Text 1 ABSTRAK pdf

(1)

BAB III

METODOLOGI PENELITIAN

3.1Waktu dan Tempat Penelitian

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

3.2Metodologi Penelitian

3.2.1 Alir Penelitian

(2)

1. Identifikas Masalah

2. Studi literatur

3. Perencanaan - Pengumpulan Data

5. Desain Sistem

5.1 Desain DFD & ERD

5.2. Desain Interface 1 5.3. Desain Interface 2

6. Implementasi 6.1. Implementasi Database

6.2. Pembuatan Program Berbasis Web

6.3. Pembuatan Program Berbasis Mobile

7. Pengujian

8. Analisis Hasil Penelitian

A. Langkah I

B. Langkah II

C. Langkah III

4. Analisis

[image:2.595.115.514.83.649.2]

4.1 Analisis Kebutuhan Sistem 4.2 Pengolahan Data Manual

(3)

Penjelasan dari diagram alir metodologi penelitian pada Gambar 3.1 adalah sebagai berikut.

A. Langkah I

1. Identifikasi Masalah

Tahapan pertama yang dilakukan pada langkah pertama yaitu identifikasi masalah. Tahap identifikasi masalah merupakan tahapan dasar dimana pada tahapan ini dilakukan pengidentifikasian dan penganalisaan terhadap permasalahan-permasalahan yang ada pada perusahaan yang akan diteliti. Tahapan ini akan menghasilkan perumusan masalah, tujuan penelitian, manfaat penelitian dan juga batasan-batasan permasalahan. Rumusan malasah merupakan kalimat pertanyaan untuk menunjukkan penelitian mengarah pada suatu permasalahan atau isu tertentu. Manfaat penelitian menguraikan manfaat dari Sistem Pendukung Keputusan (SPK) penempatan cabang baru PT. Tunas Dwipa Matra berbasis SIG yang dibangun untuk perusahaan dan pengembang. Sedangkan batasan masalah digunakan untuk membatasi pembahasan dan ruang lingkup penelitian.

2. Studi Literatur

(4)

B. Langkah II 3. Perencanaan

Tahapan pertama yang dilakukan pada langkah kedua yaitu perencanaan yang meliputi pengumpulan data. Pengumpulan data yang dilakukan berupa data atribut dan data spasial dealer-dealer Honda di Bandar Lampung. Selain itu juga dibutuhkan data kriteria yang menjadi penentu penempatan cabang baru. Pengumpulan data juga dilakukan di Kantor Badan Pusat Statistik Kota Bandar Lampung untuk mengetahui jumlah penduduk di Kota Bandar Lampung tiap kecamatan.

4. Analisis

Tahapan berikutnya adalah analisis kebutuhan dasar sistem untuk mengetahui fungsionalitas yang harus ada pada sistem dan pengolahan data manual. Pada tahapan ini dilakukan percobaan perhitungan pengambilan keputusan secara menual atau tanpa bantuan alat/sistem. Hal ini dilakukan untuk mengetahui detail perhitungan pengambilan keputusan sehingga mengurangi kesalahan dalam tahap perancangan sistem.

5. Desain Sistem

(5)

antarmuka ini dilakukan untuk merancang tata letak sistem sesuai dengan analisis kebutuhan sistem.

6. Implementasi

Tahapan berikutnya adalah implementasi. Dimulai dengan pembuatan database. Kemudian pembuatan program (koding) sistem berbasis web. Pada sistem berbasis web ini yang akan dibangun Sistem Pendukung Keputusan (SPK) dan Sistem Informasi Geografis (SIG). Selanjutnya pembuatan program (koding) sistem berbasis mobile

sebagai piranti input data survey yang nantinya data tersebut akan diolah pada sistem berbasis web.

7. Pengujian

(6)

C. Langkah III

8. Analisis Hasil Penelitian

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

3.2.2 Metode Pengembangan Sistem

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

1. Perencanaan (Pengumpulan Data)

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

(7)

 Biaya.

 Jumlah bengkel disekitar lokasi.

 Jumlah showroom disekitar lokasi.  Jumlah penduduk

 Jumlah market disekitar lokasi.

 Tipe jalan.

 Jarak dengan delaer AHM.

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

Metode pengumpulan data merupakan salah satu aspek yang berperan dalam kelancaran dan keberhasilan dalam suatu penelitian. Dalam penelitian ini metode pengumpulan data yang digunakan adalah sebagai berikut.

a. Metode Wawancara

Metode Wawancara dilakukan dengan melakukan dialog dengan narasumber untuk memperoleh informasi yang dibutuhkan. Wawancara dilakukan dengan

Manager departement IT. Infromasi yang diperoleh adalah data-data atribut yang dibutuhkan untuk membangun sistem. Selain itu diperoleh juga data faktor-faktor penentu lokasi penempatan cabang baru melalui wawancara dengan Manager Marketing.

b. Metode Dokumentasi

(8)

dilakukan untuk memperleh data atribut lokasi berupa alamat, nomor telepon, kategori dealer dan data spatial berupa titik-titik koordinat lokasi main dealer

dan retail. Data tersebut terdapat pada database PT Tunas Dwpa Matra. Pengumpulan data juga dilakukan di Kantor Badan Pusat Statistik Kota Bandar Lampung untuk mengetahui jumlah penduduk di Kota Bandar Lampung tiap kecamatan.

c. Studi Literatur

Studi literatur yang digunakan yaitu buku-buku, jurnal, dan internet yang menyajikan informasi tentang Sistem Pengambilan Keputusan, Sistem Informasi Geografis, metode SAW, Eclipse, Android dan bahasa pemrograman Java, java script, php dan html.

2. Analisis

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

(9)

a. Identifikasi Masalah

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

b. Analisis Kebutuhan sistem

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

 Sistem dapat menampilkan hasil rekomendasi penempatan cabang

berdasarkan urutan terbaik.

 Sistem dapat menampilkan hasil rekomendasi berdasarkan kasus yang

(10)

 Sistem mampu memetakan dealer-delaer Honda yang ada di Bandar

Lampung dan lokasi hasil survey ke dalam peta Google Maps API.  Sistem dapat menampilkan rute dari posisi pengguna ke lokasi survey.

 Sistem memiliki admin yang mampu mengolah data dealer-delaer Honda,

mengolah data survey, mengolah data login, mengolah data kasus, mengubah bobot kriteria, dan mengolah data jumlah penduduk.

 Sistem berbasis mobile mampu menginputkan hasil survey ke dalam

database.

c. Pengolahan Data Manual

Pada tahap ini dilakukan perhitungan data secara manual menggunakan metode

Simple Additive Weighting (SAW). Terdapat 7 variabel kriteria penentu penempatan cabang PT. Tunas Dwipa Matra yang diperoleh dari hasil wawancara dengan Manager Marketing yaitu biaya, jumlah bengkel di sekitar lokasi, jumah

showroom di sekitar lokasi, jumlah market di sekitar lokasi, jenis jalan, jarak

dealer Honda terdekat dari lokasi, dan jumlah penduduk. Adapun pembobotan untuk masing-masing variabel kriteria adalah sebagai berikut.

1. Biaya (C1) = 5%

2. Jumlah bengkel di sekitar lokasi (C2) = 10% 3. Jumah showroom di sekitar lokasi (C3) = 10%

4. Jenis jalan (C4) = 10%

5. Jarak dealer Honda terdekat dari lokasi (C5) = 20% 6. Jumlah market di sekitar lokasi (C6) = 10%

(11)

Format preferensi di dalam sistem penunjang keputusan ini adalah sebagai berikut.

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

[image:11.595.138.517.465.552.2]

2) C1, dibagi menjadi 5 angka fuzzy, antara lain very low (VL), low (L), sufficient (S), High (H) dan very high (VH). Angka fuzzy ini akan diubah menjasi angka crisp dengan jarak dari setiap nilai ditampilkan seperti di dalam Tabel 3.2.

Tabel 3.2 Angka Fuzzy untuk Kriteria C1

Range value Fuzzy number Value

Value >= 90 Very low 0

90 > value >= 70 Low 0.25

70 > value >= 50 Sufficient 0.5

50 > value > 25 High 0.75

value <= 25 Very high 1

3) C2, dibagi menjadi 3 angka fuzzy, antara lain low (L), sufficient (S), dan

High (H). Angka fuzzy ini akan diubah menjasi angka crisp dengan jarak dari setiap nilai ditampilkan seperti di dalam Tabel 3.3.

Very Low 0

Low 0.25

Sufficient 0.5

High 0.75

(12)

value <= 2 Low 0.25

5 > value >2 Sufficient 0.5

Value >= 5 High 0.75

[image:12.595.140.515.461.521.2]

value <= 2 Low 0.25

Value >= 5 High 0.75

Gang Low 0.25

Arteri Sufficient 0.5

Nadi High 0.75

value <= 5 Low 0.25

(13)

value <= 1 Low 0.25

5> value >1 Sufficient 0.5

Value >= 5 High 0.75

8) C7, dibagi menjadi 5 angka fuzzy, antara lain very low (VL), low (L), sufficient (S), High (H) dan very high (VH). Angka fuzzy ini akan diubah menjasi angka crisp dengan jarak dari setiap nilai ditampilkan seperti di dalam Tabel 3.8.

Value < 40.000 Very low 0

50.000 > value >= 40.000

Low 0.25

60.000 > value >= 50.000

Sufficient 0.5

70.000> value >= 60.000

High 0.75

value >= 70.000 Very high 1

Misalkan terdapat 3 alternatif yaitu A1, A2, dan A3. Tabel 3.9 adalah nilai dari tiap alternatif.

Tabel 3.9 Contoh Nilai Alternatif

No Alternatif C1 C2 C3 C4 C5 C6 C7

1 A1 60 6 4 Nadi 5 2 45.044

2 A2 50 2 1 Nadi 6 1 70.422

(14)

[image:14.595.107.486.410.500.2]

Setelah itu nilai dari setiap alternatif diubah ke dalam matrix dengan menggunakan angka crisp yang telah ditetapkan sebelumnya seperti pada Tabel 3.10.

Tabel 3.10 Contoh Nilai Fuzzy Alternatif

1 A1 0.25 0.75 0.5 0.75 0.5 0.5 0.25

2 A2 0.5 0.25 0.25 0.75 0.5 0.25 1

3 A3 1 0.25 0.25 0.5 0.75 0.25 0.5

Setelah itu, setiap nilai dalam matrix akan diubah dengan menggunakan rumus metode SAW pada persamaan 2,1. Berikut adalah matrik hasil normalisasi dengan rumus metode SAW (Tabel 3.11).

Tabel 3.11 Contoh Nilai Hasil Normalisasi Alternatif

1 A1 0.25 1 1 1 0.667 1 0.25

2 A2 0.5 0.333 0.5 1 0.667 0.5 1

3 A3 1 0.333 0.5 0.667 1 0.5 0.5

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

Selanjutnya digunakan persamaan 2,2 untuk perhitungan perankingan.

V1=(0.25)(0.05)+(1)(0.1)+(1)(0.1)+(1)(0.1)+(0.667)(0.2)+(1)(0.1)+(0.25)(0.35)=

(15)

V2=(0.5)(0.05)+(0.333)(0.1)+(0.5)(0.1)+(1)(0.1)+(0.667)(0.2)+(0.5)(0.1)+(1)(0.35

)= 0.7417

V3=(1)(0.05)+(0.333)(0.1)+(0.5)(0.1)+(0.667)(0.1)+(1)(0.2)+(0.5)(0.1)+(0.5)(0.35

)= 0.625

Nilai terbesar ada pada V2 sehingga alternatif A2 adalah alternatif terbaik. Dengan

kata lain alternatif A2 akan terpilih sebagai rekomendasi terbaik untuk lokasi penempatan cabang baru.

3. Desain Sistem

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

a. Desain Arsitektur

Tekologi yang digunakan dalam perancangan sistem adalah Web Service. Web Service merupakan teknologi yang menyediakan integrasi proses dan data. Pada penelitian ini web service dibangun untuk menghubungkan aplikasi mobile

(16)

Database

PHP Web ServiceServer

Android Mobile Apllication Manajemen Data

SIG Subsistem Berbasis

Pengetahuan

Manager Manager

Admin

[image:16.595.160.493.87.308.2]

Surveyor

Gambar 3.2 Arsitektur Web Service yang terintegrasi dengan sistem

Surveyor menggunakan aplikasi android yang terhubung dengan database melalui teknologi Web Service untuk menginputkan data lokasi survey baru. Kemudia data tersebut akan melalui proses manajemen data yaitu semua proses yang berhubungan dengan mengambil, menyimpan, menampilkan data dari database. Data berupa lokasi survey, data dealer, kecamatan dll. dapat langung ditampilkan kepada Admin. Data lokasi survey baru akan diolah di subsistem berbasis pengetahuan untuk mendapatkan rekomendasi terbaik menggunakan metode SAW yang kemudian dapat ditampikan ke Manager. Selain itu hasil rekomendasi dapat ditampilkan dalam poin-poin pada peta yang kemudian dapat ditampilkan ke Manager.

b. Data Flow Diagram

(17)

Sistem Pendukung Keputusan Penempatan Cabang PT Tunas Dwipa Matra berbasis Sistem

Informasi Geografis Admin

Eksekutif Surveyor

Peta persebaran Hasil Survey

Hasil Rekomendasi Data Dealer Honda

Data Login Data Bobot Kriteria

Data Kecamatan Data Survey

Data dealer Honda Data survey Data kecamatan

Data login Data kriteria

rute

Pilihan Kasus Lokasi pengguna Data survey

Data survey Data Kasus

[image:17.595.135.532.85.265.2]

Data Kasus

Gambar 3.3 DFD Level 0 SPK

Diagram level 0 pada Gambar 3.3 menjelaskan aliran data dari Admin, Eksekutif dan Surveyor ke sistem dan dari sistem ke tiga entitas tersebut. Aliran data dari admin ke sistem adalah data dealer Honda, data survey, data kecamatan, data

(18)

1.0 Proses Data Master

2.0 Proses Mengolah Data

Survey

3.0 Proses DSS Admin

Surveyor

Eksekutif

Data Dealer Honda

Data Login Data Bobot Kriteria

Data KecamatanData Survey

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

Data survey Data survey Pilihan Kasus Lokasi pengguna Peta persebaran Hasil Survey Hasil Rekomendasi rute Tabel_Master Data Master Data Master Tabel_location

Tabel_kasus Data kasus Data survey Data survey Tabel_kecamatan Data Kecamatan Tabel_DSS Data DSS Data DSS

Gambar 3.4 DFD Level 1 SPK

Gambar 3.4 adalah DFD level 1 dari Sistem Pendukung Keputusan Penempatan Cabang PT. Tunas Dwipa Matra Bandar Lampung Berbasis SIG. Gambar 3.4 dijelaskan sebagai berikut.

1. Admin dapat melakukan proses mengolah data master. Tabel master yang dimaksud berupa tabel location, tabel kecamatan, tabel marker, tabel kategori, tabel login, tabel criteria dan tabel kasus.

2. Surveyor dapat mengolah data survey.

(19)

1.5 Mengolah data login 1.1 Mengolah data dealer Honda 1.2 Mengolah data survey 1.3 Mengolah data kecamatan 1.4 Mengubah bobot kriteria Admin Tabel_Marker Tabel_Kriteria Tabel_Kecamatan

Data Dealer Honda

Data survey

Data Kecamatan

Data bobot kriteria

Data Login

Tabel_kategori

Data dealer AHM

Data Dealer AHM Data Kategori Data Kecamatan Data Survey Nama Surveyor Data login Data Login Data Kecamatan Data Kecamatan Data kecamatan Bobot kriteria Data kriteria Data kriteria Data kecamatan Data survey

Data dealer Honda

Data login 1.6 Mengolah data Kasus Data Kasus Data Kasus Tabel_location Tabel_Login Tabel_Kasus kasus Data Survey Data Kasus Data Kasus Tabel_jalan Data Jalan

Gambar 3.5 DFD level 2 Proses Mengolah Data Master

Gambar 3.5 adalah DFD level 2 dari proses mengolah data master. Gambar 3.5 dijelaskan sebagai berikut.

1. Admin dapat mengolah data dealer Honda yaitu data dealer-dealer Honda yang ada di Bandar Lampung.

(20)

3. Admin dapat mengolah data kecamatan yaitu kecamatan yang ada di Bandar Lampung beserta jumlah penduduk di kecamatan tersebut.

4. Admin dapat mengubah bobot kriteria. Kriteria yang sudah ditetapkan ada 7 kriteria. Masing-masing kriteria memiliki bobot. Bobot tersebut dapat diubah oleh admin.

5. Admin dapat mengolah data login. 6. Admin dapat mengolah data kasus.

Surveyor

2.1 Menambah data survey

Tabel_location

Tabel_kasus

Data Survey

Data kasus Data survey

Data survey

Tabel_kecamatan

2.2 Menghapus data survey

2.3 Mengubah data survey Data Survey

Data Survey Data Survey

Data Survey

Data survey Data survey Data kasus

Data Kecamatan Data survey

Data survey

Gambar 3.6 DFD Level 2 Proses Mengolah data Survey

Gambar 3.6 adalah DFD level 2 dari proses mengolah data survey. Gambar 3.6 dijelaskan sebagai berikut.

(21)

2. Sistem menampilkan data survey dari tabel location pada proses menghapus data survey, kemudian surveyor memilih data survey yang ingin dihapus dari tabel location.

3. Sistem menampilkan data survey dari tabel location pada proses mengubah data survey, kemudian surveyor memberikan data survey ke sistem untuk mengganti data pada tabel location. Dalam proses mengubah data tersebut, kasus dan kecamatan diperoleh dari tabel kasus dan tabel kecamatan. Eksekutif 3.1 Menampilkan Peta Persebaran 3.2 Menampilkan hasil survey 3.3 Proses rekomendasi DSS 3.4 Menampilkan rute dari posisi pengguna ke lokasi survey Tabel_location Pilihan Kasus Peta persebaran Data survey Tabel_kasus Hasil survey Pilihan Kasus Tabel_hasil normal Data kasus Data hasilnormal Tabel_matrikafter Tabel_matriknormal Data matrikafter Data matriknormal Data survey kasus Hasil rekomendasi rute Lokasi pengguna Data survey Pilihan Kasus kasus Data matriknormal Data matrikafter Data hasilnormal Data Survey Tabel_Marker

Data dealer Honda

Longitude dan latitude dealer

Tabel_kecamatan

Jumlah penduduk

(22)

Gambar 3.7 adalah DFD level 2 dari proses DSS. Gambar 3.7 dijelaskan sebagai berikut.

1. Eksekutif dapat melihat peta persebaran dealer Honda di Bandar Lampung dan lokasi hasil survey.

2. Eksekutif dapat melihat detail dari lokasi hasil survey. 3. Eksekutif dapat melihat hasil rekomendasi dari proses DSS.

4. Eksekutif dapat melihat rute dari lokasi pengguna ke lokasi hasil survey

Admin

1.1.1 Menambah data dealer

Honda

Tabel_Marker

Tabel_kategori

Data Dealer Honda

Data kategori Data Dealer Honda

Data Dealer Honda

Tabel_kecamatan

Data Kecamatan Data Dealer Honda

1.1.2 Menghapus data dealer

Honda

1.1.3 Mengubah data

dealer honda Data

Dealer Honda

Data Dealer Honda Data

Dealer Honda

Data Dealer Honda

Data Dealer Honda Data Dealer Honda Data kategori

Data Kecamatan Data Dealer Honda

Data Dealer Honda

Gambar 3.8 DFD Level 3 Proses Mengolah Data Dealer Honda

Gambar 3.8 adalah DFD level 3 dari proses mengolah data dealer Honda. Gambar 3.8 dijelaskan sebagai berikut.

1. Admin memberikan data dealer Honda untuk proses menambah data

(23)

2. Sistem menampilkan data dealer Honda dari tabel marker pada proses menghapus data dealer Honda, kemudian admin memilih data dealer

Honda yang ingin dihapus dari tabel marker.

3. Sistem menampilkan data dealer Honda dari tabel marker pada proses mengubah data dealer Honda, kemudian admin memberikan data dealer

Honda ke sistem untuk mengganti data pada tabel marker. Dalam proses mengubah data tersebut, kategori dan kecamatan diperoleh dari tabel kategori dan tabel kecamatan.

Admin

1.2.1 Menambah data survey

Tabel_location

Tabel_kasus

Data Survey

Data kasus Data survey

Data survey

Tabel_kecamatan

1.2.2 Menghapus data survey

1.2.3 Mengubah data

survey Data Survey

Data Survey Data Survey

Data Survey

Data survey Data survey Data kasus

Data Kecamatan Data survey

Data survey

Gambar 3.9 DFD Level 3 Proses Mengolah Data Survey

Gambar 3.9 adalah DFD level 3 dari proses mengolah data survey. Gambar 3.9 dijelaskan sebagai berikut.

(24)

2. Sistem menampilkan data survey dari tabel location pada proses menghapus data survey, kemudian admin memilih data survey yang ingin dihapus dari tabel location.

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

Admin

1.3.1 Menambah data kecamatan

Tabel_kecamatan

Data Kacamatan

Data Kacamatan Data Kacamatan Data Kacamatan

1.3.2 Menghapus data kecamatan

1.3.3 Mengubah data

kecamatan Data Kacamatan

Data Kacamatan Data Kacamatan

Data Kacamatan

Data Kacamatan Data Kacamatan Data Kacamatan

Data Kacamatan

Gambar 3.10 DFD Level 3 Proses Mengolah Data Kecamatan

Gambar 3.10 adalah DFD level 3 dari proses mengolah data kecamatan. Gambar 3.10 dijelaskan sebagai berikut.

(25)

2. Sistem menampilkan data kecamatan dari tabel kecamatan pada proses menghapus data kecamatan, kemudian admin memilih data kecamatan yang ingin dihapus dari tabel kecamatan.

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

Admin

1.5.1 Menambah

data login

Tabel_Login

Data Login

Data Login Data Login Data Login

1.5.2 Menghapus

data login

1.5.3 Mengubah data

login Data Login

Data Login Data Login

Data Login

Data Login Data Login Data Login

Data Login

Gambar 3.11 DFD Level 3 Proses Mengolah Data Login

Gambar 3.11 adalah DFD level 3 dari proses mengolah data login. Gambar 3.11 dijelaskan sebagai berikut.

1. Admin memberikan data login untuk proses menambah data login ke tabel

login.

(26)

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

Admin

1.6.1 Menambah

data kasus

Tabel_kasus

Data Kasus

Data Kasus Data Kasus Data Kasus

1.6.2 Menghapus

data kasus

1.6.3 Mengubah data

kasus Data Kasus

Data Kasus Data Kasus

Data Kasus

Data Kasus Data Kasus Data Kasus

Data Kasus

Gambar 3.12 DFD Level 3 Proses Mengolah Data Kasus

Gambar 3.12 adalah DFD level 3 dari proses mengolah data kasus. Gambar 3.12 dijelaskan sebagai berikut.

1. Admin memberikan data kasus untuk proses menambah data kasus ke tabel kasus.

2. Sistem menampilkan data kasus dari tabel kasus pada proses menghapus data kasus, kemudian admin memilih data kasus yang ingin dihapus dari tabel kasus.

(27)

Eksekutif

3.3.1 Proses perhitungan matrix after

3.3.2 Proses perhitungan matrix normal

3.3.3 Proses perhitungan

hasil normalisasi

Tabel_matriknormal Tabel_location

Tabel_matrikafter

Tabel_hasil normal 3.3.3 Proses

menampilkan hasil rekomendasi Pilihan Kasus

Tabel_kasus

kasus Data kasus

Data survey

Tabel_Marker Longitude

dan latitude dealer

Data matrikafter

Data matriknormal Data matriknormal

Data hasilnormalisasi

Data hasilnormalisasi Hasil rekomendasi

Tabel_kecamatan Jumlah Penduduk

Gambar 3.13 DFD Level 3 Proses Rekomendasi DSS

Gambar 3.13 adalah DFD level 3 dari proses rekomendasi DSS. Gambar 3.13 dijelaskan sebagai berikut.

(28)

Data longitude dan latitude diperlukan untuk menentukan jarak dari lokasi survey terhadap dealer Honda terdekat. Hasil perhitungan data matriks after, disimpan ke dalam tabel matrixafter.

2. Proses perhitungan matiks normal adalah proses normalisasi mengubah nilai fuzzy hasil survey yang telah disimpan pada tabel matrixafter menggunakan persamaan 2.1 pada Bab 2. Hasil perhitungan kemudian disimpan ke dalam tabel matrixnormal.

3. Proses perhitungan hasil normalisasi adalah proses mengubah angka pada tabel matixnormal menggunakan persamaan 2.2 pada Bab 2. Hasil perhitungan kemudian disimpan ke dalam tabel hasilnormal.

4. Eksekutif dapat melihat hasil rekomendasi lokasi penempatan cabang. Hasil rekomendasi didapat dari tabel hasilnormal yang telah diurutkan mulai dari hasil terbesar dimana hasil terbesar adalah rekomendasi terbaik.

c. Entity Relationship Diagram

(29)

Table location

Table login

Table kecamatan Table marker Table kategori

Table kasus Table jalan Table matrixnormal Table matrixafter Table hasilnormal Table kriteria pid nama alamat kecamatan longitude latitude biaya bengkel penjual jalan market jarak email_id created_at nama_case telepon ma_id nama c1 c2 c3 c4 c5 c6 c7 c4 ma_id nama c1 c2 c3 c4 c5 c6 c7 c4 hn_id nama hasil login_id mobile_number name password email_id kid kecamatan Jml_pddk kabupaten kategori latitude longitude Mrk_id nama alamat telepon ktid kriteria bobot id_case nama_case hasil status_case date_close date_open ktg_id kategori jid jalan Memiliki

Memiliki Memiliki Memasukkan

Berada di ditandai

berisi Berada di Memiliki 1 m m m 1 1 m m 1 1 m 1 m 1

1 m m 1

dealer

Location_id

(30)

Berikut adalah contoh struktur tabel yang ada pada Gambar 3.14. 1. Tabel Location

[image:30.595.125.520.175.481.2]

Tabel ini digunakan untuk menyimpan data hasil survey. Table 3.12 Contoh Struktur Tabel Location

No Atribut Type Length Keterangan

1. Pid int 11 Primary key

2. Nama varchar 30 Unique

3. Alamat varchar 200

4. Kecamatan varchar 20 Foreign key

5. Longitude varchar 50

6. Latitude varchar 50

7. Telepon varchar 12

8. Biaya int 11

9. Bengkel int 11

10. Penjual int 11

11. Jalan varchar 10 Foreign key

12. Market int 11

13. Jarak float

14. Email_id varchar 20 Foreign key

15. Name_case varchar 20 Foreign key

16. Created_at datetime

17. Dealer Varchar 30

2. Tabel Marker

[image:30.595.126.519.556.725.2]

Tabel ini digunakan untuk menyimpan data dealer Honda di Bandar Lampung Table 3.13 Contoh Struktur Tabel Marker

1. Mrk_id int 11 Primary key

2. Nama varchar 30

3. Alamat varchar 200

4. Kecamatan varchar 20 Foreign key

5. Tlpn varchar 12

6. Ktg varchar 20 Foreign key

7. Lat varchar 50

8. Lng varchar 50

(31)

3. Tabel kecamatan

Tabel ini digunakan untuk menyimpan data kecamatan di Kota Bandar Lampung beserta jumlah penduduk.

Table 3.14 Contoh Struktur Tabel Kecamatan

1. k_id Int 11 Primary key

2. kecamatan Varchar 20 Unique

3. Jml_pddk int 20

4. Tabel Kategori

Tabel ini digunakan untuk menyimpan data kategori dealer Honda di Bandar Lampung.

Table 3.15 Contoh Struktur Tabel Kategori

1. ktg_id int 11 Primary key

2. kategori varchar 20 Unique

5. Tabel Kriteria

Tabel ini digunakan untuk menyimpan data kriteria beserta bobotnya. Table 3.16 Contoh Struktur Tabel Kriteria

1. Ktid int 11 Primary key

2. kriteria varchar 20

3. bobot decimal (2,2)

6. Tabel Login

Tabel ini digunakan untuk menyimpan data login.

Table 3.17 Contoh Struktur Tabel Login

1. login_id int 11 Primary key

2. Mobile_number varchar 12

3. password varchar 20

4. name varchar 30 Unique

(32)

7. Tabel Kasus

Tabel ini digunakan untuk menyimpan data kasus. Table 3.18 Contoh Struktur Tabel Kasus

1. Case_id Int 11 Primary key

2. Name_case Varchar 30 Unique

3. hasil Varchar 30

4. Status_case Tinyint 1

5. Date_close Datetime

6. Date_open Datetime

8. Tabel Jalan

Tabel ini digunakan untuk menyimpan data jenis jalan. Table 3.19 Contoh Struktur Tabel Jalan

1. Jid Int 11 Primary key

2. jalan Varchar 20 Unique

9. Tabel Matrixarfer

[image:32.595.125.522.500.676.2]

Tabel ini digunakan untuk menyimpan data hasil survey yang sudah diubah ke nilai fuzzy

Table 3.20 Contoh Struktur Tabel Matrixafter

1. Ma_id Int 11 Primary key

2. Nama Varchar 30

3. C1 Float

4. C2 Float

5. C3 Float

6. C4 Float

7. C5 Float

8. C6 Float

(33)

10.Tabel Matrixnormal

Tabel ini digunakan untuk menyimpan hasil perhitungan data hasil survey yang sudah diubah ke nilai fuzzy yang telah tersimpan di tabel matrixafter menggunakan persamaan 2,1 pada Bab 2.

Table 3.21 Contoh Struktur Tabel Matrixnormal

1. Ma_id int 11 Primary key

2. Nama varchar 30

3. C1 float

4. C2 float

5. C3 float

6. C4 float

7. C5 float

8. C6 float

9. C7 float

11.Tabel Hasilnormal

Tabel ini digunakan untuk menyimpan hasil perhitungan normalisasi data yang telah tersimpan di tabel matrixnormal menggunakan persamaan 2,2 pada Bab 2.

Table 3.22 Contoh Struktur Tabel Hasilnormal

1. Ma_id Int 11 Primary key

2. Nama Varchar 30

3. C1 Float

4. C2 Float

5. C3 Float

6. C4 Float

7. C5 Float

8. C6 Float

(34)

d. Perancangan Antarmuka

Antarmuka Sistem Pendukung Keputusan Penempatan Cabang PT. Tunas Dwipa Matra Berbasis SIG dibagi menjadi 3 bagian berdasarkan penggunanya yaitu tampilan untuk eksekutif, admin dan surveyor.

[image:34.595.229.430.280.455.2]

1) Halaman Login

Gambar 3.15 adalah rancangan antarmuka untuk Halaman Login sistem berbasis web.

Gambar 3.15 Halaman Login Sistem Berbasis Web 2) Tampilan Eksekutif

a) Halaman dashboard

Gambar 3.16 adalah rancangan antarmuka untuk halaman dashboard

(35)

[image:35.595.169.509.87.319.2]

Gambar 3.16 Halaman Dashboard tampilan Eksekutif b) Halaman DSS

[image:35.595.170.509.428.704.2]

Gambar 3.17 adalah rancangan antarmuka untuk halaman DSS tampilan eksekutif.

(36)

c) Halaman Case

Gambar 3.18 adalah rancangan antarmuka untuk halaman Case

[image:36.595.170.507.167.363.2]

tampilan eksekutif.

Gambar 3.18 Halaman Case tampilan Eksekutif 3) Tampilan Admin

a) Halaman dashboard

Gambar 3.19 adalah rancangan antarmuka untuk halaman dashboard

[image:36.595.173.510.506.729.2]

tampilan admin.

(37)

b) Halaman Table AHM  Dealer Honda

Gambar 3.20 adalah rancangan antarmuka untuk halaman Dealer

[image:37.595.168.504.196.414.2]

Honda tampilan admin.

Gambar 3.20 Halaman Dealer Honda Tampilan Admin  Insert Dealer Honda

[image:37.595.170.502.517.735.2]

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

(38)

c) Halaman Table TDM Survey  Weighting Criteria

[image:38.595.168.504.196.415.2]

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

[image:38.595.170.505.518.734.2]

Gambar 3.22 Halaman Weighting Criteria Tampilan Admin  Survey result

Gambar 3.23 adalah rancangan antarmuka untuk halaman survey result

tampilan admin.

(39)

 District

Gambar 3.24 adalah rancangan antarmuka untuk halaman district

[image:39.595.170.505.167.384.2]

tampilan admin.

Gambar 3.24 Halaman District Tampilan Admin d) Halaman Kasus

[image:39.595.170.504.503.718.2]

Gambar 3.25 adalah rancangan antarmuka untuk halaman kasus tampilan admin.

(40)

e) Halaman Table Login

Gambar 3.26 adalah rancangan antarmuka untuk halaman table login

[image:40.595.169.504.166.385.2]

tampilan admin.

Gambar 3.26 Halaman Login Tampilan Admin 4) Tampilan Surveyor

a) Halaman Login Surveyor

Gambar 3.27 adalah rancangan antarmuka untuk halaman login

[image:40.595.269.409.515.728.2]

tampilan surveyor.

(41)

b) Halaman Utama Surveyor

[image:41.595.271.408.165.381.2]

Gambar 3.28 adalah rancangan antarmuka untuk halaman utama tampilan surveyor.

Gambar 3.28 Halaman Utama Tampilan Surveyor

c) Halaman input data survey

(42)

[image:42.595.258.417.81.438.2]

Gambar 3.29 HalamanTampilan Surveyor

4. Implementasi

(43)

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

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

Selanjutnya pembuatan program (koding) sistem berbasis mobile sebagai piranti

input data survey yang nantinya data tersebut akan diolah pada sistem berbasis web. Pada aplikasi mobile ini terdapat fungsi input hasil survey. Hasil survey yang di-input-kan dari aplikasi ini akan masuk ke database MySQL yang sama dengan sistem berbasis web.

5. Pengujian

(44)

mendefinisikan kasus uji yang menemukan sejumlah jenis kesalahan, dan mengurangi jumlah kasus uji yang harus dibuat. Pengujian EP dapat digunakan untuk mencari kesalahan pada fungsi, dapat mengetahui kesalahan pada interface

dan kesalahan pada struktur data sehingga dapat mengurangi masalah terhadap nilai masukan. Perancangan kasus uji EP berdasarkan evaluasi kelas equivalence

[image:44.595.108.518.327.636.2]

untuk kondisi input yang menggambarkan kumpulan keadaan yang valid atau tidak. Rancangan daftar pengujian dapat dilihat pada Tabel 3.23 , Tabel 3.24 dan Tabel 3.25.

Tabel 3.23 Daftar Pengujian Black Box pada sistem untuk General Manager

No. Kelas Uji

Daftar Pengujian

Kasus Uji Hasil yang Diharapkan 1. Login Input data Login Email=

[email protected],

Password = 1234, Klik tombol login

Masuk ke Halaman

dashboard manager

Email=

[email protected],

Password =12345, Klik tombol login

Menampilkan kotak dialog password salah

2. Fungsi pada halaman DSS

Pengujian

infowindow pada

marker dealer

Honda

Mouseover pada

marker dealer

Honda

Menampilkan

infowindow yang sesuai dengan titik

marker Mouseover pada

marker lokasi survey

Menampilkan

infowindow lokasi survey, bukan dealer

Honda Pengujian pada

menampilkan hasil

rekomendasi

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

Recomendation”

(45)

[image:45.595.108.517.120.350.2]

Tabel 3.23 Daftar Pengujian Black Box pada sistem untuk General Manager

(Lanjutan) No. Kelas

Uji

Kasus Uji Hasil yang Diharapkan Pilih “Kasus 1”

pada select option

Tidak ada proses yang terjadi

Pengujian pada menampilkan detail lokasi survey

Klik “Detail” pada lokasi survey yang paling

direkomendasikan

Menampilkan detail dari lokasi survey yang paling direkomendasikan Klik “Detail Calculation’ Menampilkan detail perhitungan, bukan detail lokasi survey 3. Fungsi

pada halaman Case Pengujian pada menampilkan hasil survey berdasarkan kasus

Klik “Detail” pada “Kasus 1”

Menampilkan hasil survey “Kasus 1” Klik “Kasus 1” Tidak ada proses yang

[image:45.595.110.517.398.653.2]

terjadi

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

Uji

Kasus Uji Hasil yang Diharapkan 1. Login Input data login Email=

[email protected],

Password = 11111 , Klik tombol login

Masuk ke halaman

dashboard admin

Email=

[email protected],

Password = , Klik tombol login

Tidak dapat masuk ke halaman dashboard

admin (Kolom

password harus diisi) 2. Fungsi

pada halaman TDM Marker Insertmarker dealer Mengisi penuh kolom input dengan data sesuai, klik “Insert Data”

Data tersimpan ke database

Kolom input tidak terisi penuh, klik “Insert Data”

Data tidak tersimpan ke database, kolom input tidak boleh kosong

(46)

Pengujian Diharapkan Edit marker

dealer

Ubah kategori dealer, klik “Update”

Hapus kolom alamat, klik “Update”

3. Fungsi pada halaman lokasi survey

Insert lokasi survey

Mengisi penuh kolom input dengan data sesuai, klik “Insert Data”

Mengetikan huruf pada kolom nomor telepon

Tidak dapat mengetik huruf pada kolom nomor telepon

Edit lokasi survey

Mengubah kasus dan klik “Update Data”

Hapus kolom alamat, klik “Update Data”

4. Fungsi pada halaman bobot kriteria Edit bobot kriteria

Mengubah bobot menjadi 10%, 20%, 15%, 15%, 10%, 20%, 10%

Mengubah bobot menjadi 50%, 20%, 15%, 25%, 10%, 20%, 10%

Data tidak tersimpan ke database 4. Fungsi

pada halaman kecamatan

Insert data kecamatan

Kecamatan = Tanjung Senang, Jumlah Penduduk= 83928

(47)

[image:47.595.109.516.112.673.2]

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

Uji

Kasus Uji Hasil yang Diharapkan Kecamatan = Tanjung Senang, Jumlah Penduduk= jdkasjdkas Tidak dapat mengetikan huruf pada kolom jumlah penduduk Edit data kecamatan Ubah jumlah penduduk= 92201. Klik “Update”

Data tersimpan ke database Ubah jumlah penduduk= csnkcsnk. Klik “Update” Tidak dapat mengetikan huruf pada kolom jumlah penduduk

5. Fungsi pada halaman kasus

Ubah status kasus

Klik edit, ubah

select option status menjadi close, isi

result. Klik “Update”

Status kasus berubah menjadi close

Klik edit. Tidak mengubah select option status. Klik “Update”

Status kasus tidak berubah menjadi

close

6. Fungsi pada halaman surveyor

Insert data surveyor Nama=cindy, email= [email protected], mobile phone= 089637576582, password= 123456, retype password= 123456

Data tersimpan ke database Nama=cindy, email= [email protected], mobile phone= 089637576582, password= 123456, retype password= 1234567

Data tidak tersimpan ke database, muncul kotak dialog

password tidak sama

(48)

[image:48.595.109.516.109.518.2]

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

Pengujian

Kasus Uji Hasil yang Diharapkan 1. Login Input data lgin Email : [email protected],

pw : gimbal, klik “Login”

Masuk ke halaman utama surveyor Email : [email protected],

pw : klik “Login”

Muncul kotak dialog “Please input correct password” 2. Tambah

data baru

Tambah data koordinat

GPS hidup, Klik “Get Location”

Kolom latitude dan longitude akan terisi koordinat lokasi GPS mati, Klik “Get

Location” Mengalihkan ke halaman kontrol GPS Tambah data lokasi

Mengisi semua kolom dengan benar, klik “Add Data”

Nama Lokasi sama dengan data pada database

Data tidak dapat tersimpan ke database 3. Edit data Edit data

lokasi

Mengubah kecamatan, klik “save”

Hapus kolom nama lokasi, klik “save”

(49)

[image:49.595.109.517.148.428.2]

3.2.3 Jadwal Kegiatan Penelitian

Tabel 3.25 Jadwal Kegiatan Penelitian

Kegiatan

Tahun 2015

September Oktober November Desember 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1. Pengumpulan Data

2. Analisis

- Analisis Kebutuhan Sistem

- Pengolahan Data Manual

3. Desain sistem dan antarmuka

4. Implementasi a. Implementasi

Database b. Implementasi

sistem web c. Implementasi

sistem mobile

5. Pengujian

3.2.4 Jenis dan Sumber Data

Jenis dan sumber data yang digunakan dalam penelitian ini adalah: 1. Data Primer

Data Primer yang dibutuhkan berupa data atribut dan spasial dealer Honda di Bandar Lampung dan faktor-faktor penentu lokasi penempatan cabang baru PT. Tunas Dwipa Matra.

2. Data Sekunder