteria

Bobot kriteria

Tabel_Kriteria

Nama Surveyor Data kriteria

Data login Data Login

1.5 Mengolah data login

1.6 Mengolah data Kasus

Data Kasus Data Kasus

Data Login Data login

kasus

Tabel_Login

Tabel_Kasus


Gambar 3.5 DFD level 2 Proses Mengolah Data Master Gambar 3.5 adalah DFD level 2 dari proses mengolah data master. Gambar 3.5 dijelaskan sebagai berikut. 1. Admin dapat mengolah data dealer Honda yaitu data dealer-dealer Honda yang ada di Bandar Lampung. 2. Admin dapat mengolah data survey yaitu data calon lokasi penempatan cabang.

56

3. Admin dapat mengolah data kecamatan yaitu kecamatan yang ada di Bandar Lampung beserta jumlah penduduk di kecamatan tersebut. 4. Admin dapat mengubah bobot kriteria. Kriteria yang sudah ditetapkan ada 7 kriteria. Masing-masing kriteria memiliki bobot. Bobot tersebut dapat diubah oleh admin. 5. Admin dapat mengolah data login. 6. Admin dapat mengolah data kasus.

Data survey Data Survey Data Survey

2.1 Menambah data survey

Data survey Data Kecamatan Tabel_location Data survey Data survey Tabel_kecamatan

Surveyor

Data Survey Data Survey

2.2 Menghapus data survey

Data kasus

Tabel_kasus


2.3 Mengubah data survey

Data kasus Data Kecamatan

Data survey

Gambar 3.6 DFD Level 2 Proses Mengolah data Survey Gambar 3.6 adalah DFD level 2 dari proses mengolah data survey. Gambar 3.6 dijelaskan sebagai berikut. 1. Surveyor memberikan data survey untuk proses menambah data survey ke tabel location. Dalam proses menambah data tersebut, kasus dan kecamatan diperoleh dari tabel kasus dan tabel kecamatan.

57

2. Sistem menampilkan data survey dari tabel location pada proses menghapus data survey, kemudian surveyor memilih data survey yang ingin dihapus dari tabel location. 3. Sistem menampilkan data survey dari tabel location pada proses mengubah data survey, kemudian surveyor memberikan data survey ke sistem untuk mengganti data pada tabel location. Dalam proses mengubah data tersebut, kasus dan kecamatan diperoleh dari tabel kasus dan tabel kecamatan.

3.1 Menampilkan Peta Persebaran

Pilihan Kasus Peta persebaran

Tabel_Marker Data dealer Honda Data survey

Tabel_location

kasus

Pilihan Kasus

Data survey 3.2 Menampilkan hasil survey

Hasil survey

Tabel_kasus

Data kasus

Tabel_kecamatan

Jumlah penduduk

kasus Data survey

Pilihan Kasus Hasil rekomendasi

3.3 Proses rekomendasi DSS

Longitude dan latitude dealer Data matriknormal Data matriknormal

Tabel_matriknormal

Eksekutif Data matrikafter Tabel_matrikafter

Data matrikafter

Data hasilnormal Data hasilnormal Lokasi pengguna rute

3.4 Menampilkan rute dari posisi pengguna ke lokasi survey

Data Survey

Gambar 3.7 DFD Level 2 Proses DSS

Tabel_hasil normal

58

Gambar 3.7 adalah DFD level 2 dari proses DSS. Gambar 3.7 dijelaskan sebagai berikut. 1. Eksekutif dapat melihat peta persebaran dealer Honda di Bandar Lampung dan lokasi hasil survey. 2. Eksekutif dapat melihat detail dari lokasi hasil survey. 3. Eksekutif dapat melihat hasil rekomendasi dari proses DSS. 4. Eksekutif dapat melihat rute dari lokasi pengguna ke lokasi hasil survey

Data Dealer Honda Data Dealer Honda

1.1.1 Menambah data dealer Honda

Data Dealer Honda Data Dealer Honda Data Kecamatan Tabel_Marker Data Dealer Honda Data Dealer Honda

Data Dealer Honda Admin Data Dealer Honda

Tabel_kecamatan 1.1.2 Menghapus data dealer Honda

Data kategori

Tabel_kategori

Data Dealer Honda Data Dealer Honda Data Dealer Honda

1.1.3 Mengubah data dealer honda

Data kategori Data Kecamatan

Data Dealer Honda

Gambar 3.8 DFD Level 3 Proses Mengolah Data Dealer Honda Gambar 3.8 adalah DFD level 3 dari proses mengolah data dealer Honda. Gambar 3.8 dijelaskan sebagai berikut. 1. Admin memberikan data dealer Honda untuk proses menambah data dealer Honda ke tabel marker. Dalam proses menambah data tersebut, kategori dan kabupaten diperoleh dari tabel kategori dan tabel kecamatan.

59

2. Sistem menampilkan data dealer Honda dari tabel marker pada proses menghapus data dealer Honda, kemudian admin memilih data dealer Honda yang ingin dihapus dari tabel marker. 3. Sistem menampilkan data dealer Honda dari tabel marker pada proses mengubah data dealer Honda, kemudian admin memberikan data dealer Honda ke sistem untuk mengganti data pada tabel marker. Dalam proses mengubah data tersebut, kategori dan kecamatan diperoleh dari tabel kategori dan tabel kecamatan.

Data survey 1.2.1 Menambah data survey


Data survey Data Kecamatan Tabel_location Data survey Data survey Tabel_kecamatan

Admin

1.2.2 Menghapus data survey


Data kasus

Tabel_kasus


1.2.3 Mengubah data survey

Data kasus Data Kecamatan

Data survey

Gambar 3.9 DFD Level 3 Proses Mengolah Data Survey Gambar 3.9 adalah DFD level 3 dari proses mengolah data survey. Gambar 3.9 dijelaskan sebagai berikut. 1. Admin memberikan data survey untuk proses menambah data survey ke tabel location. Dalam proses menambah data tersebut, kasus dan kecamatan diperoleh dari tabel kasus dan tabel kecamatan.

60

2. Sistem menampilkan data survey dari tabel location pada proses menghapus data survey, kemudian admin memilih data survey yang ingin dihapus dari tabel location. 3. Sistem menampilkan data survey dari tabel location pada proses mengubah data survey, kemudian admin memberikan data survey ke sistem untuk mengganti data pada tabel location. Dalam proses mengubah data tersebut, kasus dan kecamatan diperoleh dari tabel kasus dan tabel kecamatan.

Data Kacamatan Data Kacamatan

1.3.1 Menambah data kecamatan

Data Kacamatan

1.3.2 Menghapus data kecamatan

Admin


Data Kacamatan

Tabel_kecamatan



1.3.3 Mengubah data kecamatan


Gambar 3.10 DFD Level 3 Proses Mengolah Data Kecamatan

Gambar 3.10 adalah DFD level 3 dari proses mengolah data kecamatan. Gambar 3.10 dijelaskan sebagai berikut. 1. Admin memberikan data kecamatan untuk proses menambah data kecamatan ke tabel kecamatan.

61

2. Sistem menampilkan data kecamatan dari tabel kecamatan pada proses menghapus data kecamatan, kemudian admin memilih data kecamatan yang ingin dihapus dari tabel kecamatan. 3. Sistem menampilkan data kecamatan dari tabel kecamatan pada proses mengubah data kecamatan, kemudian admin memberikan data kecamatan ke sistem untuk mengganti data pada tabel kecamatan.

Data Login Data Login

Data Login Admin


1.5.1 Menambah data login

1.5.2 Menghapus data login

Data Login

Tabel_Login



1.5.3 Mengubah data login


Gambar 3.11 DFD Level 3 Proses Mengolah Data Login

Gambar 3.11 adalah DFD level 3 dari proses mengolah data login. Gambar 3.11 dijelaskan sebagai berikut. 1. Admin memberikan data login untuk proses menambah data login ke tabel login. 2. Sistem menampilkan data login dari tabel login pada proses menghapus data login, kemudian admin memilih data login yang ingin dihapus dari tabel login.

62

3. Sistem menampilkan data login dari tabel login pada proses mengubah data login, kemudian admin memberikan data login ke sistem untuk mengganti data pada tabel login.


Data Kasus Admin


1.6.1 Menambah data kasus

1.6.2 Menghapus data kasus

Data Kasus

Tabel_kasus



1.6.3 Mengubah data kasus


Gambar 3.12 DFD Level 3 Proses Mengolah Data Kasus

Gambar 3.12 adalah DFD level 3 dari proses mengolah data kasus. Gambar 3.12 dijelaskan sebagai berikut. 1. Admin memberikan data kasus untuk proses menambah data kasus ke tabel kasus. 2. Sistem menampilkan data kasus dari tabel kasus pada proses menghapus data kasus, kemudian admin memilih data kasus yang ingin dihapus dari tabel kasus. 3. Sistem menampilkan data kasus dari tabel kasus pada proses mengubah data kasus, kemudian admin memberikan data kasus ke sistem untuk mengganti data pada tabel kasus.

63

Jumlah Penduduk

Tabel_kecamatan

Tabel_kasus

Data kasus 3.3.1 Proses perhitungan matrix after

Longitude dan latitude dealer

Tabel_Marker

Data survey

Pilihan Kasus

kasus Tabel_location 3.3.2 Proses perhitungan matrix normal

Data matrikafter

Data matrikafter

Tabel_matrikafter

Eksekutif 3.3.3 Proses perhitungan hasil normalisasi

Data matriknormal Data matriknormal

Tabel_matriknormal Data hasilnormalisasi Hasil rekomendasi

3.3.3 Proses menampilkan hasil rekomendasi

Data hasilnormalisasi

Tabel_hasil normal

Gambar 3.13 DFD Level 3 Proses Rekomendasi DSS

Gambar 3.13 adalah DFD level 3 dari proses rekomendasi DSS. Gambar 3.13 dijelaskan sebagai berikut. 1. Proses perhitungan matriks after adalah proses mengubah data hasil survey dari tabel location menjadi nilai fuzzy. Pertama-tama Eksekutif memilih kasus. Kemudian pada proses perhitungan matriks after diperoleh data kasus dari tabel kasus, data survey dari tabel location, jumlah penduduk dari tabel kecamatan, dan data longitude latitude dealer dari tabel marker.

64

Data longitude dan latitude diperlukan untuk menentukan jarak dari lokasi survey terhadap dealer Honda terdekat. Hasil perhitungan data matriks after, disimpan ke dalam tabel matrixafter. 2. Proses perhitungan matiks normal adalah proses normalisasi mengubah nilai fuzzy hasil survey yang telah disimpan pada tabel matrixafter menggunakan persamaan 2.1 pada Bab 2. Hasil perhitungan kemudian disimpan ke dalam tabel matrixnormal. 3. Proses perhitungan hasil normalisasi adalah proses mengubah angka pada tabel matixnormal menggunakan persamaan 2.2 pada Bab 2. Hasil perhitungan kemudian disimpan ke dalam tabel hasilnormal. 4. Eksekutif dapat melihat hasil rekomendasi lokasi penempatan cabang. Hasil rekomendasi didapat dari tabel hasilnormal yang telah diurutkan mulai dari hasil terbesar dimana hasil terbesar adalah rekomendasi terbaik.

c. Entity Relationship Diagram Hubungan antar entitas data untuk sistem ini dapat dilihat pada Gambar 3.14. Pada Sistem Pendukung Keputusan Penempatan Cabang PT. Tunas Dwipa Matra Berbasis SIG ini terdapat 11 entitas yaitu tabel location, tabel login, tabel marker, tabel kecamatan, tabel kategori, tabel kriteria, tabel jalan, tabel kasus, tabel matrixafter, tabel matrixnormal, dan tabel hasilnormal. Entitas digambarkan dengan bentuk persegi panjang. Masing-masing entitas memiliki atribut yang digambarkan dengan bentuk elips. Atribut key dicirikan dengan adanya garis bawah pada nama atribut.

65

mobile_number

c3

c3

ma_id

c4

nama

c5

c1 c2

login_id ma_id

c4

nama

c5

c6

c1

c6

c7

c2

c7

password email_id

name

Location_id Table login

Table hasilnormal

1

Table matrixafter

kabupaten

Mrk_id

nama

kategori

alamat

latitude

telepon

longitude

kid

kecamatan 1 1

Memiliki

Memiliki m

Memasukkan

Jml_pddk

m m

Table matrixnormal

1

Memiliki

m

m

Table location

pid

bengkel

nama

penjual

alamat

jalan

kecamatan

market

longitude

jarak

latitude

email_id

Berada di

1

Table kecamatan

1

ditandai

m

Table marker

m

Memiliki

hn_id

Table kategori

ktg_id m

berisi

nama hasil

1

1

Table kasus Table kriteria kategori

m

Berada di id_case

status_case ktid

1 nama_case

date_close

hasil

date_open

kriteria

Table jalan

bobot telepon

nama_case

biaya

created_at

jid

jalan

dealer

Gambar 3.14 Entity Relationship Diagram

66

Berikut adalah contoh struktur tabel yang ada pada Gambar 3.14. 1. Tabel Location Tabel ini digunakan untuk menyimpan data hasil survey. Table 3.12 Contoh Struktur Tabel Location No Atribut Type 1. Pid int 2. Nama varchar 3. Alamat varchar 4. Kecamatan varchar 5. Longitude varchar 6. Latitude varchar 7. Telepon varchar 8. Biaya int 9. Bengkel int 10. Penjual int 11. Jalan varchar 12. Market int 13. Jarak float 14. Email_id varchar 15. Name_case varchar 16. Created_at datetime 17. Dealer Varchar

Length 11 30 200 20 50 50 12 11 11 11 10 11

Keterangan Primary key Unique

20 20

Foreign key Foreign key

Foreign key

Foreign key

30

2. Tabel Marker Tabel ini digunakan untuk menyimpan data dealer Honda di Bandar Lampung Table 3.13 Contoh Struktur Tabel Marker No Atribut Type 1. Mrk_id int 2. Nama varchar 3. Alamat varchar 4. Kecamatan varchar 5. Tlpn varchar 6. Ktg varchar 7. Lat varchar 8. Lng varchar 9. Location_id int

Length 11 30 200 20 12 20 50 50 11

Keterangan Primary key

Foreign key Foreign key

67

3. Tabel kecamatan Tabel ini digunakan untuk menyimpan data kecamatan di Kota Bandar Lampung beserta jumlah penduduk. Table 3.14 Contoh Struktur Tabel Kecamatan No Atribut Type 1. k_id Int 2. kecamatan Varchar 3. Jml_pddk int

Length 11 20 20


4. Tabel Kategori Tabel ini digunakan untuk menyimpan data kategori dealer Honda di Bandar Lampung. Table 3.15 Contoh Struktur Tabel Kategori No Atribut Type 1. ktg_id int 2. kategori varchar

Length 11 20


5. Tabel Kriteria Tabel ini digunakan untuk menyimpan data kriteria beserta bobotnya. Table 3.16 Contoh Struktur Tabel Kriteria No Atribut Type 1. Ktid int 2. kriteria varchar 3. bobot decimal

Length 11 20 (2,2)


6. Tabel Login Tabel ini digunakan untuk menyimpan data login. Table 3.17 Contoh Struktur Tabel Login No Atribut Type 1. login_id int 2. Mobile_number varchar 3. password varchar 4. name varchar 5. Email_id varchar

Length 11 12 20 30 20


Unique

68

7. Tabel Kasus Tabel ini digunakan untuk menyimpan data kasus. Table 3.18 Contoh Struktur Tabel Kasus No Atribut Type 1. Case_id Int 2. Name_case Varchar 3. hasil Varchar 4. Status_case Tinyint 5. Date_close Datetime 6. Date_open Datetime

Length 11 30 30 1


8. Tabel Jalan Tabel ini digunakan untuk menyimpan data jenis jalan. Table 3.19 Contoh Struktur Tabel Jalan No Atribut Type 1. Jid Int 2. jalan Varchar

Length 11 20


9. Tabel Matrixarfer Tabel ini digunakan untuk menyimpan data hasil survey yang sudah diubah ke nilai fuzzy Table 3.20 Contoh Struktur Tabel Matrixafter No Atribut Type Length 1. Ma_id Int 11 2. Nama Varchar 30 3. C1 Float 4. C2 Float 5. C3 Float 6. C4 Float 7. C5 Float 8. C6 Float 9. C7 Float


69

10. Tabel Matrixnormal Tabel ini digunakan untuk menyimpan hasil perhitungan data hasil survey yang sudah diubah ke nilai fuzzy yang telah tersimpan di tabel matrixafter menggunakan persamaan 2,1 pada Bab 2. Table 3.21 Contoh Struktur Tabel Matrixnormal No Atribut Type Length 1. Ma_id int 11 2. Nama varchar 30 3. C1 float 4. C2 float 5. C3 float 6. C4 float 7. C5 float 8. C6 float 9. C7 float


11. Tabel Hasilnormal Tabel ini digunakan untuk menyimpan hasil perhitungan normalisasi data yang telah tersimpan di tabel matrixnormal menggunakan persamaan 2,2 pada Bab 2. Table 3.22 Contoh Struktur Tabel Hasilnormal No Atribut Type Length 1. Ma_id Int 11 2. Nama Varchar 30 3. C1 Float 4. C2 Float 5. C3 Float 6. C4 Float 7. C5 Float 8. C6 Float 9. C7 Float


70

d. Perancangan Antarmuka Antarmuka Sistem Pendukung Keputusan Penempatan Cabang PT. Tunas Dwipa Matra Berbasis SIG dibagi menjadi 3 bagian berdasarkan penggunanya yaitu tampilan untuk eksekutif, admin dan surveyor. 1) Halaman Login Gambar 3.15 adalah rancangan antarmuka untuk Halaman Login sistem berbasis web.

Gambar 3.15 Halaman Login Sistem Berbasis Web 2) Tampilan Eksekutif a) Halaman dashboard Gambar 3.16 adalah rancangan antarmuka untuk halaman dashboard tampilan eksekutif.

71

Gambar 3.16 Halaman Dashboard tampilan Eksekutif b) Halaman DSS Gambar 3.17 adalah rancangan antarmuka untuk halaman DSS tampilan eksekutif.

Gambar 3.17 Halaman DSS tampilan Eksekutif

72

c) Halaman Case Gambar 3.18 adalah rancangan antarmuka untuk halaman Case tampilan eksekutif.

Gambar 3.18 Halaman Case tampilan Eksekutif 3) Tampilan Admin a) Halaman dashboard Gambar 3.19 adalah rancangan antarmuka untuk halaman dashboard tampilan admin.

Gambar 3.19 Halaman Dashboard Tampilan Admin

73

b) Halaman Table AHM 

Dealer Honda Gambar 3.20 adalah rancangan antarmuka untuk halaman Dealer Honda tampilan admin.

Gambar 3.20 Halaman Dealer Honda Tampilan Admin 

Insert Dealer Honda Gambar 3.21 adalah rancangan antarmuka untuk halaman Insert Dealer Honda tampilan admin.

Gambar 3.21 Halaman Insert Dealer Honda Tampilan Admin

74

c) Halaman Table TDM Survey 

Weighting Criteria Gambar 3.22 adalah rancangan antarmuka untuk halaman Weighting Criteria tampilan admin.

Gambar 3.22 Halaman Weighting Criteria Tampilan Admin 

Survey result Gambar 3.23 adalah rancangan antarmuka untuk halaman survey result tampilan admin.

Gambar 3.23 Halaman Survey Result Tampilan Admin

75



District Gambar 3.24 adalah rancangan antarmuka untuk halaman district tampilan admin.

Gambar 3.24 Halaman District Tampilan Admin d) Halaman Kasus Gambar 3.25 adalah rancangan antarmuka untuk halaman kasus tampilan admin.

Gambar 3.25 Halaman Case Tampilan Admin

76

e) Halaman Table Login Gambar 3.26 adalah rancangan antarmuka untuk halaman table login tampilan admin.

Gambar 3.26 Halaman Login Tampilan Admin 4) Tampilan Surveyor a) Halaman Login Surveyor Gambar 3.27 adalah rancangan antarmuka untuk halaman login tampilan surveyor.

Gambar 3.27 Halaman Login Tampilan Surveyor

77

b) Halaman Utama Surveyor Gambar 3.28 adalah rancangan antarmuka untuk halaman utama tampilan surveyor.

Gambar 3.28 Halaman Utama Tampilan Surveyor

c) Halaman input data survey Gambar 3.29 adalah rancangan antarmuka untuk halaman input data survey tampilan surveyor.

78

Gambar 3.29 Halaman Tampilan Surveyor

4. Implementasi Pada tahap implementasi, dimulai dengan pembuatan database. Database yang dipakai adalah MySQL serta menggunakan web server apache yaitu Xampp. Selanjutnya pembuatan program (koding) sistem berbasis web menggunakan bahasa pemograman php dan html. Pada sistem berbasis web ini yang akan dibangun Sistem Pendukung Keputusan (SPK) dan Sistem Informasi Geografis (SIG). Sistem berbasis web dibangun dari 2 sudut pandang aktor yaitu admin dan eksekutif. Pada halaman admin terdapat fungsi mengolah data dealer, mengolah data survey, mengolah data login, mengubah bobot kriteria, dan mengolah data

79

kecamatan. Sedangkan pada halaman eksekutif terdapat fungsi menampilkan hasil rekomendasi, menampilkan hasil survey dan menampilkan rute dari posisi pengguna ke lokasi hasil survey. Pada sistem ini fungsi utama yaitu menampilkan hasil rekomendasi. Hasil rekomendasi akan disajikan dalam bentuk tabel dan peta persebaran.

Hasil rekomendasi diperoleh dari perhitungan hasil survey terhadap variabel kriteria dan bobot menggunakan metode SAW yang kemudian disimpan ke dalam database dan kemudian ditampilkan dalam bentuk tabel dan peta pesebaran. Peta persebaran menggunakan Google Maps API dan fungsi geolocation untuk menampilkan posisi pengguna.

Selanjutnya pembuatan program (koding) sistem berbasis mobile sebagai piranti input data survey yang nantinya data tersebut akan diolah pada sistem berbasis web. Pada aplikasi mobile ini terdapat fungsi input hasil survey. Hasil survey yang di-input-kan dari aplikasi ini akan masuk ke database MySQL yang sama dengan sistem berbasis web.

5. Pengujian Pada penelitian ini pengujian dibedakan menjadi 2 yaitu pengujian fungsionalitas sistem dan pengujian hasil keputusan. Pendekatan kasus uji untuk pengujian fungsionalitas sistem adalah pengujian black box dengan metode Equivalence Partitioning. EP akan membagi domain masukan dari program ke dalam kelaskelas sehingga test case dapat diperoleh. Pengujian EP berusaha untuk

80

mendefinisikan kasus uji yang menemukan sejumlah jenis kesalahan, dan mengurangi jumlah kasus uji yang harus dibuat. Pengujian EP dapat digunakan untuk mencari kesalahan pada fungsi, dapat mengetahui kesalahan pada interface dan kesalahan pada struktur data sehingga dapat mengurangi masalah terhadap nilai masukan. Perancangan kasus uji EP berdasarkan evaluasi kelas equivalence untuk kondisi input yang menggambarkan kumpulan keadaan yang valid atau tidak. Rancangan daftar pengujian dapat dilihat pada Tabel 3.23 , Tabel 3.24 dan Tabel 3.25. Tabel 3.23 Daftar Pengujian Black Box pada sistem untuk General Manager No. 1.

2.

Kelas Uji Login

Fungsi pada halaman DSS

Daftar Pengujian Input data Login

Pengujian infowindow pada marker dealer Honda

Kasus Uji Email= [email protected], Password = 1234, Klik tombol login Email= [email protected], Password =12345, Klik tombol login Mouseover pada marker dealer Honda Mouseover pada marker lokasi survey

Pengujian pada menampilkan hasil rekomendasi

Pilih “Kasus 1” pada select option, klik “View Recomendation”

Hasil yang Diharapkan Masuk ke Halaman dashboard manager

Menampilkan kotak dialog password salah

Menampilkan infowindow yang sesuai dengan titik marker Menampilkan infowindow lokasi survey, bukan dealer Honda Menampilkan hasil rekomendasi sesuai dengan kasus pilihan

81

Tabel 3.23 Daftar Pengujian Black Box pada sistem untuk General Manager (Lanjutan) No.

Kelas Uji

Daftar Pengujian

Pengujian pada menampilkan detail lokasi survey

3.

Fungsi pada halaman Case

Pengujian pada menampilkan hasil survey berdasarkan kasus

Kasus Uji Pilih “Kasus 1” pada select option Klik “Detail” pada lokasi survey yang paling direkomendasikan Klik “Detail Calculation’ Klik “Detail” pada “Kasus 1” Klik “Kasus 1”

Hasil yang Diharapkan Tidak ada proses yang terjadi Menampilkan detail dari lokasi survey yang paling direkomendasikan Menampilkan detail perhitungan, bukan detail lokasi survey Menampilkan hasil survey “Kasus 1” Tidak ada proses yang terjadi

Tabel 3.24 Daftar Pengujian Black Box pada sistem untuk Admin No. 1.

2.

Kelas Uji Login

Fungsi pada halaman TDM Marker

Daftar Pengujian Input data login

Insert marker dealer

Kasus Uji Email= [email protected], Password = 11111 , Klik tombol login Email= [email protected], Password = , Klik tombol login Mengisi penuh kolom input dengan data sesuai, klik “Insert Data” Kolom input tidak terisi penuh, klik “Insert Data”

Hasil yang Diharapkan Masuk ke halaman dashboard admin

Tidak dapat masuk ke halaman dashboard admin (Kolom password harus diisi) Data tersimpan ke database

Data tidak tersimpan ke database, kolom input tidak boleh kosong

Tabel 3.24 Daftar Pengujian Black Box pada sistem untuk Admin (Lanjutan) No.

Kelas Uji

Daftar

Kasus Uji

Hasil yang

82

Pengujian Edit marker dealer

3.

Fungsi pada halaman lokasi survey

Insert lokasi survey

Edit lokasi survey

4.

Fungsi pada halaman bobot kriteria

Edit bobot kriteria

4.

Fungsi Insert data pada kecamatan halaman kecamatan

Ubah kategori dealer, klik “Update” Hapus kolom alamat, klik “Update”

Mengisi penuh kolom input dengan data sesuai, klik “Insert Data” Mengetikan huruf pada kolom nomor telepon

Diharapkan Data tersimpan ke database Data tidak tersimpan ke database, kolom input tidak boleh kosong Data tersimpan ke database

Tidak dapat mengetik huruf pada kolom nomor telepon Mengubah kasus dan klik Data tersimpan ke “Update Data” database Hapus kolom alamat, Data tidak klik “Update Data” tersimpan ke database, kolom input tidak boleh kosong Mengubah bobot menjadi Data tersimpan ke 10%, 20%, 15%, 15%, database 10%, 20%, 10% Mengubah bobot menjadi Data tidak 50%, 20%, 15%, 25%, tersimpan ke 10%, 20%, 10% database Kecamatan = Tanjung Data tersimpan ke Senang, Jumlah database Penduduk= 83928

83

Tabel 3.24 Daftar Pengujian Black Box pada sistem untuk Admin (Lanjutan) No.

Kelas Uji

Daftar Pengujian

Edit data kecamatan

5.

6.

Fungsi pada halaman kasus

Fungsi pada halaman surveyor

Ubah status kasus

Insert data surveyor

Kasus Uji Kecamatan = Tanjung Senang, Jumlah Penduduk= jdkasjdkas Ubah jumlah penduduk= 92201. Klik “Update” Ubah jumlah penduduk= csnkcsnk. Klik “Update” Klik edit, ubah select option status menjadi close, isi result. Klik “Update” Klik edit. Tidak mengubah select option status. Klik “Update” Nama=cindy, email= [email protected], mobile phone= 089637576582, password= 123456, retype password= 123456 Nama=cindy, email= [email protected], mobile phone= 089637576582, password= 123456, retype password= 1234567 Kecamatan = Tanjung Senang, Jumlah Penduduk= jdkasjdkas

Hasil yang Diharapkan Tidak dapat mengetikan huruf pada kolom jumlah penduduk Data tersimpan ke database Tidak dapat mengetikan huruf pada kolom jumlah penduduk Status kasus berubah menjadi close

Status kasus tidak berubah menjadi close Data tersimpan ke database

Data tidak tersimpan ke database, muncul kotak dialog password tidak sama

Tidak dapat mengetikan huruf pada kolom jumlah penduduk

84

Tabel 3.24 Daftar Pengujian Black Box pada sistem untuk Surveyor No.

Kelas Uji

1.

Login

2.

Tambah data baru

Daftar Kasus Uji Pengujian Input data lgin Email : [email protected], pw : gimbal, klik “Login” Email : [email protected], pw : klik “Login”

Tambah data koordinat

GPS hidup, Klik “Get Location” GPS mati, Klik “Get Location”

Tambah data lokasi

3.

Edit data

Edit data lokasi

Mengisi semua kolom dengan benar, klik “Add Data” Nama Lokasi sama dengan data pada database Mengubah kecamatan, klik “save” Hapus kolom nama lokasi, klik “save”

Hasil yang Diharapkan Masuk ke halaman utama surveyor Muncul kotak dialog “Please input correct password” Kolom latitude dan longitude akan terisi koordinat lokasi Mengalihkan ke halaman kontrol GPS Data tersimpan ke database Data tidak dapat tersimpan ke database Data tersimpan ke database Data tidak dapat tersimpan ke database ( kolom nama tidak boleh kosong)

85

3.2.3

Jadwal Kegiatan Penelitian

Tabel 3.25 Jadwal Kegiatan Penelitian

Kegiatan

Tahun 2015 September Oktober November Desember 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1. Pengumpulan Data 2. Analisis - Analisis Kebutuhan Sistem - Pengolahan Data Manual 3. Desain sistem dan antarmuka 4. Implementasi a. Implementasi Database b. Implementasi sistem web c. Implementasi sistem mobile 5. Pengujian

3.2.4

Jenis dan Sumber Data

Jenis dan sumber data yang digunakan dalam penelitian ini adalah: 1. Data Primer Data Primer yang dibutuhkan berupa data atribut dan spasial dealer Honda di Bandar Lampung dan faktor-faktor penentu lokasi penempatan cabang baru PT. Tunas Dwipa Matra. 2. Data Sekunder Data sekunder berupa informasi Honda, kategori dealer Honda, jumlah penduduk tiap kecamatan di Bandar Lampung.

BAB III METODOLOGI PENELITIAN. Meneng Bandar Lampung dan PT. Tunas Dwipa Matra yang berada di Jalan. September 2015 sampai bulan Desember 2015

Recommend Documents