No title

BAB IV IMPLEMENTASI DAN PENGUJIAN

Bab ini akan membahas mengenai implementasi dari sistem yang telah dibuat. Pengujian akan dilakukan pada setiap menu untuk memastikan bahwa sistem berjalan dan menghasilkan output yang diharapkan.

4.1

Implementasi Sistem

Implementasi sistem ini menjelaskan mengenai perangkat keras yang digunakan untuk pembuatan dan uji coba aplikasi. Berikut ini spesifikasi perangkat keras (hardware) dan perangkat lunak (software) yang digunakan : 1. Perangkat Keras •

Laptop Dell Inspiron 3421 dengan spesifikasi sebagai berikut : 

Processor : Intel Core i3-2365M CPU @ 1.40GHz



RAM : 6.00 GB



Resolusi Layar : 1366 x 768

2. Perangkat Lunak •

4.2

Laptop Dell Inspiron 3421 dengan spesifikasi sebagai berikut : 

Sistem Operasi : Windows 7 Ultimate 64Bit



Microsoft Visual Studio 2010



Oracle 10g

Implementasi Basis Data

Implementasi basis data menjelaskan mengenai basis data yang diimplementasikan menggunakan Oracle 10g. Basis data yang dibuat terdiri dari 5 tabel yaitu : 

Tabel Master_Transaksi

79

http://digilib.mercubuana.ac.id/



Tabel Detail_Transaksi



Tabel Mining_Transaction



Table Obat



Tabel Pegawai

Gambar 4.1 Implementasi Basis Data di Oracle 10g

4.3

Implementasi Program

Aplikasi ini dibuat menggunakan Visual Studio 2010 dengan bahasa VB.Net dan menggunakan Oracle 10g sebaagai basis data. Dalam implementasi program akan dijelaskan mengenai tampilan dan fungsi menu-menu yang ada pada aplikasi.

1. Implementasi Login

Pada menu login terdapat dua textbox yaitu Username dan Password dan tombol untuk masuk ke menu utama. Apabila user

80


salah memasukan username atau password maka tidak akan masuk ke menu utama dan akan muncul peringatan untuk periksa kembali username dan password.

Gambar 4.2 Implementasi Tampilan Login

Gambar 4.3 Implementasi Tampilan Login (apabila ada kesalahan username atau password)

2. Implementasi Menu Utama

Setelah berhasil login maka akan muncul tampilan menu utama yang berungsi mengakses menu lain. Apabila login sebagai admin

81


maka semua menu yang akan terbuka adalah Menu Mining, Menu kelola Obat, dan Menu kelola User/Pegawai. Namun apabila login sebagai user maka hanya menu menu yang akan terbuka adalah Menu Mining dan Menu kelola Transaksi.

Gambar 4.4 Implementasi Tampilan Menu Utama (apabila login sebagai Admin)

82


Gambar 4.5 Implementasi Tampilan Menu Utama (apabila login sebagai User)

3. Implementasi Kelola Obat

Menu kelola obat hanya dapat diakses apabila login sebagai admin. Terdiri dari dua menu yaitu Lihat Obat dan Tambah Obat. Apabila memilih menu Lihat Obat akan muncul jendela yang menampilkan data obat dalam database. Data obat dapat diubah dengan cara memilih obat kemudian klik edit dan ubah atribut pada group box yang tersedia kemudian tekan tombol save. Apabila status obat diubah menjadi NONACTIVE maka obat tidak akan muncul dalam menu Tambah Transaksi. Hanya obat dengan status ACTIVE yang akan dimunculkan. Menu Tambah Obat digunakan untuk menambahkan item obat. Setelah tekan tombol submit maka obat akan tersimpan dalam database dan status defaultnya adalah ACTIVE.

83


Gambar 4.6 Implementasi Tampilan Menu Lihat Obat

Gambar 4.7 Implementasi Tampilan Menu Tambah Obat

84


4. Implementasi Kelola Pegawai

Menu kelola pegawai hanya dapat diakses apabila login sebagai admin. Terdiri dari dua menu yaitu Lihat Pegawai dan Tambah Pegawai. Menu Lihat Pegawai adalah menu untuk menampilkan data pegawai dalam database yang dapat diubah dan dihapus. Untuk mengubah data pegawai dapat memilih data pegawai kemudian tekan tombol edit dan admin dapat mengubah detail data karyawan. Dapat juga mengubah detail user name dan password untuk login. Untuk menghapus data pegawai cukup pilih data pegawai dan kemudian tekan tombol Hapus Pegawai. Menu Tambah Pegawai digunakan untuk menambahkan data pegawai. Setelah tekan tombol submit maka data pegawai baru akan tersimpan dalam database.

Gambar 4.8 Implementasi Tampilan Menu Lihat Pegawai

85


Gambar 4.9 Implementasi Tampilan Menu Tambah Pegawai

5. Implementasi Kelola Transaksi

Menu kelola transaksi hanya dapat diakses apabila login sebagai user. Terdiri dari dua menu yaitu Lihat Transaksi dan Tambah Transaksi. Pada menu Lihat Transaksi, user dapat melihat transaksi yang sudah diinput berikut dengan tanggal input dan detail transaksi. Tersedia juga menu filter tanggal dan filter id transaksi. Selain itu user dapat menghapus data transaksi. Apabila user memilih untuk menghapus transaksi maka data master, data detail dan data pada mining transaction akan terhapus. User dapat menambahkan transaksi pada Menu Tambah Transaksi. Item Obat yang di sediakan pada auto suggestion text box adalah obat dengan status ACTIVE. Pilih obat dan tekan tombol add to cart untuk

86


memasukan ke dalam keranjang belanja kemudian tekan tombol submit untuk input master dan detail transaksi ke dalam database.

Gambar 4.10 Implementasi Tampilan Menu Lihat Transaksi

Gambar 4.11 Implementasi Tampilan Menu Tambah Transaksi

87


6. Implementasi Menu Transformasi Data

Menu Transformasi Data adalah menu untuk menggabungkan data pada master transaksi dengan data detail transaksi menjadi satu format yang dapat digunakan pada Menu Proses Mining Asosiasi. User dapat memilih rentang tanggal transaksi kemudian tekan tombol Cek Data Transaksi. Data yang ditampilkan adalah data master dan detail transaksi. Kemudian akan diproses dalam sistem dengan menggunakan perulangan dan langsung ditampilkan pada tabel data transformasi. Setelah itu data yang sudah ditransformasi dapat disimpan dengan menekan tombol Transformasi Data ke Database. Untuk mengecek item apa saja yang terlibat dalam transaksi tersebut dapat menekan tombol cek item.

Gambar 4.12 Implementasi Tampilan Menu Transformasi

7. Implementasi Menu Proses Mining Asosiasi

Menu proses mining asosisasi adalah inti dari aplikasi ini. Pada menu ini dilakukan penggalian data transaksi sehingga menghasilkan

88


item obat yang sering dibeli bersamaan dan pola pembelian oleh pelanggan. User memilih rentang tanggal yang akan digali kemudian menentukan minimum support dan minimum confidence yang akan dijadikan parameter untuk penggalian. Hasilnya berupa item yang sering dibeli, item yang dapat diletakan bersama, dan pola pembelian customer ditampilkan tabel hasil mining.

Gambar 4.13 Implementasi Tampilan Menu Proses Mining Asosiasi

8. Implementasi Menu Proses Mining Asosiasi (Satu Item)

Menu proses mining asosisasi (satu item) adalah pengembangan dari menu mining asosiasi. Perbedaannya adalah pada menu ini pengguna dapa memilih obat apa yang ingin digali informasi pola penjualannya sehingga sifatnya lebih dinamis dibanding menu mining sebelumnya. User memilih rentang tanggal yang akan digali kemudian menentukan minimum support dan nama obat yang akan dijadikan parameter untuk penggalian. Hasilnya berupa item yang sering dibeli dan pola penjualan obat yang berkaitan dengan obat yang dipilih. 89


Gambar 4.14 Implementasi Tampilan Menu Proses Mining Asosiasi (Satu Item)

4.4

Metode Pengujian

Metode pengujian dilakukan pada setiap menu untuk memastikan bahwa sistem berjalan dan menghasilkan output yang diharapkan. Metode yang digunakan adalah metode blackbox, yaitu pengujian yang berfokus pada

spesifikasi

fungsional

dari

perangkat

lunak,

tester

dapat

mendefinisikan kumpulan kondisi input dan melakukan pengetesan pada spesifikasi fungsional program. Pada pengujian blacbox, sisi desain dan kode program tidak dilakukan pengujian.

4.5

Skenario Pengujian

Skenario pengujian dilakukan dengan mengakses setiap menu dan menekan tombol nya untuk memastikan tampilan yang keluar sesuai dengan yang diharapkan. Untuk menguji bahwa menu proses mining berjalan sesuai algoritma maka penulis melakukan tiga pengujian yaitu pertama pengujian menggunakan data penjualan pada buku referensi untuk 90


membandingkan hasil yang dihasilkan, kedua menggunakan data penjualan pada Apotek Ikana dalam periode satu minggu dan ketiga menggunakan data penjualan pada Apotek Ikana dalam periode dua minggu.

1. Pengujian Menggunakan Data Penjualan Pada Buku Referensi

Untuk membuktikan pengujian mining proses asosiasi telah berjalan dengan benar maka diperlukan data pembanding. Penulis mengambil data pembanding dari buku Pengantar Data mining : Menggali Pengetahuan dari Bongkahan Data (Susanto & Suryadi, 2010). Pada buku tersebut, item pada transaksi merupakan item sayuran sedangkan penulis menggunakan item obat dalam penelitian ini, maka dari itu penulis melakukan konversi data dengan menggunakan abjad depan yang sama dengan item pada buku tersebut. Sehingga item menjadi seperti data pada tabel 4.1 Konversi Item Dari Buku. Untuk model dan isi transaksi juga mengikuti seperti yang ada di buku namun dengan nama item yang telah dikonversi seperti data pada tabel 4.2 Transaksi Pada Buku dan tabel 4.3 Transaksi Pengujian. Setelah dilakukan proses penggalian data dengan parameter minimum support 30% dan minimum confidence 60%, output yang dihasilkan pada aplikasi ini sama dengan hasil penggalian data pada buku referensi yang penulis gunakan. Ini artinya proses mining asosiasi sudah berjalan dengan benar dan dapat digunakan untuk menggali data transaksi Apotek. Hasil penggalian data dapat dilihat pada gambar 4.14 Hasil Mining Pada Buku dan gambar 4.15 Hasil Mining Pada Aplikasi.

91


Tabel 4.1 Konversi Item Dari Buku

Item Dibuku Asparagus Beans Broccoli Corn Green Peppers Squash Tomatoes

Konversi Menjadi AMBROXOL 30 MG TAB BECOM C TAB BRAITO TEARS CDR TWIN PACK EFF GARAMYCIN CR 5 GR SANGOBION CAP TOLAK ANGIN ANAK

Tabel 4.2 Transaksi Pada Buku

Pengunjung Ke1 2 3 4 5 6 7 8 9 10 11 12 13 14

Item Belanja yang Dibeli Broccoli, Green Pepers, Corn Asparagus, Squash, Corn Corn, Tomatoes, Beans, Squash Green Peppers, Corn, Tomatoes, Beans Beans, Asparagus, Broccoli Squash, Asparagus, Beans, Tomatoes Tomatoes, Corn Broccoli, Tomatoes, Green Peppers Squash, Asparagus, Beans Beans, Corn Green Peppers, Broccoli, Beans, Squash Asparagus, Beans, Squash Squash, Corn, Asparagus, Beans Corn, Green Peppers, Tomatoes, Beans, Broccoli

Tabel 4.3 Transaksi Pengujian

Transaksi

Item Yang Dibeli

1B160805000001

BRAITO TEARS, GARAMYCIN CR 5 GR dan CDR TWIN PACK EFF

1B160805000002

AMBROXOL 30 MG TAB, SANGOBION CAP dan CDR TWIN PACK EFF

1B160805000003

CDR TWIN PACK EFF, TOLAK ANGIN ANAK, BECOM C TAB dan SANGOBION CAP

1B160805000004

GARAMYCIN CR 5 GR, CDR TWIN PACK EFF, TOLAK ANGIN ANAK dan BECOM C TAB

92


1B160805000005

BECOM C TAB, AMBROXOL 30 MG TAB dan BRAITO TEARS

1B160805000006

SANGOBION CAP, AMBROXOL 30 MG TAB, BECOM C TAB dan TOLAK ANGIN ANAK

1B160805000007

TOLAK ANGIN ANAK dan CDR TWIN PACK EFF

1B160805000008

BRAITO TEARS, TOLAK ANGIN ANAK dan GARAMYCIN CR 5 GR

1B160805000009

SANGOBION CAP, AMBROXOL 30 MG TAB dan BECOM C TAB

1B160805000010

BECOM C TAB dan CDR TWIN PACK EFF

1B160805000011

GARAMYCIN CR 5 GR, BRAITO TEARS, BECOM C TAB dan SANGOBION CAP

1B160805000012

AMBROXOL 30 MG TAB, BECOM C TAB dan SANGOBION CAP

1B160805000013

SANGOBION CAP, CDR TWIN PACK EFF, AMBROXOL 30 MG TAB dan BECOM C TAB

1B160805000014

CDR TWIN PACK EFF, GARAMYCIN CR 5 GR, TOLAK ANGIN ANAK, BECOM C TAB dan BRAITO TEARS

Gambar 4.15 Hasil Mining Pada Buku

93


Gambar 4.16 Hasil Mining Pada Aplikasi

2. Pengujian Menggunakan Data Penjualan Pada Apotek Ikana Dalam Periode Satu Minggu

Pengujian ini dilakukan untuk menggali data penjualan Apotek Ikana dalam periode satu minggu. Jika menggunakan minimum support dan minimum confidence pengujian sebelumnya, penggalian tidak menghasilkan frequent item dan kombinasi frequent item karena tidak ada item yang frekuensi nya lebih besar dari minimal support yang ditentukan. Penulis mencoba beberapa minimum support agar penggalian dapat menghasilkan frequent item dan kombinasi frequent item. Penulis akhirnya menggunakan minimum support sebesar 0.5% dan minimum confidence sebesar 1% dari jumlah transaksi sehingga menghasilkan frequent item dan kombinasi frequent item sehingga membentuk pola penjualan. Adapun data yang digunakan adalah data dari tanggal 01 Juni 2016 – 07 Juni 2016 terdiri dari 341 transaksi yang melibatkan 335 item. Dengan minimum support sebesar 0.5% dari transaksi maka minimum item dan kombinasi muncul dalam 2 transaksi.

94


Gambar 4.17 Hasil Mining menggunakan transaksi Ikana 1 Minggu

3. Pengujian Menggunakan Data Penjualan Pada Apotek Ikana Dalam Periode Dua Minggu

Pengujian ini adalah kelanjutan dari pengujian kedua dengan menggunakan data yang lebih banyak. Data yang digunakan yaitu periode 01 Juni 2016 – 14 Juni 2016 terdiri dari 622 transaksi yang melibatkan 491 item. Semakin banyak data yang digunakan maka semakin kecil minimum support yang kita tentukan. Pada pengujian ini minimum support yang digunakan sebesar 0.25% dari transaksi maka minimum item dan kombinasi muncul dalam 2 transaksi.

95


Gambar 4.18 Hasil Mining menggunakan transaksi Ikana 2 Minggu

Pengujian menu-menu lain ditampilkan pada tabel 4.4 Skenario Pengujian. Tabel 4.4 Skenario Pengujian No

1

2

Tampilan

Menu Login

Menu Tambah Pegawai

Uji Coba

Proses Login (masuk kedalam menu utama)

Proses Tambah Data Pegawai

Status

Buka Menu Login

Buka Menu Tambah Pegawai

Skenario Pengujian

Hasil yang Diharapkan

Hasil Pengujian

User input username dan password kemudian menekan tombol login

Apabila username dan password sesuai maka akan tampil menu utama. Apabila tidak sesuai maka akan tampil peringatan

Berhasil menampilkan menu utama karena Username dan password yang diuji sesuai

Data pegawai yang baru masuk ke dalam database Pegawai

Berhasil melakukan proses tambah data pegawai. Data bertambah dan dapat dilihat pada menu lihat pegawai.

User input semua atribut yang dibutuhkan pada data pegawai kemudian menekan tombol submit

96


3

4

5

6

7

Menu Ubah Detail Pegawai

Menu Hapus Pegawai

Menu Tambah Obat

Menu Ubah Detail Obat

Menu Tambah Transaksi

Proses Ubah Data Pegawai

Proses Menghapus Data Pegawai

Proses Tambah Data Obat

Proses Ubah Data Obat

Proses Tambah Data Transaksi

Buka Menu Lihat Pegawai

User memilih pegawai yang ingin diubah detail datanya. Kemudian tekan tombol edit dan melakukan peruhaban data. Setelah itu tekan tombol save untuk simpan perubahan

Buka Menu Lihat Pegawai

User memilih pegawai yang ingin dihapus. Kemudian tekan tombol Edit dan tekan tombol Hapus Pegawai untuk menghapus data.

Buka Menu Tambah Obat

Buka Menu Lihat Obat

Buka Menu Tambah Transaksi

User input semua atribut yang dibutuhkan pada data obat kemudian menekan tombol submit User memilih Obat yang ingin diubah detail datanya. Kemudian tekan tombol edit dan melakukan peruhaban data. Setelah itu tekan tombol save untuk simpan perubahan User memilih obat pada textbox nama obat kemudian menekan tombol add to cart untuk masuk kedalam keranjang belanja. Dan setelah selesai transaksi menekan tombol submit

97


Perubahan data tersimpan dalam database Pegawai

Berhasil melakukan perubahan data pegawai. Detail data yang diubah berhasil disimpan dan dapat dilihat pada menu lihat pegawai.

Data pegawai dihapus dari database

Berhasil melakukan penghapusan data pegawai di database berdasarkan pegawai yang dipilih

Data obat yang baru masuk ke dalam database Obat

Berhasil melakukan proses tambah data Obat. Data bertambah dan dapat dilihat pada menu lihat Obat

Perubahan data tersimpan dalam database Obat

Berhasil melakukan perubahan data obat. Detail data yang diubah berhasil disimpan dan dapat dilihat pada menu lihat obat

Data transaksi yang baru masuk ke dalam database Master Transaksi dan Detail Transaksi

Berhasil melakukan proses tambah data Transaksi. Data bertambah dan dapat dilihat pada menu lihat Transaksi

8

9

10

4.6

Menu Hapus Transaksi

Menu Transformasi Data

Menu Proses Asosiasi (Semua item dan satu item)

Proses Menghapus Data Transaksi

Proses Transformasi Data (mengabungkan data pada master transaksi dan detail transaksi menjadi format data yang sudah di tentukan)

Proses penggalian data transaksi meggunakan asosiasi algoritma apriori

Buka Menu Lihat Transaksi

User memilih transaksi yang ingin dihapus. Kemudian tekan tekan tombol Hapus Transaksi untuk menghapus data.

Data master transaksi, detail transaksi, dan mining transaction dihapus dari database sesuai transaksi yang dipilih

Berhasil melakukan penghapusan data transaksi di database berdasarkan transaksi yang dipilih

Buka Menu Transformasi Data

User memilih rentang tanggal data transaksi kemudian tekan tombol cari transaksi untuk menampilkan data. User menekan tombol transformasi data ke database untuk menyimpan data transformasi

Menampilkan hasil transformasi dan menyimpan data yang sudah ditransformasi dalam database mining transaction

Berhasil menampilkan data transformasi dan menyimpan kedalam database

Menampilkan data transaksi yang diproses dan hasil penggalian data

Berhasil menampilkan data transaksi dan hasil penggalian data pada tabel yang tersedia di aplikasi. Waktu untuk menampilkan data tergantung dari banyak data transaksi yang diproses.

Buka Menu Proses Asosiasi

User memilih rentang tanggal data transaksi, menentukan minimum support, dan minimum confidence. Kemudian menekan tombol proses.

Analisa Hasil Pengujian

Setelah melakukan pengujian secara menyeluruh terhadap aplikasi ini maka dapat disimpulkan bahwa keluaran (output) yang dihasilkan sesuai dengan rancangan yang dibuat sebelumnya. Hasil pengujian ini menunjukan bahwa aplikasi berfungsi dengan baik dan dapat digunakan sesuai kebutuhan.

98


Hasil yang diperoleh dari skenario pengujian dapat dianalisis sebagai berikut : 1.

Setiap menu dapat diakses dengan baik dan semua tombol yang tersedia berjalan sesuai fungsi.

2.

Proses pengelolaan data, seperti penambahan, pengubahan, dan penghapusan data dapat beroperasi dengan baik.

3.

Minimum support dan minimum confidence ditentukan oleh user berdasarkan kebutuhan. Semakin banyak data transaksi yang diolah maka variable yang digunakan untuk minimum support dan minimum confidence semakin lebih kecil.

4.

Semakin banyak data transaksi yang diproses maka semakin banyak waktu yang dibutuhkan untuk menampilkan hasil penggalian data karena sifat dari algoritma apriori yang melakukan scanning satu per satu disetiap iterasi yang dilakukan.

5.

Hanya data obat dengan status active yang tersedia pada menu tambah penjualan.

6.

Jika satu transaksi dihapus maka data master, detail, dan mining transaction untuk transaksi tersebut akan terhapus dari database.

99


No title

Recommend Documents