LAPORAN KEGIATAN LOMBA GEMASTIK

LABORATORIUM ILMU KOMPUTER 2020

PROGRAM STUDI ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PAKUAN

Gd. FMIPA 2 Lt. 2 Jalan Pakuan Bogor P.O Box 452 Telp. (0251)

4823888 labkom.ilkom.unpak.ac.id

LAPORAN KEGIATAN LOMBA

GEMASTIK

Diselenggarakan Oleh:

Telkom University

LABORATORIUM ILMU KOMPUTER

PROGRAM STUDI ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS PAKUAN

2020

1. Tema, Bulan Kegiatan, Media

Tema Data mining, Rekayasa Perangkat lunak (RPL), dan User Interface

(UI)

Bulan Kegiatan Juli – Oktober 2020

Media Daring dan Luring

2. Uraian Singkat

a. Data mining

Data mining adalah sekumpulan metode untuk menemukan pola yang tersirat dari

suatu kumpulan data sehingga nantinya diperoleh informasi yang bermanfaat. Data

mining juga merupakan proses mengekstraksi informasi yang menarik, implisit dan

berpeluang untuk dimanfaatkan dari data berskala besar atau big data (andrea, dkk.,

2019). Sesuai dengan judul, tujuan dari diikutinya lomba bertemakan data mining ini

dengan studi kasus daerah potensial penanaman tumbuhan bawang putih adalah

Untuk mengetahui apakah hierarchical clustering dapat digunakan untuk melakukan

pengelompokan daerah berpotensi untuk budidaya palawija bawang putih. Dan untuk

mengetahui bagaimana penggunaan hierarchical clustering untuk melakukan

pengelompokan daerah berpotensi untuk budidaya palawija bawang putih.

b. RPL

Perangkat lunak sistem (system Software) adalah sebuah istilah generik pada sistem

komputer sebagai pengontrol dan mangatur perangkat keras (hardware) pada lapisan

pertama. dimana perangkat lunak atau software akan membantu untuk

memanajemen, memproses dan megelola perangkat keras agar berjalan secara

optimal. Ketika perangkat keras dinyalakan, maka perangkat lunak sistem akan

memproses sumberdaya, menajemen proses dan menggani strukur data sebuah

perangkat keras. Sesuai dengan judul, tujuan dari diikutinya lomba bertemakan

pengembangan perangkat lunak dengan studi kasus Aplikasi Android untuk

pelacakan dan penyebaran covid 19 ini adalah Warning, mengingatkan pengguna

ketika akan beraktivitas di luar rumah untuk menyiapkan peralatan seperti masker

dan hand sanitizer. Tracking, melacak lokasi pengguna aplikasi untuk mengetahui

posisi pengguna. Tracing, melacak aktivitas seluruh pengguna untuk mengukur

mobilitas pengguna di tengah pandemi dan menentukan lokasi-lokasi dengan

mobilitas tinggi.

c. UI

UI atau User Interface Designer adalah suatu profesi yang menggunakan komunikasi

dari pengguna (user) dengan sistem pada sebuah program, mulai dari aplikasi

website, mobile ataupun software. Seorang UI Designer akan membuat desain yang

memudahkan pengguna programnya. Adapun mekanisme seorang UI Designer

mencakup beberapa hal, seperti tampilan fisik, warna, animasi, pola. Sesuai dengan

judul, tujuan dari diikutinya lomba bertemakan Pengalaman Desain Pengguna dengan

studi kasus yang diambil adalah desain pengalaman pengguna pada aplikasi Petcare,

yaitu platform yang menyediakan kebutuhan dan Kesehatan untuk hewan, dengan

tujuan Mempermudah masyarakat mendapatkan informasi tentang hewan

peliharaannya dan Mempermudah pemilik hewan peliharaan untuk konsultasi dengan

ahli.

3. Deskripsi Anggota

Lomba GEMASTIK diikuti oleh 3 tim yaitu :

Tim 1

Nama Jabatan Deskripsi Pekerjaan

Fahmi Noor Ketua Membuat proposal

M. Agung Anggota Membuat proposal

Runanto Anggota Membuat proposal

Tim 2


Amalia Sabrina Ketua Membuat proposal

Ilham Agung Anggota Membuat proposal

Sarah Tri Lestari Anggota Membuat proposal

Tim 3


Dimas Purnomo Ketua Membuat proposal

Deris Hardinsyah Anggota Membuat proposal

Fahmi Noor Anggota Membuat proposal

4. Hasil kegiatan

Tim lomba mengerjakan proposal sebagai langkah awal dalam proses seleksi, berikut hasil

screenshoot file proposal dan proposal lengkapnya untuk 3 tim dengan tema yang berbeda.

Pemodelan Daerah Potensial Pertanian di Indonesia sebagai

Usaha Restorasi Ekonomi pada Masa Pandemi COVID-19

menggunakan Metode Hierarchical Clustering

Studi Kasus Big Data menggunakan Orange Data Mining pada Palawija Bawang Putih

(Allium sativum)

PROPOSAL

Diajukan untuk mengikuti lomba Penambangan Data pada GEMASTIK XIII.

Diusulkan Oleh:

Fahmi Noor Fiqri NIM. 065118116 Angkatan 2018

Muhammad Agung Ardiansyah NIM. 065117153 Angkatan 2017

Runanto NIM. 065117132 Angkatan 2017

UNIVERSITAS PAKUAN

BOGOR

2020

i

DAFTAR ISI

DAFTAR ISI ............................................................................................................................... i

BAB I PENDAHULUAN .......................................................................................................... 1

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

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

1.3. Tujuan Penelitian......................................................................................................... 2

1.4. Manfaat Penelitian....................................................................................................... 2

BAB II METODOLOGI PENELITIAN .................................................................................... 3

2.1. Big Data....................................................................................................................... 3

2.2. Data Mining................................................................................................................. 3

2.3. Orange Data Mining .................................................................................................... 3

2.4. Hierarchical Clustering ............................................................................................... 4

2.3. Alur Penambangan Data.............................................................................................. 5

BAB III HASIL DAN PEMBAHASAN ................................................................................... 6

3.1. Data Ingestion dan Preprocessing .............................................................................. 6

3.2. Data Mining dan Evaluation ....................................................................................... 6

BAB IV PENUTUP ................................................................................................................. 10

4.1. Simpulan.................................................................................................................... 10

4.2. Saran .......................................................................................................................... 10

DAFTAR PUSTAKA .............................................................................................................. 11

LAMPIRAN ............................................................................................................................. 12

1

BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

Pandemi COVID-19 telah berdampak di berbagai sektor tak terkecuali di sektor

pertanian, pemberlakuan pembatasan berskala besar (PSBB) di berbagai daerah di Indonesia

telah menurunkan daya beli masyarakat sehingga berdampak pada kurang terserapnya hasil

panen petani yang mengakibatkan banyak petani mengalami kerugian. Dari sudut pandang

urgensi, pertanian adalah sektor penopang ketahanan pangan (food security) yang akan krusial

di kala krisis ekonomi. Ini bukan hanya sebatas bertahan hidup tapi juga masalah asupan gizi

masyarakat hal ini membuat sistem produksi pertanian dalam negeri menjadi krusial. Selain

itu, pandemi COVID-19 juga belum menunjukkan kepastian kapan berakhir, sehingga

pencabutan restriksi sosial/PSBB bisa saja akan tertunda.

Penderitaan petani semakin bertambah tak kala pemerintah membuka keran impor

untuk beberapa komoditas guna memenuhi kebutuhan dalam negeri salah satunya adalah

bawang putih yang selalu menjadi komoditas dengan jumlah kuota impor terbesar. Hal ini

cukup memilukan bagi kita negara yang di kenal sebagai negara agraris yang sebagian besar

penduduknya berprofesi sebagai petani. Besarnya kuota impor bawang putih juga di sebabkan

oleh tingginya tingkat konsumsi bawang putih yang tidak diiringi dengan meningkatnya jumlah

produksi. Berdasarkan data Badan Pusat Statistik (BPS), tingkat konsumsi bawang putih pada

2018 mencapai 503.644 ton sementara itu produksinya hanya sejumlah 39.302 ton dengan

pertumbuhan konsumsi bawang putih sebesar 11,24 persen per tahun dari tahun 1990-2016.

Dengan bertambahnya tingkat konsumsi bawang putih membuat Indonesia harus mengimpor

sekitar 95 persen kebutuhan bawang putihnya. Sehingga pemerintah harus berpikir dengan

cepat untuk memecahkan masalah impor bawang putih ini. Untuk itu, solusi apa yang bisa kita

lakukan untuk mengatasi permasalahan ini?

Dengan berkembangnya teknologi informasi di Indonesia, semakin banyak data yang

dapat kita per oleh dari berbagai sumber. Besarnya ukuran data yang ada menyebabkan muncul

istilah big data. Istilah ini muncul pada tahun 2.000 yang dikemukakan oleh Doug Laney

seorang analis industri akibat besarnya jumlah data yang di hasilkan dari berbagai macam

sumber baik berbentuk data terstruktur maupun data yang tidak terstruktur. Data dengan jumlah

sebesar ini sangat berharga karena kita dapat menemukan informasi atau knowledge yang

tersimpan di dalamnya untuk membantu dalam pembuatan keputusan maupun memprediksi

sesuatu berdasarkan data yang ada.

Kebutuhan untuk menemukan informasi dalam big data ini memunculkan metode baru

dalam mendapatkan informasi dari data yang ada, metode ini disebut sebagai data mining, data

mining adalah sekumpulan metode untuk menemukan pola yang tersirat dari suatu kumpulan

data sehingga nantinya diperoleh informasi yang bermanfaat. Data mining juga merupakan

proses mengekstraksi informasi yang menarik, implisit dan berpeluang untuk dimanfaatkan

dari data berskala besar atau big data (Andrea, dkk., 2019).

2

Dengan memanfaatkan big data dan data mining menggunakan metode hierarchical

clustering, pemerintah bisa membuat pemodelan daerah-daerah di Indonesia yang berpotensi

untuk di jadikan perkebunan bawang putih yang optimal dan efisien karena dapat menghasilkan

bawang putih dengan kualitas yang baik dan minim penggunaan pupuk karena bawang putih

di tanam di kondisi tanah yang sesuai agar pertumbuhannya optimal, bila model ini berhasil di

kembangkan tak menutup kemungkinan bahwa model ini dapat di kembangkan untuk

komoditas pertanian lainnya guna meningkatkan produksi disektor pertanian dalam negeri

yang akhirnya akan menyejahterakan para petani dan menjadi tambahan pemasukan bagi

negara.

1.2. Rumusan Masalah

Berdasarkan latar belakang masalah, rumusan masalah penelitian ini yaitu:

1. Apakah hierarchical clustering dapat digunakan untuk melakukan pengelompokan

daerah berpotensi untuk budidaya palawija bawang putih?

2. Bagaimana penggunaan hierarchical clustering untuk melakukan pengelompokan

daerah berpotensi untuk budidaya palawija bawang putih?

1.3. Tujuan Penelitian

Berdasarkan rumusan masalah, tujuan penelitian ini yaitu:

1. Untuk mengetahui apakah hierarchical clustering dapat digunakan untuk melakukan


2. Untuk mengetahui bagaimana penggunaan hierarchical clustering untuk melakukan


1.4. Manfaat Penelitian

1. Bagi Universitas

a. Dapat digunakan sebagai referensi untuk melakukan penelitian serupa.

b. Dapat memberikan kontribusi akademik untuk pengembangan ilmu

pengetahuan dalam bidang pemodelan, khususnya yang berkaitan dengan

metode hierarchical clustering dan penerapannya dalam masalah pemodelan

daerah di Indonesia yang berpotensi untuk ditanami bawang putih.

2. Bagi Masyarakat

a. Meningkatkan kesejahteraan bagi petani bawang putih.

b. Meningkatkan lapangan kerja baru di bidang pertanian.

c. Menghasilkan komoditas yang unggul karena ditanam di lokasi yang cocok

untuk tumbuh kembang tanaman bawang putih.

3. Bagi Pemerintah

a. Mengetahui daerah di Indonesia yang berpotensi untuk ditanami bawang putih.

b. Meningkatkan produksi bawang putih dalam negeri.

c. Mengurangi kuota impor bawang putih yang berujung pada meningkatnya

kesejahteraan petani bawang putih.

d. Menambah pemasukan negara dari sektor pertanian.

3

BAB II

METODOLOGI PENELITIAN

2.1. Big Data

Big Data merupakan kumpulan data yang volume datanya super besar, memiliki

keragaman sumber data yang tinggi, sehingga perlu dikelola dengan metode dan perangkat

bantu yang kinerjanya sesuai. Dengan mengacu pada definisi tersebut, maka dapat disimpulkan

bahwa karakteristik utama Big Data meliputi tiga hal – biasa disingkat dengan 3V – yaitu

volume, velocity, dan variety. Volume terkait dengan besaran data yang harus dikelola

berukuran super besar. Velocity berkenaan dengan kecepatan pemrosesan data yang harus

mengimbangi pesatnya pertumbuhan jumlah data. Sedangkan variety merujuk pada

karakteristik sumber data yang sangat beragam, baik itu yang berasal dari basis data yang

terstruktur maupun juga dari data-data yang tidak terstruktur (Maryanto, 2017).

Penyebutan pertama kali Big Data terjadi pada tahun 1997 ketika seorang peneliti

bernama Michael Cox dan David Ellisworth di dalam artikel dengan judul Application-

controlled demand paging for out-of-core visualization (Sugiarsono, 2015).

Mengacu pada definisi yang ada, maka big data akan berkaitan dengan (1) volume, (2)

velositas (kecepatan data mengalir) dan (3) varietas (keberagaman data). Di dalam lingkungan

organisasi juga mulai tumbuh sejumlah pegawai / staf yang secara spesifik mendapat sebutan

sebagai “analis bisnis”, "data analis" dan " ilmuwan data" (Kandel, dkk., 2012).

2.2. Data Mining

Data mining adalah sekumpulan metode untuk menemukan pola yang tersirat dari

suatukumpulan data sehingga nantinya diperoleh informasi yang bermanfaat. Data mining juga

merupakan proses mengekstraksi informasi yang menarik, implisit dan berpeluang untuk

dimanfaatkan dari data berskala besar atau big data (Andrea, dkk., 2019).

Definisi sederhana dari data mining adalah ekstraksi informasi atau pola yang penting

atau menarik dari data yang ada pada basis data yang besar. Dalam jurnal ilmiah, data mining

juga dikenal dengan nama Knowledge Discovery in Databases (KDD) (Heri, 2014).

Knowledge discovery in Database (KDD) didefinisikan sebagai ekstraksi informasi

potensial, implisit dan tidak dikenal dari sekumpulan data. Proses knowledge discovery

melibatkan hasil dari proses data mining (proses mengekstrak kecenderungan pola suatu data),

kemudian mengubah hasilnya secara akurat menjadi informasi yang mudah dipahami. KDD

sendiri diartikan sebagai keseluruhan proses non-trivial untuk mencari dan mengidentifikasi

pola (pattern) dalam data, di mana pola yang ditemukan bersifat sah, baru, dapat bermanfaat

dan dapat dimengerti (Fajrin dan Maulana, 2018).

2.3. Orange Data Mining

Orange data mining adalah sebuah software package pemrograman visual yang

berbasis komponen untuk visualisasi data, machine learning, data mining, dan data analytic

yang dibuat oleh tim dari University Of Ljubjana dan Jozef Stefan Institute pada tahun 1996.

Komponen orange disebut widget yang terdiri dari visualisasi data sederhana, pemilihan subset

selection, dan preprocessing, hingga evaluasi empiris learning algoritm dan predictive

modeling (Janes dkk., 2013).

4

Orange cocok untuk machine learning dan data mining, untuk peneliti dibidang

machine learning, orange memberikan kemudahan scripting dalam membuat purwarupa

algoritma baru dan prosedur eksperimental. Bagi data analysis, orange memberikan

framework pemrograman visual yang interaktif dan kreatif yang mengombinasikan komponen

visual (Demsar dan Zupan, 2004).

2.4. Hierarchical Clustering

Hierarchical clustering adalah teknik clustering atau pengelompokan yang membentuk

hierarki atau berdasarkan tingkatan tertentu sehingga menyerupai struktur pohon yang disebut

dendrogram. Di mana proses pengelompokannya dilakukan dengan cara bertahap atau

bertingkat (Dasgupta, 2016).

Mohammad Jafarzadegan dkk. (2019) menyebutkan ada dua acara untuk membentuk

hierarchical clustering yaitu: divisive hierarchical clustering dan agglomerative hierarchical

clustering. Divisive hierarchical clustering merupakan metode yang memecah data yang

dimulai dengan satu cluster yang berisi semua data, kemudian dipecahkan menjadi beberapa

cluster-cluster lainnya. Sedangkan agglomerative hierarchical clustering merupakan adalah

jenis pengelompokan hierarki yang paling umum digunakan untuk mengelompokkan objek

dalam kluster berdasarkan kesamaannya. Biasanya dikenal dengan Agglomerative Nesting

(AGNES) yaitu dengan pendekatan bottom-up di mana setiap observasi dimulai pada

klusternya sendiri, dan pasangan kluster digabungkan saat sebuah hierarki naik. (F. Ros dan

Guillaume, 2019).

Pada penelitian ini, penulis menggunakan metode agglomerative hierarchical

clustering. agglomerative hierarchical clustering adalah jenis pengelompokan hierarki yang

paling umum digunakan untuk mengelompokkan objek dalam kluster berdasarkan

kesamaannya. Biasanya dikenal dengan Agglomerative Nesting (AGNES) yaitu dengan

pendekatan bottom-up di mana setiap observasi dimulai pada klusternya sendiri, dan pasangan

kluster digabungkan saat sebuah hierarki naik, adapun algoritma yang kami gunakan yaitu

average linkage.

Average linkage (Dani, dkk., 2019) merupakan prosedur pengelompokan

agglomerative berdasarkan rata-rata antar objek. Algoritma average linkage diawali dengan

mendefinisikan matriks 𝐷 = {𝑑𝑖𝑗} untuk memperoleh objek yang paling dekat, sebagai contoh

𝑈 dan 𝑉, kemudian objek ini digabung ke dalam bentuk cluster (𝑈𝑉) dan selanjutnya jarak

antara (𝑈𝑉) dengan cluster lainnya 𝑊, sehingga dapat dituliskan sebagai berikut: Jambura

Journal of Mathematics. 1(2):

𝑑(𝑈𝑉)𝑊 =𝑑𝑈𝑊 + 𝑑𝑉𝑊

𝑛𝑈𝑉𝑛𝑊

(1)

dengan 𝑛(𝑈𝑉) adalah banyaknya anggota dalam cluster (𝑈𝑉) dan 𝑛𝑊 adalah banyaknya

anggota dalam cluster 𝑊.

5

2.3. Alur Penambangan Data

Proses penambangan ini dilakukan mengikuti tahap-tahap berikut ini.

1. Data Ingestion.

a. Mengumpulkan data dari Litbang Pertanian.

b. Feature selection, memilih atribut data

2. Preprocessing.

a. Merge, menggabungkan data-data menjadi satu dataset.

3. Data Mining, melakukan clustering menggunakan metode hierarchical clustering.

4. Evaluation.

a. Silhouette plot.

b. Geomap, melihat cluster pada peta.

Gambar 2.1.

Alur Penambangan Data pada Aplikasi Orange.

6

BAB III

HASIL DAN PEMBAHASAN

3.1. Data Ingestion dan Preprocessing

Pengumpulan data diawali dengan mengidentifikasi kondisi yang ideal untuk menanam

tanaman bawang putih. Menurut Dimas, kondisi ideal untuk menanam bawang putih

ditentukan berdasarkan beberapa faktor yang dimiliki oleh tanah (Dimas: 2020). Faktor-faktor

tersebut terdapat pada Tabel 3.1.

Tabel 3.1. Kondisi Pertumbuhan Bawang Putih.

Variabel Nilai

Iklim Kering

Suhu 15-20 °C

Curah hujan 110-200 mm/bulan

800-2000 mm/tahun

Ketinggian 700-1000 mdpl

pH tanah 6-7,5

Setelah data mengenai kondisi pertumbuhan bawang didapatkan, variabel pada data

tersebut akan menjadi acuan untuk mencari dataset yang menjelaskan karakteristik tanah di

Indonesia. Data mengenai kondisi alam di Indonesia dikumpulkan dari BMKG yang berisi data

mengenai volume hujan, jumlah hari hujan, rata-rata suhu udara, tekanan udara, dan penyinaran

matahari. Selain itu, dataset ini diperkaya dengan data lokasi tiap-tiap provinsi di Indonesia

(latitude dan longitude) sehingga menjadikan data ini sebagai data spasial.

3.2. Data Mining dan Evaluation

Setelah data dikumpulkan, proses selanjutnya adalah melakukan clustering

menggunakan metode hierarchical clustering. Metrik jarak yang digunakan yaitu cosine

distance yang terdapat pada Persamaan (1).

𝐷(𝜃) =𝐴 ∙ 𝐵

‖𝐴‖ × ‖𝐵‖ (1)

Proses hierarchical clustering dilakukan dengan menggunakan average linkage.

Berdasarkan hasil clustering, didapatkan dendogram seperti pada Gambar 3.1.

Gambar 3.1.

Dendogram.

7

Berdasarkan hasil dendogram di atas, diambil lima cluster teratas. Untuk mengetahui

seberapa baik cluster yang dibuat, dilakukan analisis menggunakan silhouette plot seperti yang

terdapat pada Gambar 3.2.

Gambar 3.2.

Silhouette Plot.

Pada plot di atas dapat dilihat bahwa sebagian besar cluster memiliki silhouette score

yang besar, kecuali untuk satu data pada C5, yang kemungkinan merupakan outlier/pencilan.

Berdasarkan skor ini, peneliti menganggap bahwa lima cluster merupakan jumlah cluster yang

optimal. Cluster yang dibentuk dapat dilihat pada Tabel 3.2.

Tabel 3.2. Tabel Cluster Provinsi.

Cluster Provinsi Banyaknya

Provinsi

C1 Sulawesi Tengah 1

C2 Sumatera Utara, Gorontalo, Maluku Utara 3

C3 Banten, Bali, Nusa Tenggara Barat, Nusa Tenggara Timur,

Sulawesi Barat, Papua 6

C4

Sumatera Barat, Bengkulu, Jawa Barat, Kalimantan Barat,

Kalimantan Tengah, Kalimantan Selatan, Sulawesi Selatan,

Papua Barat

8

C5

Aceh, Riau, Jambi, Sumatera Selatan, Lampung, Kepulauan

Bangka Belitung, Kepulauan Riau, DKI Jakarta, Jawa Tengah,

DI Yogyakarta, Jawa Timur, Kalimantan Timur, Sulawesi Utara,

Sulawesi Tenggara, Maluku

15

Gambar 3.3.

Visualisasi Cluster pada Peta.

8

Proses selanjutnya yaitu menentukan karakteristik setiap cluster yang telah dibuat.

Untuk melakukan analisis ini, peneliti menggunakan diagram kotak garis (box plot) untuk

menentukan karakteristik tiap-tiap variabel pada dataset dengan cluster-nya.

Gambar 3.4.

Box Plot Volume Hujan.

Gambar 3.5.

Box Plot Jumlah Hari Hujan.

Gambar 3.6.

Box Plot Suhu Rata-Rata.

Gambar 3.7.

Box Plot Tekanan Udara.

Gambar 3.8.

Box Plot Penyinaran Matahari.

9

Tabel 3.3. Statistik dari Box Plot.

Cluster Volume

Hujan

Jumlah

Hari

Hujan

Suhu Tekanan

Udara

Penyinaran

Matahari

Q1

C1

460,9 68 28,4 1011 79,12

Q2 460,9 68 28,4 1011 79,12

Median 460 68 28,4 1011 79,12

Q3 460,9 68 28,4 1011 79,12

Q1

C2

870,6 76 27,3 1010,6 51,86

Q2 919,967 102,67 27,33 1011,533 70,3733

Median 913,4 105 27,3 1011 75,19

Q3 975,9 127 27,4 1013 84,07

Q1

C3

1147,9 91 27,3 1011 65,06

Q2 1238,6 118,83 27,317 1011,783 76,8267

Median 1216,9 108,50 27,4 10112 81

Q3 1310,1 155 27,8 1012,5 84,44

Q1

C4

2589,250 160,50 26,7 1010,9550 557,30

Q2 2832,312 179,62 26,663 1001,175 61,8538

Median 2753,050 171,5 27,0 1011,650 61,54

Q3 3113,3 200 27,350 1013,1 66,17

Q1

C5

1620,7 133 27,0 1011 51,97

Q2 1866,180 145,40 27,313 1011,9 64,7027

Median 1947,2 140 27,1 1011,8 66,52

Q3 2048,3 163 27,9 1012,4 72,51

Dapat disimpulkan, karakteristik untuk masing-masing cluster yaitu:

1. C1, memiliki curah hujan paling sedikit dan kondisi cuaca panas kering.

2. C2, memiliki curah hujan yang sedikit dengan rata-rata 102 hari hujan, dengan

penyinaran matahari yang bervariasi antara 51-84 hari dengan rata-rata suhu 27,3°C.

3. C3, memiliki curah hujan sedikit lebih banyak dibandingkan C2, dengan penyinaran

matahari yang lebih lama antara 65-84 hari dengan rata-rata suhu 27,13°C.

4. C4, memiliki curah hujan paling banyak dengan rata-rata 145 hari hujan, memiliki

penyinaran matahari yang paling sedikit, dan suhu yang paling dingin dibandingkan

cluster lainnya.

5. C5, memiliki curah hujan yang besar dengan rata-rata 145 hari hujan, memiliki

penyinaran matahari antara 51,97 dan 72,51 hari, dengan suhu antara 27-27,9°C.

Berdasarkan data tersebut, dapat disimpulkan bahwa cluster C3 merupakan kandidat

terbaik sebagai lokasi budidaya palawija bawang putih. Provinsi yang termasuk pada cluster

C3 yaitu Banten, Bali, Nusa Tenggara Barat, Nusa Tenggara Timur, Sulawesi Barat, dan Papua.

10

BAB IV

PENUTUP

4.1. Simpulan

Hierarchical clustering adalah teknik clustering atau pengelompokan yang membentuk

hierarki atau berdasarkan tingkatan tertentu sehingga menyerupai struktur pohon yang disebut

dendrogram. Pada penelitian ini metode hierarchical clustering digunakan untuk melakukan

pemodelan data spasial untuk menentukan daerah yang cocok untuk budidaya palawija bawang

putih di Indonesia.

Berdasarkan hasil pemodelan yang dilakukan menggunakan lima variabel yaitu volume

hujan, jumlah hari hujan, suhu rata-rata, tekanan udara, dan penyinaran matahari, didapatkan

lima cluster provinsi di Indonesia dengan karakteristik yang berbeda-beda. Cluster yang

menjadi kandidat terbaik untuk menjadi daerah pembudidaya bawang putih berdasarkan

metode clustering tersebut yaitu Banten, Bali, Nusa Tenggara Barat, Nusa Tenggara Timur,

Sulawesi Barat, dan Papua.

4.2. Saran

Pada pemodelan ini masih perlu data latih tambahan seperti pH tanah dan jenis tanah

agar model yang dihasilkan lebih akurat, penulis juga berharap model ini dapat di kembangkan

lagi bukan hanya untuk tanaman bawang tapi juga bisa untuk berbagai macam varietas tanaman

pangan dalam negeri untuk menciptakan ketahanan pangan serta meningkatkan pendapatan

negara lewat sektor pertanian.

11

DAFTAR PUSTAKA

Dani, A. T. R., Wahyuningsih, S., & Rizki, N. A. (2019). Penerapan Hierarchical Clustering

Metode Agglomerative pada Data Runtun Waktu. Jambura Journal of Mathematics,

1(2), 64-78.

Dasgupta, S. (2016, Juni). A cost function for similarity-based hierarchical clustering. In

Proceedings of the forty-eighth annual ACM symposium on Theory of Computing

(pp. 118-127).

Demšar, J., Curk, T., Erjavec, A., Gorup, Č., Hočevar, T., Milutinovič, M., ... & Štajdohar,

M. (2013). Orange: data mining toolbox in Python. the Journal of machine Learning

research, 14(1), 2349-2353.

Demšar, J., Zupan, B., Leban, G., & Curk, T. (2004, September). Orange: From experimental

machine learning to interactive data mining. In European conference on principles of

data mining and knowledge discovery (pp. 537-539). Springer, Berlin, Heidelberg.

Dimas. 2020. Cara Menanam Bawang Putih Paling Efektif (https://kutanam.com/cara-

menanam-bawang-putih). Diakses 05 September 2020.

Fajrin, A. A., & Maulana, A. (2018). Penerapan Data Mining Untuk Analisis Pola Pembelian

Konsumen Dengan Algoritma Fp-Growth Pada Data Transaksi Penjualan Spare Part

Motor. Kumpul. J. Ilmu Komput, 5(01), 27-36.

Jafarzadegan, M., Safi-Esfahani, F., & Beheshti, Z. (2019). Combining hierarchical clustering

approaches using the PCA method. Expert Systems with Applications, 137, 1-10.

Kusumasari, D., & Rafizan, O. (2018). Studi Implementasi Sistem Big Data untuk

Mendukung Kebijakan Komunikasi dan Informatika. Masyarakat Telematika Dan

Informasi: Jurnal Penelitian Teknologi Informasi dan Komunikasi, 8(2), 81-96.

Maryanto, B. (2017). Big Data dan Pemanfaatannya dalam Berbagai Sektor. Media

Informatika, 16(2), 17-18.

Narendra, A. P. (2015). Data besar, data analisis, dan pengembangan kompetensi

pustakawan. Record and Library Journal, 1(2), 83-93.

Ros, F., & Guillaume, S. (2019). A hierarchical clustering algorithm and an improvement of

the single linkage criterion to deal with noise. Expert Systems with Applications,

128, 96-108.

Sirait, E. R. E. (2016). Implementasi Teknologi Big Data Di Lembaga Pemerintahan

Indonesia. Jurnal Penelitian Pos dan Informatika, 6(2), 113-136.

Susanto, H., & Sudiyatno, S. (2014). Data mining untuk memprediksi prestasi siswa

berdasarkan sosial ekonomi, motivasi, kedisiplinan dan prestasi masa lalu. Jurnal

pendidikan vokasi, 4(2).

12

LAMPIRAN

Lampiran 1. Foto Dokumentasi Kegiatan.

Lampiran 2. Dataset Olahan.

Provinsi Latitude Longitude Volume

hujan

Jumlah

hari

hujan

Suhu

avg

Tekanan

udara

Penyinaran

matahari

Aceh 4,695135 96,749399 1575 146 27,1 1010,7 65,69

Sumatera Utara 2,1153547 99,545097 975,9 105 27,4 1010,6 51,86

Sumatera Barat -0,73994 100,80001 3548 185 26,5 1010,9 59,56

Riau 0,2933469 101,70683 2048,3 140 27,2 1010,5 50,32

Jambi -1,485183 102,43806 1694,9 135 27 1011,4 51,97

Sumatera Selatan -3,319437 103,9144 1947,2 138 27,7 1011 51,19

Bengkulu -3,577847 102,34639 2668,9 166 27 1011 71,35

Lampung -4,558585 105,40681 1628,1 151 27,1 1012,1 67,89

Kepulauan Bangka

Belitung -2,741051 106,44059 1534,7 163 27,3 1011,4 59,57

Kepulauan Riau 3,9456514 108,14287 2250,9 174 27 1011,4 69,95

DKI Jakarta -6,211544 106,84517 2169,5 121 28,4 1011 60,12

Jawa Barat -7,090911 107,66889 2199,3 177 23,5 924,1 65,51

Jawa Tengah -7,150975 110,14026 1620,7 140 28,5 1011,9 85,05

DI Yogyakarta -7,875385 110,42621 2045,5 119 26,1 1014,9 75,14

Jawa Timur -7,536064 112,2384 2024,7 133 28 1011,8 80,12

Banten -6,405817 106,06402 1310,1 155 27,3 1010,6 65,06

Bali -8,409518 115,18892 1133,8 124 27,3 1011,3 84,44

13

Nusa Tenggara Barat -8,652933 117,36165 1147,9 91 26,1 1014,2 84,99

Nusa Tenggara Timur -8,657382 121,07937 1406 82 27,5 1011 84

Kalimantan Barat -0,278781 111,47529 2757,7 215 26,9 1011,8 55,04

Kalimantan Tengah -1,681488 113,38235 2748,4 155 27,7 1013,9 53,46

Kalimantan Selatan -3,092642 115,28376 2509,6 166 27 1013,1 61,45

Kalimantan Timur 1,6406296 116,41939 2069,4 186 27,9 1012,9 46,97

Sulawesi Utara 0,6246932 123,975 1807 127 27 1012,3 67,53

Sulawesi Tengah -1,430025 121,44562 460,9 68 28,4 1011,9 79,12

Sulawesi Selatan -3,668799 119,97405 3382 155 27,3 1013,1 66,83

Sulawesi Tenggara -4,14491 122,17461 1589,6 141 26,9 1012,8 72,51

Gorontalo 0,6999372 122,44672 870,6 76 27,3 1011 75,19

Sulawesi Barat -2,844137 119,23208 1167,9 93 27,9 1012,5 78

Maluku -3,238462 130,14527 1987,2 167 26,5 1012,4 66,52

Maluku Utara 1,5709993 127,80877 913,4 127 27,3 1013 84,07

Papua Barat -1,336115 133,17472 2844,6 218 27,4 1011,5 61,63

Papua -4,269928 138,08035 1265,9 168 27,8 1011,1 64,47

i

PETCARE - DESAIN APLIKASI PLATFORM KEBUTUHAN DAN

KESEHATAN UNTUK HEWAN PELIHARAAN

PROPOSAL

Diajukan untuk mengikuti lomba gemastik xiii

Diusulkan Oleh:

Amalia Sabrina NIM. 065118317 Angkatan 2018

Ilham Agung NIM. 065118334 Angkatan 2018

Sarah Tri Lestari NIM. 065118239 Angkatan 2018

UNIVERSITAS PAKUAN

BOGOR

2020

i

ABSTRAK

Memelihara hewan bukan hanya sekedar memelihara layaknya hewan ternak, pemilik

hewanjuga harus memerhatikan yang disebut dengan kesejahteraan hewan (animal welfare).

Banyak hal yang harus dipenuhi oleh pemilik hewan untuk menjamin hewan peliharaannya

sejahtera.

PET-CARE merupakan sebuah platform untuk membantu mengetahui kebutuhan hewan

peliharaan bersifat efektif dan interaktif dilengkapi obrolan langsung dengan ahli untuk

konsultasi seputar hewan.

Kata Kunci: hewan peliharaan, dokter hewan

ii

DAFTAR ISI

ABSTRAK .................................................................................................................................. i

DAFTAR ISI .............................................................................................................................. ii


1.1 Latar Belakang ............................................................................................................ 1

1.2 Tujuan.......................................................................................................................... 1

1.3 Manfaat........................................................................................................................ 1

BAB II ISI .................................................................................................................................. 2

2.1 User Centered Design.................................................................................................. 2

2.2 Analisis ........................................................................................................................ 2

2.3 Skenario Penggunaan Produk...................................................................................... 3

DAFTAR PUSTAKA ................................................................................................................ 5

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Menurut Dwi Utari (2014) Hewan peliharaan adalah hewan yang kehidupannya untuk sebagian

atau seluruhnya bergantung pada manusia untuk maksud tertentu. Memelihara hewan

peliharaan tentunya harus memperhatikan kesejahteraan hewan.

Memelihara hewan bukan hanya sekedar memelihara layaknya hewan ternak, pemilik

hewanjuga harus memerhatikan yang disebut dengan kesejahteraan hewan (animal welfare).

Banyak hal yang harus dipenuhi oleh pemilik hewan untuk menjamin hewan peliharaannya

sejahtera. Memelihara hewan diikuti dengan adanya tuntutan berupa kewajiban untuk

bertanggung jawab terhadap keberlangsungan hidup hewan peliharaannya. Bahkan pemilik

hewan peliharaan harus memperlakukan hewannya dengan manusiawi (Bogdanoski2010).

Tidak hanya memastikan bahwa hewan peliharaannya dapat hidup, tetapi juga pemilik harus

mampu memastikan hewan peliha-raannya dalam kondisi sehat secara fisik dan mental serta

tidak kekurangan suatu apapun, seperti pakan, minuman dan tempat berteduh. Memelihara

companion animal dapat dijadikan sebagai sarana rekreasi dengan cara bermain bersama hewan

peliharaan, mengisi waktu luang dengan memandikan atau mengajak berjalan-jalan hewan

peliharaan.

Hewan seperti kucing, anjing, kura-kura, berbagai macam ikan, burung, merupakan hewan

yang sering dijadikan peliharaan oleh masyarakat umum. Tidak sedikit pula yang mempunyai

hewan peliharaan lebih dari satu.

Berdasarkan latar belakang tersebut dan dari survey online yang kelompok kami lakukan

beberapa pemilik hewan peliharaan tidak tahu apa yang harus dilakukan jika hewan

peliharaannya sakit, atau apa saja kebutuhan hewan yang tidak umum. Karena kurangnya

informasi dari seorang ahli.

1.2 Tujuan

Tujuan dari interface yang kami buat yaitu:

1. Mempermudah masyarakat mendapatkan informasi tentang hewan peliharaannya

2. Mempermudah pemilik hewan peliharaan untuk konsultasi dengan ahli

1.3 Manfaat

Manfaat yang dihasilkan dari interface yang kami buat yaitu:

1. Menambah wawasan kepada masyarakat tentang hewan peliharaan

2. Mendapat informasi valid tentang hewan dari ahli

2

BAB II

ISI

2.1 User Centered Design

Kelompok kami mengambil sample dengan hewan peliharaan yang berbeda.

Nama Personality Goals

Salsabila

Umur : 21

Mahasiswi

Pemikir dan mempunyai hewan

peliharaan kura-kura

Memilih Platform Android,

- Mencari informasi lebih soal

merawat kura-kura yang baik

- Konsultasi dengan dokter

hewan tanpa harus ke klinik

- Mencari klinik hewan

terdekat

Wina H

Umur : 22

Karyawan

Pemalu dan mempunyai hewan

peliharaan kucing

Memilih Platform Android

- Konsultasi dengan dokter

hewan

- Mencari aksesoris hewan

- Mencari informasi dokter

Revano

Umur : 24

Karyawan Staff IT

Ambisius dan mempunyai hewan

peliharaan anjing

Memilih Platform Mobile Browser

- Mengetahui klinik dokter

terdekat

Dari survey diatas kelompok kami membuat aplikasi berbasis mobile. Dan meiliki fitur

konsultasi dengan dokter hewan secara obrolan langsung, serta dihadirkan juga fitur artikel

untuk menambah wawasan pengguna tentang hewan peliharaan yang dimilikinya. Serta

dihadirkan pula fitur produk untuk melihat beberapa produk yang dihadirkan. Lalu fitur

menemukan klinik hewan terdekat.

2.2 Analisis

a. Target Pengguna

Produk dibuat untuk masyarakat yang mempunyai hewan peliharaan.

b. Batasan Produk

Batasan-batasan yang digunakan pada pengembangan produk ini meliputi;

1. Aplikasi hanya bisa diakses melalui smart phone.

2. User hanya bisa melakukan obrolan dengan dokter, membuat janji dengan dokter,

tanpa melakukan panggilan suara atau video.

3

3. User hanya diperkenankan melihat detail dan fungsi produk tetapi tidak bisa

membelinya langsung secara online

c. Platform yang digunakan

Platform yang digunakan dalam membuat desain aplikasi;

a. Figma

Digunakan untuk membuat interface secara berkelompok dan dipantau oleh dosen

pembimbing lomba.

b. Trello

Karena menggunakan metode pengerjaan agile maka kita melakukan sprint,

semua research, kebutuhan aplikasi, deadline, dituliskan pada trello agar bisa

terpantau oleh dosen pembimbing.

c. Google Form

Digunakan untuk mengambil survey user persona untuk UCD

d. Adobe Photoshop

Digunakan untuk membuat ilustrasi login screen dan mengedit beberapa resolusi

foto.

2.3 Skenario Penggunaan Produk

Perlunya skenario untuk memudahkan pengguna serta melakukan analisis dan

observasinya. Skenario akan menjadi acuan penulis seperti apa pengguna ketika

menjalankan langkah-langkah pada aplikasi.

2.3.1 Skenario Memulai Obrolan Dengan Dokter

Tombol Keterangan

Login Login Pengguna melakukan login terlebih dahulu,

untuk mendapat informasi nama.

Verifikasi Verifikasi

Menggunakan nomor telepon untuk login,

lalu masuk pada halaman verifikasi

otentifikasi 4 angka nomor telepon yang

dikirim melalui sms

Dokter Online Foto Dokter

Pengguna memilih fitur dokter hewan yang

sedang online, terlihat pada dashboard

aplikasi.

Lakukan

Konsultasi

Pengguna melakukan konsultasi dengan

dokter hewan yang bersangkutan dengan

menyebutkan hewan dan menjelaskan

keluhan secara detail.

Akhiri

Obrolan Jika

Telah Selesai

X

Jika pengguna sudah merasa puas dengan

saran dari dokter, bisa langsung mengakhiri

obrolan dengan menekan tombol x

4

Kembali Ke

Dashboard

Pengguna akan kembali pada dashboard jika

sudah selesai konsultasi dengan dokter

hewan

2.3.2 Skenario melihat produk-produk hewan

Tombol Keterangan

Dashboard Icon petshop

Pengguna melakukan klik pada icon petshop

lalu melihat beberapa macam produk yang

disarankan aplikasi

Halaman

Produk Foto Produk

Pengguna melakukan klik pada foto produk

yang diminati, lalu akan muncul deskripsi

produk serta klinik yang menjual barang

tersebut.

2.3.3 Skenario melihat profil dokter

Tombol Keterangan

Dashboard Icon dokter

Pada navbar

Pengguna melakukan klik pada icon dokter

pada navbar.

Halaman List

Dokter Foto Dokter

Pada halaman daftar dokter akan

ditampilkan foto dokter dan jarak menuju

klinik dari lokasi pengguna. Ditampilkan

dari jarak yang terdekat.

Halaman

Profil Dokter

Ditampilkan profil dokter berupa foto, lama

bergabung dengan aplikasi, lama menjadi

dokter hewan, serta alamat dan jadwal

klinik.

5

DAFTAR PUSTAKA

Pemerintah Indonesia. 2011. Undang-Undang No.48 Tahun 2011 Yang Mengatur Tentang

Sumber Daya Genetik Hewan Dan Penerbitan Ternak.

Rahmiati, U., & Pribadi, S. (2014). Latar Belakang: Tingkat Pendidikan dan Status Ekonomi

Pemilik Hewan Kesayangan dalam Hal Pengetahuan dan Penerapan Kesejahteraan

Hewan.

ACOVID-19: Aplikasi Android untuk Pelacakan dan Pengingat

Penyebaran COVID-19

PROPOSAL

Diajukan untuk mengikuti lomba Pengembangan Perangkat Lunak pada GEMASTIK XIII.

Diusulkan Oleh:

Dimas Purnomo NIM. 065118211 Angkatan 2018

Deris Hardiansyah Ismail NIM. 065118228 Angkatan 2018

Fahmi Noor Fiqri NIM. 065118116 Angkatan 2018

UNIVERSITAS PAKUAN

BOGOR

2020

i

DAFTAR ISI

DAFTAR ISI ............................................................................................................................... i


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

1.2. Tujuan Penelitian......................................................................................................... 2

1.3. Manfaat Penelitian....................................................................................................... 2

BAB II RENCANA IMPLEMENTASI..................................................................................... 3

2.1. Rancangan Tampilan ................................................................................................... 3

2.2. Analisis Fungsional ..................................................................................................... 4

2.3. Arsitektur Sistem ......................................................................................................... 4

2.4. Realtime Tracking ....................................................................................................... 4

1

BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

Tahun 2020 menjadi tahun yang sangat berat bagi dunia karena pandemi COVID-19.

Pandemi yang sudah bermula dari bulan Maret di Indonesia ini merupakan penyebab utama

berbagai kegiatan perekonomian di Indonesia berhenti dan menyebabkan kerugian di berbagai

sektor. Selain itu, banyak korban jiwa yang menjadi korban dari pandemi ini.

Saat ini belum ada obat untuk menyembuhkan penyakit ini, hanya tersedia terapi untuk

mengurangi gejala seperti analgesik dan antipiretik untuk menekan rasa sakit dan penggunaan

ventilator untuk membantu pernapasan. Penanganan yang terbaik pada pandemi ini adalah

pencegahan agar tidak tertular, daripada mengobati apabila sudah terjangkit.

Sebagai tindakan pencegahan, berbagai aturan dan anjuran sudah diterbitkan oleh

pemerintah untuk menanggulangi penyebaran pandemi ini seperti mewajibkan penggunaan

masker, pembatasan sosial, dan penutupan lokasi-lokasi dengan mobilitas yang tinggi seperti

pusat perbelanjaan dan sekolah.

Meskipun demikian, masyarakat masih banyak yang belum mematuhi aturan tersebut

atau tidak memiliki pengetahuan mengenai bagaimana tindakan yang sebaiknya dilakukan

untuk menghadapi pandemi ini, atau ada juga yang sekadar lupa dan perlu pengingat untuk

melakukan tindakan pencegahan seperti membawa masker.

Berdasarkan latar belakang tersebut, penulis ingin mengangkat aplikasi dengan nama

ACOVID-19: Aplikasi Android untuk Pelacakan dan Pengingat Penyebaran COVID-19.

Aplikasi ini diharapkan dapat menjawab masalah-masalah tersebut dengan menyediakan

sebuah platform bagi masyarakat agar dapat mengakses informasi mengenai COVID-19 dan

menjadi pengingat yang mudah diakses melalui gawai.

2

1.2. Tujuan Penelitian

Berdasarkan rumusan masalah, tujuan penelitian ini yaitu:

1. Warning, mengingatkan pengguna ketika akan beraktivitas di luar rumah untuk

menyiapkan peralatan seperti masker dan hand sanitizer.

2. Tracking, melacak lokasi pengguna aplikasi untuk mengetahui posisi pengguna.

3. Tracing, melacak aktivitas seluruh pengguna untuk mengukur mobilitas pengguna di

tengah pandemi dan menentukan lokasi-lokasi dengan mobilitas tinggi.

1.3. Manfaat Penelitian

1. Bagi Universitas

a. Sebagai referensi jika ada mahasiswa yang ingin melakukan penelitian serupa.

2. Bagi Masyarakat

a. Menjadi pengingat agar dapat melakukan tindakan preventif dalam pencegahan

penyebaran COVID-19.

3

BAB II

RENCANA IMPLEMENTASI

2.1. Rancangan Tampilan

Sebagai acuan rancangan, penulis membuat high fidelity design dibuat menggunakan

Figma untuk mempermudah proses desain. Saat ini ACOVID-19 memiliki empat halaman

yang dapat diakses oleh pengguna.

Splash Screen Login Daftar Dashboard

Saat pengguna pertama kali membuka aplikasi ACOVID-19, pengguna akan

disuguhkan dengan splash screen yang berisikan logo dan kemudian akan lanjut ke halaman

login. Pada halaman login pengguna dapat masuk dengan akun yang ada atau membuat akun

baru. Setelah pengguna berhasil login, selanjutnya pengguna akan masuk ke dalaman

dashboard.

Halaman dashboard ini berisi informasi singkat mengenai statistik pandemi COVID-

19 di Indonesia. Selain itu, lokasi terkini pengguna juga akan ditampilkan pada halaman

dashboard ini. Nantinya pada halaman ini pengguna dapat mengakses statistik, tips, dan

bantuan melalui navbar.

4

2.2. Analisis Fungsional

Aplikasi ACOVID-19 dapat dibagi menjadi beberapa bagian fungsional, yaitu:

No. Laman Deskripsi

1 Login Memberikan akses kepada pengguna lama untuk masuk ke

akunnya.

2 Daftar Memberikan akses kepada pengguna baru untuk mendaftarkan diri

pada sistem.

3 Dashboard Memberikan informasi statistik COVID-19 di Indonesia beserta

lokasi terkini dari pengguna.

4 Tips Memberikan berbagai tips dan saran untuk menghadapi pandemi

COVID-19.

5 Bantuan Memberikan informasi mengenai cara penggunaan aplikasi ini.

6 Notifikasi

Memberikan notifikasi kepada pengguna ketika akan keluar rumah

untuk membawa perlengkapan seperti masker dan ketika pengguna

masuk ke zona merah.

2.3. Arsitektur Sistem

Aplikasi ACOVID-19 dirancang menggunakan SDLC Agile Scrum, yang

memfokuskan pada nilai yang diberikan kepada pengguna selama iterasi pembuatan aplikasi

ini. Dari sisi sistem, aplikasi ACOVID-19 dibuat dengan menganut konsep modular dan

microservice. Aplikasi ini dibuat menggunakan Flutter dengan backend yang disediakan oleh

Microsoft Azure.

2.4. Realtime Tracking

Fitur ini adalah sistem pelacakan lokasi pengguna secara periodik untuk mencatat lokasi

pengguna. Tujuan dari fungsi ini yaitu mengetahui aktivitas dan lokasi pengguna dalam

menjalani kegiatan sehari-hari. Aplikasi ini akan melacak lokasi pengguna menggunakan GPS

dan mengirimkan datanya ke server ACOVID-19. Data tersebut kemudian akan disimpan dan

diolah untuk melakukan tracing, salah satunya adalah untuk mengukur mobilitas pengguna dan

menentukan lokasi-lokasi yang memiliki tingkat mobilitas tinggi.

LAPORAN KEGIATAN LOMBA GEMASTIK

Documents

Transcript of LAPORAN KEGIATAN LOMBA GEMASTIK