BAB III
METODOLOGI PENELITIAN
3.1 Waktu 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.
3.2 Metodologi Penelitian
3.2.1 Alir Penelitian
Penelitian dilakukan berdasarkan diagram alir metodologi penelitian yang terdapat
pada Gambar 3.1.
38
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
4.1 Analisis Kebutuhan Sistem
4.2 Pengolahan Data Manual
Gambar 3.1 Diagram Alir Metodologi Penelitian
39
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
Tahapan kedua adalah studi literatur. Studi literatur merupakan
kegiatan yang meliputi mencari secara literatur, melokalisasi, dan
menganalisis dokumen yang berhubungan dengan masalah yang akan
diteliti. Dokumen bisa berupa teori-teori dan bisa pula hasil penelitian
yang telah dilakukan mengenai permasalahan yang akan diteliti.
40
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
Tahapan keempat pada langkah kedua adalah tahap desain. Pada tahap
ini dilakukan desain Data Flow Diagram (DFD) untuk mengetahui
alur data pada setiap proses ke setiap entitas dan Entity Relationship
Diagram (ERD) untuk mengetahui hubungan antar entitas. Tahapan
dilanjutkan dengan perancangan antarmuka sistem. Perancangan
41
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
Tahapan berikutnya adalah pengujian. Pada penelitian ini pengujian
dibedakan menjadi 2 yaitu pengujian sistem dan pengujian hasil
keputusan. Pengujian sistem yang dilakukan adalah pengujuan black
box yang bertujuan untuk mengetahui fungsionalitas sistem yang
dibangun. Apabila ditemukan kesalahan, maka proses kembali pada
tahap implementasi untuk memperbaiki kesalahan yang ditemukan.
Apabila tidak ditemukan kesalahan, maka proses dilanjutkan ke tahap
kesebelas. Selain itu untuk pengujian hasil keputusan digunakan
kuisioner yang akan diberikan kepada general Manager dari PT. Tunas
Dwipa Matra untuk mengetahui seberapa akurat hasil keputusan sistem
yang telah dibangun.
42
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.
Informasi lain yang dibutuhkan adalah faktor-faktor yang mempengaruhi
penempatan cabang PT. Tunas Dwipa Matra. Adapun faktor-faktor tersebut yaitu.
43
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
Metode dokumentasi dilakukan untuk memperkuat dan melengkapi data yang
telah diperoleh sebelumnya dari tahap wawancara. Metode dokumentasi
44
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
market di sekitar lokasi, jenis jalan, jarak dealer Honda terdekat dari lokasi, dan
jumlah penduduk.
45
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
dipilih, apabila kasus sudah close, maka sistem akan menampilkan
informasi Case close dan hasil rekomendasi yang dipilih pada kasus
tersebut.
46
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%
7. Jumlah penduduk (C7) = 35%
47
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
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
Very High 1
48
Tabel 3.3 Angka Fuzzy untuk Kriteria C2
Range value Fuzzy number Value
value <= 2 Low 0.25
5 > value >2 Sufficient 0.5
Value >= 5 High 0.75
4) C3, 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 3.4.
Tabel 3.4 Angka Fuzzy untuk Kriteria C3
Range value Fuzzy number Value
value <= 2 Low 0.25
5 > value >2 Sufficient 0.5
Value >= 5 High 0.75
5) C4, 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 3.5.
Tabel 3.5 Angka Fuzzy untuk Kriteria C4
Range value Fuzzy number Value
Gang Low 0.25
Arteri Sufficient 0.5
Nadi High 0.75
6) C5, 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 3.6.
Tabel 3.6 Angka Fuzzy untuk Kriteria C5
Range value Fuzzy number Value
value <= 5 Low 0.25
10 > value >5 Sufficient 0.5
Value >= 10 High 0.75
49
7) C6, 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 3.7.
Tabel 3.7 Angka Fuzzy untuk Kriteria C6
Range value Fuzzy number Value
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.
Tabel 3.8 Angka Fuzzy untuk Kriteria C7
Range value Fuzzy number Value
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
3 A3 25 1 0 Arteri 11 1 57.756
50
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
No Alternatif C1 C2 C3 C4 C5 C6 C7
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
No Alternatif C1 C2 C3 C4 C5 C6 C7
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)=
0.6334
51
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
Android dengan database server. Web Service dibangun dengan JSON (Javascript
Object Notation) dan PDO (PHP Data Object). Data yang didapat dari Web
Service dikirim dalam format JSON. PHP mendukung pengiriman maupun
pengolahan data dalam format JSON dengan method POST maupun GET. Desain
arsitektur Web Service dapat dilihat pada Gambar 3.2.
52
Database
PHP Web Service Server
Android Mobile Apllication
Manajemen Data
SIG
Subsistem Berbasis Pengetahuan
Manager
Manager
Admin
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
Gambar 3.3 adalah Diagram Context/ DFD level 0 dari Sistem Pendukung
Keputusan Penempatan Cabang PT. Tunas Dwipa Matra Bandar Lampung
Berbasis SIG.
53
Sistem Pendukung Keputusan Penempatan Cabang PT Tunas Dwipa Matra berbasis Sistem
Informasi Geografis
Admin
Eksekutif
Surveyor
Peta persebaranHasil Survey
Hasil Rekomendasi
Data Dealer Honda
Data LoginData Bobot Kriteria
Data KecamatanData Survey
Data dealer HondaData survey
Data kecamatanData login
Data kriteria
rute
Pilihan Kasus Lokasi pengguna
Data survey
Data survey
Data Kasus
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
login, data bobot kriteria, dan data kasus. Sedangkan aliran data dari sistem ke
admin berupa data dealer Honda, data survey, data kecamatan, data login, data
kriteria, dan data kasus. Aliran data dari eksekutif ke sistem adalah pilihan kasus
dan lokasi pengguna. Sedangkan aliran data dari sistem ke eksekutif berupa hasil
survey, hasil rekomendasi, peta persebaran, dan rute. Aliran data dari Surveyor ke
sistem adalah data survey begitu pula dari sistem ke surveyor. Eksekutif yang
ingin membuka cabang baru, menggunakan sistem ini dengan membuka kasus
baru lokasi penempatan cabang dengan status open. Apabila lokasi penempatan
cabang telah terpilih maka kasus akan close. Surveyor mengisi data survey
berdasarkan kasus yang open. Setelah itu eksekutif dapat melihat hasil
rekomendasi berdasarkan lokasi-lokasi yang telah di-input-kan oleh surveyor.
54
1.0 Proses Data Master
2.0 Proses Mengolah Data
Survey
3.0 Proses DSS
Admin
Surveyor
Eksekutif
Data Dealer Honda
Data LoginData Bobot Kriteria
Data KecamatanData Survey
Data Kasus
Data KasusData Kriteria
Data LoginData Kecamatan
Data SurveyData Dealer Honda
Data survey
Data survey
Pilihan Kasus Lokasi pengguna
Peta persebaran
Hasil SurveyHasil Rekomendasi
rute
Tabel_MasterData Master
Data Master
Tabel_location
Tabel_kasusData kasus
Data survey
Data survey
Tabel_kecamatan
Data Kecamatan
Tabel_DSSData 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.
3. Eksekutif dapat melakukan proses DSS. Tabel DSS yang dimaksud berupa
tabel marker, tabel location, tabel kecamatan, tabel matrixafter, tabel
matrixnormal dan tabel hasilnormal.
55
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 loginData 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_Kasuskasus
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.
2. Admin dapat mengolah data survey yaitu data calon lokasi penempatan
cabang.
56
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
Data KecamatanData Survey
2.2 Menghapus data survey
2.3 Mengubah data survey
Data Survey
Data Survey
Data Survey
Data SurveyData survey
Data survey
Data kasus
Data Kecamatan
Data surveyData 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.
1. Surveyor memberikan data survey untuk proses menambah data survey ke
tabel location. Dalam proses menambah data tersebut, kasus dan
kecamatan diperoleh dari tabel kasus dan tabel kecamatan.
57
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 persebaranData survey
Tabel_kasusHasil 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 surveyPilihan Kasus
kasus
Data matriknormal
Data matrikafter
Data hasilnormal
Data Survey
Tabel_Marker
Data dealer Honda
Longitude dan latitude dealer
Tabel_kecamatan
Jumlah penduduk
Gambar 3.7 DFD Level 2 Proses DSS
58
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 KecamatanData Dealer Honda
1.1.2 Menghapus data dealer
Honda
1.1.3 Mengubah data
dealer honda
Data Dealer Honda
Data Dealer Honda
DataDealer Honda
Data Dealer HondaData 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
dealer Honda ke tabel marker. Dalam proses menambah data tersebut,
kategori dan kabupaten diperoleh dari tabel kategori dan tabel kecamatan.
59
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
Data KecamatanData Survey
1.2.2 Menghapus data survey
1.2.3 Mengubah data
survey
Data Survey
Data Survey
Data Survey
Data SurveyData survey
Data survey
Data kasus
Data Kecamatan
Data surveyData 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.
1. Admin memberikan data survey untuk proses menambah data survey ke
tabel location. Dalam proses menambah data tersebut, kasus dan
kecamatan diperoleh dari tabel kasus dan tabel kecamatan.
60
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 KacamatanData 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.
1. Admin memberikan data kecamatan untuk proses menambah data
kecamatan ke tabel kecamatan.
61
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 LoginData 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.
2. Sistem menampilkan data login dari tabel login pada proses menghapus
data login, kemudian admin memilih data login yang ingin dihapus dari
tabel login.
62
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 KasusData 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.
3. Sistem menampilkan data kasus dari tabel kasus pada proses mengubah
data kasus, kemudian admin memberikan data kasus ke sistem untuk
mengganti data pada tabel kasus.
63
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
Longitudedan
latitude dealer
Data matrikafter
Data matrikafter
Data matriknormal
Data matriknormal
Data hasilnormalisasi
Data hasilnormalisasi
Hasil rekomendasi
Tabel_kecamatanJumlah 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.
1. Proses perhitungan matriks after adalah proses mengubah data hasil survey
dari tabel location menjadi nilai fuzzy. Pertama-tama Eksekutif memilih
kasus. Kemudian pada proses perhitungan matriks after diperoleh data
kasus dari tabel kasus, data survey dari tabel location, jumlah penduduk
dari tabel kecamatan, dan data longitude latitude dealer dari tabel marker.
64
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
Hubungan antar entitas data untuk sistem ini dapat dilihat pada Gambar 3.14.
Pada Sistem Pendukung Keputusan Penempatan Cabang PT. Tunas Dwipa Matra
Berbasis SIG ini terdapat 11 entitas yaitu tabel location, tabel login, tabel marker,
tabel kecamatan, tabel kategori, tabel kriteria, tabel jalan, tabel kasus, tabel
matrixafter, tabel matrixnormal, dan tabel hasilnormal. Entitas digambarkan
dengan bentuk persegi panjang. Masing-masing entitas memiliki atribut yang
digambarkan dengan bentuk elips. Atribut key dicirikan dengan adanya garis
bawah pada nama atribut.
65
Table location
Table login
Table kecamatan Table marker Table kategori
Table kasus
Table jalan
Table matrixnormal
Table matrixafterTable hasilnormal
Table kriteria
pid
nama
alamat
kecamatan
longitude
latitude
biaya
bengkel
penjual
jalan
market
jarak
email_id
created_at
nama_casetelepon
ma_id
nama
c1
c2
c3
c4
c5
c6
c7
c4ma_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
MemilikiMemiliki
Memasukkan
Berada di ditandai
berisi
Berada di
Memiliki1 m
m m
1
1
m
m
1
1
m
1
m1
1 m m 1
dealer
Location_id
Gambar 3.14 Entity Relationship Diagram
66
Berikut adalah contoh struktur tabel yang ada pada Gambar 3.14.
1. Tabel Location
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
Tabel ini digunakan untuk menyimpan data dealer Honda di Bandar Lampung
Table 3.13 Contoh Struktur Tabel Marker
No Atribut Type Length Keterangan
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
9. Location_id int 11
67
3. Tabel kecamatan
Tabel ini digunakan untuk menyimpan data kecamatan di Kota Bandar
Lampung beserta jumlah penduduk.
Table 3.14 Contoh Struktur Tabel Kecamatan
No Atribut Type Length Keterangan
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
No Atribut Type Length Keterangan
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
No Atribut Type Length Keterangan
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
No Atribut Type Length Keterangan
1. login_id int 11 Primary key
2. Mobile_number varchar 12
3. password varchar 20
4. name varchar 30 Unique
5. Email_id varchar 20
68
7. Tabel Kasus
Tabel ini digunakan untuk menyimpan data kasus.
Table 3.18 Contoh Struktur Tabel Kasus
No Atribut Type Length Keterangan
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
No Atribut Type Length Keterangan
1. Jid Int 11 Primary key
2. jalan Varchar 20 Unique
9. Tabel Matrixarfer
Tabel ini digunakan untuk menyimpan data hasil survey yang sudah diubah ke
nilai fuzzy
Table 3.20 Contoh Struktur Tabel Matrixafter
No Atribut Type Length Keterangan
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
69
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
No Atribut Type Length Keterangan
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
No Atribut Type Length Keterangan
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
70
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.
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
tampilan eksekutif.
71
Gambar 3.16 Halaman Dashboard tampilan Eksekutif
b) Halaman DSS
Gambar 3.17 adalah rancangan antarmuka untuk halaman DSS
tampilan eksekutif.
Gambar 3.17 Halaman DSS tampilan Eksekutif
72
c) Halaman Case
Gambar 3.18 adalah rancangan antarmuka untuk halaman Case
tampilan eksekutif.
Gambar 3.18 Halaman Case tampilan Eksekutif
3) Tampilan Admin
a) Halaman dashboard
Gambar 3.19 adalah rancangan antarmuka untuk halaman dashboard
tampilan admin.
Gambar 3.19 Halaman Dashboard Tampilan Admin
73
b) Halaman Table AHM
Dealer Honda
Gambar 3.20 adalah rancangan antarmuka untuk halaman Dealer
Honda tampilan admin.
Gambar 3.20 Halaman Dealer Honda Tampilan Admin
Insert Dealer Honda
Gambar 3.21 adalah rancangan antarmuka untuk halaman Insert
Dealer Honda tampilan admin.
Gambar 3.21 Halaman Insert Dealer Honda Tampilan Admin
74
c) Halaman Table TDM Survey
Weighting Criteria
Gambar 3.22 adalah rancangan antarmuka untuk halaman Weighting
Criteria tampilan admin.
Gambar 3.22 Halaman Weighting Criteria Tampilan Admin
Survey result
Gambar 3.23 adalah rancangan antarmuka untuk halaman survey result
tampilan admin.
Gambar 3.23 Halaman Survey Result Tampilan Admin
75
District
Gambar 3.24 adalah rancangan antarmuka untuk halaman district
tampilan admin.
Gambar 3.24 Halaman District Tampilan Admin
d) Halaman Kasus
Gambar 3.25 adalah rancangan antarmuka untuk halaman kasus
tampilan admin.
Gambar 3.25 Halaman Case Tampilan Admin
76
e) Halaman Table Login
Gambar 3.26 adalah rancangan antarmuka untuk halaman table login
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
tampilan surveyor.
Gambar 3.27 Halaman Login Tampilan Surveyor
77
b) Halaman Utama Surveyor
Gambar 3.28 adalah rancangan antarmuka untuk halaman utama
tampilan surveyor.
Gambar 3.28 Halaman Utama Tampilan Surveyor
c) Halaman input data survey
Gambar 3.29 adalah rancangan antarmuka untuk halaman input data
survey tampilan surveyor.
78
Gambar 3.29 Halaman Tampilan Surveyor
4. Implementasi
Pada tahap implementasi, dimulai dengan pembuatan database. Database yang
dipakai adalah MySQL serta menggunakan web server apache yaitu Xampp.
Selanjutnya pembuatan program (koding) sistem berbasis web menggunakan
bahasa pemograman php dan html. Pada sistem berbasis web ini yang akan
dibangun Sistem Pendukung Keputusan (SPK) dan Sistem Informasi Geografis
(SIG). Sistem berbasis web dibangun dari 2 sudut pandang aktor yaitu admin dan
eksekutif. Pada halaman admin terdapat fungsi mengolah data dealer, mengolah
data survey, mengolah data login, mengubah bobot kriteria, dan mengolah data
79
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
Pada penelitian ini pengujian dibedakan menjadi 2 yaitu pengujian fungsionalitas
sistem dan pengujian hasil keputusan. Pendekatan kasus uji untuk pengujian
fungsionalitas sistem adalah pengujian black box dengan metode Equivalence
Partitioning. EP akan membagi domain masukan dari program ke dalam kelas-
kelas sehingga test case dapat diperoleh. Pengujian EP berusaha untuk
80
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
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=
Password = 1234,
Klik tombol login
Masuk ke Halaman
dashboard manager
Email=
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”
Menampilkan hasil
rekomendasi sesuai
dengan kasus pilihan
81
Tabel 3.23 Daftar Pengujian Black Box pada sistem untuk General Manager
(Lanjutan)
No. Kelas
Uji
Daftar
Pengujian
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
terjadi
Tabel 3.24 Daftar Pengujian Black Box pada sistem untuk Admin
No. Kelas
Uji
Daftar
Pengujian
Kasus Uji Hasil yang
Diharapkan
1. Login Input data login Email=
Password = 11111 ,
Klik tombol login
Masuk ke halaman
dashboard admin
Email=
Password = , Klik
tombol login
Tidak dapat masuk ke
halaman dashboard
admin (Kolom
password harus diisi)
2. Fungsi
pada
halaman
TDM
Marker
Insert marker
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
Tabel 3.24 Daftar Pengujian Black Box pada sistem untuk Admin (Lanjutan)
No. Kelas Uji Daftar Kasus Uji Hasil yang
82
Pengujian Diharapkan
Edit marker
dealer
Ubah kategori dealer,
klik “Update”
Data tersimpan ke
database
Hapus kolom alamat,
klik “Update”
Data tidak
tersimpan ke
database, kolom
input tidak boleh
kosong
3. Fungsi
pada
halaman
lokasi
survey
Insert lokasi
survey
Mengisi penuh kolom
input dengan data sesuai,
klik “Insert Data”
Data tersimpan ke
database
Mengetikan huruf pada
kolom nomor telepon
Tidak dapat
mengetik huruf
pada kolom nomor
telepon
Edit lokasi
survey
Mengubah kasus dan klik
“Update Data”
Data tersimpan ke
database
Hapus kolom alamat,
klik “Update Data”
Data tidak
tersimpan ke
database, kolom
input tidak boleh
kosong
4. Fungsi
pada
halaman
bobot
kriteria
Edit bobot
kriteria
Mengubah bobot menjadi
10%, 20%, 15%, 15%,
10%, 20%, 10%
Data tersimpan ke
database
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
Data tersimpan ke
database
83
Tabel 3.24 Daftar Pengujian Black Box pada sistem untuk Admin (Lanjutan)
No. Kelas
Uji
Daftar
Pengujian
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=
mobile phone=
089637576582,
password= 123456,
retype password=
123456
Data tersimpan ke
database
Nama=cindy, email=
mobile phone=
089637576582,
password= 123456,
retype password=
1234567
Data tidak tersimpan
ke database, muncul
kotak dialog
password tidak sama
Kecamatan =
Tanjung Senang,
Jumlah Penduduk=
jdkasjdkas
Tidak dapat
mengetikan huruf
pada kolom jumlah
penduduk
84
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”
Data tersimpan ke
database
Nama Lokasi sama
dengan data pada
database
Data tidak dapat
tersimpan ke
database
3. Edit data Edit data
lokasi
Mengubah kecamatan,
klik “save”
Data tersimpan ke
database
Hapus kolom nama
lokasi, klik “save”
Data tidak dapat
tersimpan ke
database ( kolom
nama tidak boleh
kosong)
85
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
Data sekunder berupa informasi Honda, kategori dealer Honda, jumlah
penduduk tiap kecamatan di Bandar Lampung.
Top Related