PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI

SISTEM REKOMENDASI HASIL PERTANIAN TANAMAN PANGAN MENGGUNAKAN PENDEKATAN CONTENT BASED FILTERING

Skripsi Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

Oleh: Putri Nastiti 085314020 JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2013 i


RECOMMENDATION SYSTEM OF FOOD CROP FARMS USING CONTENT-BASED FILTERING APPROACH

A Thesis Presented as Partial Fulfillment of the Requirements to Obtain the Sarjana Komputer Degree in Informatics Engineering

By:

Putri Nastiti 08 5314 020

DEPARTMENT OF INFORMATICS ENGINEERING FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY YOGYAKARTA 2013

ii




HALAMAN PENGESAHAN

Halaman Persembahan ..

Tugas akhir ini saya persembahkan untuk orang tua saya, yang di setiap halamannya mengandung keringat, air mata, serta senyuman mereka .. . Untuk kakak saya, satu2 nya keluarga yang tak pernah ribut dengan pertanyaan ‘kapan lulus?’ ini kado pernikahanmu, Mas ..

Untuk semua anggota ‘genk galau’ yang setia menjadi teman seperjuangan meraih gelar S.Kom ..

Dan untuk kamu yang sadar atau tidak, ternyata sudah menjadi inspirasiku ..

 Thank’s anyway  v


HALAMAN PERSEMBAHAN

MOTTO

Bermainlah dalam permainan, tetapi janganlah main-main. Bermainlah untuk bahagia, tetapi janganlah mempermainkan bahagia.

-N. Driyarkara, S. J.

vi



SISTEM REKOMENDASI HASIL PERTANIAN TANAMAN PANGAN MENGGUNAKAN PENDEKATAN CONTENT BASED FILTERING

ABSTRAK Sebagian besar petani di Indonesia yang berkelompok dan membentuk suatu kelompok tani biasanya menyalurkan hasil pertaniannya kepada pengepul, untuk selanjutnya diteruskan kepada pedagang pasar atau konsumen. Padahal idealnya hasil pertanian dapat disalurkan oleh petani langsung kepada konsumen. Pada kenyataannya, hasil pertanian tidak bisa langsung sampai pada konsumen, melainkan harus melewati beberapa rantai distribusi. Hal ini menjadikan proses penyaluran hasil pertanian menjadi kurang efektif dan efisien, dari segi waktu dan juga biaya. Skripsi ini menyediakan informasi tentang rekomendasi hasil pertanian tanaman pangan. Sistem ini dikembangkan berbasis mobile. Dalam pencarian rekomendasi hasil pertanian, digunakan teori mengenai content based filtering. Dalam pendekatan content-based filtering, sistem memilih dan melakukan peringkat item berdasarkan kesamaan profil pengguna dan profil item. Keuntungan dari pendekatan ini adalah pengguna mendapatkan wawasan tentang mengapa suatu item dianggap relevan untuk mereka. Data yang dipergunakan adalah data yang diperoleh dari Dinas Pertanian Kabupaten Sleman. Rekomendasi yang diberikan sistem disusun berdasarkan tingkat kemiripan profil item dengan profil user. Proses pengujian sistem adalah dengan mencari hasil yang relevan dari daftar hasil rekomendasi. Kemudian menghitung precision, dan rata-ratanya. Berdasarkan pengujian 10 profil pedagang dengan 15 rekomendasi kelompok tani teratas, didapatkan hasil rata-rata presisi 78.40%. Berdasarkan hasil evaluasi sistem ini belum dapat dikatakan baik karena pengujian yang dilakukan hanya menggunakan precision saja. Kata kunci : sistem rekomendasi, content based filtering, vector space model, aplikasi mobile.

viii


RECOMMENDATION SYSTEM OF FOOD CROP FARMS USING CONTENT-BASED FILTERING APPROACH

ABSTRACT Most farmers in Indonesia are grouped and make a groups, usually distribute their crops to the wholesalers, then submitted to the merchant or the consumer market. Ideally agricultural products can be delivered by farmers directly to consumers. In fact, agriculture is not can jump directly to the consumer, but must pass through a chain of distribution. It makes the process of distributing agricultural products become less effective and efficient, in terms of time and costs. This thesis provides information on the recommendations of agricultural crops. This system was developed based on the mobile. In the recommendation process agricultural products, used the theory of contentbased filtering. In content-based filtering approach, systems select and rank the items based on similarity of user profiles and item profiles. The advantage of this approach is that users gain insights on why an item is considered relevant to them. The data used is the data obtained from the Department of Agriculture District of Sleman. Recommendations given system is based on the level of similarity profile items with user profiles. System testing process is to find relevant results from the recommendation list. Then calculate the precision, and the average. Based on testing of 10 profiles trader with 15 top recommendations farmer groups, showed an average of precision is 78.40%. Based on that evaluation system can not be said to be good because the testing is using only precision. Key word : recommendation system, content based filtering, vector space model, mobile application.

ix



KATA PENGANTAR

Puji dan syukur saya panjatkan kepada Tuhan Yang Maha Esa karena segala berkat dan rahmat yang telah diberikan sehingga saya dapat menyelesaikan tugas akhir dengan judul “Sistem Rekomendasi Hasil Pertanian Tanaman Pangan Menggunakan Pendekatan Content Based Filtering”. Pada kesempatan ini saya ingin mengucapkan terima kasih kepada pihak-pihak yang telah mendukung saya selama pengerjaan tugas akhir ini. Ucapan terima kasih ini saya tunjukkan kepada: 1. Bapak Puspaningtyas Sanjoyo Adi S.T., M.T. selaku dosen pembimbing yang senantiasa memberikan masukkan dan bantuan dalam membimbing penulis untuk menyelesaikan tugas akhir ini.

2. Ibu Paulina Heruningsih Prima Rosa, S.Si., M.Sc. selaku dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma. 3. Ibu Ridowati Gunawan, S,Kom., M.T. selaku ketua jurusan Teknik Informatika Universitas Sanata Dharma. 4. Pihak sekretariat dan laboran FST yang turut membantu penulis dalam menyelesaikan tugas akhir ini. 5. Kedua orangtua saya, Ir. Bambang Setiyo dan Chatarina Herningsih, serta kakak saya Yohanes Pandu Prasetya, S.E., dan calon kakak ipar Adinda Putri Widyaningtyas, dan segenap keluarga atas dukungan dan doa yang mengalir tanpa henti untuk penulis.

xi


xii

6. Teman-teman seperjuangan dalam meraih gelar, Itha, Laurin, Siska, Petra, Vava, Ilan, Rista, Angga, Endro, Devi, Henfri, Bebeth, Ocha, Surya, Tista dan segenap teman-teman TI USD yang tidak dapat penulis sebutkan satu-persatu. 7. Yohanes Januadi, yang walaupun datang di akhir perjuangan, tetapi doa dan motivasi penuh yang diberikan selalu menguatkan. 8. Seluruh pihak yang membantu kelancaran dalam penulisan Tugas Akhir ini, secara langsung dan tidak langsung, yang tidak dapat saya sebutkan satu-persatu. Saya menyadari masih terdapat banyak kekurangan dalam penelitian ini. Saran dan kritik akan selalu saya nantikan untuk perbaikan di masa yang akan datang. Akhir kata, saya berharap tulisan ini dapat bermanfaat bagi kemajuan dan perkembangan ilmu pengetahuan serta para pembaca sekalian.

Yogyakarta, 26 Mei 2013

Penulis


DAFTAR ISI HALAMAN PERSETUJUAN ............................................................................... iii HALAMAN PENGESAHAN ................................................................................. v HALAMAN PERSEMBAHAN ............................................................................ vi PERNYATAAN KEASLIAN KARYA ............................................................... vii ABSTRAK ........................................................................................................... viii ABSTRACT ........................................................................................................... ix HALAMAN PERSETUJUAN ................................................................................ x KATA PENGANTAR ........................................................................................... xi DAFTAR ISI ........................................................................................................ xiii DAFTAR GAMBAR ......................................................................................... xviii DAFTAR TABEL ................................................................................................ xix BAB 1 PENDAHULUAN ...................................................................................... 1 1.1

Latar Belakang Masalah ........................................................................... 1

1.2

Rumusan Masalah .................................................................................... 2

1.3

Batasan Masalah ....................................................................................... 3

1.4

Tujuan dan Manfaat Penulisan ................................................................. 3

1.5

Metodologi Penelitian .............................................................................. 4

1.6

Sistematika Penulisan ............................................................................... 5

BAB 2 LANDASAN TEORI .................................................................................. 7 2.1

Pengertian Sistem Rekomendasi .............................................................. 7

2.1.1

Content Based Filtering .................................................................... 8

2.1.2

Vector Space Model ........................................................................ 11

2.1.3

Pengukuran Performansi ................................................................. 13

2.2

Perangkat Bergerak (Mobile Device) ..................................................... 15

xiii


2.3

xiv

Android ................................................................................................... 15

2.3.1

Arsitektur Android .......................................................................... 15

2.3.2

Komponen Dasar............................................................................. 17

2.3.3

Location Based Service dan Google Maps ..................................... 17

BAB 3 ANALISA DAN PERANCANGAN ........................................................ 20 3.1

Analisis Sistem ....................................................................................... 20

3.1.1 3.2

Perancangan Sistem ................................................................................ 21

3.2.1 3.3

Gambaran Umum Sistem ................................................................ 20

Arsitektur Sistem............................................................................. 21

Desain Model Secara Umum .................................................................. 24

3.3.1

Diagram Use Case ........................................................................... 24

3.3.2

Narasi Use Case .............................................................................. 25

3.3.3

Diagram Aktifitas ............................................................................ 25

3.3.4

Model Analisis ................................................................................ 26

3.3.5

Diagram Kelas ................................................................................. 26

3.3.6

Desain Basis Data ........................................................................... 27

3.3.7

Perancangan Basis Data .................................................................. 27

8.

Tabel data_lahan_index .......................................................................... 31

3.3.8

Desain Antar Muka ......................................................................... 31

BAB 4 IMPLEMENTASI DAN ANALISIS SISTEM ......................................... 32 4.1

Tahap Implementasi ............................................................................... 32

4.1.1

Spesifikasi Perangkat Keras dan Perangkat Lunak ......................... 32

4.1.2

Implementasi Diagram Kelas .......................................................... 32

4.2

Pengujian ................................................................................................ 33

4.2.1 4.2.1.1

Pengujian Kinerja Sistem ................................................................ 33 Pengujian Presisi Sistem untuk Rekomendasi Petani .................. 33


4.2.1.2

xv

Pengujian Presisi Sistem untuk Rekomendasi Pedagang ............ 45

BAB 5 PENUTUP ................................................................................................ 49 5.1

Kesimpulan ............................................................................................. 49

5.2

Saran ....................................................................................................... 50

DAFTAR PUSTAKA ........................................................................................... 51 LAMPIRAN 1 ....................................................................................................... 54 1.1.

Usecase Login ........................................................................................ 55

1.2.

Usecase Kelola Data ............................................................................... 56

1.3.

Usecase Registrasi .................................................................................. 57

1.4.

Usecase Lihat Rekomendasi ................................................................... 58

LAMPIRAN 2 ....................................................................................................... 60 2.1.

Diagram Aktifitas Login ........................................................................ 61

2.2.

Diagram Aktifitas Ubah Data Petani ...................................................... 62

2.3.

Diagram Aktifitas Tambah Profil Pedagang .......................................... 63

2.4.

Diagram Aktifitas Ubah Profil Pedagang ............................................... 64

2.5.

Diagram Aktifitas Hapus Profil Pedagang ............................................. 65

2.6.

Diagram Aktifitas Perbarui Lokasi Pedagang ........................................ 66

2.7.

Diagram Aktifitas Registrasi .................................................................. 67

2.8.

Diagram Aktifitas Lihat Rekomendasi ................................................... 68

LAMPIRAN 3 ....................................................................................................... 69 3.1.

Model Analisis Login ............................................................................. 70

3.1.1.

Login (Sequence Diagram) ............................................................. 70

3.1.2.

Login (Collaboration Diagram) ...................................................... 70

3.1.3.

Kelas Analisis Login ....................................................................... 70

3.2.

Model Analisis Kelola Data ................................................................... 71

3.2.1.

Ubah Data Petani (Sequence Diagram)........................................... 71


xvi

3.2.2.

Ubah Data Petani (Collaboration Diagram) .................................... 72

3.2.3.

Kelas Analisis Ubah Data Petani .................................................... 72

3.2.4.

Tambah Profil Pedagang (Sequence Diagram) ............................... 73

3.2.5.

Tambah Profil Pedagang (Collaboration Diagram) ........................ 73

3.2.6.

Kelas Analisis Tambah Profil Pedagang ......................................... 73

3.2.7.

Ubah Profil Pedagang(Sequence Diagram) .................................... 74

3.2.8.

Ubah Profil Pedagang (Collaboration Diagram) ............................. 74

3.2.9.

Kelas AnalisisUbah Profil Pedagang .............................................. 75

3.2.10.

Hapus Profil Pedagang (Sequence Diagram) .............................. 75

3.2.11.

Hapus Profil Pedagang(Collaboration Diagram)......................... 76

3.2.12.

Kelas AnalisisHapus Profil Pedagang ......................................... 76

3.2.13.

Perbarui Lokasi Pedagang (Sequence Diagram) ......................... 77

3.2.14.

Perbarui Lokasi Pedagang (Collaboration Diagram) .................. 77

3.2.15.

Kelas AnalisisPerbarui Lokasi Pedagang .................................... 77

3.3.

Model Analisis Registrasi ...................................................................... 78

3.3.1.

Registrasi (Sequence Diagram) ....................................................... 78

3.3.2.

Registrasi (Collaboration Diagram) ................................................ 78

3.3.3.

Kelas Analisis Registrasi................................................................. 78

3.4.

Model Analisisis Lihat Rekomendasi ..................................................... 79

3.4.1.

Lihat Rekomendasi (Sequence Diagram)........................................ 79

3.4.2.

Lihat Rekomendasi (Collaborative Diagram) ................................. 80

3.4.3.

Kelas Analisis Lihat Rekomendasi ................................................. 80

LAMPIRAN 4 ....................................................................................................... 81 4.1.

Desain Antarmuka Halaman Utama ....................................................... 82

4.2.

Desain Antarmuka Halaman Login ........................................................ 83

4.3.

Desain Antarmuka Halaman Registrasi.................................................. 84


xvii

4.4.

Desain Antarmuka Halaman Profil Pedagang ........................................ 85

4.5.

Desain Antarmuka Halaman Hasil Rekomendasi .................................. 86

4.6.

Desain Antarmuka Halaman Cari Rekomendasi .................................... 87

4.7.

Desain Antarmuka Halaman Pilih Varietas ............................................ 88

4.8.

Desain Antarmuka Halaman Lokasi Pedagang ...................................... 89

LAMPIRAN 5 ....................................................................................................... 90 5.1

Registrasi ................................................................................................ 91

5.1.1 5.2

Login ...................................................................................................... 92

5.2.1 5.3

Halaman Registrasi Pedagang ......................................................... 91

Halaman Login Pedagang ............................................................... 92

Kelola Data ............................................................................................. 93

5.3.1

Halaman Ubah Profil Petani............................................................ 93

5.3.2

Halaman Ubah Data Lahan ............................................................. 94

5.3.3

Halaman Detail Lahan..................................................................... 95

5.4

Lihat Rekomendasi ................................................................................. 96

5.4.1

Halaman Profil Pedagang................................................................ 96

5.4.2

Halaman Hasil Rekomendasi .......................................................... 97

5.4.3

Halaman Cari Rekomendasi ............................................................ 98

5.4.4

Halaman Pilih Varietas ................................................................... 99

5.4.5

Halaman Lokasi Pedagang ............................................................ 100

5.4.6

Halaman Hasil Jarak ..................................................................... 101

LAMPIRAN 6 ..................................................................................................... 102 LAMPIRAN 7 ..................................................................................................... 110


DAFTAR GAMBAR

Gambar 2.1 Vector Space Model.................................................................. 12 Gambar 2.2 Arsitektur Android...................................................................... 15 Gambar 3.1 Arsitektur Sistem........................................................................ 20 Gambar 3.2 Arsitektur Aplikasi (pedagang).................................................. 21 Gambar 3.3 Arsitektur Aplikasi (petani)........................................................ 22 Gambar 3.4Use Case Diagram untuk Petani dan Pedagang......................... 24 Gambar 3.5 Diagram Kelas............................................................................ 25 Gambar 3.6 ERD Sistem................................................................................. 26

xviii


DAFTAR TABEL

Tabel 3.1 Struktur tabel data_lahan..................................................................... 27 Tabel 3.2 Struktur tabel data_pedagang............................................................... 27 Tabel 3.3 Struktur tabel petani............................................................................ 27 Tabel 3.4 Struktur tabel petani_jarak................................................................... 28 Tabel 3.5 Struktur tabel produk............................................................................ 28 Tabel 3.6 Struktur tabel query_pdg...................................................................... 29 Tabel 3.7 Struktur tabel profil_pedagang............................................................. 29 Tabel 3.8 Struktur tabel data_lahan_index.......................................................... 29 Tabel 4.1 Nama varietas tanaman padi................................................................32 Tabel 4.2 Sampel profil 1..................................................................................... 33 Tabel 4.3 Sampel profil 2..................................................................................... 34 Tabel 4.4 Sampel profil 3.................................................................................... 35 Tabel 4.5 Sampel profil 4.................................................................................... 35 Tabel 4.6 Sampel profil 5.................................................................................... 36 Tabel 4.7 Sampel profil 6.................................................................................... 36 Tabel 4.8 Sampel profil 7.................................................................................... 37 Tabel 4.9 Sampel profil 8..................................................................................... 37 Tabel 4.10 Sampel profil 9................................................................................. 39 Tabel 4.11 Sampel profil 10................................................................................ 39 Tabel 4.12 Tabel relevansi hasil pencarian rekomendasi petani........................ 42 Tabel 4.13 Tabel hasil perhitungan precision rekomendasi kelompok tani........ 43 Tabel 4.14 Tabel relevansi hasil pencarian rekomendasi pedagang................... 47 Tabel 4.15 Tabel hasil perhitungan precision rekomendasi pedagang............... 48

xix


BAB 1 PENDAHULUAN 1.1

Latar Belakang Masalah Di negara Indonesia yang merupakan daerah agraris, masih terdapat

banyak petani yang kesulitan dalam mendistribusikan hasil panennya. Sebagian besar petani yang berkelompok dan membentuk suatu kelompok tani biasanya menyalurkan hasil pertaniannya kepada pengepul, untuk selanjutnya diteruskan kepada pedagang pasar atau konsumen. Padahal idealnya hasil pertanian dapat disalurkan oleh petani langsung kepada konsumen. Pada kenyataannya, hasil pertanian tidak bisa langsung sampai pada konsumen, melainkan harus melewati beberapa rantai distribusi. Hal ini menjadikan proses penyaluran hasil pertanian menjadi kurang efektif dan efisien, dari segi waktu dan juga biaya. Berdasarkan pada hal tersebut, penulis ingin membuat sebuah sistem yang dapat mencatat data lahan pertanian serta merekomendasikan lahan pertanian mana saja yang berpotensi menghasilkan komoditas tanaman pangan, berupa padi khususnya untuk Kabupaten Sleman yang masih dalam proses pemulihan pasca bencana Merapi. Sistem tersebut harus dapat diakses dimanapun dan kapanpun, pengguna pun juga secara cepat dapat mengakses informasi melalui sistem tersebut. Berdasarkan

penjelasan

tersebut,

akan

sangat

cocok

apabila

diimplementasikan dengan sistem berbasis mobile. Dengan adanya aplikasi mobile ini, pemasaran hasil pertanian khususnya kepada pedagang akan lebih 1


2

efektif dan efisien. Aplikasi mobile ini tentunya harus tepat sasaran dan tepat pengguna. Dalam hal ini sistem mampu memberikan rekomendasi lahan yang sesuai untuk pengguna sistem. Dalam pembuatannya, sistem rekomendasi ini akan menerapkan teori mengenai content based filtering. Jurnal yang berjudul “An Ontology-Content Based Filtering Method” oleh Peretz Shoval, Veronica Maidel, dan Brancha Shapira menjelaskan tentang pendekatan content-based filtering, sistem memilih dan melakukan peringkat item berdasarkan kesamaan profil pengguna dan profil item. Keuntungan dari pendekatan ini adalah pengguna mendapatkan wawasan tentang mengapa suatu item dianggap relevan untuk mereka. Aplikasi mobile ini akan diimplementasikan pada smartphone Android. Android merupakan sebuah sistem operasi terbuka yang dianggap mampu menjawab masalah-masalah yang diangkat dalam tugas akhir ini. Pada implementasinya aplikasi mobile ini akan memanfaatkan Google Map yang sudah terintegrasi dengan Android. Dengan aplikasi mobile ini pengguna yang khususnya adalah pedagang akan lebih mudah dalam mengakses informasi mengenai lahan pertanian yang sesuai dengan profil setiap pedagang.

1.2

Rumusan Masalah Masalah-masalah yang akan dibahas untuk pengembangan perangkat

lunak ini mencakup :


3

1. Bagaimana membangun sebuah sistem rekomendasi mobile hasil pertanian? 2. Bagaimana sistem ini akan membantu pengguna khususnya para pedagang untuk mengetahui informasi lahan dan hasil pertanian berupa padi menggunakan pendekatan content based filtering? 1.3

Batasan Masalah Mengingat ruang lingkup penelitian mengenai lokasi lahan pertanian ini

cukup luas sehingga penelitian ini hanya dibatasi pada : 1. Memetakan lokasi lahan pertanian yang termasuk pada area DIY. 2. Lahan pertanian yang dijadikan sampel adalah yang lahan berada di Kabupaten Sleman. 3. Jenis tanaman yang dapat dipilih hanya tanaman padi. 4. Informasi yang diberikan oleh sistem adalah lokasi lahan, jenis tanaman, luas lahan, kelompok tani, prediksi jumlah hasil panen (dalam kg).

1.4

Tujuan dan Manfaat Penulisan Tujuan dibuatnya tugas akhir yang berjudul “Sistem Rekomendasi Hasil

Pertanian Tanaman Pangan Menggunakan Pendekatan Content Based Filtering” ini adalah membangun sebuah sistem berbasis mobile yang sesuai dengan teori Conten Based Filtering pada sistem operasi Android untuk mencatat data lahan pertanian serta menginformasikan hasil pertanian di Kabupaten Sleman kepada pengguna, khususnya pedagang. Informasi tersebut berupa waktu tanam, waktu


4

panen, luas lahan, posisi lahan, hasil panen, kelompok tani. Sistem yang dibuat mobile ini bertujuan untuk membuat pengguna lebih merasa fleksibel dalam mengakses informasi tersebut. Manfaat penulisan tugas akhir ini adalah memberikan kemudahan bagi pengguna khususnya pedagang untuk mengetahui informasi lahan pertanian beserta informasi waktu tanam dan perkiraan panen yang dapat diakses melalui ponsel. Manfaat lainnya adalah dengan dibuatnya sistem ini semoga dapat membantu proses pemasaran hasil pertanian para petani di daerah Sleman. 1.5

Metodologi Penelitian Pada pelaksanaan pembuatan tugas akhir hingga pembuatan sistem dan

penyusunan laporan, penulis menggunakan tahapan : a. Pengumpulan data dan analisis Penulis melakukan studi pustaka untuk mengumpulkan informasi. Studi pustaka dilakukan dengan mempelajari teori-teori serta literatur yang mendukung penelitian ini terutama yang berhubungan dengan recommender system, content-based filtering, serta perangkat lunak yang digunakan untuk membangun sistem. Selain itu penulis juga mengumpulkan data seperti data lahan pertanian yang terdapat di Kabupaten Sleman yang digunakan untuk penelitian ini. b. Pengembangan sistem atau software


5

Metode yang dipakai untuk mengembangkan sistem yang dipakai adalah pendekatan content-based filtering

dengan pengukuran

kemiripan (measuring similarity) antara profil item dan profil user menggunakan algoritma cosine similarity. c. Evaluasi sistem Metode evaluasi dilakukan dengan menghitung nilai precision. Nilai precision inilah yang menentukan berhasil atau tidaknya sistem yang dibangun dengan metode content-based filtering ini dan implementasi vector space model. 1.6

Sistematika Penulisan Sistematika penulisan tugas akhir ini dengan susunan sebagai berikut : Bab 1 Pendahuluan Pada bagian ini berisi tentang penjelasan latar belakang masalah, perumusan masalah, batasan masalah, tujuan, hingga teknik penulisan yaitu metodologi penelitian, dan sistematika penulisan. Bab 2 Landasan Teori Pada bagian ini berisi tentang prinsip-prinsip dasar recommender system, content based filtering, pengertian mobile application. Bab 3 Analisa Sistem dan Perancangan Sistem Pada bagian ini berisi tentang sistem yang akan dibuat serta langkahlangkah dan metode yang akan digunakan dalam pembuatan sistem tersebut.


6

Bab 4 Implementasi dan Analisis Sistem Pada bagian ini akan berisi mengenai pembuatan sistem dan cara kerja sistem serta analisa dari sistem yang telah dibuat. Bab 5 Penutup Pada bagian ini akan berisi tentang kesimpulan dari keseluruhan pembuatan sistem dan saran untuk pengembangan sistem ke depan.


BAB 2 LANDASAN TEORI

2.1

Pengertian Sistem Rekomendasi Sistem Rekomendasi atau disebut juga Recommender system merupakan sebuah sistem yang menyarankan informasi yang berguna. Sistem rekomendasi juga dapat menduga apa yang akan dilakukan pengguna untuk mencapai tujuannya, misalnya seperti memilih produk tertentu. Seperti yang disebutkan oleh Paul Resnick dan Hal R. Varian dalam jurnalnya, recommender system membantu dan meningkatkan proses seleksi alam. Suatu yang khas dalam sistem rekomendasi adalah orang memberikan rekomendasi sebagai masukan, kemudian sistem mengagregasikan dan mengarahkan agar sesuai dengan si penerima. Dalam beberapa kasus, transformasi utama ada di dalam proses agregasi. Kasus lainnya nilai sistem terletak pada kemampuannya untuk mencocokkan dua hal yaitu bagian yang dijadikan rekomendasi, dan yang mencari rekomendasi secara baik. Tugas inti dari recommender system adalah untuk memprediksikan evaluasi subyektif yang akan diberikan pengguna terhadap item. Prediksi ini dihitung

menggunakan

sejumlah

model

prediktif

yang

memiliki

karakteristik umum, yaitu mengeksploitasi evaluasi atau penilaian yang diberikan oleh pengguna untuk transaksi yang sebelumnya telah dilihat. Berdasarkan teknik prediksi tertentu yang sedang digunakan, recommender

7


8

system telah diklasifikasikan ke dalam empat kategori utama [Burke, 2007]: collaborative-based, content-based, knowledge-based, hybrid. Pada sistem yang menggunakan pendekatan collaborative-based paling sederhana menghitung korelasi antara pengguna, memprediksi peringkat produk untuk pengguna saat ini didasarkan pada peringkat yang diberikan oleh pengguna lain, yang sangat berhubungan dengan preferensi pengguna saat ini [Herlocker et al, 1999]. Sedangkan sistem dengan pendekatan content-based hanya menggunakan preferensi dari pengguna saat ini, memprediksi peringkat untuk item yang tak terlihat berdasarkan seberapa banyak deskripsinya atau isinya mirip dengan pengguna [Pazzani dan Billsus, 2007]. 2.1.1

Content Based Filtering Pendekatan

Information

filtering

didasarkan

pada

bidang

information retrieval (IR) dan teknik yang digunakan pun banyak yang sama [Hanani et al, 2001]. Satu aspek yang membedakan antara information filtering dan information retrieval adalah mengenai kepentingan pengguna. Pada IR pengguna menggunakan ad-hocqueries, sedangkan information filtering pengguna sudah mempunyai profil yang merepresentasikan kepentingan jangka panjang, dan sistem mencoba memberikan kepada setiap pengguna, item yang relevan. Berdasarkan pada ukuran kesamaan antara masing-masing profil, sistem memilih dan membuat peringkat pada item yang relevan, kemudian diberikan kepada pengguna. Terdapat dua


9

pendekatan pada information filtering, yaitu collaborative filtering dan content-based filtering. Pada tugas akhir ini akan menggunakan pendekatan content-based filtering. Berbeda dengan collaborative filtering yang memilih dan membuat peringkat item untuk pengguna berdasarkan kesamaan dari pengguna untuk pengguna lain yang menyukai item serupa di masa lalu, tetapi pada pendekatan content-based filtering ini, sistem memilih dan melakukan peringkat item berdasarkan kesamaan profil pengguna dan profil item. Keuntungan dari pendekatan ini adalah pengguna mendapatkan wawasan tentang mengapa suatu item dianggap relevan untuk mereka, karena konten di setiap item nya diketahui dari representasinya. Namun pendekatan ini juga mempunyai kelemahan, misalnya kenyataan bahwa pendekatan ini berfokus pada kemiripan kata kunci. Pendekatan ini tidak mampu menangkap hubungan yang lebih kompleks pada level semantik yang lebih dalam, berdasarkan pada berbagai jenis atribut yang berhubungan dengan obyek terstruktur dari teks [Dai dan Mobasher, 2001]. Kesamaan antara representasi dari pengguna dan representasi dari item akan didasarkan pada prinsip kedekatan yang menyatakan bahwa jarak dari dua deskripsi item secara langsung berkaitan dengan kesamaan mereka [Knappe, 2005]. Menurut

International

Journal

"Information

Theories

&

Applications" Vol.15 / 2008 oleh Peretz Shoval, Veronica Maidel, Brancha Shapira dijelaskan bahwa representasi dari konten untuk profil item adalah : Profil item terdiri dari serangkaian konsep yang mewakili isinya. Misalnya,


10

jika item berkaitan dengan olahraga, dan secara khusus sepak bola, ini diwakili dengan konsep sepak bola saja. Sedangkan representasi dari konten untuk profil pengguna adalah : Profil pengguna terdiri dari daftar yang berbobot yang merepresentasikan keinginannya. Sebagai contoh, profil pengguna berisi konsep „olahraga‟ saja, atau „olahraga‟ dan „sepakbola‟, atau „sepak bola‟ dan „basket‟, atau ketiganya. Ini berarti bahwa konsep tertentu dalam profil item mungkin “matched” (yaitu dibandingkan) dengan lebih dari satu konsep setara dalam profil pengguna. Misalnya jika dalam profil item terdapat „sepak bola‟ dan profil pengguna terdapat „olahraga‟ dan „sepak bola‟ maka terdapat “perfect match” antara dua profil tersebut. Dalam jurnal yang berjudul „Using Content-based Filtering for Recommendation‟ oleh Robin van Meteren dan Marteen van Someren, sistem rekomendasi yang sedang diperkenalkan saat itu adalah PRES, yang merupakan akronim dari Personal Recommender System. Sistem ini bertujuan untuk membantu pengguna menemukan informasi yang sesuai dengan kepentingan mereka pada website. Sistem rekomendasi dapat meningkatkan website untuk pengguna individu dengan menambahkan hyperlink secara dinamis. Tujuannya adalah untuk memudahkan pengguna dalam menemukan item yang sesuai, sehingga dapat meningkatkan interaksi antara sistem dan pengguna. PRES menggunakan content-based filtering dimana sistem membuat rekomendasi dengan membandingkan profil pengguna dengan isi setiap dokumen dalam koleksi. Isi dokumen dapat direpresentasikan dengan satu set term. Term diekstrak dari dokumen


11

dengan menjalankan sejumlah langkah parsing. Pertama, semua tag html dan stop word (kata yang sering muncul dan tidak dapat digunakan sebagai diskriminator) akan dihapus. Kata yang tersisa dikurangi menjadi induk mereka dengan menghapus awalan dan akhiran [Porter, 1980]. Terdapat beberapa cara untuk merepresentasikan agar dapat digunakan sebagai komponen pembelajaran. Sebuah metode yang paling sering digunakan adalah Vector Space Model. Pada metode ini, dokumen D direpresentasikan sebagai vektor m dimensional. Dimana setiap dimensi berkorespondensi terhadap term yang berbeda dan m adalah total jumlah term yang dipakai dalam koleksi dokumen. Vektor dokumen adalah ditulis sebagai, wi adalah bobot dari term tiyang menunjukkan tingkat kepentingan. Jika pada dokumen D tidak mengandung term timaka bobot dari wiadalah nol. Bobot term dapat ditentukan dengan menggunakan skema tf-idf. Pada pendekatan ini bobot dihitung berdasarkan pada seberapa sering sebuah term muncul pada sebuah dokumen, dan seberapa sering ditemukan dalam koleksi dokumen. Selanjutnya teori mengenai vector space model akan dibahas dalam sub bab berikutnya. 2.1.2

Vector Space Model Vector space model adalah suatu model yang digunakan untuk mengukur kemiripan antara suatu dokumen dengan suatu query. Pada model ini, query dan dokumen dianggap sebagai vektor-vektor pada ruang ndimensi, dimana n adalah jumlah dari seluruh term yang ada dalam


12

leksikon. Leksikon adalah daftar semua term yang ada dalam indeks [Salton, 1989]. Vector space model

digunakan karena

pada metode ini

memungkinkan proses pemeringkatan dokumen. Metode ini menghitung nilai cosinus dari dua vektor. Dua vektor tersebut adalah bobot dari tiap dokumen dan bobot dari query. Bobot dokumen dan query digunakan untuk proses pemeringkatan dokumen, seperti yang terlihat pada Gambar 2.1 berikut.

Gambar 2.1 Vector Space Model Pembobotan term dalam vektor dokumen dapat ditentukan dalam banyak cara. Pendekatan yang umum, dan digunakan dalam tugas akhir ini adalah metode TF-IDF. Pada metode ini, bobot term ditentukan oelh dua faktor: seberapa sering term j terdapat dalam dokumen i (term frequency tfi,j) dan seberapa sering muncul dalam seluruh dokumen koleksi (document frequency dfj). Tepatnya bobot term j pada dokumen i dirumuskan seperti berikut :

wi,j = tfi,j x idfj = tfi,j x log N/dfj

(2.1)


13

N merupakan jumlah dokumen yang terdapat dalam koleksi dokumen. Idf merupakan singkatan dari inverse document frequency. Metode ini memberikan bobot tinggi pada term yang sering muncul pada sedikit dokumen pada dokumen set. Setelah

bobot

term

dihitung,

diperlukan

suatu

fungsi

pemeringkatan untuk mengukur kemiripan antara query dan dokumen vektor. Pengukuran kemiripan yang umum dikenal sebagai pengukuran kosinus. Pengukuran ini menentukan sudut antara vektor dokumen dan query ketika direpresentasikan dalam V-dimensional Euclidean, dimana v adalah ukuran vocabulary. Tepatnya kemiripan antara dokumen Di dan query Q didefinisikan sebagai berikut : [Lee, 1997] Sim(Q,Di) =

 ( wQ, j  wi, j ) j 1

w

2

j 1

2.1.3

w

(2.2)

2

Q, j

j 1

i, j

Pengukuran Performansi Menurut Lee (1997) cara konvensional untuk mengukur kualitas hasil yang dikembalikan oleh sebuah sistem dalam menanggapi permintaan adalah dengan menggunakan recall dan precision.


a.

14

Recall Recall adalah proporsi dari semua dokumen relevan yang

dapat ditemukan-kembali oleh sebuah proses pencarian di sistem. Pada kasus ini adalah lahan pertanian ditemukan dalam proses pencarian. Rumusnya adalah : Recall = jumlah dokumen relevan yang berhasil ditemukan

(2.3)

jumlah seluruh dokumen yang ditemukan b.

Precision Precision adalah proporsi jumlah dokumen yang ditemukan

dan dianggap relevan untuk kebutuhan si pencari informasi. Precision = jumlah dokumen relevan yang berhasil ditemukan

(2.4)

jumlah seluruh dokumen yang relevan c.

Average Precision Untuk mengevaluasi strategi retrieval terhadap semua query, dihitung rata-rata dari precision di tiap recall :

(2.5) Keterangan : P (r) = average precision pada level recall ke- r N (q) = jumlah query yang digunakan, dan Pi (r) = precision pada level recall ke- r untuk query ke- i


2.2

15

Perangkat Bergerak (Mobile Device) Menurut Gartner (2003), perangkat bergerak secara umum dapat diklasifikasikan dalam 2 kategori, yaitu: [1] Telepon selular dengan peningkatan kemampuan komputasi, termasuk menampilkan grafik dan kemampuan

berinteraksi

dengan

grafik

(seperti:

smartphone

dan

communicator); [2] Komputer portabel, yang dapat diintegrasikan dengan kemampuan komunikasi audio-video (seperti: PDA, dan lain-lain). Pada umumnya perangkat bergerak yang digunakan untuk aplikasi klien kartografi memiliki sistem operasi (operating system), yang memberi pengguna sebuah antarmuka dan kontrol sinkronisasi perangkat. Saat ini sistem operasi yang popular untuk smartphone adalah: iPhone OS, Android, Blackberry, dan Microsoft Windows Mobile. 2.3

Android Android merupakan operating system untuk mobile yang sedang tumbuh di tengah OS mobile lainnya, seperti Windows Mobile, i-Phone OS, Symbian. Android dikembangkan untuk perangkat mobile berbasis Linux.

2.3.1

Arsitektur Android Sistem operasi Android dibangun berdasarkan kernel Linux dan memiliki arsitektur seperti gambar berikut .


16

Gambar 2.2 Arsitektur Android Seperti yang terlihat pada gambar tersebut, arsitektur Android terdiri dari Application yang merupakan lapisan aplikasi, aplikasi tersebut ditulis dengan bahasa pemrograman Java, Application Framework yang merupakan pengembangan aplikasi yang memiliki akses penuh ke Android, sama dengan aplikasi inti yang telah tersedia. Arsitektur aplikasi ini dirancang untuk menyederhanakan penggunaan kembali komponen. Lapisan arsitektur lainnya terdapat Libraries, merupakan satu set libraries dalam bahasa C/C++ yang digunakan oleh berbagai komponen pada sistem Android, kemudianAndroid Runtime yang merupakan satu set libraries inti yang menyediakan sebagian besar fungsi yang tersedia di libraries inti dari bahasa pemrograman Java. Setiap aplikasi akan berjalan sebagai proses sendiri pada Dalvik Virtual Machine (VM). Lapisan yang terakhir adalah


17

Linux Kernel, kernel bertindak sebagai lapisan antara hardware dan seluruh software. 2.3.2

Komponen Dasar Aplikasi Android ditulis dalam bahasa pemrograman Java. Java mengompilasi kode bersama dengan data resource dan file yang dibutuhkan oleh aplikasi disatukan ke dalam paket Android, file arsip ditandai dengan .apk. Komponen aplikasi pada Android terdiri 4 komponen utama, yaitu Activities yang merupakan potongan kode executable yang menyajikan UI secara visual dimulai oleh pengguna maupun sistem operasi dan berjalan selama diperlukan, Service yang berjalan di latar belakang untuk waktu yang tidak terbatas, Broadcast Receiver merupakan komponen yang menerima dan bereaksi untuk menyiarkan pengumuman, Content Provider diciptakan untuk berbagi data dengan Activities lain atau Service, sebuah content provider menggunakan antarmuka standar dalam bentuk URI untuk memenuhi permintaan data dari aplikasi lain.

2.3.3

Location Based Service dan Google Maps Salah satu fitur yang mendefinisikan ponsel adalah mudah dibawa, sehingga tidak mengherankan bahwa beberapa fitur Android paling menarik adalah

layanan

yang

memungkinkan

untuk

menemukan

dan

mengontekstualisasikan lokasi peta secara fisik. Google Maps memungkinkan penggunanya untuk membuat peta berbasis Aktivitas sebagai elemen User Interface. Pengguna memiliki akses


18

penuh ke peta, yang memungkinkan untuk mengontrol pengaturan tampilan, mengubah tingkat zoom, dan memindahkan lokasi terpusat. Dengan menggunakan Overlay, pengguna dapat menambahkan keterangan peta dan menangani masukan pengguna untuk memberikan informasi dan fungsi dari map-contextualized. Location-based service adalah layanan yang memungkinkan pengguna menemukan lokasi perangkat saat itu. Termasuk teknologi seperti GPS dan teknologi Google yang berbasis lokasi. Pengguna dapat menentukan teknologi location-sensing secara eksplisit yaitu dengan nama, atau secara implisit yaitu dengan mendefinisikan seperangkat kriteria dalam hal akurasi, biaya, dan persyaratan lainnya. Peta dan layanan berbasis lokasi menggunakan garis lintang dan bujur untuk menentukan lokasi geografis, namun pengguna lebih cenderung untuk berpikir menggunakan alamat. Android menyediakan geocoder yang mendukung

proses

forward

dan

reverse

geocoding.

Geocoder

memungkinkan pengguna untuk mengkonversi bolak balik antara lintang atau bujur dan alamat dunia nyata. Pemetaan, geocoding, dan layanan berbasis lokasi digunakan bersama-sama pada perangkat canggih untuk menggabungkan mobilitas ponsel ke dalam aplikasi mobile pengguna. Terdapat dua elemen LBS yaitu : a. Location Manager : menyediakan pengait ke Location Based Service. Fungsinya mendapatkan lokasi saat ini, melacak


19

perpindahan dan mengatur tanda kedekatan untuk mendeteksi gerakan masuk dan keluar dari area tertentu. b. Location Provider : masing-masing mewakili teknologi lokasitemuan yang berbeda yang digunakan untuk menentukan lokasi perangkat.


BAB 3 ANALISA DAN PERANCANGAN 3.1 3.1.1

Analisis Sistem Gambaran Umum Sistem Analisis sistem merupakan suatu teknik penyelesaian masalah yang membagi sistem ke dalam bagian-bagian komponen kecil dengan tujuan agar bagian-bagian dari komponen tersebut dapat bekerja dengan baik. Analisis sistem bertujuan mendapatkan pemahaman secara keseluruhan tentang sistem yang akan dibuat berdasarkan masukan dari pihak-pihak yang berkepentingan dengan sistem tersebut. Seperti yang telah disampaikan di latar belakang masalah, sistem yang akan dibuat ini digunakan untuk memberikan informasi mengenai lahan pertanian di kawasan Sleman, DIY. Sistem yang akan dibangun mempunyai sasaran pengguna yaitu masyarakat pada umumnya dan para pedagang pada khususnya yang ingin mengetahui informasi hasil pertanian berupa tanaman padi yang berada di kawasan Sleman tersebut. Informasi yang akan didapatkan oleh pengguna sistem adalah pemilik lahan, tanggal tanam, perkiraan masa panen, dan perkiraan hasil panen, letak lokasi, dan luas lahan. Sistem mempunyai 2 level pengguna yaitu pedagang dan petani yang bertugas melakukan update data. Pengguna tersebut mempunyai hak

20


21

untuk mendapatkan rekomendasi mengenai informasi lahan pertanian yang ditampilkan oleh sistem. Dalam pembangunan sistem rekomendasi lahan pertanian

ini,

penulis

mengumpulkan

data

pertanian

Kecamatan

Cangkringan dari Dinas Pertanian Kabupaten Sleman. 3.2 3.2.1

Perancangan Sistem Arsitektur Sistem

Gambar 3.1 Arsitektur Sistem Pada gambar tersebut terlihat bahwa mobile digunakan sebagai dumb terminal. Sedangkan penyimpanan data dan proses rekomendasi, seperti perhitungan menggunakan vector space model terjadi di web server. Berikut merupakan arsitektur aplikasi, atau proses yang terjadi pada web server :


kel_tani, varietas, tgl tanam, tgl panen, jumlah

data corpus (varietas, jumlah) User (Pedagang tengkulak)

Vector Space Model

Masukan profil pengguna (nama, varietas, jumlah)

similarity process 𝑣 𝑗 =1 𝑣 𝑗=1

𝑤2

𝑄,𝑗

𝑤𝑄,𝑗 ×

×

𝑤𝑖,𝑗 𝑣 𝑗 =1

𝑤 2 𝑖,𝑗

List Rekomendasi

Gambar 3.2 Arsitektur Aplikasi (pedagang)

22


23

Petani

Masukan profil item (kel_tani,varietas, jumlah, lokasi)

perubahan database

profil item yang telah berubah

Gambar 3.3 Arsitektur Aplikasi (petani)

Hasil rekomendasi pada penelitian ini didapatkan dengan menggunakan metode Vector Space Model, dengan mengukur kedekatan antara profil pengguna dan profil item menggunakan rumus cosine


24

similarity. Pada implementasi vector space model pada umumnya adalah untuk menghitung kemiripan dokumen. Namun pada tugas akhir ini, metode vector space model tidak digunakan untuk menghitung kemiripan dokumen, tetapi menghitung kemiripan profil item, dalam hal ini petani dan profil pengguna, dalam hal ini pedagang. Contoh perhitungan kemiripan profil menggunakan algoritma vector space model, yang telah disesuaikan dengan kasus pada penelitian tugas akhir ini dapat dilihat pada lampiran 6 halaman 102.

3.3 3.3.1

Desain Model Secara Umum Diagram Use Case Diagram use case merupakan diagram yang menggambarkan interaksi antara sistem dengan sistem eksternal dan pengguna. Dengan kata lain, secara grafis menggambarkan siapa yang akan menggunakan sistem dan dengan cara apa pengguna mengharapkan untuk berinteraksi dengan sistem. (Whitten, 2004).


25

Registrasi

Login

depends on

Kelola data

Petani

depends on

Pedagang

Lihat rekomendasi

Gambar 3.4 Use Case Diagram untuk Petani dan Pedagang 3.3.2

Narasi Use Case Setiap use case pada diagram use case gambar 3.4, akan dirinci dalam sebuah narasi use case yang akan mendeskripsikan secara tertulis aktivitas yang ada pada use case, adapun skenario use case dari gambar diagram use case tersebut terdapat pada lampiran 1 halaman 54.

3.3.3

Diagram Aktifitas Merupakan diagram yang menjelaskan aktivitas antara user dengan sistem. Secara lebih rinci tahap activity diagram dapat dilihat pada lampiran 2 halaman 60.


3.3.4

26

Model Analisis Merupakan suatu proses untuk menterjemahkan skenario use case menjadi kelas analisis. Dalam kelas analisis terdapat tiga jenis, yaitu form/boundary, contoller, dan entity. Model analisis secara rinci dapat dilihat pada lampiran 3 halaman 69.

3.3.5

Diagram Kelas Diagram kelas dari sistem yang akan dibangun adalah seperti pada gambar 3.5.

Kelas Android <<Entity>>

<<Entity>>

produk

query_pedagang

Kelas 1

profil_pedagang

data_pedagang

«interface» HalamanPilihVarietas

«interface» HalamanCariRekomendasi

<<Entity>>

<<Entity>>

«interface» HalamanLokasiPedagang

PHP

*1 *

«interface» HalamanRegistrasiPdg

*

«interface» HalamanLoginPdg

1

«interface» HalamanHasilRekomendasi

«interface» HalamanProfilPedagang

*

<> tampilprofil

1*

1 *

1*

1

«interface» HalamanHasilJarak

* «interface» HalamanUtama

11

*

<>

<<Entity>>

hitungcosim

petani_jarak

«interface» HalamanLoginPtn

«interface» HalamanRegistrasiPtn

1

*

1 *

1

«interface» HalamanUbahProfilPtn

1 «interface» HalamanDaftarLahan

petani

1* «interface» HalamanDetailLahan

*

registrasi

«interface» HalamanHasilRekomendasiPdg

* 1 1

<<Entity>>

<>

*1

* 1 <>

*

«interface» HalamanUbahDataLahan

login

**

* 1 <>

1

datalahan

<<Entity>> data_lahan

Gambar 3.5 Diagram Kelas


3.3.6

27

Desain Basis Data Perancangan diagram E-R menggambarkan relasi antar entitas (entity) yang digunakan untuk sistem. Berikut ini adalah desain fisik dari basis data

yang dirancang.

telepon

id_lahan

id_keltani

nama_keltani

luas N

data_lahan jenis N luas varietas

id_produk

username password alamat

petani

longitude

tgltanam tglpanen

cosim

latitude

permintaan

nama_produk

id_pdg telepon_pdg

1 produk

N

data_pedagang

profil_pedagang

alamat_pdg

username_pdg

password_pdg longitude

latitude

cosim nama_pdg

Gambar 3.6 ERD Sistem

3.3.7

Perancangan Basis Data Dari

tabel-tabel

yang

terbentuk

selanjutnya

merancang struktur data dari masing-masing tabel : 1. Tabel data_lahan Tabel 3.1 Struktur tabel data_lahan

penulis

akan


Nama Field

Tipe

Ukuran

id_lahan

Double

-

id_kel_tani

Double

-

id_produk

Double

-

jenis

Varchar

30

varietas

Varchar

30

tgl_tanam

Date

-

tgl_panen

Date

-

latitude

Double

-

longitude

Double

-

luas

Double

-

hasil

double

-

username

varchar

20

2. Tabel data_pedagang Tabel 3.2 Struktur tabel data_pedagang Nama Field

Tipe

Ukuran

id_pdg

int

11

username_pdg

varchar

20

password_dpg

varchar

20

nama_pdg

varchar

30

telepon_pdg

varchar

12

alamat_pdg

varchar

50

cosim

double

-

28


3. Tabel petani Tabel 3.3 Struktur tabel petani Nama Field

Tipe

Ukuran

id_kel_tani

Double

-

nama_kel_tani

Varchar

30

cosim

Double

-

username

Varchar

20

password

Varchar

20

alamat

Varchar

100

latitude

Double

-

longitude

Double

-

jarak

Double

-

telepon

varchar

13

4. Tabel petani_jarak Tabel 3.4 Struktur tabel petani_jarak Nama Field

Tipe

Ukuran

id_kel_tani

Double

-

nama_kel_tani

Varchar

30

cosim

Double

-

username

Varchar

20

password

Varchar

20

alamat

Varchar

100

latitude

Double

-

longitude

Double

-

jarak

Double

-

telepon

varchar

13

29


5. Tabel produk Tabel 3.5 Struktur tabel produk Nama Field

Tipe

Ukuran

id_produk

double

-

nama_produk

varchar

40

6. Tabel query_pdg Tabel 3.6 Struktur tabel query_pdg Nama Field

Tipe

Ukuran

id_query

int

3

id_produk

int

3

latitude

Double

-

longitude

double

-

7. Tabel profil_pedagang Tabel 3.7 Struktur tabel profil_pedagang Nama Field

Tipe

Ukuran

id_pedagang

Int

11

id_produk

Int

11

nama_produk

Varchar

30

permintaan

Double

-

username

Varchar

20

30


31

8. Tabel data_lahan_index Tabel 3.8Struktur tabel data_lahan_index

3.3.8

Nama Field

Tipe

Ukuran

id_lahan

Double

-

id_kel_tani

Double

-

id_produk

Double

-

jenis

Varchar

30

varietas

Varchar

30

tgl_tanam

Date

-

tgl_panen

Date

-

latitude

Double

-

longitude

Double

-

luas

Double

-

hasil

double

-

username

varchar

20

Desain Antar Muka Pada desain antarmuka sistem ini akan ditampilkan desain dari tiap halaman yang akan dibentuk. Desain antarmuka akan dijelaskan lebih lengkap di lampiran 4 halaman 81.


4

BAB 4

IMPLEMENTASI DAN ANALISIS SISTEM

4.1

Tahap Implementasi Penelitian ini telah diimplementasikan menjadi sebuah aplikasi yang siap digunakan, yang dibangun dengan tahapan-tahapan berikut :

4.1.1

Spesifikasi Perangkat Keras dan Perangkat Lunak Perangkat keras yang dipakai untuk membangun sistem adalah sebagai berikut: Processor

: AMD Athlon Neo Processor MV-40 1.60 GHz

Memori

: 2GB

Hard Disk

: 250 GB

Perangkat lunak yang dipakai untuk membangun sistem adalah sebagai berikut:

4.1.2

Editor Program

: IDE Eclipse 3.6.2 Helios

DBMS

: MySql 5.0

Implementasi Diagram Kelas Program dibangun dengan berbasis orientasi obyek, sehingga dalam implementasinya dibutuhkan kelas-kelas untuk mendefinisikan obyek-obyek yang akan dipakai. Adapun kelas-kelas yang telah terbentuk akan dijelaskan di lampiran 7 halaman 110.

32


4.2

33

Pengujian Tahap akhir dari penelitian ini adalah pengujian sistem yang telah dibangun. Sistem rekomendasi hasil pertanian yang dibangun pada sistem operasi android ini telah berhasil diimplementasikan ke dalam sebuah program, yang dapat diakses oleh pengguna secara langsung. Analisis sistem akan dibagi ke dalam beberapa bagian, yaitu pengukuran kinerja sistem, kelebihan, serta kekurangan sistem yang telah dibangun.

4.2.1

Pengujian Kinerja Sistem

4.2.1.1 Pengujian Presisi Sistem untuk Rekomendasi Petani Pengukuran presisi dilakukan dengan membandingkan kelompok tani yang relevan bagi pedagang, dengan kelompok tani hasil rekomendasi sistem. Definisi relevan bagi pedagang adalah kelompok tani yang menjual hasil panen yang sesuai atau cocok dengan profil pedagang dan besarnya hasil panen mendekati jumlah permintaan pedagang. Berikut ini adalah sampel data yang digunakan sebagai item query dan item profil. Sampel data produk yang akan digunakan sebagai item query adalah : Tabel 4.1 Nama varietas tanaman padi

No

Varietas (Profil Query) 1

Aek Sibundong

2

Angke

3

Banyuasin

4

Batang Gadis

5

Batang Lembang


6

Batang Piaman

41

Inpari 8

7

Batanghari

42

Inpari 9 Elo

8

Batutegi

43

Intani 1

9

Bernas Prima

44

Intani 2

45

IR 36

46

IR 42

10

Bondojudo

11

Celebes

12

Ciapus

13

Ciasem

47

IR 64

14

Cibodas

48

IR 66

15

Cibogo

49

Kalimas

16

Cigeulis

50

Ketonggo

17

Ciherang

51

Konawe

18

Cilamaya Muncul

19

Ciliwung

52

Lambur

20

Cimelati

53

Limboto

21

Cirata

54

Logawa

22

Cisadane

55

Luk Ulo

23

Cisantana

56

Lusi

24

Cisokan

57

Margasari

25

Conde

58

Martapura

26

Danau Gaung

27

Fatmawati

59

Mekongga

28

Gilingsing

60

Mendawak

29

Gilirang

61

Mendawan

30

Hipa 3

62

Hipa 5 Ceva

31

Hipa 4

63

Pepe

32

Hipa 8 Pioneer

64

Rokan

33

Impari

65

Sarinah

34

Inpara 1

35

Inpara 2

66

Setail

36

Inpara 3

67

Siak raya

37

INPARI 1

68

Silugonggo

38

INPARI 2

69

Singkil

39

INPARI 3

70

Sintanur

40

INPARI 4

71

Situ bagendit

72

Situ Patenggang

73

Sunggal

74

Towuti

75

Wera

34


35

Di bawah ini merupakan sampel data pedagang yang digunakan sebagai item profil. Pengujian dilakukan terhadap 10 profil pedagang. Hasil yang dikeluarkan oleh sistem adalah sebanyak 15 rekomendasi. Dari kelimabelas rekomendasi tersebut pedagang memilih beberapa diantaranya yang dianggap relevan dengan profilnya Maka dari itu pedagang hanya memilih kelompok tani yang sesuai atau cocok dengan profilnya dari keseluruhan hasil rekomendasi yang diberikan.

Tabel 4.2 Sampel profil 1 : Varietas yang dipilih : Cibodas (450), Ciherang (300), Cisadane (600) Kelompok Tani :

Urutan dalam sistem :

Tani Maju

1

Gadu Subur

2

Ngudi Rejeki

3

Pawar Datih

4

Ngudi Makmur

5

Tunas Fajar

6

Tani Makmur

8

Tani Lestari

10

Makmur Sejahtera

11

Sumber Rejeki

12

Sembodo

14


Tabel 4.3 Sampel profil 2 : Varietas yang dipilih : Bernas Prima (375), Cimelati (550) Kelompok Tani :


Mandiri

1

Handayani

2

Tani Pertiwi

3

Tani Maju

4

Makmur Sejahtera

5

Tani Unggul

6

Margo Mulyo

7

Harapan Jaya

8

Mekarsari

9

Lestari Makmur

10

Sinar Harapan

11

Muda Berkarya

12

Tani Lestari

13

Makarti

14

Tabel 4.4 Sampel profil 3: Varietas yang dipilih : Gilirang (380), Impari (800), Inpari 9 Elo (670), Kalimas (250), IR 36 (410), Konawe (125) Kelompok Tani :


Kenanga

1

Handayani

2

Bina Makmur

4

Sido Agung

5

Ngudi Makmur

6

Subur Makmur

8

Sinar Harapan

9

36


Gemilang

10

Sido Makmur

12

Tani Unggul

13

Sembodo

14

Tabel 4.5 Sampel profil 4 : Varietas yang dipilih : Angke (90), Batanghari (120), Ciliwung (700) Kelompok Tani :


Pawar Datih

1

Ngudi Makmur

2

Sido Mulyo

3

Gemah Ripah

4

Sido Makmur

5

Tani Makmur

6

Harapan Jaya

7

Tani Pertiwi Margo Mulyo

8

Subur

9

Lestari

10

Lestari Makmur

11

Margo Mulyo

12

Tabel 4.6 Sampel profil 5 : Varietas yang dipilih : Banyuasin (540), Batutegi (670), Cibogo (450), Conde (250) Kelompok Tani :


Gemah Ripah

1

Sinar Harapan

2

Lestari Makmur

3

37


Suko Lestari

4

Sido Martani

6

Muda Berkarya

7

Subur Makmur

8

Sumber Tani

9

Subur

10

Makarti

11

Mekarsari

14

Tabel 4.7 Sampel profil 6 : Varietas yang dipilih : Cisadane (230), Danau Gaung (350), Cigeulis (180), Fatmawati (990), Impari (875) Kelompok Tani :


Karya Maju

1

Tunas Fajar

2

Kenanga

3

Manunggal

4

Tani Unggul

5

Gadu Subur

6

Tani Lestari

7

Ngudi Makmur

8

Subur Makmur

9

Margo Mulyo

11

Sido Makmur

13

38


Tabel 4.8 Sampel profil 7 : Varietas yang dipilih : Aek Sibundong (750), Batanghari (900), Celebes (800), Cisokan (550), Danau Gaung (300), Sintanur (475) Kelompok Tani :


Tani Lestari

1

Raharjo

2

Ngudi Makmur

3

Muda Jaya

4

Budi Luhur

5

Lestari Makmur

6

Tani Makmur

7

Muda Berkarya

8

Sri Rejeki

9

Tani Pertiwi

10

Tabel 4.9 Sampel profil 8 : Varietas yang dipilih : Ciapus (100), Ciasem (70), Cigeulis (150), Cilamaya Muncul (130), Cirata (173), Luk Ulo (225), Margasari (200) Kelompok Tani :


Suko Lestari

1

Subur Makmur

2

Sinar Harapan

3

Sido Martani

4

Subur

5

Muda Berkarya

6

Sido Agung

7

Sido Mulyo

8

Delima

9

Budi Luhur

11

39


Karya Tani

40

12

Tabel 4.10 Sampel profil 9 : Varietas yang dipilih : Hipa 4 (50), Impari (94), Inpara 2 (25), INPARI 3 (65), Inpari 8 (85), IR 36 (120), IR 64 (95), Konawe (100) Kelompok Tani :


Sido Makmur

1

Gemilang

2

Ngudi Makmur

3

Sido Mulyo

4

Tani Unggul

5

Sri Rejeki

6

Lestari Makmur

7

Sembodo

8

Tri M Sedyo

9

Handayani

10

Muda Berkarya

11

Makmur Sejahtera

13

Subur

14

Margo Mulyo

15

Tabel 4.11 Sampel profil 10 : Varietas yang dipilih : Batutegi (160), Inpara 1 (390), INPARI 2 (570), Inpari 9 Elo (768), Pepe (890), Setail (473), Rokan (1200), Sintanur (1080), Wera (1050) Kelompok Tani :


Lestari

1

Gemilang

2


Sido Makmur

3

Sembodo

4

Bina Karya

5

Bina Makmur

7

Delima

8

Budi Daya

9

Budi Luhur

11

Muda Berkarya

12

Makarti

13

Sri Rejeki

14

Margo Mulyo

15

41


42

Tabel 4.12 Tabel relevansi hasil pencarian rekomendasi petani : P1

P2

P3

P4

P5

P6

P7

P8

P9

P10

P11

P12

P13

P14

P15

Profil 1

R

R

R

R

R

R

N

R

N

R

R

R

N

R

N

Profil 2

R

R

R

R

R

R

R

R

R

R

R

R

R

R

N

Profil 3

R

R

N

R

R

R

N

R

R

R

N

R

R

R

N

Profil 4

R

R

R

R

R

R

R

R

R

R

R

R

N

N

N

Profil 5

R

R

R

R

N

R

R

R

R

R

R

N

N

R

N

Profil 6

R

R

R

R

R

R

R

R

R

N

R

N

R

N

N

Profil 7

R

R

R

R

R

R

R

R

R

R

N

N

N

N

N

Profil 8

R

R

R

R

R

R

R

R

R

N

R

R

N

N

N

Profil 9

R

R

R

R

R

R

R

R

R

R

R

N

R

R

R

Profil 10

R

R

R

R

R

N

R

R

R

N

R

R

R

R

R

Keterangan : P

:

Petani

(Terdapat

15

kelompok

tani

yang

digunakan

sebagai

hasil

rekomendasi)


43

Profil : Profil Pedagang (Terdapat 10 profil pedagang yang diujikan) R

: Hasil yang relevan

N

: Hasil yang tidak relevan

Contoh : Untuk sampel profil 1, didapatkan hasil: Tani Maju (1), Gadu Subur (2), Ngudi Rejeki (3), Pawar Datih (4), Ngudi Makmur (5), Tunas Fajar (6), Tani Makmur (8), Tani Lestari (10), Makmur Sejahtera (11), Sumber Rejeki (12), Sembodo (14). Maka untuk query 1 hasil yang relevan adalah index 1, 2, 3, 4, 5, 6, 8, 10, 11, 12, 14. Tabel 4.13 Tabel hasil perhitungan precision rekomendasi kelompok tani :

No

Relevan

Not relevan

Hasil rekomendasi

Precision

Profil 1

11

4

15

0.73

Profil 2

14

1

15

0.93

Profil 3

11

4

15

0.73

Profil 4

12

3

15

0.8

Profil 5

11

4

15

0.73

Profil 6

11

4

15

0.73

Profil 7

10

5

15

0.67

Profil 8

11

4

15

0.73


Profil 9

14

1

15

0.93

Profil 10

13

2

15

0.86

Jumlah Rata-rata %

44

7.84 0.784 78.40 %

Keterangan : Nilai precision didapatkan dengan rumus : |relevant ∩ retrieved| / |retrieved|. Dapat dilihat hasil presisi untuk profil pedagang 1 sampai 10. Kemudian nilai keseluruhan presisi dirata-rata dan didapatkan hasil rata-rata presisi yaitu sebesar 78.40 %.


45

4.2.1.2 Pengujian Presisi Sistem untuk Rekomendasi Pedagang Sampel profil kelompok tani 1 : Varietas : Cibodas (1946), Inpari 4 (1816.5), Cimelati (1758.4), Situ

patenggang (3968), Inpari 1 (1829.1), IR 66 (2181.9), Bernas prima (1897.7), Cilamaya muncul (1937.6), Ciherang (2615.2), Cisadane (1763.3), IR 36 (2500.4), Fatmawati (2275.7), Cisantana (2433.2) Pedagang :


Laurin

1

David

2

Pandu

3

Bonita

4

Christina

5

Rory

6

Sampel profil kelompok tani 2 : Varietas : Situ bagendit (2186.8), IR 64 (1883), Cisadane (1841), Mendawan (2769.2), Intani 1 (2415.7), Intani 2 (1585.1), Bernas Prima (2408), IR 42 (2191), Rokan (2681.7), Fatmawati (1762.6), Inpari 1 (2149), Konawe (1998.5), Cibodas (2659.3), Inpari 2 (1961.4), Cisantana (2656.5)

Pedagang :


David

1

Bonita

2

Laurin

3

Christina

4

Pandu

6

Rory

7


46

Sampel profil kelompok tani 3 : Varietas : Impari (2400.3), Rokan (2251.2), Cisadane 2373.7, INPARI 3 (2265.2), Siak raya (2508.8), Ciapus (1971.2), Ciherang (2591.4), Hipa 8 Pioneer (2243.5), Cisokan (2482.9), Ciliwung (1810.9), IR 66 (1817.9), Cibodas (2308.6), IR 36 (1985.2), Celebes (2646.7), Kalimas (1934.8), INPARI 1 (2607.5), INPARI 2 (1814.4), IR 64( 2662.8), Fatmawati (2276.4)

Pedagang :


Putri

1

Pandu

2

Rory

3

Laurin

4

David

5

Christina

6

Bonita

7

Sampel profil kelompok tani 4 : Varietas : Ciherang (1984.5), Fatmawati (1898.4), Cimelati (2690.1), Situ Patenggang (2075.5), INPARI 1 (1869.7), Margasari (2644.6), IR 36 (2502.5), Cisokan (2401.7), Hipa 8 Pioneer (2473.8), IR 42 (2702.7), Impari (2702), IR 64 (2321.2), Gilingsing (2060.1), INPARI 2 (2429.7), Cibodas (2765)

Pedagang :


Putri

1

Laurin

2

Christina

3

Pandu

4

David

5

Bonita

6


47

Sampel profil kelompok tani 5 : Varietas : Cibodas (2076.2), Gilingsing (1824.2), Ciapus (2065.7), Ciherang (2510.9), Fatmawati (2275),

INPARI 2 (2310), IR 64 (2170.7), Cisadane

(2392.6), Situ bagendit (2039.1), Cisantana (1874.6), Batang Gadis (1848), Rokan (1908.2), IR 36 (2270.8)

Pedagang :


David

1

Pandu

2

Rory

3

Christina

4

Laurin

5

Bonita

7

Tabel 4.14 Tabel relevansi hasil pencarian rekomendasi pedagang : Pd 1

Pd 2

Pd 3

Pd 4

Pd 5

Pd 6

Pd 7

Profil 1

R

R

R

R

R

R

N

Profil 2

R

R

R

R

N

R

R

Profil 3

R

R

R

R

R

R

R

Profil 4

R

R

R

R

R

R

N

Profil 5

R

R

R

R

R

N

R

Keterangan : Pd

: Pedagang (Terdapat 7 sampel profil pedagang)

Profil : Profil kelompok tani (Terdapat 5 profil petani yang diujikan)


48

Tabel 4.15 Tabel hasil perhitungan precision rekomendasi pedagang : No Profil 1 Profil 2 Profil 3 Profil 4 Profil 5

Relevan

Not relevan

Hasil rekomendasi

Precision

6

1

7

0.85

6

1

7

0.85

7

0

7

1.00

6

1

7

0.85

6

1

7

0.85

Jumlah Rata-rata %

4.40 0.88 88.00 %

Keterangan : Nilai precision didapatkan dengan rumus : |relevant ∩ retrieved| / |retrieved|. Dapat dilihat hasil presisi untuk profil kelompok tani 1 sampai 5. Kemudian nilai keseluruhan presisi dirata-rata dan didapatkan hasil rata-rata presisi yaitu sebesar 88.00 %.


5

BAB 5 PENUTUP

5.1

Kesimpulan Pembangunan sistem ini menggunakan algoritma vector space model. Terdapat 1000 lahan yang digunakan sebagai data sampeldalam sistem. Dari proses implementasi kesimpulan yang didapat adalah : 1. Pedagang mendapatkan informasi mengenai petani mana saja yang memiliki profil yang sama dengannya. Petani mendapatkan informasi mengenai pedagang mana saja yang memiliki profil yang sama dengannya. 2. Pengujian presisi dilakukan dengan membandingkan kelompok tani yang relevan bagi pedagang, yaitu kelompok tani yang dipilih oleh pedagang dengan kelompok tani hasil rekomendasi sistem. 3. Berdasarkan pengujian terhadap 10 profil pedagang dengan 15 rekomendasi kelompok tani teratas, didapatkan hasil presisi rata-rata sebesar 78.40 %. 4. Berdasarkan hasil evaluasi sistem ini belum dapat dikatakan baik karena pengujian yang dilakukan hanya menggunakan precision saja.

49


5.2

50

Saran Dari sistem yang dibuat masih diperlukan beberapa saran antara lain: 1) Bagi pengguna Aplikasi MyAgresa melakukan perhitungan komputasi pada web server. Apabila terdapat banyak data lahan maka aplikasi ini akan berjalan lambat. Agar hasil komputasi dapat berjalan dengan baik penulis menyarankan pengguna menggunakan handphone yang memiliki RAM besar dan prosesor yang cepat.

2) Bagi peneliti selanjutnya Sistem ini masih banyak kekurangan. Oleh karena itu, sebaiknya bagi peneliti selanjutnya dapat memperbaiki kualitas dan kinerja sistem, diantaranya : a. Aplikasi tidak hanya memberikan rekomendasi tanaman padi, tetapi juga tanaman pangan lainnya. b. Aplikasi

dapat

memberikan

rekomendasi

dengan

memperhitungkan tanggal panennya. c. Aplikasi tidak hanya memberikan informasi mengenai lahan pertanian yang berlokasi di DIY saja, tetapi mencakup lahan di luar DIY. d. Aplikasi dapat berjalan di berbagai operating system. e. Sistem akan lebih baik apabila pengujian sistem dilakukan tidak hanya menggunakan precision tetapi juga menggunakan recall.


DAFTAR PUSTAKA

Billsus, D. Pazzani, M. J. “A Personal News Agent that Talks, Learns and Explains”, In Autonomous Agents 98, Minneapolis MN USA. Burke, R. (2007). Hybrid web recommender systems. In The Adaptive Web, pages 377–408. Springer Berlin / Heidelberg. Dai, H., & Mobasher, B. (2001). Using ontologies to discover domain-level web usage profiles. Proc. of the Second Semantic Web Mining Workshop at PKDD 2001, Helsinki, Finland. Herlocker, J.L., Konstan, J.A., Terveen, L.G. & Riedl, J.T. Evaluating collaborative filtering recommender systems. ACM Transactions on Information Systems, 22(1), 5-53. Hermawan, Stephanus. 2011. Mudah Membuat Aplikasi Android. Yogyakarta : Andi Offset Knappe, R. (2005). Measures of Semantic Similarity and Relatedness for Use in Ontology-based Information Retrieval. Ph.D. Thesis, Roskilde University, Department of Communication, Journalism and Computer Science. Lee, Dik L. 1997. Document Rangking and the Vector-Space Model. Hongkong. Meier, Reto. 2009. Professional Android Application Development. Indianapolis, Indiana Canada United States of America : Wiley Publishing, Inc.

51


52

Meteren, Robin dan Someren, Maarten. Using Content-Based Filtering for Recommendation. Amsterdam. Resnick, Paul dan Varian, Hal R. (1997). Recommender systems. Communications of the ACM, Vol. 40, No. 3, 56-58. Ricci, Francesco. 2010. Mobile Recommender Systems. Italy. Shoval, Peretz., Meidel, Veronica., dan Shapira, Brancha. (2008). An OntologyContent-Based Filtering Method. International Journal “Information Theories & Applications”, Vol.15, 303-313.



54

LAMPIRAN 1 NARASI USE CASE

1.1. 1.2. 1.3. 1.4.

USECASE LOGIN ................................................................................55 USECASE KELOLA DATA ................................................................56 USECASE REGISTRASI ......................................................................57 USECASE LIHAT REKOMENDASI ..................................................58


1.1.

55

Usecase Login

Nama Use Case :

Login

Aktor :

Petani

Deskripsi Use Case :

Use case ini menggambarkan proses petani melakukan login sebelum mengakses aplikasi. Petani harus memasukkan username dan password yang sesuai untuk dapat masuk ke sistem.

Prakondisi :

Petani telah memiliki akun

Trigger :

Use case ini digunakan apabila petani ingin masuk atau mengakses sistem

Langkah Umum :

Kegiatan Aktor

Respon Sistem

1. Pada Halaman Utama akan memilih tombolbergambar orang, yang mengibaratkan sebagai pemilik lahan 2. Menampilkan Halaman Login petani, yang berisi username dan password untuk masuk sebagai petani 3. Memasukkan username dan password 4. Menekan tombol „Masuk‟

Langkah Alternatif :

5. Sistem mengecek validasi di database 6. Sistem menampilkan pesan login sukses 7. Sistem menampilkan Halaman Daftar Lahan yang berisi data lahan pertanian yang dikelola oleh petani Alt- 6: Jika username dan password tidak sesuai maka sistem akan memberi peringatan, dan kembali ke


56

halaman login.

Kesimpulan :

Use case berhenti apabila petani telah berhasil masuk ke halaman yang berisi data lahan dan hasil pertanian yang dikelola petani

1.2.

Usecase Kelola Data

Nama Use Case :

Kelola data (Ubah Data Petani)

Aktor :

Petani


Use case ini menggambarkan proses petani melakukan perubahan data petani

Prakondisi :

Petani telah berhasil login dan masuk ke sistem

Trigger :

Usecase ini hanya dapat dilakukan oleh petani

Langkah Umum :

Kegiatan Aktor

Respon Sistem

1. Pada Halaman Daftar Lahan, petani memilih menu „Kelola Data‟ kemudian submenu „Ubah Profil‟, untuk mengubah data petani seperti username, password, nama 2. Sistem menampilkan Halaman Ubah Profil yang berisi data diri pengguna yang siap untuk diubah 3. Mengubah data yang ingin diubah pada kolom yang tersedia, lalu menekan tombol „Simpan‟ 4. Lakukan

query


57

update pada database 5. Perubahan data pada database 6. Tampil pesan sukses Langkah Alternatif :

Alt- 1: Melakukan klik panjang pada salah satu kolom list lahan. Memilih menu „Lihat Detail Lahan‟ untuk melihat informasi detail mengenai lahan yang dikelola.

Memilih

menu

„Ubah

Lahan‟

untuk

mengubah data seperti tanggal tanam dan panen lahan yang dikelola. Alt-1: Memilih menu „Lihat Rekomendasi‟ untuk melihat rekomendasipedagang yang sesuai dengan profil petani. Kesimpulan :

Use case ini berhenti apabila data lahan telah berhasil diubah, ditambahkan ke dalam database

1.3.

Usecase Registrasi

Nama Use Case :

Registrasi

Aktor :

Pedagang


Use case ini menggambarkan proses registrasi user untuk dapat mengakses sistem

Prakondisi :

User belum mempunyai akun untuk dapat mengakses sistem

Trigger :

-

Langkah Umum :

Kegiatan Aktor 1. Pada Halaman Utama user akan menekan tombol yang bergambar silang (mengibaratkan pengguna belum punya akun) untuk pertanyaan

Respon Sistem


58

apakah sudah punya id 2. Menampilkan halaman registrasi pengguna yang berisi form pengisian untuk mendaftar sebagai pengguna aplikasi ini 3. Mengisi data: username, password, nama, alamat, no. telepon 4. Menekan tombol kirim


5. Menyimpan data yang telah diisi user tersebut ke dalam database 6. Menampilkan pesan registrasi berhasil Alt- 6: Proses registrasi tidak berhasil, maka sistem akan menampilkan informasi gagal

Kesimpulan :

Use case ini berhenti apabila user berhasil melakukan registrasi

1.4.

Usecase Lihat Rekomendasi

Nama Use Case :

Lihat Rekomendasi

Aktor :

Pedagang


Use case ini menggambarkan proses pencarian rekomendasi berdasarkan profil yang tersimpan dalam databaseoleh pengguna pada sistem di saat user sudah mempunyai id

Prakondisi :

User telah terdaftar sebagai pengguna sistem, dan telah melakukan proses login.

Trigger :


Langkah Umum :

Kegiatan Aktor

59

Respon Sistem 1. Menampilkan halaman profil pengguna (pedagang) yang berisi varietas padi.

2. Menekan tombol menu pada handphone, dan memilih menu „Lihat Rekomendasi‟ 3. Sistem melalui hitungcosimpedagang.php menghitung nilai cosinus similarity setiap kelompok tani 4. Menampilkan 15 kelompok tani dengan nilai cosim terbesar 1. Menekan salah satu kolom kelompok tani


2. Mengambil data dari database dan menampilkan halaman detail rekomendasi. Alt- 2 : Memilih menu „Tambah Profil‟. Pada menu itu pengguna dapat menambahkan varietas untuk dijadikan sebagai profilnya. Alt- 2 : Menekan agak lama pada salah satu kolom profil, terdapat pilihan, „hapus‟ atau „ubah‟. Pilih hapus untuk menghapus varietas sebagai profil, dan ubah untuk mengubah jumlah permintaan terhadap varietas tersebut.

Kesimpulan :

Use case ini berhenti apabila user mendapatkan hasil rekomendasi


60

LAMPIRAN 2 DIAGRAM AKTIFITAS

2.1. 2.2. 2.3. 2.4. 2.5. 2.6. 2.7. 2.8.

DIAGRAM AKTIFITAS LOGIN............................................................... 61 DIAGRAM AKTIFITASUBAH DATA PETANI..................................... 62 DIAGRAM AKTIFITASTAMBAH PROFIL PEDAGANG.................... 63 DIAGRAM AKTIFITAS UBAH PROFIL PEDAGANG.......................... 64 DIAGRAM AKTIFITASHAPUS PROFIL PEDAGANG......................... 65 DIAGRAM AKTIFITAS PERBARUI LOKASI PEDAGANG................. 66 DIAGRAM AKTIFITAS REGISTRASI.................................................... 67 DIAGRAM AKTIFITAS LIHAT REKOMENDASI................................. 68


2.1. Diagram Aktifitas Login

aktor

sistem

1. Pilih tombol bergambar orang, yang mengibaratkan sebagai pemilik lahan 2. Tampil Halaman Login petani, yang berisi username dan password untuk masuk sebagai petani

3. Isi username dan password

4. Tekan tombol MASUK

5. Cek validasi di database

6. Tampil pesan login sukses

7. Tampil Halaman Daftar Lahan yang berisi data lahan pertanian yang dikelola oleh petani

61


2.2. Diagram Aktifitas Ubah Data Petani

aktor

sistem

1. Pilih menu “Ubah Profil” pada halaman daftar lahan

2. Tampil halaman ubah profil yang berisi data yang siap untuk diubah

3. Ubah data pada kolom yang tersedia, tekan tombol simpan

4. Lakukan query update pada database

5. Proses perubahan data pada database

6. Tampil pesan sukses ubah

62


2.3. Diagram Aktifitas Tambah Profil Pedagang

aktor

sistem

1. Pilih menu “Tambah Profil” pada halaman profile pedagang 2. Tampil kotak dialog tambah profil yang berisi kolom varietas dan permintaan 3. Isi kolom yang tersedia, varietas dengan masukan AutoCompleteTextView, dan permintaan, tekan tombol OK 4. Lakukan query insert pada database

5. Proses penambahan data pada database

6. Tampil pesan sukses

63


64

2.4. Diagram Aktifitas Ubah Profil Pedagang

aktor

sistem

1. Tekan lama pada salah satu profil, pilih menu “Ubah Data” pada halaman profile pedagang 2. Tampil kotak dialog ubah data yang berisi kolom varietas dan permintaan

3. Isi kolom permintaan, tekan tombol OK


5. Proses perubahan data pada database



65

2.5. Diagram Aktifitas Hapus Profil Pedagang

aktor

sistem

1. Tekan lama pada salah satu profil, pilih menu “Hapus Data” pada halaman profile pedagang 2. Tampil kotak dialog hapus data yang berisi pemberitahuan varietas dan permintaan yang akan dihapus

3. Tekan tombol OK

4. Lakukan query delete pada database

5. Proses penghapusan data pada database



66

2.6. Diagram Aktifitas Perbarui Lokasi Pedagang

aktor

sistem

1. Pilih menu “Perbarui Lokasi” pada halaman profile pedagang 2. Tampil halaman lokasi pedagang yang berisi posisi sementara saat aplikasi diakses

3. Pilih menu “Simpan Posisi”


5. Proses perubahan longitude dan latitude pada database



2.7. Diagram Aktifitas Registrasi

aktor

sistem

1. Tekan tombol bergambar silang untuk pertanyaan apakah sudah punya id

2. Tampil halaman registrasi pengguna yang berisi form pengisian untuk mendaftar sebagai pengguna aplikasi 3. Isi data: ucername, password, nama, alamat, telepon

4. Tekan tombol „kirim‟

5. Menyimpan data yang telah diisi user tersebut ke dalam database

6. Tampilkan pesan registrasi berhasil

67


2.8. Diagram Aktifitas Lihat Rekomendasi

aktor

sistem

1. Tampil halaman profil pengguna (pedagang) 2. Tekan menu, pilih menu „Lihat Rekomendasi‟ 3. Hitung nilai cosim tiap petani dengan hitungcosimpedagang.php

4. Tampil 15 petani dengan nilai cosim terbesar 5. Tekan salah satu kolom petani 6. Ambil data dari database, dan tampilkan halaman detail rekomendasi

68


LAMPIRAN 3 MODEL ANALISIS

3.1 3.2 3.3 3.4

MODEL ANALISIS LOGIN .......................................................... 70 MODEL ANALISIS KELOLA DATA ......................................... 71 MODEL ANALISIS REGISTRASI ............................................... 78 MODEL ANALISIS LIHAT REKOMENDASI ........................... 79

69


70

3.1. Model Analisis Login 3.1.1. Login (Sequence Diagram)

: Halaman Utama

petani

: Halaman Login

Halaman Daftar Lahan

login_ptn.php

1. Pilih tombol bergambar orang 2. Tampil HalamanLogin 3. Isi username, password 4. Tekan tombol Masuk 5. Cek username, password 6. Tampil pesan login sukses 7. Tampil Halaman Daftar Lahan

3.1.2. Login (Collaboration Diagram)

petani

5 2

1

6 halaman utama

halaman login

7

Petani login_ptn.php 3,4

3.1.3. Kelas Analisis Login No. Nama Kelas

Tipe

1.

interface

HalamanUtama

Deskripsi Merupakan halaman awal saat mengakses sistem

Halaman daftar lahan

: Petani


2.

HalamanLoginPtn

interface

3.

HalamanDaftarLahan

interface

71

Halaman untuk melakukan proses login sebagai petani Halaman yang berisi daftar lahan yang dikelola oleh kelompok tani tertentu Kelas php yang berfungsi

4.

login_ptn.php

controller

memvalidasiusername dan password apakah sesuai atau tidak

5.

Tabel petani

Penyimpanan data mengenai petani,

entity

termasuk username dan password

3.2. Model Analisis Kelola Data 3.2.1. Ubah Data Petani (Sequence Diagram)

HalamanDaftarLahan

HalamanUbahProfil

: control Petani

Petani

petani 1. Pilih menu 'ubah profil' 2. Tampil HalamanUbahProfil 3. Ubah data berdasar kolom yang sesuai, tekan tombol simpan 4. lakukan query update pada database 5. perubahan data pada database 5. tampil pesan sukses


72

3.2.2. Ubah Data Petani (Collaboration Diagram)

6 1 HalamanDaftar Lahan

5 4

2 3

petani Control petani

HalamanUbah Profil

Petani

3.2.3. Kelas Analisis Ubah Data Petani No. Nama Kelas

Tipe

1.

HalamanDaftarLahan

interface

2.

HalamanUbahProfil

interface

Deskripsi Merupakan halaman yang berisi data lahan yang dikelola oleh petani Merupakan halaman yang berisi data username, password yang siap diubah Kelas ini sebagai controller yang

3.

Control petani

controller

mengatur proses perubahan data petani untuk disimpan dalam database

4.

petani

entity

Berfungsi sebagai tempat menyimpan data petani


73

3.2.4. Tambah Profil Pedagang (Sequence Diagram)

KotakDialogTambah

Halaman Profil Pedagang

tambahprofil.php

profil_pedagang

1. Pilih menu “Tambah Profil” pada halaman profile pedagang 2. Tampil kotak dialog tambah profil yang berisi kolom varietas dan permintaan 3. Isi kolom yang tersedia, varietas dan permintaan, tekan tombol OK 4. Lakukan query insert pada database 5. Proses penambahan data pada database 6. Tampil pesan sukses

3.2.5. Tambah Profil Pedagang (Collaboration Diagram) 1 Halaman Profil Pedagang 2 Pedagang

5 4 tambahprofil.php 6

3

profil_pedagang

KotakDialog Tambah

3.2.6. Kelas Analisis Tambah Profil Pedagang No. Nama Kelas

Tipe

1.

interface

HalamanProfilPedagang

Deskripsi Merupakan halaman yang berisi data profil pedagang yang sedang login Merupakan tampilan berupa kotak

2.

KotakDialogTambah

interface

dialog untuk menambah profil pedagang, berisi kolom varietas dan permintaan Kelas ini sebagai controller yang

3.

tambahprofil.php

controller

mengatur proses penambahan data profil pedagang untuk disimpan dalam


74

database 4.

profil_pedagang

Berfungsi sebagai tempat menyimpan

entity

data profil pedagang

3.2.7. Ubah Profil Pedagang(Sequence Diagram)


KotakDialogUbah

tambahprofil.php

profil_pedagang

1. Tekan lama pada salah satu profil, pilih menu “Ubah Data” pada halaman profile pedagang 2. Tampil kotak dialog ubah data yang berisi kolom varietas dan permintaan 3. Isi kolom permintaan, tekan tombol OK 4. Lakukan query update pada database 5. Proses perubahan data pada database 6. Tampil pesan sukses

3.2.8. Ubah Profil Pedagang (Collaboration Diagram) 1 Halaman Profil Pedagang 2 Pedagang

5 4 ubahprofil.php 6

3 KotakDialog Ubah

profil_pedagang


75

3.2.9. Kelas AnalisisUbah Profil Pedagang No. Nama Kelas

Tipe

1.

interface



2.

KotakDialogubah

interface

dialog untuk mengubah profil pedagang, berisi kolom varietas dan permintaan Kelas ini sebagai controller yang

3.

ubahprofil.php

controller

mengatur proses perubahan data profil pedagang untuk disimpan dalam database

4.

profil_pedagang

entity

Berfungsi sebagai tempat menyimpan data profil pedagang

3.2.10. Hapus Profil Pedagang (Sequence Diagram)


KotakDialogHapus

hapusVarietas.php

profil_pedagang

1. Tekan lama pada salah satu profil, pilih menu “Hapus Data” pada halaman profile pedagang 2. Tampil kotak dialog hapus data yang berisi pemberitahuan varietas dan permintaan yang akan dihapus 3. Tekan tombol OK 4. Lakukan query delete pada database 5. Proses penghapusan data pada database 6. Tampil pesan sukses


76

3.2.11. Hapus Profil Pedagang(Collaboration Diagram) 1 Halaman Profil Pedagang 2 Pedagang

5 4 hapusvarietas.php 6

3

profil_pedagang

KotakDialog Hapus

3.2.12. Kelas AnalisisHapus Profil Pedagang No. Nama Kelas

Tipe

1.

interface



2.

KotakDialoguHapus

interface

dialog untuk menghapus salah profil pedagang Kelas ini sebagai controller yang

3.

hapusvarietas.php

controller

mengatur proses penghapusan data profil pedagang untuk dihapus dari database

4.

profil_pedagang

entity

Berfungsi sebagai tempat menyimpan data profil pedagang


77

3.2.13. Perbarui Lokasi Pedagang (Sequence Diagram)

HalamanLokasiPedagang


simpanposisi.php

profil_pedagang

1. Pilih menu “Perbarui Lokasi” pada halaman profile pedagang 2. Tampil halaman lokasi pedagang yang berisi posisi sementara saat aplikasi diakses 3. Pilih menu “Simpan Posisi” 4. Lakukan query update pada database 5. Proses perubahan longitude dan latitude pada database 6. Tampil pesan sukses

3.2.14. Perbarui Lokasi Pedagang (Collaboration Diagram) 1 Halaman Profil Pedagang 2 Pedagang

5 4 simpanposisi.php 6

3

profil_pedagang

HalamanLokasi Pedagang

3.2.15. Kelas AnalisisPerbarui Lokasi Pedagang No. Nama Kelas

Tipe

1.

interface


Deskripsi Merupakan halaman yang berisi data profil pedagang yang sedang login Merupakan halaman yang berisi

2.

HalamanLokasiPedagang interface

informasi posisi pedagang sementara, dalam bentuk peta dan informasi longitude dan latitude Kelas ini sebagai controller yang

3.

simpanposisi.php

controller

mengatur proses penambahan data longitude dan latitude pedagang untuk disimpan dalam database


4.

profil_pedagang

78


entity

data profil pedagang

3.3. Model Analisis Registrasi 3.3.1. Registrasi (Sequence Diagram)

registrasi_pdg.php

Halaman Registrasi_pdg

: Halaman Utama

data_pedagang

pedagang 1. Tekan tombol bergambar silang 2. Tampil halaman registrasi 3. Isi data : nama,alamat,no.telpon,username,password 4. Tekan tombol kirim 5. Simpan data ke database (query insert into)

6. Tampil pesan registrasi berhasil

3.3.2. Registrasi (Collaboration Diagram) registrasi_pdg.php

5 1

2

Halaman Utama

5 Halaman Registrasi_pdg

6

Pedagang data_pedagang 3,4

3.3.3. Kelas Analisis Registrasi No. Nama Kelas

Tipe

1.

interface

HalamanUtama

Deskripsi Merupakan halaman awal saat mengakses sistem


79

Merupakan halaman yang berisi field 2.

HalamanRegistrasiPdg

pengisian pendaftaran pengguna,

interface

seperti username, password, nama, alamat, no. telp Kelas php ini sebagai controller yang

3.

registrasi_pdg.php

controller

mengatur proses penyimpanan data pedagang (pengguna)

4.

Tabel data_pedagang


entity

data pedagang (pengguna sistem)

3.4. Model Analisisis Lihat Rekomendasi 3.4.1. Lihat Rekomendasi (Sequence Diagram)


hitungcosimpedagang.php

Halaman Hasil Rekomendasi

1. Tampil halaman profil pedagang 2. Tekan tombol lihat rekomendasi 3. proses menghitung nilai cosinus similarity tiap petani 4. Tampil 15 petani dengan nilai cosim terbesar 5. Tekan salah satu kolom petani 6. Ambil data dari database dan tampil halaman detail rekomendasi

petani

Halaman Detail Rekomendasi


80

3.4.2. Lihat Rekomendasi (Collaborative Diagram) 6

hitungcosimpeda gang.php petani

3 1 2

Halaman Profil Pedagang 5

4 Halaman Hasil Rekomendasi

Pedagang


6

3.4.3. Kelas Analisis Lihat Rekomendasi No. Nama Kelas

Tipe

1.


interface

2.

Halaman Hasil Rekomendasi

interface

3.


interface

4.

hitungcosimpedagang.php controller

5.

Tabel petani

entity

Deskripsi Halaman yang berisi varietas pilihan pedagang beserta jumlah permintaan yang digunakan sebagai profilnya Halaman yang berisi hasil rekomendasi petani yang dianggap paling cocok untuk pedagang Halaman yang berisi detail informasi hasil rekomendasi Berfungsi untuk proses menghitung nilai cosinus similarity tiap petani berdasarkan prodil pedagang Berfungsi menyimpan data lengkap mengenai kelompok tani


81

LAMPIRAN 4 MODEL DESAIN

4.1. 4.2. 4.3. 4.4. 4.5. 4.6. 4.7. 4.8.

DESAIN ANTARMUKA HALAMAN UTAMA ................................. 82 DESAIN ANTARMUKA HALAMAN LOGIN.................................... 83 DESAIN ANTARMUKA HALAMAN REGISTRASI ........................ 84 DESAIN ANTARMUKA HALAMAN PROFIL PEDAGANG .......... 85 DESAIN ANTARMUKA HALAMAN HASIL REKOMENDASI ...... 86 DESAIN ANTARMUKA HALAMAN CARI REKOMENDASI ........ 87 DESAIN ANTARMUKA HALAMAN PILIH VARIETAS ................ 88 DESAIN ANTARMUKA HALAMAN LOKASI PEDAGANG .......... 89


82

4.1.Desain Antarmuka Halaman Utama

Pada halaman ini terdapat beberapa pilihan kegiatan, jika pengguna sebagai petani akan mengakses sistem dapat mengklik pada tombol yang bergambar admin. Jika pengguna sebagai orang yang ingin mencari rekomendasi, terdapat dua pilihan. Apabila sudah tercatat sebagai anggota, maka dapat melakukan login. Tetapi bila belum, bisa melakukan registrasi terlebih dahulu.


4.2.

83

Desain Antarmuka Halaman Login

Pada halaman ini pengguna dipersilakan untuk memasukkan username dan password pada tempat yang sudah disediakan agar bisa mengkases aplikasi ini.


4.3.

84

Desain Antarmuka Halaman Registrasi

Pada halaman ini pengguna dipersilakan untuk mengisi data diri, seperti username, password yang selanjutnya akan digunakan sebagai akses masuk ke dalam aplikasi, data lain seperti nama lengkap, alamat, dan nomor telepon yang akan disimpan di dalam database.


4.4.

85

Desain Antarmuka Halaman Profil Pedagang

Selamat Datang di MyAgresa, Profil Anda sebagai berikut: ____________________ ____________________ ____________________ ____________________ -- Lihat Rekomendasi -____________________ ____________________

Pada halaman ini ditampilkan profil pedagang, berupa varietas padi beserta jumlah permintaan, yang nantinya akan dicocokkan dengan profil petani. Pada halaman ini, pengguna dapat menekan tombol „Lihat Rekomendasi‟ untuk mendapatkan hasil rekomendasi petani mana yang sesuai dengan profil pedagang. Pengguna juga dapat menekan tombol menu pada handphone untuk memilih menu „Tambah Profil‟ untuk menambahkan varietas beserta jumlah permintaan sebagai profil pedagang. Selain itu, pengguna juga dapat menekan pada tiap kolom daftar profil, terdapat pilihan „Hapus Profil‟ dan „Ubah Profil‟, hapus profil untuk menghapus salah satu varietas dari daftar profil pedagang, sedangkan ubah, untuk mengubah jumlah permintaan sari salah satu varietas yang dipilih.


4.5.

86

Desain Antarmuka Halaman Hasil Rekomendasi

Petani yang kami rekomendasikan : ____________________ ____________________ ____________________ ____________________ ____________________ ____________________

Pada halaman ini ditampilkan hasil rekomendasi petani yang sesuai dengan profil pedagang yang mencari rekomendasi. Hasil rekomendasi berupa 15 urutan kelompok tani dengan nilai cosinus similarity terbesar. Pengguna dapat menekan salah satu kolom kelompok tani, untuk mengetahui detail informasi mengenai kelompok tani tersebut.


4.6.

87

Desain Antarmuka Halaman Cari Rekomendasi

Untuk mencari rekomendasi lahan, masukkan pilihan berikut : --pilih varietas---perlihatkan posisi-permintaan rekomendasi

Selain berdasarkan profil yang tersimpan dalam database, pengguna juga dapat melakukan pencarian rekomendasi berdasarkan keinginannya sendiri. Setelah pedagang berhasil registrasi atau login, pada halaman profil pedagang, terdapat menu „Pencarian Baru‟, maka akan ditampilkan halaman cari rekomendasi. Pada halaman ini pedagang diminta memasukkan posisi saat dia mengakses sistem tersebut, kemudian varietas tanaman yang diinginkan, jumlah permintaan dalam satuan kg.


4.7.

88

Desain Antarmuka Halaman Pilih Varietas

Setelah tombol pilih varietas ditekan, maka halaman yang akan muncul ada adalah halaman in. Halaman ini berisi 75 data mengenai varietas tanaman yang tersimpan dalam database. Untuk cara memilihnya, pengguna dapat melakukan checklist satu persatu pada varietas yang diinginkan. Setelah itu untuk menyimpan data yang barusan dipilih, tekan tombol pilih, yang ada bagian atas halaman.


4.8.

89

Desain Antarmuka Halaman Lokasi Pedagang

Pada halaman ini ditampilkan posisi sementara saat pengguna mengakses sistem. Pengguna dapat menyimpan posisi tersebut, sehingga longitude dan latitude akan tersimpan dalah database. Pengguna dapat menekan tombol menu pada handphone dan memilih menu „Simpan Posisi‟ sehingga posisi sementara itu akan tersimpan dalam database.


90

LAMPIRAN 5 IMPLEMENTASI USECASE

5.1 5.2 5.3 5.4

USECASE REGISTRASI............................................................... 91 USECASE LOGIN......................................................................... 92 USECASE KELOLA DATA......................................................... 93 USECASE LIHAT REKOMENDASI........................................... 96


91

5.1 Registrasi 5.1.1

Halaman Registrasi Pedagang

Gambar 5.1

Halaman registrasi ini digunakan oleh pengguna yang ingin mendaftar sebagai pedagang, agar bisa mendapatkan informasi mengenai lahan yang dicari. Data-data yang perlu dimasukkan adalah username, password, nama, alamat. Jika data-data yang diisikan tersebut sudah benar dan sesuai format, saat tombol simpan ditekan, maka akan muncul pesan yang menginformasikan bahwa data berhasil disimpan.


5.2

92

Login 5.2.1

Halaman Login Pedagang

Gambar 5.2 Halaman login ini digunakan oleh pengguna yang terdaftar sebagai pedagang untuk dapat mengakses aplikasi. Pengguna harus melakukan login terlebih dahulu agar dapat melakukan pencarian rekomendasi.


5.3

93

Kelola Data 5.3.1

Halaman Ubah Profil Petani

Gambar 5.3

Halaman ini digunakan untuk mengubah data diri petani, seperti nama kelompok tani, username, dan password.


94

5.3.2 Halaman Ubah Data Lahan

Gambar 5.4 Halaman ini digunakan untuk mengubah data lahan, seperti tanggal tanam, dan tanggal panen.


95

5.3.3 Halaman Detail Lahan

Gambar 5.4

Halaman ini digunakan untuk melihat detail informasi mengenai lahan yang dikelola petani. Terdapat informasi mengenai jenis tanaman, varietas, tanggal tanam, tanggal panen, luas lahan, hasil panen.


5.4

96

Lihat Rekomendasi 5.4.1 Halaman Profil Pedagang

Gambar 5.5 Setelah berhasil login, maka sistem akan menampilkan data profil pedagang yang berupa varietas dan jumlah permintaan. Untuk mengetahui rekomendasi petani yang sesuai dengan profil pedagang, dapat menekan tombol „Lihat Rekomendasi‟. Untuk menambah varietas tanaman sebagai profil, dapat menekan tombol menu pada handphone, dan memilih menu „Tambah Data‟. Sedangkan untuk menu „Pencarian Baru‟ digunakan apabila penggguna ingin melakukan pencarian rekomendasi tetapi tidak berdasarkan profil yang tersimpan dalam database.


97

Gambar 5.6

5.4.2 Halaman Hasil Rekomendasi

Gambar 5.7 Setelah menekan tombol „Hasil Rekomendasi‟ maka sistem akan menampilkan daftar petani yang cocok dengan profil pedagang. Petani yang ditampilkan hanya yang mempunyai nilai cosinus similarity dengan urutan 15 terbesar.


98

5.4.3 Halaman Cari Rekomendasi

Gambar 5.8 Setelah menekan tombol „Pencarian Baru‟ maka sistem akan menampilkan halaman cari rekomendasi. Terdapat tiga hal yang harus diisi oleh pengguna, yaitu varietas, posisi sementara, dan jumlah permintaan.


99

5.4.4 Halaman Pilih Varietas

Gambar 5.9

Halaman pilih varietas digunakan oleh pengguna yang terdaftar sebagai pedagang. Setelah masuk ke halaman cari rekomendasi, pengguna diminta untuk memasukkan pilihan varietas yang nantinya akan digunakan sebagai profil item.


100

5.4.5 Halaman Lokasi Pedagang

Gambar 5.10

Halaman lokasi pedagang digunakan oleh pengguna yang terdaftar sebagai pedagang. Setelah masuk ke halaman cari rekomendasi, pengguna diminta untuk memasukkan posisi saat mengakses aplikasi. Tekan tombol menu, dan pilih menu „Simpan Posisi‟ maka longitude latitude pengguna akan tersimpan dalam database.


101

5.4.6 Halaman Hasil Jarak

Gambar 5.11

Gambar 5.12 Setelah menekan tombol „Lanjutkan‟ pada halaman cari rekomendasi, lalu sistem akan menampilkan halaman hasil rekomendasi. Jika pengguna

ingin

mendapatkan

hasil

rekomendasi

yang

juga

mempertimbangkan jarak lokasi lahan dengan posisi sementara pengguna, maka dengan menekan menu „Rekomendasi Berdasar Jarak‟ sistem akan menampilkan hasil rekomendasi yang telah diurutkan berdasar jarak yang paling dekat.


102

LAMPIRAN 6 PERHITUNGAN MANUAL

Perhitungan manual dilakukan dengan menggunakan data sampel : Berikut adalah contoh perhitungan kemiripan profil dengan algoritma vector space model, yang telah disesuaikan dengan kasus pada penelitian tugas akhir ini : PEDAGANG

Petani 1

Petani 2

Petani 3

Petani 4

Petani 5

Sibundong

-

-

-

-

-

Angke

-

-

-

-

-

Banyuasin

-

-

-

-

-

-

-

-

-

-

-

-

-

-

Piaman

-

-

-

-

-

Batanghari

-

-

-

-

-

Batutegi

-

-

-

-

-

-

-

-

-

-

-

-

Aek

Batang Gadis

1848

Batang Lembang Batang

Bernas 1897.7

Prima

2408

Bondojudo

-

-

Celebes

-

-

2646.7

-

Ciapus

-

-

1971.2

-

Ciasem

-

-

Cibodas

50

1946

2308.6

2065.7

2765

2200.1

Cibogo

-

-

-

-

-

Cigeulis

-

-

-

-

-

Ciherang

50

2615.2

-

1937.6

-

2591.4

1984.5

2510.9

Cilamaya Muncul Ciliwung

Cirata

-

1758.4

Cimelati

-

2048.9

-

-

-

-

-

-

-

2690.1

-

-


Cisadane

1763.3

1841

Cisantana

2685.2

2656.5

2373.7

Cisokan

-

-

Conde

-

-

-

-

-

-

103

-

2443

-

2595.6

2482.9

2401.7 -

-

Danau Gaung

2275.7

Fatmawati

1762.6

1898.4 2276.4

-

2602.6

2618

2060.1

1824.2

Gilingsing

-

-

-

Gilirang

-

-

-

-

-

Hipa 3

-

-

-

-

-

Hipa 4

-

-

-

-

-

Pioneer

-

-

2243.5

2473.8

-

Impari

-

-

2400.3

2702

-

Inpara 1

-

-

-

-

-

Inpara 2

-

-

-

-

-

Inpara 3

-

-

-

-

-

Hipa 8

INPARI 1

50

1829.1

INPARI 2

-

INPARI 3

-

2607.5

1869.7

1961.4

1814.4

2429.7

2265.2

1816.5

INPARI 4

2149

1793.4

-

-

-

-

-

-

-

-

-

-

-

-

-

Inpari 8

-

Inpari 9 Elo

-

Intani 1

-

-

-

-

-

Intani 2

-

-

-

-

-

2415.7

2500.4

IR 36

-

2755.9

IR 42

-

2191

IR 64

-

1883 2181.9

IR 66

2502.5

2270.8

2702.7 2662.8

2586.5

2170.7

1817.9

-

Kalimas

-

-

-

-

-

Ketonggo

-

-

-

-

-

Konawe

-

-

-

-

-

Lambur

-

-

-

-

-

Limboto

-

-

-

-

-

Logawa

-

-

-

-

-

Luk Ulo

-

-

-

-

-

Lusi

-

-

-

-

-

-

-

-

Martapura

-

-

-

-

-

Mekongga

-

-

-

-

-

Margasari

50

2644.6


Mendawak

-

-

-

-

-

Mendawan

-

-

-

-

Hipa 5 Ceva

-

-

-

-

-

Pepe

-

-

-

-

-

Rokan

-

Sarinah

-

-

-

-

-

Setail

-

-

-

-

-

Siak raya

-

-

-

-

Silugonggo

-

-

-

-

-

Singkil

-

-

-

-

-

Sintanur

-

-

-

-

-

Situ bagendit

-

-

-

2769.2

2681.7

2251.2

2508.8

2186.8

104

1908.2

2039.1

Situ 2777.6

Patenggang

-

-

2075.5

-

Sunggal

-

-

-

-

-

Towuti

-

-

-

-

-

Kolom pedagang pada tabel tersebut merupakan user query. Pada tabel terlihat bahwa user (pedagang) menginginkan padi varietas Cibodas sebesar 50, Ciherang 50, Inpari 1 50, dan Margasari 50. Ide dari metode vector space model ini adalah menghitung nilai cosinus sudut dari dua vector, pada kasus ini adalah W dari petani sebagai profil item dengan W dari pedagang sebagai profil user. Nilai w sudah didapat, seperti yang tercantum pada tabel berikut : Pedagang * Petani 1

Pedagang * Petani 2

Pedagang * Petani 3

Pedagang * Petani 4

Pedagang * Petani 5

Aek Sibundong

0

0

0

0

0

Angke

0

0

0

0

0

Banyuasin

0

0

0

0

0

Batang Gadis

0

0

0

0

0

Batang Lembang

0

0

0

0

0

Batang Piaman

0

0

0

0

0

Batanghari

0

0

0

0

0

Batutegi

0

0

0

0

0

Bernas Prima

0

0

0

0

0

Bondojudo

0

0

0

0

0

Celebes

0

0

0

0

0


105

Ciapus

0

0

0

0

0

Ciasem

0

0

0

0

0

97300

0

115430

138250

110005

Cibogo

0

0

0

0

0

Cigeulis

0

0

0

0

0

Ciherang Cilamaya Muncul

130760

0

129570

99225

125545

0

0

0

0

0

Ciliwung

0

0

0

0

0

Cimelati

0

0

0

0

0

Cirata

0

0

0

0

0

Cisadane

0

0

0

0

0

Cisantana

0

0

0

0

0

Cisokan

0

0

0

0

0

Conde

0

0

0

0

0

Danau Gaung

0

0

0

0

0

Fatmawati

0

0

0

0

0

Gilingsing

0

0

0

0

0

Gilirang

0

0

0

0

0

Hipa 3

0

0

0

0

0

Hipa 4

0

0

0

0

0

Hipa 8 Pioneer

0

0

0

0

0

Impari

0

0

0

0

0

Inpara 1

0

0

0

0

0

Inpara 2

0

0

0

0

0

Inpara 3

0

0

0

0

0

INPARI 1

91455

107450

130375

93485

0

INPARI 2

0

0

0

0

0

INPARI 3

0

0

0

0

0

INPARI 4

0

0

0

0

0

Inpari 8

0

0

0

0

0

Inpari 9 Elo

0

0

0

0

0

Intani 1

0

0

0

0

0

Intani 2

0

0

0

0

0

IR 36

0

0

0

0

0

IR 42

0

0

0

0

0

IR 64

0

0

0

0

0

IR 66

0

0

0

0

0

Kalimas

0

0

0

0

0

Ketonggo

0

0

0

0

0

Konawe

0

0

0

0

0

Lambur

0

0

0

0

0

Cibodas


106

Limboto

0

0

0

0

0

Logawa

0

0

0

0

0

Luk Ulo

0

0

0

0

0

Lusi

0

0

0

0

0

Margasari

0

0

0

132230

0

Martapura

0

0

0

0

0

Mekongga

0

0

0

0

0

Mendawak

0

0

0

0

0

Mendawan

0

0

0

0

0

Hipa 5 Ceva

0

0

0

0

0

Pepe

0

0

0

0

0

Rokan

0

0

0

0

0

Sarinah

0

0

0

0

0

Setail

0

0

0

0

0

Siak raya

0

0

0

0

0

Silugonggo

0

0

0

0

0

Singkil

0

0

0

0

0

Sintanur

0

0

0

0

0

Situ bagendit

0

0

0

0

0

Situ Patenggang

0

0

0

0

0

Sunggal

0

0

0

0

0

Towuti SUM

0

0

0

0

0

319515

107450

375375

463190

235550

Pada tahap tersebut bobot dari query dikalikan dengan bobot item yang terdapat di setiap datalahan, kemudian dijumlahkan untuk setiap lahannya. Kemudian langkah selanjutnya adalah mengkuadratkan bobot query. Bobot item di setiap lahan juga dikuadratkan. Kemudian dijumlahkan untuk tiap lahannya. Hasilnya seperti pada tabel berikut : PEDAGANG ^2

Petani 1 ^2

Petani 2 ^2

Petani 3 ^2

Petani 4 ^2

Petani 5 ^2

Aek Sibundong

0

0

0

0

0

0

Angke

0

0

0

0

0

0

Banyuasin

0

0

0

0

0

0

Batang Gadis Batang Lembang

0

0

0

0

0

3415104

0

0

0

0

0

0

Batang Piaman

0

0

0

0

0

0

Batanghari

0

0

0

0

0

0


107

Batutegi

0

0

0

0

0

0

Bernas Prima

0

3601265.29

5798464

0

0

0

Bondojudo

0

0

0

0

0

0

Celebes

0

0

0

7005020.89

0

0

Ciapus

0

0

0

3885629.44

0

4267116.49

0

0

0

0

0

0

2500

3786916

0

5329633.96

7645225

4840440.01

Cibogo

0

0

0

0

0

0

Cigeulis

0

0

0

0

0

0

Ciherang Cilamaya Muncul

2500

6839271.04

0

6715353.96

3938240.25

6304618.81

0

3754293.76

0

0

0

0

Ciliwung

0

0

0

4197991.21

0

0

Cimelati

0

3091970.56

0

0

7236638.01

0

Cirata

0

0

0

0

0

0

Cisadane

0

3109226.89

3389281

5634451.69

0

5968249

Cisantana

0

7210299.04

7056992

0

0

6737139.36

Cisokan

0

0

0

6164792.41

5768162.89

0

Conde

0

0

0

0

0

0

Danau Gaung

0

0

0

0

3603922.56

0

Fatmawati

0

5178810.49

3106759

5181996.96

6773526.76

6853924

Gilingsing

0

0

0

0

4244012.01

3327705.64

Gilirang

0

0

0

0

0

0

Hipa 3

0

0

0

0

0

0

Hipa 4

0

0

0

0

0

0

Hipa 8 Pioneer

0

0

0

5033292.25

6119686.44

0

Impari

0

0

0

5761440.09

7300804

0

Inpara 1

0

0

0

0

0

0

Inpara 2

0

0

0

0

0

0

Inpara 3

0

0

0

0

0

0

INPARI 1

2500

3345606.81

4618201

6799056.25

3495778.09

0

INPARI 2

0

0

3847090

3292047.36

5903442.09

3216283.56

INPARI 3

0

0

0

5131131.04

0

0

INPARI 4

0

3299672.25

0

0

0

0

Inpari 8

0

0

0

0

0

0

Inpari 9 Elo

0

0

5835606

0

0

0

Intani 1

0

0

0

0

0

0

Intani 2

0

0

0

0

0

0

IR 36

0

6252000.16

0

7594984.81

6262506.25

5156532.64

IR 42

0

0

4800481

0

7304587.29

0

IR 64

0

0

3545689

7090503.84

6689982.25

4711938.49

IR 66

0

4760687.61

0

3304760.41

0

0

Ciasem Cibodas


108

Kalimas

0

0

0

0

0

0

Ketonggo

0

0

0

0

0

0

Konawe

0

0

0

0

0

0

Lambur

0

0

0

0

0

0

Limboto

0

0

0

0

0

0

Logawa

0

0

0

0

0

0

Luk Ulo

0

0

0

0

0

0

Lusi

0

0

0

0

0

0

Margasari

2500

0

0

0

6993909.16

0

Martapura

0

0

0

0

0

0

Mekongga

0

0

0

0

0

0

Mendawak

0

0

0

0

0

0

Mendawan

0

0

7668469

0

0

0

Hipa 5 Ceva

0

0

0

0

0

0

Pepe

0

0

0

0

0

0

Rokan

0

0

7191515

5067901.44

0

3641227.24

Sarinah

0

0

0

0

0

0

Setail

0

0

0

0

0

0

Siak raya

0

0

0

6294077.44

0

0

Silugonggo

0

0

0

0

0

0

Singkil

0

0

0

0

0

0

Sintanur

0

0

0

0

0

0

Situ bagendit Situ Patenggang

0

0

4782094

0

0

4157928.81

0

7715061.76

0

0

4307700.25

0

Sunggal

0

0

0

0

0

0

Towuti SUM SQRT

0

0

0

0

0

0

10000

61945081.66

61640641

99484065.45

93588123.3

62598208.05

100

7870.519783

7851.155

9974.169913

9674.095477

7911.902935

Langkah terakhir adalah dengan memasukkan rumus cosine similarity seperti pada persamaan 2.2, dan hasilnya seperti pada tabel berikut : Petani 1 Petani 2 Petani 3 Petani 4 Petani 5 0.405964293 0.136858837 0.376347 0.478794117 0.297715988

Jika dilihat dari hasil perhitungan di atas, dapat ditarik kesimpulan bahwa yang mendekati kemiripan dengan profil pedagang adalah petani no 4 dengan nilai similarity 0,47879. Di urutan kedua adalah petani 1 dengan nilai 0,40596.


109

Urutan ketiga adalah petani 3 dengan nilai 0,376347. Sedangkan urutan keempat dan kelima adalah petani 5 dengan nilai 0,29771, dan petani 2 dengan 0,13685. Dalam metode penghitungan cosine similarity, hasil yang paling mirip adalah yang mendekati nilai satu.


110

LAMPIRAN 7 IMPLEMENTASI FILE

Dari desain kelas yang telah dibuat sebelumnya, berikut ini adalah implementasi dari desain kelas yang akan digunakan oleh sistem.

No

Use case

Nama File

Jenis

1.

Registrasi

HalamanUtama.java

Interface

HalamanRegistrasiPdg.java

Interface

HalamanRegistrasiPtn.java

Interface

registrasi_pdg.php

Controller

registrasi_ptn.php

Controller

Tabel data_pedagang

Entity

Tabel petani

Entity

HalamanLoginPdg.java

Interface

HalamanLoginPtn.java

Interface

login_pedagang.php

Controller

login_ptn.php

Controller

Tabel data_pedagang

Entity

Tabel petani

Entity

HalamanDaftarLahan.java

Interface

HalamanDetailLahan.java

Interface

HalamanPosisiLahan.java

Interface

HalamanUbahProfilPtn.java

Interface

HalamanLokasiPedagang.java

Interface

JSONParser.java

Controller

lahan-json.php

Controller

2.

3.

Login

Kelola Data


4.

Lihat

detail-lahan.php

Controller

ubahdataprofil.php

Controller

ubahsimpanprofil.php

Controller

Tabel data_lahan

Entity

Tabel petani

Entity

Tabel profil_pedagang

Entity


Interface

HalamanCariRekomendasi.java

Interface

HalamanPilihVarietas.java

Interface

Rekomendasi

HalamanHasilRekomendasi.java Interface HalamanHasilJarak.java

Interface

HalamanLokasiPedagang

Interface

pilihvarietas.php

Controller

check.php

Controller

simpanposisipdg.php

Controller

hitungcosimpdg.php

Controller

berdasarjarak.php

Controller

simpanjarak.php

Controller

hitungcosimptn.php

Controller

Tabel data_lahan_index

Entity

Tabel profil_pedagang

Entity

Tabel petani

Entity

Tabel petani_jarak

Entity

Tabel query_pdg

Entity

111


Kelas-kelas interface sebagai berikut : HalamanRegistrasiPtn

HalamanRegistrasiPdg Txtuname : EditText

Txtuname : EditText

Txtpasswd : EditText

Txtpasswd : EditText

Txtnama : EditText

Txtnama : EditText

Txttelpon : EditText

Txttelpon : EditText

Txtalamat : EditText

Txtalamat : EditText

Kirim : Button

Kirim : Button

HalamanLoginPtn

HalamanLoginPdg

user: EditText

user: EditText

pass: EditText

pass: EditText loginBtn:

loginBtn:

Button

Button

regBtn : Button

HalamanDaftarLahan

HalamanPosisiLahan

Listview

mapView : MapView

HalamanDetailLahan

HalamanUbahProfilPtn

Kodee : TextView

Namakelompok : EditText

jenis: TextView

Uname :

varietas: TextView

Passwd :

tanggal: TextView

Simpanubah : Button

EditText EditText

luas: TextView hasil: TextView

HalamanPilihVarietas Listvarietas :

List<String>

112


113

Konfirmvarietas : Button

HalamanCariRekomendasi permintaan : EditText cari_rek_btn :

Button

pilihvarietas :

lihatposisi : Button

HalamanHasilRekomendasi Rekomendasi :

cari_rek2 : Button

JSONArray

daftar_rekomendasi

Button

result :

:

ArrayList
var :

String>>

posisi :

TextView

TextView TextView

HalamanLokasiPedagang HalamanLokasiPedagang

mapView :

mapView : MapView

locManager :

MapView LocationManager

locListener

:

LocationListener lat : Double lon : Double

HalamanHasilJarak Rekomendasi :

JSONArray

daftar_rekomendasi ArrayList>

:

HalamanUtama Txtuname : EditText Txtpasswd : EditText Txtnama : EditText Txttelpon : EditText Txtalamat : EditText Kirim : Button

Entity merupakan nama tabel dari basisdata yang digunakan. Entity disini merupakan nama tabel dari basisdata karena pada aplikasi MyAgresa ini, yang berfungsi sebagai entity adalah tabel yang bersangkutan.


114

Kelas-kelas yang bertipe controller adalah : 1. registrasi_pdg Tujuan : Menambah data pedagang Algoritma : 1. Baca masukan username, password, nama kelompok tani, alamat, telepon 2. Lakukan query simpan pada tabel data_pedagang Listing :

2. login_pdg.php Tujuan : Mencocokkan username dan password yang dimaksudkan pada form login oleh pengguna. Algoritma : 1. Baca masukan username dan password dari pengguna 2. Lakukan query pencocokan pada tabel data_pedagang 3. Jika data cocok maka proses login berhasil


115

Listing :
echo 1;

} else {

echo 0;

}

3. lahan-json.php Tujuan : Mengambil data lahan dari database untuk ditampilkan dalam listview Algoritma : 1. Baca id_kel_tani dari pengguna yang berhasil login 2. Lakukan query ambil data pada tabel data_lahan 3. Tampilkan dalam bentuk array ke dalam listview Listing : ','
'); if(strlen($v)<15)

{

$v .= '{"id" : "'.$r['id_lahan'].'", "judul" : "'.str_replace($ob,' ',strip_tags($r["jenis"])).'", "content" : "'.str_replace($ob,' ',strip_tags($r["varietas"])).'"}'; }


116

else { $v .= ',{"id" : "'.$r['id_lahan'].'", "judul" : "'.str_replace($ob,' ',strip_tags($r["jenis"])).'", "content" : "'.str_replace($ob,' ',strip_tags($r["varietas"])).'"}'; } } $v .= ']}'; echo $v; ?>

4. ubahsimpanprofil.php Tujuan : Mengubah data petani pada database. Algoritma : 1. Baca id_kel_tani dari pengguna yang berhasil login 2. Lakukan query ubah data pada tabel petani Listing :

5. hitungcosimpetani.php Tujuan : Menghitung nilai cosinus similarity tiap petani berdasarkan profil dari pedagang. Algoritma : 1. Baca id_pedagang dari pengguna yang sedang login 2. Hitung jumlah petani yang ada di database 3. Hitung jumlah produk yang ada di database 4. Lakukan perulangan, selama i < langkah 2, maka lakukan langkah 5 5. Lakukan perulangan, selama i < langkah 3, maka lakukan langkah 6


117

6. Lakukan query untuk select untuk mendapatkan nilai hasil panen tiap produk dari setiap petani 7. Kuadratkan nilai hasil panen 8. Jumlahkan hasil dari langkah 7 9. Akarkan hasil dari langkah 7 10. Lakukan query select utnuk mendapatkan jumlah permintaan pedagang untuk tiap produk 11. Kuadratkan nilai hasil permintaan 12. Kalikan hasil dari langkah 6 dan langkah 10 13. Jumlahkan hasil dari langkah 12 14. Jumlahkan hasil dari langkah 11 15. Akarkan hasil dari langkah 14 16. Hitung nilai cosinus similarity : hasil dari langkah 12 / (hasil langkah 9*langkah 15) Listing : //untuk mencari jumlah petani yang ada di database while($result=mysql_fetch_array($query1)) { $petani[] = $result["id_kel_tani"]; } //untuk mencari jumlah pedagang yang ada di database while($result=mysql_fetch_array($query4coba)) { $pedagang[] = $result["id_pedagang"]; } //untuk mencari jumlah produk yang ada di database while($r=mysql_fetch_array($query2)) { $produk[] = $r["id_produk"]; //id_produk } //mengambil data bobot ternormalisasi pada produk untuk setiap petani for ($i=0;$i
6. pilihvarietas.php Tujuan : Mengambil data semua varietas tanaman dari database untuk ditampilkan dalam listview. Algoritma : 1. Lakukan query select * from product Listing :

119

} $data = "{varietas:".json_encode($rows)."}"; echo $data; ?>

7. check.php Tujuan : Mengambil data semua varietas tanaman dari database untuk ditampilkan dalam listview. Algoritma : 1. Baca id_pedagang dari pengguna yang login 2. Ambil isi dari variabel hasil, simpan dalam variabel data. 3. Pecah isi isi dari variabel data berdasar tanda koma. 4. Lakukan query hapus isi tabel query_pdg 5. Lakukan query simpan data id_pedagang, id_produk, id_query pada tabel query_pdg

Listing :

8. simpanposisipdg.php Tujuan : Menyimpan data posisi berupa longitude dan latitude pengguna pada saat mengakses sistem.


120

Algoritma : 1. Baca id_pedagang dari pengguna yang login 2. Ambil nilai dari variabel lat dan lon 3. Lakukan query updatepada tabel query_pdg

9. simpanjarak.php Tujuan : Menghitung jarak antara posisi saat ini pengguna dengan posisi semua kelompok tani. Algoritma : 1. Lakukan query $latitude1 untuk mengambil nilai latitude pedagang 2. Lakukan query $longitude1 untuk mengambil nilai longitude pedagang 3. Lakukan query $latitude2 mengambil nilai latitude petani 4. Lakukan query $longitude2 mengambil nilai longitude petani Listing :
}


121

$long[] = $res["longitude"]; //longitude_petani} while($r=mysql_fetch_array($latitude1)){ $lati[] = $r["latitude"]; //latitude_pdg

}

while($r=mysql_fetch_array($longitude1)){ $longi[] = $r["longitude"]; //latitude_pdg

}

for ($i=0;$i

10. berdasarjarak.php Tujuan : Mengurutkan posisi kemiripan berdasarkan urutan jarak antara pengguna, dengan tiap lahan. Algoritma : 1. Lakukan query hapus tabel petani_jarak 2. Lakukan query buat tabel petani_jarak dengan data yang sama dengan tabel petani tetapi syaratnya nilai cosim diurutkan sampai 5 terbesar 3. Lakukan query ambil data dari tabel petani_jarak diurutkan berdasarkan nilai jaraknya Listing :

$result2 = mysql_query($q2, $link) or die('Errorquery: '.$q2); $result3 = mysql_query($q3, $link) or die('Errorquery: '.$q3); $result4 = mysql_query($q4, $link) or die('Errorquery: '.$q4); $rows = array(); while ($r = mysql_fetch_assoc($result4)) { $rows[] = $r; } $data = "{jarak:".json_encode($rows)."}"; echo $data; ?>

122

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

Recommend Documents