37
Bab 4 Hasil dan Pembahasan
4.1 Implementasi Sistem Basis Data Implementasi model sistem basis data merupakan implementasi dari perancangan basis data yang telah dibuat pada bab sebelumnya.
Berdasarkan
rancangan
yang
telah
dibuat
maka
akan
diimplementasikan beberapa tabel ke dalam database, yaitu : table
Agrometeorologi, table CurahHujan, table Kelembaban, table SuhuUdara, table Pengguna, table Kecamatan. Untuk implementasi dari tabel-tabel tersebut, maka akan
diberikan
contoh
data
untuk
masing-masing
tabel
yang
diimplementasikan. Contoh data tabel dapat terlihat pada gambar-
gambar berikut ini.
Gambar 4.1 Implementasi table Pengguna
Pada Gambar 4.1 dapat dilihat implementasi table Pengguna, dimana record pada table Pengguna akan mewakili seorang user yang akan menggunakan sistem.
Gambar 4.2 Implementasi table Agrometeorologi
Pada
Gambar
4.2
terlihat
implementasi
dari
table
Agrometeorologi. Pada table Agrometeorologi terdapat 3 records tanaman yang digunakan pada penelitian ini.
37
38
Gambar 4.3 Implementasi table Kecamatan
Pada Gambar 4.3 terlihat implementasi dari table Kecamatan. Terdapat 3 kecamatan pada kabupaten Boyolali yang digunakan
sebagai sample dalam penelitian ini, sesuai dengan pembahasan pada bab sebelumnya.
Gambar 4.4 Implementasi table CurahHujan
Pada Gambar 4.4 dapat dilihat implementasi dari table CurahHujan. Table CurahHujan berisikan data-data curah hujan perbulan tiap kecamatan. Beberapa diantaranya dapat dilihat pada
Gambar 4.4.
Gambar 4.5 Implementasi table Kelembaban
Pada Gambar 4.5 dapat dilihat implementasi dari table Kelembaban. Table Kelembaban berisikan data-data kelembaban perbulan tiap kecamatan. Beberapa diantaranya dapat dilihat pada
Gambar 4.5.
39
Gambar 4.6 Implementasi table SuhuUdara
Pada Gambar 4.6 dapat dilihat implementasi dari table SuhuUdara. Table SuhuUdara berisikan data-data suhu udara perbulan tiap kecamatan. Beberapa diantaranya dapat dilihat pada Gambar 4.6.
4.2 Hasil Pembuatan Aplikasi Aplikasi yang dibuat pertama kali akan memanggil Form Login,
yang mengharuskan user untuk melakukan login. Hal ini dimaksudkan untuk menjamin keamanan data yang ada serta membatasi aktivitas
user didalam sistem. User diharuskan mengisikan username dan password. Untuk memastikan bahwa username dan password yang dimasukkan benar-benar terdaftar di dalam database, maka digunakan sebuah fungsi login. Fungsi login tersebut akan memvalidasi masukkan user. Jika masukkan user salah maka akan muncul warning message seperti ditunjukkan oleh Gambar 4.7. Sedangkan jika login berhasil, maka user akan masuk kedalam form utama.
Gambar 4.7 Tampilan Warning Message
40
Sesuai pada perancangan sistem pada bab sebelumnya, maka
pembagian hak user ditujukan untuk memastikan bahwa input data hanya dapat dilakukan oleh user admin, sedangkan user PPL hanya dapat melihat peramalan tanaman yang cocok ditanam pada masa
tertentu. Untuk memperjelas maka fungsi tersebut dapat dilihat dilihat pada Kode Program 4.1. Kode Program 4.1 Pembatasan Hak Akses With f Me._menuStrip.Visible = True _menuManageData.Visible = .ShowMenuStrip End With
Pada Kode Program 4.1 terlihat jelas bahwa penghapusan menu Manage Data berdasarkan pengembalian nilai yang dilakukan pada saat pengecekan user pada fungsi Login. Dengan melakukan hal seperti ini akan lebih efektif daripada membuat dua aplikasi berbeda
untuk masing-masing tipe user. Pada user admin, terdapat menu manage data yang berfungsi untuk menambahkan, mengubah atau menghapus data klimatologi, data agrometeorologi, dan data kecamatan. Tampilan form data klimatologi ditunjukkan oleh Gambar 4.8.
Gambar 4.8 Form Data Klimatologi
41
Form data agrometeorologi berisikan data tanaman pangan yang digunakan dalam penelitian ini beserta unsur klimatologi yang dibutuhkan oleh tanaman tersebut dapat tumbuh. Tampilan form data agrometeorologi ditunjukkan oleh Gambar 4.9.
Gambar 4.9 Form Data Agrometeorologi
Form data kecamatan berisikan data kecamatan yang digunakan dalam penelitian ini. Tampilan form data kecamatan ditunjukkan oleh
Gambar 4.10.
Gambar 4.10 Form Data Kecamatan
42
Pada form utama, terdapat menu Forecasting yang dapat diakses oleh kedua tipe user. Tampilan form forecasting dapat dilihat pada Gambar 4.11.
Gambar 4.11 Form Forecasting
Pada form forecasting yang digambarkan pada Gambar 4.11 memiliki fungsi memperkirakan tanaman yang cocok ditanam pada kecamatan tertentu dan pada masa tertentu sesuai dengan masukkan
user. Proses peramalan pada sistem sesuai dengan metode peramalan yang dibahas pada bab sebelumnya, yaitu menggunakan metode
Triple Exponential Smoothing. Proses peramalan ini terbagi menjadi beberapa tahap untuk tiap unsur klimatologi yang digunakan. Proses pertama peramalan menggunakan
metode Triple
Exponential Smoothing adalah menghitung pemulusan pertama (S`t) curah hujan, kelembaban, dan suhu udara. Seperti ditunjukkan pada
Kode Program 4.2.
43
Kode Program 4.2 Fungsi Penghitungan S`t Curah Hujan For k = 1 To 9 ................................................. 1 For l = 0 To _dataCurahHujan.Count() – 1 ................... 2 If l = 0 Then .......................................... 3 _s1t(k, l) = _dataCurahHujan(l) .................... 4 Else ................................................... 5 a = (k / 10) * _dataCurahHujan(l) .................. 6 b = (1 - (k / 10)) * _s1t(k, l - 1) ................ 7 _s1t(k, l) = a + b ................................. 8 End If ................................................. 9 Next ...................................................... 10 l = 0 ..................................................... 11 Next ........................................................... 12
Kode Program 4.2 adalah kode program untuk proses penghitungan pemulusan pertama curah hujan. Untuk proses penghitungan pemulusan pertama kelembaban dan suhu udara menggunakan logika yang sama dengan penghitungan pemulusan pertama curah hujan. Proses penghitungan pemulusan pertama dengan menghitung satu persatu data iklim yang digunakan pada penelitian ini dengan menggunakan rumus (2.11). Untuk nilai awal pemulusan pertama dari data iklim ditentukan sama dengan nilai data iklim pertama (ditunjukkan pada baris ke 4). Baris ke 6 dan 7 merupakan penggalan rumus penghitungan pemulusan pertama curah hujan. Langkah kedua adalah menghitung pemulusan kedua (S``t) data iklim yang digunakan. Seperti ditunjukkan pada Kode Program 4.3. Kode Program 4.3 Fungsi Penghitungan S``t Curah Hujan For k = 1 To 9 ................................................. 1 For l = 0 To _dataCurahHujan.Count() – 1 ................... 2 If l = 0 Then .......................................... 3 _s2t(k, l) = _dataCurahHujan(l) .................... 4 Else ................................................... 5 a = (k / 10) * _s1t(k, l) .......................... 6 b = (1 - (k / 10)) * _s2t(k, l - 1) ................ 7 _s2t(k, l) = a + b ................................. 8 End If ................................................. 9 Next ....................................................... 10 l = 0 ...................................................... 11 Next ........................................................... 12
Kode Program 4.3 adalah kode program untuk proses penghitungan
pemulusan
kedua
curah
hujan.
Untuk
proses
44
penghitungan pemulusan kedua kelembaban dan suhu udara menggunakan logika yang sama dengan penghitungan pemulusan kedua curah hujan. Proses penghitungan pemulusan kedua dengan menghitung satu persatu data hasil dari penghitungan pemulusan pertama dengan menggunakan rumus (2.12). Untuk nilai awal pemulusan kedua ditentukan sama dengan nilai awal dari hasil penghitungan pemulusan pertama atau sama dengan nilai data iklim pertama (ditunjukkan pada baris ke 4). Baris ke 6 dan 7 merupakan penggalan rumus penghitungan pemulusan kedua curah hujan. Langkah ketiga adalah menghitung pemulusan ketiga (S```t) curah hujan, kelembaban, dan suhu udara. Seperti ditunjukkan pada Kode Program 4.4. Kode Program 4.4 Fungsi Penghitungan S```t Curah Hujan For k = 1 To 9 ................................................. 1 For l = 0 To _dataCurahHujan.Count() – 1 ................... 2 If l = 0 Then .......................................... 3 _s3t(k, l) = _dataCurahHujan(l) .................... 4 Else ................................................... 5 a = (k / 10) * _s2t(k, l) .......................... 6 b = (1 - (k / 10)) * _s3t(k, l - 1) ................ 7 _s3t(k, l) = a + b ................................. 8 End If ................................................. 9 Next ....................................................... 10 l = 0 ...................................................... 11 Next ........................................................... 12
Kode Program 4.4 adalah kode program untuk proses penghitungan
pemulusan
ketiga
curah
hujan.
Untuk
proses
penghitungan pemulusan ketiga kelembaban dan suhu udara menggunakan logika yang sama dengan penghitungan pemulusan ketiga curah hujan. Proses penghitungan pemulusan ketiga dengan menghitung satu persatu data hasil dari penghitungan pemulusan kedua dengan menggunakan rumus (2.13). Untuk nilai awal pemulusan ketiga
45
ditentukan sama dengan nilai awal dari hasil penghitungan pemulusan kedua atau sama dengan nilai data iklim pertama (ditunjukkan pada baris ke 4). Baris ke 6 dan 7 merupakan penggalan rumus penghitungan pemulusan ketiga curah hujan. Setelah menghitung 3 kali pemulusan, maka langkah selanjutnya adalah menghitung konstanta pemulusan yang akan digunakan. Pada proses ini terdapat 3 kali penghitungan konstanta pemulusan (αt, bt, dan ct) untuk tiap unsur klimatologi yang digunakan. Penghitungan konstanta pemulusan pertama (αt) ditunjukkan oleh Kode Program 4.5. Kode Program 4.5 Fungsi Penghitungan αt Curah Hujan For k = 1 To 9 ................................................. For l = 0 To _dataCurahHujan.Count() – 1 ................... a = 3 * _s1t(k, l) .................................... b = 3 * _s2t(k, l) .................................... c = _s3t(k, l) ........................................
1 2 3 4 5
_a(k, l) = (a - b) + c ................................ Next ....................................................... l = 0 ...................................................... Next ...........................................................
6 7 8 9
Kode Program 4.5 adalah kode program untuk menghitung konstanta pemulusan pertama pada data curah hujan. Untuk penghitungan konstanta yang digunakan pada data kelembaban dan suhu udara menggunakan logika yang sama dengan kode program penghitungan konstanta pemulusan pertama curah hujan. Penghitungan konstanta pertama sesuai dengan rumus (2.14) pada metode Triple Exponential Smoothing yang dijelaskan pada bab sebelumnya (ditunjukkan pada baris ke 6). Baris ke 3 sampai baris ke 5 merupakan penggalan rumus penghitungan konstanta pemulusan pertama curah hujan. Penghitungan konstanta pemulusan kedua (bt) ditunjukkan oleh Kode Program 4.6.
46
Kode Program 4.6 Fungsi Penghitungan bt Curah Hujan For k = 1 To 9 ................................................. For l = 0 To _dataCurahHujan.Count() – 1 ................... a = (k / 10) / (2 * ((1 - (k / 10)) ^ 2)) ............. b = (6 - (5 * (k / 10))) * _s1t(k, l) ................. c = (10 - (8 * (k / 10))) * _s2t(k, l) ................ d = (4 - (3 * (k / 10))) * _s3t(k, l) .................
1 2 3 4 5 6
_b(k, l) = a * (b - c + d) ............................ 7 Next ....................................................... 8 l = 0 ...................................................... 9 Next ........................................................... 10
Kode Program 4.6 adalah kode program untuk menghitung konstanta
pemulusan
kedua pada data curah
hujan.
Untuk
penghitungan konstanta yang digunakan pada data kelembaban dan suhu udara menggunakan logika yang sama dengan kode program penghitungan konstanta pemulusan pertama curah hujan. Penghitungan konstanta kedua sesuai dengan rumus (2.15) pada metode Triple Exponential Smoothing yang dijelaskan pada bab sebelumnya (ditunjukkan pada baris ke 6). Baris ke 3 sampai baris ke 6 merupakan penggalan rumus penghitungan konstanta pemulusan kedua curah hujan. Penghitungan konstanta pemulisan ketiga (ct) ditunjukkan oleh Kode Program 4.7. Kode Program 4.7 Fungsi Penghitungan ct Curah Hujan For k = 1 To 9 ................................................. For l = 0 To _dataCurahHujan.Count() – 1 ................... a = ((k / 10) ^ 2) / ((1 - (k / 10)) ^ 2) ............. b = _s1t(k, l) ........................................ c = 2 * _s2t(k, l) .................................... d = _s3t(k, l) ........................................
1 2 3 4 5 6
_c(k, l) = a * (b - c + d) ............................ 7 Next ....................................................... 8 l = 0 ...................................................... 9 Next ........................................................... 10
Kode Program 4.7 adalah kode program untuk menghitung konstanta pemulusan ketiga pada data curah hujan. Untuk penghitungan konstanta yang digunakan pada data kelembaban dan
47
suhu udara menggunakan logika yang sama dengan kode program penghitungan konstanta pemulusan pertama curah hujan. Penghitungan konstanta ketiga sesuai dengan rumus (2.16) pada metode Triple Exponential Smoothing yang dijelaskan pada bab sebelumnya (ditunjukkan pada baris ke 7). Baris ke 3 sampai baris ke 6 merupakan penggalan rumus penghitungan konstanta pemulusan ketiga curah hujan. Setelah melakukan 3 kali penghitungan konstanta pemulusan, maka proses peramalan dapat dilakukan. Hasil proses penghitungan peramalan yang dilakukan oleh sistem akan dipilih lagi dengan menghitung ketepatan hasil peramalan tersebut. Ketepatan hasil peramalan dapat dihitung dengan menghitung error atau kesalahan terkecil. Pada sistem ini penghitungan kesalahan terkecil dilakukan dengan menghitung nilai tengah kesalahan mutlak (Mean Absolute Deviation). Proses penghitungan peramalan dan penghitungan kesalahan terkecil untuk tiap unsur klimatologi yang digunakan dapat dilihat pada Kode Program 4.21.
48
Kode Program 4.8 Fungsi Peramalan dan MAD terkecil Curah Hujan For k For a b c
= i = = =
1 To 9 ................................................. = 1 To _dataCurahHujan.Count – 1 ....................... _a(k, i) ............................................... _b(k, i) * _m .......................................... (0.5 * _c(k, i)) * (_m ^ 2) ............................
1 2 3 4 5
_forecasting(k, i) = a + b + c .............................
6
If _forecasting(k, i) < 0 Then ............................. _forecasting(k, i) = 0 ................................... End If .....................................................
7 8 9
_mad(k, i) = (_dataCurahHujan(i) - _forecasting(k, i)) ..... 10 If _mad(k, i) < 0 Then ..................................... _mad(k, i) = (_mad(k, i) * -1) / _dataCurahHujan.Count ... Else ....................................................... _mad(k, i) = (_mad(k, i)) / _dataCurahHujan.Count ........ End If .....................................................
11 12 13 14 15
_totalMadCH(k) = _totalMadCH(k) + _mad(k, i) ............... 16 Next ......................................................... 17 Next ........................................................... 18 For k = 1 To 9 ................................................. If _totalMadCH(k) < _madCHKcl Then ........................... _madCHKcl = _totalMadCH(k) ................................. aplha = k .................................................. End If ....................................................... Next ...........................................................
19 20 21 22 23 24
For x = _dataCurahHujan.Count - 14 To _dataCurahHujan.Count – 1. m = m + 1 .................................................... _curahHujanKcl(m) = _forecasting(aplha, x) ................... _errorCurahHujan(m) = _mad(aplha, x) ......................... _PCurahHujan(m) = _curahHujanKcl(m) .......................... Next ...........................................................
25 26 27 28 29 30
Kode program 4.8 merupakan kode program untuk menghitung peramalan curah hujan yang akan terjadi untuk beberapa waktu kedepan, menghitung ketepatan hasil peramalan curah hujan dan memilih data peramalan curah hujan yang memiliki kesalahan paling kecil. Untuk peramalan kelembaban dan suhu udara menggunakan logika yang sama seperti dicontohkan pada Kode Program 4.8. Baris pertama sampai dengan baris ke 9 pada Kode Program 4.8 merupakan kode program untuk meramalkan curah hujan yang akan terjadi beberapa waktu kedepan. Baris ke 10 sampai dengan baris ke 16 pada Kode Program 4.8 merupakan kode program untuk
49
menghitung kesalahan peramalan curah hujan. Baris ke 19 sampai dengan baris ke 30 merupakan kode program untuk memilih hasil peramalan curah hujan dengan kesalahan terkecil tiap bulannya.
4.3 Software Testing Pada pengujian perangkat lunak di sistem ini, akan digunakan metode black box testing. Dimana proses testing akan berfokus pada interface software. Rincian pengujian dapat dilihat pada Tabel 4.1 berikut : a. Pengujian Login untuk melakukan pengecekan apakah fungsional dari halaman Login telah berjalan dengan baik. Dari pengujian yang dilakukan didapat kesimpulan bahwa halaman Login telah berjalan dengan baik. Tabel 4.1 Pengujian Black box halaman Login
Aktivitas dan Event Login PPL dengan klik tombol login
Login admin dengan klik tombol login
Input Username dan Password
Output
Status Pengujian Valid
a. Jika berhasil maka user masuk ke halaman menu dengan hak akses sebagai petugas. b. Jika username atau password salah maka muncul peringatan kesalahan input username atau password Username a. Jika berhasil maka Valid dan user masuk ke Password halaman menu dengan hak akses sebagai administrator. b. Jika username atau password salah maka muncul peringatan kesalahan input
50
username atau password b. Pengujian halaman menu-menu yang dapat diakses oleh petugas meliputi menu forecasting dan menu logout. Dari pengujian yang dilakukan didapat kesimpulan bahwa menu-menu yang ada telah berjalan dengan baik. Tabel 4.2 Pengujian Black box halaman menu petugas
Aktivitas dan Event Pilih menu Forecasting
Input
Output Jika berhasil maka muncul halaman forecasting Jika berhasil maka akan kembali ke halaman login
Pilih menu Logout
Status Pengujian Valid
Valid
c. Pengujian halaman menu-menu yang dapat diakses oleh admin meliputi menu forecasting, menu manage data klimatologi, manage data agrometeorologi, manage data kecamatan, dan menu logout. Dari pengujian yang dilakukan didapat kesimpilan bahwa menumenu yang ada telah berjalan dengan baik. Tabel 4.3 Pengujian Black box halaman menu admin
Aktivitas dan Event Pilih menu Forecasting Pilih menu manage data klimatologi Pilih menu manage data agrometeorologi Pilih menu manage data kecamatan
Input
Output Jika berhasil maka muncul halaman forecasting Jika berhasil maka muncul halaman data klimatologi Jika berhasil maka muncul halaman data agrometeorologi Jika berhasil maka muncul halaman data kecamatan
Status Pengujian Valid
Valid
Valid
Valid
51
Pilih menu Logout
Jika berhasil maka akan kembali ke halaman login
Valid
d. Pengujian halaman forecasting untuk melakukan pengecekan apakah fungsional dari halaman Forecasting telah berjalan dengan baik. Dari pengujian yang dilakukan didapat kesimpulan bahwa halaman Forecasting telah berjalan dengan baik. Tabel 4.4 Pengujian Black box halaman Forecasting
Aktivitas dan Event Menampilkan peta beserta tanaman pangan yang cocok ditanam dan grafik peramalan curah hujan, kelembaban dan suhu udara beserta ketepatan peramalannya.
Input
Output
Kecamatan, tahun, dan bulan yang akan diramalkan
Peta boyolali beserta simbol tanaman pangan yang cocok ditanam pada daerah tertentu sesuai dengan inputan dan grafik hasil peramalan data curah hujan, kelembaban, dan suhu udara beserta tingkat ketepatannya
Status Pengujian Valid
e. Pengujian halaman manage data untuk melakukan pengecekan apakah fungsional dari halaman manage data telah berjalan dengan baik. Dari pengujian yang dilakukan didapat kesimpulan bahwa halaman manage data telah berjalan dengan baik. Tabel 4.5 Pengujian Black box halaman Manage Data
Aktivitas dan Event Insert data klimatologi
Input
Output
Kecamatan, a. Jika berhasil tahun, maka data akan bulan, dan tersimpan nilai data kedalam klimatologi database b. Jika gagal maka
Status Pengujian Valid
52
Edit data klimatologi
Delete data klimatologi Insert data agrometeorologi
Edit data agrometeorologi
akan muncul pesan data yang diinputkan salah Kecamatan, a. Jika berhasil Valid tahun, maka data bulan, dan didalam nilai data database akan klimatologi terubah b. Jika gagal maka akan muncul pesan data yang diinputkan salah Jika berhasil akan Valid muncul halaman delete confirmation Nama a. Jika berhasil Valid tanaman, maka data akan symbol, tersimpan curah hujan kedalam database min, curah b. Jika gagal maka hujan max, akan muncul kelembaban pesan data yang min, diinputkan salah kelembaban max, suhu udara min, suhu udara max Nama a. Jika berhasil Valid tanaman, maka data symbol, didalam database curah hujan akan terubah min, curah b. Jika gagal maka hujan max, akan muncul kelembaban pesan data yang min, diinputkan salah kelembaban max, suhu udara min, suhu udara max
53
Delete data agrometeorologi Insert data kecamatan
Nama kecamatan, dan wilayah
Edit data kecamatan
Nama kecamatan, dan wilayah
Delete data kecamatan
Jika berhasil akan muncul halaman delete confirmation a. Jika berhasil maka data akan tersimpan kedalam database b. Jika gagal maka akan muncul pesan data yang diinputkan salah a. Jika berhasil maka data didalam database akan terubah b. Jika gagal maka akan muncul pesan data yang diinputkan salah Jika berhasil akan muncul halaman delete confirmation
Valid
Valid
Valid
Valid
4.4 Uji Responden Dalam
membangun
sistem
ini,
data
diperoleh
dengan
menyebarkan kuisioner terhadap mahasiswa Fakultas Pertanian Universitas Kristen Satya Wacana. Salah satu unsur terpenting dalam penelitian adalah menemukan validitas dan reliability suatu alat ukur. Alat ukur yg baik harus memenuhi persyaratan validitas dan reliability alat ukur tersebut. Dalam pengujian kuisioner ini, akan dihitung dengan skala likert dengan 5 kemungkinan jawaban. Dalam perhitungan skala, angka 1 mempunyai arti nilai yang terbaik dan angka 5 mempunyai arti nilai yg terburuk. Data-data hasil jawaban responden dapat dilihat pada Tabel 4.6 dan hasil dari
54
penghitungan menggunakan skala likert dapat dilihat pada Gambar 4.14. Tabel 4.6 Hasil Jawaban Responden Pertanyaan Responden 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
p11 p12 p21 p22 2 2 1 2 2 2 2 3 1 2 2 2 2 2 2 3 2 2 2 1 2 3 2 1 2 4 3 2 4 2 2 2 2 2 2
1 2 1 1 2 2 2 3 2 4 2 3 3 1 2 1 2 3 4 2 1 2 3 2 2 3 2 2 2 1 3 1 3 4 3
2 2 1 2 1 1 1 3 2 2 2 3 3 1 2 2 2 4 4 2 3 2 3 2 2 3 2 4 2 3 2 2 3 3 3
1 2 2 2 2 2 2 2 2 1 3 1 1 2 3 2 2 4 3 3 2 3 2 3 1 3 3 3 3 2 2 1 2 2 4
p23
p31
p32
p33
3 3 2 1 2 3 1 3 1 1 1 2 2 1 3 2 3 4 3 1 1 1 1 1 2 4 2 2 1 1 3 3 3 3 2
2 3 2 1 2 2 1 3 1 2 1 1 2 3 2 3 3 2 3 3 2 2 2 3 3 3 2 2 3 2 2 3 1 2 1
1 3 3 2 1 1 1 1 1 1 2 3 2 2 2 2 3 3 3 3 1 1 1 3 3 3 1 3 3 3 3 2 2 2 3
2 1 3 1 2 1 2 3 1 2 2 1 2 2 2 3 2 1 3 2 2 1 2 1 1 2 1 3 3 1 2 1 3 2 1
55
36
2
2
2
3
2
3
3
2
Hasil jawaban dari 36 responden mahasiswa Fakultas Pertanian Universitas Kristen Satya Wacana dapat dirinci sebagai berikut: •
Design Interface Tabel 4.7 Tabel Jawaban p11
Bagaimana design interface aplikasi pola tanam tersebut? (p11)
Sangat Baik
Baik
Cukup
Kurang
Sangat Kurang
4
26
4
2
0
Gambar 4.12 Persentase Jawaban p11
Berdasarkan Tabel 4.7 dan Gambar 4.12 dapat disimpulkan bahwa 11,11% responden menyatakan bahwa design interface aplikasi pola tanam sangat baik, 72,22% responden menyatakan baik, 11,11% responden menyatakan cukup, dan 5,56% responden menyatakan
design interface aplikasi pola tanam kurang.
56
•
Tingkat Kemudahan Tabel 4.8 Tabel Jawaban p12
Bagaimana tingkat kemudahan penggunaan aplikasi tersebut? (p12)
Sangat Baik
Baik
Cukup
Kurang
Sangat Kurang
8
16
9
3
0
Gambar 4.13 Persentase Jawaban p12
Berdasarkan Tabel 4.8 dan Gambar 4.13 dapat disimpulkan bahwa 22,22% responden menyatakan bahwa tingkat kemudahan penggunaan aplikasi pola tanam sangat baik, 44,44% responden menyatakan baik, 25% responden menyatakan cukup, dan 8,33% responden menyatakan tingkat kemudahan penggunaan aplikasi pola
tanam kurang.
57
•
Peranan Peta Boyolali Tabel 4.9 Tabel Jawaban p21 Sangat Membantu
Membantu
Cukup
Tidak Membantu
Sangat Tidak Membantu
5
18
10
3
0
Bagaimana peranan peta Boyolali dalam penyajian data hasil peramalan pemilihan tanaman? (p21)
Gambar 4.14 Persentase Jawaban p21
Berdasarkan Tabel 4.9 dan Gambar 4.14 dapat disimpulkan
bahwa 13,89% responden menyatakan bahwa peranan peta Boyolali dalam penyajian data hasil peramalan pemilihan tanaman sangat
membantu,
50%
responden
menyatakan
membantu,
27,78%
responden menyatakan cukup, dan 8,33% responden menyatakan
tidak membantu.
58
•
Peranan Grafik Hasil Peramalan Tabel 4.10 Tabel Jawaban p22 Sangat Membantu Membantu
Bagaimana peranan grafik hasil peramalan data klimatologi yang digunakan? (p22)
6
17
Cukup
Tidak Membantu
11
2
Sangat Tidak Membantu
0
Gambar 4.15 Persentase Jawaban p22
Berdasarkan Tabel 4.10 dan Gambar 4.15 dapat disimpulkan
bahwa 16,67% responden menyatakan bahwa peranan grafik hasil peramalan data klimatologi sangat membantu, 47,22% responden menyatakan membantu, 30,56% responden menyatakan cukup, dan 5,56% responden menyatakan tidak membantu.
59
•
Peranan Grafik Ketepatan Peramalan Tabel 4.11 Tabel Jawaban p23
Bagaimana peranan grafik hasil ketepatan metode peramalan pada sistem? (p23)
Sangat Membantu
Membantu
Cukup
Tidak Membantu
13
10
11
2
Sangat Tidak Membantu
0
Gambar 4.16 Persentase Jawaban p23
Berdasarkan Tabel 4.11 dan Gambar 4.16 dapat disimpulkan bahwa 36,11% responden menyatakan bahwa peranan grafik hasil ketepatan metode peramalan sangat membantu, 27,78% responden
menyatakan membantu, 30,56% responden menyatakan cukup, dan 5,56% responden menyatakan tidak membantu.
60
•
Kecocokan Data Syarat Tumbuh Tanaman Tabel 4.12 Tabel Jawaban p31
Bagaimana perbandingan kecocokan data persyaratan tumbuh masing-masing tanaman pangan yang digunakan dengan ilmu pertanian? (p31)
Sangat Tepat
Tepat
RataRata
Tidak Tepat
Sangat Tidak Tepat
7
16
13
0
0
Gambar 4.17 Persentase Jawaban p31
Berdasarkan Tabel 4.12 dan Gambar 4.17 dapat disimpulkan bahwa
19,44%
responden
menyatakan
bahwa
perbandingan
kecocokan data persyaratan tumbuh masing-masing tanaman pangan yang digunakan pada sistem ini dengan ilmu pertanian sangat tepat, 44,44% responden menyatakan tepat, dan 36,11% responden menyatakan perbandingan kecocokan data persyaratan tumbuh
masing-masing tanaman pangan yang digunakan pada sistem ini dengan ilmu pertanian cukup.
61
•
Ketepatan Hasil Peramalan Iklim Tabel 4.13 Tabel Jawaban p32
Bagaimana ketepatan hasil peramalan iklim pada aplikasi tersebut? (p32)
Sangat Tepat
Tepat
RataRata
Tidak Tepat
Sangat Tidak Tepat
11
9
16
0
0
Gambar 4.18 Persentase Jawaban p32
Berdasarkan Tabel 4.13 dan Gambar 4.18 dapat disimpulkan bahwa 30,56% responden menyatakan bahwa ketepatan hasil peramalan iklim sangat tepat, 25% responden menyatakan tepat, dan 44,44% responden menyatakan ketepatan hasil peramalan iklim
cukup. •
Ketepatan Pemilihan Tanaman Pangan Tabel 4.14 Tabel Jawaban p33
Bagaimana ketepatan pemilihan tanaman pangan pada aplikasi tersebut? (p33)
Sangat Tepat
Tepat
RataRata
Tidak Tepat
Sangat Tidak Tepat
13
16
7
0
0
62
Gambar 4.19 Persentase Jawaban p33
Berdasarkan Tabel 4.14 dan Gambar 4.19 dapat disimpulkan bahwa 36,11% responden menyatakan bahwa ketepatan pemilihan tanaman pangan oleh sistem sangat tepat, 44,44% responden menyatakan tepat, dan 19,44% responden menyatakan ketepatan pemilihan tanaman pangan oleh sistem cukup.
•
Reliability Uji Responden
Gambar 4.20 Reliability Uji Responden
63
Berdasarkan Gambar 4.23 dapat disimpulkan bahwa hasil reliability uji responden (Ra) adalah 0,6172 yang menunjukkan bahwa sistem ini masuk dalam skala reliability cukup valid sehingga layak untuk digunakan.
4.5 Analisa Pemodelan sistem peramalan produksi tanaman pangan ini sangatlah bergantung terhadap data input yang masukan oleh user. Sehingga hasil peramalan akan disesuaikan dengan data input dari user. Sistem akan memberikan hasil peramalan yang memanfaatkan metode Triple Exponential Smoothing untuk menghitung peramalan yang akan terjadi beberapa waktu kedepan dan memilih hasil peramalan tersebut dengan kesalahan peramalan terkecil. Sebagai contoh beberapa hasil penghitungan sistem seperti ditunjukkan oleh Tabel 4.15. Forecast Curah Hujan
0,00 48,30 38,64 30,59 23,90
Tabel 4.15 Contoh Penggalan Hasil Penghitungan Sistem MAD Forecast MAD Forecast Curah Kelembaban Kelembaban SuhuUdara Hujan
0,00 1,84 0,63 0,50 0,39
83,33 84,20 84,57 84,84 84,13
0,02 0,01 0,00 0,01 0,05
25,72 25,64 25,66 25,78 25,87
MAD Suhu Udara
0,0028 0,0006 0,0038 0,0068 0,0053
Berdasarkan hasil pengujian yang dilakukan, maka dapat ditarik kesimpulan bahwa sistem yang dikembangkan sudah sesuai dengan alur yang seharusnya dan valid atau layak untuk digunakan. Hal tersebut dapat terlihat dari hasil pengujian sistem dan uji responden yang telah dilakukan.