Bab Implementasi Sistem

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


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


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


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


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


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)


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


0


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


0


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


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


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


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.

Bab Implementasi Sistem

Recommend Documents