BAB 4 HASIL DAN PEMBAHASAN

Transkripsi

1 BAB 4 HASIL DAN PEMBAHASAN 4.1. Alat Ukur Alat ukur kelelahan menggunakan metode Pyschomotor Vigilance Task (PVT), sudah banyak dipergunakan dalam penelitian pengukuran kelelahan seseorang dan penggunaannya membutuh sebuah device dan langsung memberikan output berupa data dari PVT dan tidak memiliki database untuk diolah lebih lanjut lagi. Dengan penggunaan device ini sendiri menyebabkan penggunaannya yang tidak secara mobile atau tidak dapat diakses dengan mudah dimana-mana. Namun belum ada yang mengimplementasikan sebagai suatu alat ukur yang benar-benar dapat diterapkan sebagai suatu dasar informasi yang akan menjelaskan tingkat kelelahan seseorang dan memberikan hasil akhir apakah orang tersebut dapat melakukan aktifitas yang akan dijalankan apa tidak. Apabila diperhatikan, untuk alat ukur dengan PVT, belum ada yang mengkombinasikan dengan metode Karolinska Sleepiness Scale (KSS). Alat ukur dengan metode PVT, apabila seluruh data yang dihasilkan dimasukkan kedalam metode KSS yang sesuai dengan tingkat kelelahan tertentu dan disimpan kedalam database yang sudah yang dirancang, lalu data ini akan diolah sehingga memberikan hasil suatu keputusan terhadap pengguna. Pada kasus ini pengguna adalah pengendara mobil travel. Dengan perancangan aplikasi PVT yang menerapkan metode KSS, kemudian digunakan sebagai media alat ukur yang data akhirnya akan dibantu oleh metode DSS mengenai kelayakan pengendara travel, sehingga kendaraan yang akan berjalan dikendarain oleh pengendara yang status kelelahannya adalah siap untuk mengemudi. Pada akhirnya, dengan bantuan alat ukur tersebut dapat meningkatkan tingkat kepercayaan masyarakat 4.2. Metode Karolinska Sleepiness Scale Dengan menggunakan metode ini dan dikombinasikan dengan metode PVT. Dapat dibuat sebuah batasan-batasan yang dapat dipergunakan sebagai validasi dalam hal pengukuran tingkat kelelahan seseorang dan kelayakan kondisi seseorang dalam melakukan aktivitas kedepannya. Dengan penerapan aplikasi PVT dengan metode KSS untuk perusahaan travel. Terdapat 5 macam batasan yang dapat diambil kesimpulan untuk menjelaskan kesiapan dari supir sebelum melakukan pekerjaannya. Pada bagian awal, supir diminta memilih tingkat kelelahan mereka yang terdiri dari skala 1 sampai dengan 9. Setelah tingkat kelelahan dipilih, data tersebut akan disimpan dan menunjuk kepada beberapa validasi yang sudah ditentukan, yaitu: KSS 1 sampai dengan 3 Untuk para supir yang memilih tingkat kelelahan pada skala 1 sampai dengan 3. Dapat disimpulkan berdasarkan tingkat KSS dan waktu respon mereka terhadap beberapa stimulus yang diujikan dalam PVT adalah supir sangat siap dalam melakukan pekerjaannya. 16

2 17 KSS 4 sampai dengan 5 Apabila supir memilih tingkat kelelahan antara 4 ataupun 5, akan dibagi menjadi 4 kategori yang dapat menjelaskan tingkat kesiapan, yaitu o PVT : Data respon tercepat Setelah melakukan pengujian PVT, apabila data respon tercepat supir lebih kecil sama dengan dari batasan berdasarkan data respon yang sudah dirancang, maka dapat disimpulkan bahwa supir berada dalam kondisi sangat siap. o Data Respon tercepat PVT : Data respon rata-rata Apabila hasil PVT menunjukkan bahwa, data respon tercepat lebih besar dari batasan data respon tercepat dan data respon rata-rata berada lebih kecil sama dengan batasan data respon rata-rata, dengan demikian dapat disimpulkan bahwa supir berada dalam kondisi sangat siap. o Data respon rata-rata PVT : Data respon terlama Apabila hasil PVT menunjukkan bahwa data respon rata-rata lebih besar dari batasan data respon rata-rata dan data respon terlama lebih kecil dari batasan data respon terlama, dapat disimpulkan bahwa supir dalam kondisi cukup siap. o PVT : Data respon terlama Apabila hasil PVT menunjukkan bahwa data respon terlama lebih besar dari batasan data respon terlama, maka dapat disimpulkan bahwa supir dalam kondisi cukup siap. KSS 6 sampai dengan 7 o PVT : Data respon tercepat Setelah melakukan pengujian PVT, apabila data respon tercepat supir lebih kecil sama dengan dari batasan berdasarkan data respon yang sudah dirancang, maka dapat disimpulkan bahwa supir berada dalam kondisi kurang siap. o Data Respon tercepat PVT : Data respon rata-rata Apabila hasil PVT menunjukkan bahwa, data respon tercepat lebih besar dari batasan data respon tercepat dan data respon rata-rata berada lebih kecil sama dengan batasan data respon rata-rata, dengan demikian dapat disimpulkan bahwa supir berada dalam kondisi kurang siap. o Data respon rata-rata PVT : Data respon terlama Apabila hasil PVT menunjukkan bahwa data respon rata-rata lebih besar dari batasan data respon rata-rata dan data respon terlama lebih kecil dari batasan data respon terlama, dapat disimpulkan bahwa supir dalam kondisi tidak siap. o PVT : Data respon terlama Apabila hasil PVT menunjukkan bahwa data respon terlama lebih besar dari batasan data respon terlama, maka dapat disimpulkan bahwa supir dalam kondisi tidak siap. KSS 8 sampai dengan 9

3 Untuk para supir yang memilih tingkat kelelahan antara skala 8 sampai dengan 9, dapat secara cepat disimpulkan bahwa keadaan supir berada pada kondisi tidak siap Pengumpulan Data Survey Untuk melengkapi kebutuhan dari perancangan aplikasi PVT, dibutuhkan 200 peserta yang akan disurvey menggunakan prototype dari aplikasi yang sudah disiapkan. Waktu yang dipergunakan untuk setiap peserta sama seperti standart waktu yang akan digunakan oleh aplikasi yaitu selama 5 menit. Peserta yang akan digunakan sebagai data survey, harus berada dalam posisi yang segar dan waspada, dengan kata lain belum banyak melakukan kegiatan yang menguras energi dan mengurangi tingkat kefokusan. Setelah melakukan pengumpulan data oleh 200 peserta, akan didapatkan 3 data utama untuk setiap peserta yaitu: Data Tercepat Waktu tercepat yang didapatkan pada saat stimulus muncul di antarmuka dan peserta merespon stimulus tersebut. Satuan yang digunakan adalah satuan detik. Data Terlama Waktu terlama yang didapatkan pada saat stimulus muncul di antarmuka dan peserta merespon stimulus tersebut. Satuan yang digunakan adalah satuan detik. Rata-Rata Keseluruhan data waktu yang didapatkan dalam 1 proses pengujian dan melakukan rata-rata untuk keseluruhan data yang didapatkan. Satuan yang digunakan adalah satuan detik. Setelah ketiga data tersebut sudah didapatkan, maka ketiga data tersebut akan digunakan sebagai standart batas normal untuk melakukan kegiatan berkendara oleh pengendara travel. Berdasarkan ketiga kategori waktu yang sudah ditentukan dan data sudah diambil sebanyak 200 peserta. Berdasarkan 200 peserta dibagi menjadi dua jenis peserta, pertama 20 peserta yang diambil dari pengendara travel dan 180 peserta lainnya diambil dari pengendara kendaraan pribadi Dikarenakan data pengemudi kendaraan umum yang hanya mencapai 20 peserta, maka dilakukan pengujian hipotesa dua arah dengan menggunakan tingkat kepercayaan 95% dan nilai maksimal kesalahan yang diterima sebesar 5%. Tujuannya adalah untuk membuktikan hipotesa yang akan dipergunakan. h o = rata-rata sample antara data 180 pengemudi kendaraan pribadi sama dengan data 20 pengemudi kendaraan umum h 1 = rata-rata sample antara data 180 pengemudi kendaraan pribadi tidak sama dengan data 20 pengemudi kendaraan umum Berikut hasil perbandingan data pengemudi kendaraan umum dengan pengemudi kendaraan pribadi: 18

4 19 SUMMARY Groups Count Sum Average Variance Pengemudi Kendaraan Umum ,7077 0, , Pengemudi Kendaraan Pribadi 20 12, , , ANOVA Source of Variation SS df MS F P-value F crit Between Groups 0, , , , , Within Groups 2, , Total 3, Gambar 4.1 Tabel perbandingan pengendara kendaraan umum dan pengendara kendaraan pribadi menggunakan pengujian hipotesa dua arah Berdasarkan hasil perhitungan yang sudah didapatkan pada gambar 4.1, dapat dilihat bahwa P-value menunjukkan angka 0,231861, apabila dibandingkan dengan nilai maksimal kesalahan yang diterima yaitu sebesar 5%, menunjukkan bahwa hasil dari P-value lebih besar dari nilai maksimal kesalahan yang sudah ditetapkan. Berdasarkan perhitungan yang sudah dilakukan, maka dapat disimpulkan bahwa hipotesa awal dapat diterima dikarenakan tidak ada bukti yang menyatakan bahwa data dari 20 pengemudi kendaraan umum berbeda dengan data 180 pengemudi kendaraan pribadi pada tingkat kepercayaan 95%. Maka 200 data peserta yang ada dapat digunakan untuk melakukan analisis selanjutnya. Untuk contoh data dapat dilihat pada tabel berikut: Tabel 4.1 Contoh pengambilan data berdasarkan 200 peserta Nama MaxTime MinTime AvgTime Success Failed Date Adul 0,89 0,199 0, Mei-13 Aldo 1,03 0,327 0, Mei-13 Ariyo 0,702 0,312 0, Mei-13 Toni 0,874 0,343 0, Mei-13 Yunita 0,813 0,334 0, Mei-13 Adrians Perdana 0,958 0,295 0, Mei-13 Ahmad 0,812 0,291 0, Mei-13 Daniel 1,136 0,362 0, Mei-13 Ijal 1,032 0,355 0, Mei-13 saleh 1,386 0,296 0, Mei-13 Berdasarkan pada tabel 4.1, diambil contoh 10 data dari 10 peserta. Dapat terlihat 3 data utama yang diperlukan, yaitu: waktu tercepat, waktu terlama dan waktu rata-rata. Apabila diperhitungkan dengan keseluruhan data yang sudah didapatkan berdasarkan 200 peserta, maka didapatkan hasil Tabel 4.2 Hasil seleksi untuk seluruh data yang masuk Data Tercepat 0,3879 Data Terlama 1,0792 Data Rata-Rata Setelah ketiga data yang dibutuhkan sudah didapatkan, langkah selanjutnya adalah mencari batas atas dan batas bawah untuk setiap kategori.

5 20 Hal ini bertujuan agar data yang masuk akan terlihat, apakah data tesebut masuk dalam nilai kategori yang standart atau tidak. Data Tercepat Menghitung nilai standart deviasi: s = 0,0692 Menghitung nilai C 4 berdasarkan tabel, namun dikarenakan data yang ada melebihi data tabel, maka proses perhitungan berbeda. C 4 = 0,9987 Menghitung nilai A 3 yang akan digunakan A 3 = 0,2123 Setelah data-data yang dibutuhkan sudah didapatkan, akan diproses perhitungan untuk mendapatkan batas atas dan batas bawah berdasarkan data yang ada o Upper Control Limit UCL = 0,4026 o Central Line Data perhitungan ini berdasarkan nilai rata-rata dari keseluruhan data yang akan digunakan o Lower Control Limit LCL = 0,03732 Data Terlama Menghitung nilai standart deviasi: s = 0,2411 Menghitung nilai C 4 berdasarkan tabel, namun dikarenakan data yang ada melebihi data tabel, maka proses perhitungan berbeda. C 4 = 0,9987 Menghitung nilai A 3 yang akan digunakan

6 21 A 3 = 0,2123 Setelah data-data yang dibutuhkan sudah didapatkan, akan diproses perhitungan untuk mendapatkan batas atas dan batas bawah berdasarkan data yang ada o Upper Control Limit UCL = 1,1304 o Central Line Data perhitungan ini berdasarkan nilai rata-rata dari keseluruhan data yang akan digunakan o Lower Control Limit LCL = 1,028 Data Rata-Rata Menghitung nilai standart deviasi: s = 0,1289 Menghitung nilai C 4 berdasarkan tabel, namun dikarenakan data yang ada melebihi data tabel, maka proses perhitungan berbeda. C 4 = 0,9987 Menghitung nilai A 3 yang akan digunakan A 3 = 0,2123 Setelah data-data yang dibutuhkan sudah didapatkan, akan diproses perhitungan untuk mendapatkan batas atas dan batas bawah berdasarkan data yang ada. o Upper Control Limit UCL = 0,6649 o Central Line Data perhitungan ini berdasarkan nilai rata-rata dari keseluruhan data yang akan digunakan o Lower Control Limit

7 22 LCL = 0, Proses Bisnis Pada proses ini dimulai dengan bagian HRD mendata kendaraan yang ada untuk dilakukan pencatatan. Pengendara akan mengisi form biodata pribadi yang akan diberikan ke bagian HRD. Setelah HRD memiliki data kendaraan dan data pengendara, maka HRD akan melakukan penjadwalan kendaraan yang sudah ditentukan terhadap pengendaranya. Setelah proses penjadwalan selesai, maka bagian HRD akan memasukkan data tersebut kedalam database. Setelah data sudah tersimpan, akan dilanjutkan oleh bagian pengendara yang akan memulai proses pengujian sebelum melakukan aktifitas berkendara. Proses ini dimulai dengan pengendara melakukan absensi sebelum melakukan pengujian, setelah proses pengujian selesai maka pengendara akan melihat notifikasi hasil dari proses pengujian tersebut. Setelah pengendara selesai, maka data tersebut akan diterima oleh bagian kasir. Bagian kasir akan menghitung AHP secara online dan melihat pengendara mana yang reliable untuk melakukan aktifitas berkendara. Setelah hasil perhitungan AHP secara online sudah didapatkan, bagian kasir akan memasukkan data tersebut kedalam database. Kemudian bagian kasir akan menerbitkan surat jalan melalui sistem kepada pengendara yang berisikan informasi kendaraan dan pengendaranya. Sistem akan memilih pengendara yang memenuhi kriteria dari pengujian menggunakan Pyschomotor Vigilance Task. Kriteria yang dimaksudkan adalah pengendara yang lolos melewati nilai standart yang sudah ditentukan, dan apabila dari beberapa pengendara berhasil melewati proses pengujian kelelahan, maka sistem akan melihat keseimbangan porsi berkendara antara pengendara yang berhasil Event Table Event table ditujukan mengidentifikasikasn sebuah use case memerlukan event apa didalamnya, pemicu dari berjalannya event hingga tujuan akhir yang dihasilkan dari event tersebut. Event table ini akan menggambarkan secara jelas untuk setiap proses yang berjalan. Berikut adalah gambar dari event table: Psychomotor Vigilance Task Event Table No Event Trigger Source Usercase Response Destination 1 HRD Mendata Sebelum melakukan Mendata Mobil Kendaraan proses penjadwalan Kendaraan Form Kendaraan Database 2 HRD Mendata Sebelum melakukan Pengendara Mendata Pengendara proses penjadwalan Pengendara Form Biodata Pengendara Database HRD Menjadwalkan Kendaraan Terhadap Penengendara Pengendara Melakukan Absensi Pengendara Melakukan Pengujian Kasir Menerbitkan Surat Jalan 7 HRD Menerbitkan Surat Menentukan Pengendara yang akan mengendarai kendaraan Sebelum melakukan proses pengujian Sebelum melakukan aktifitas berkendara Setelah Pengendara selesai melakukan proses pengujian Setelah melihat laporan hasil pengujian Database PVT PVT Database Database Menjadwalkan Mengambil data dari database Mengambil data dari database Mengambil data dari database Mengambil data dari database Form Kendaraan dan Pengendara Notifikasi Hasil Login Notifikasi Hasil Pengujian Form Surat Jalan Form Surat Dokter atau Peringatan Database Database Database Pengendara Pengendara

8 23 Gambar 4.1 Event Table 4.6. Rich Picture Pada diagram ini akan menjelaskan struktur penggunaan sistem secara jelas, sehingga jalur struktur dari sistem dapat tergambarkan dengan baik. Diagram ini juga menyesuaikan penggambarannya dengan proses bisnis yang akan berjalan. Berikut gambar dari rich picture: 4.7. Activity Diagram Gambar 4.2 Rich Picture

9 Gambar 4.3 Activity Diagram Pada gambar 4.3, dijelaskan proses aktifitas yang terjadi antar 1 aktor dengan aktor yang lainnya. Dengan adanya activity diagram, dapat memudahkan melihat proses berjalannya alur sistem yang berjalan 4.8. Use Case Diagram Diagram ini menggambarkan dengan jelas interaksi aktor dengan sistem yang sudah dirancang. Sehingga akan terlihat bahwa setiap aktor mempunyai peran yang berbeda-beda. Use Case ini dapat dilihat berdasarkan dari Activity Diagram, tapi tidak semua aktifitas dimasukkan kedalam use case, hal ini dikarenakan yang dimasukkan kedalam use case hanya interaksi aktor dengan sistem. Misalkan pada aktifitas pengendara pada activity diagram, terdapat mengisi form data pengendara. Pengendara mengisi form secara manual, dan memberikan kepada bagian HRD untuk dilakukan pencatatan. 24

10 25 Gambar 4.4 Use Case Diagram 4.9. Use Case Description Pada bagian use case description, akan dijelaskan secara detail proses yang berjalan disetiap use case. Penjelasan bermula dari apa saja penyebab use case tersebut hingga proses interaksi secara detail kedalam sistem. Tabel 4.3 Tabel Use Case Description Use Case Mendata kendaraan Name: Scenarios: HRD mendata seluruh kendaraan Triggering HRD mencatat seluruh data mobil untuk dilakukan proses Event: penjadwalan Brief Use case ini menjelaskan HRD mendata kendaraan untuk

11 26 Description: selanjutkan akan dilakukan penjadwalan dengan pengendaranya Actors HRD Related Use - Cases: Stakeholders: - Preconditions: HRD mempersiapkan kebutuhan data kendaraan Postconditions HRD mencatat seluruh data kendaraan : Flow of Actors System Events: 1. HRD membuka form 1.1 Membuka form login login 2. HRD membuka form 2.1 Membuka form pendaftaran kendaraan pengendara Exception Conditions: Use Case Name: Scenarios: Triggering Event: Brief Description: 3. HRD memasukkan seluruh data kendaraan - Sistem terhubung dengan database Mendata Pengendara 3.1 Menyimpan seluruh data kendaraan kedalam database HRD mencatat seluruh data pengendara untuk dilakukan proses penjadwalan Sebelum melakukan aktivitas berkendara Use case ini menjelaskan aktifitas HRD untuk mendata seluruh informasi pengendara yang diterima dan akan disimpan. Kemudia akan dilakukan penjadwalan HRD - Actors Related Use Cases: Stakeholders: - Preconditions: HRD membuka form pengendara Postconditions HRD sudah melakukan pendataan : Flow of Actors Events: 1. HRD membuka form Exception Conditions: pengendara 2. HRD memasukkan data pengendara berdasarkan form yang diberikan - Sistem terhubung dengan database System 1.1 Membuka form pengendara 2.1 Menyimpan seluruh data pengendara yang dimasukkan kedalam database

12 27 Use Case Name: Scenarios: Triggering Event: Brief Description: Menjadwalkan Kendaraan dan Pengendara HRD akan menjadwalkan Pengendara dengan Kendaraan yang akan dikendarai Sebelum proses aktifitas berkendara dimulai Use case ini menjelaskan aktifitas HRD melakukan proses penjadwalan untuk setiap pengendara dengan setiap data mobil yang sudah tercatat HRD - Actors Related Use Cases: Stakeholders: - Preconditions: HRD membuka form penjadwalan Postconditions: Penjadwalan sudah tercatat Flow of Actors Events: 1. HRD membuka Form Penjadwalan System 1.1 Membuka form penjadwalan Exception Conditions: 2. Menjadwalkan Kendaraan dan Pengendara - Sistem perlu terhubung dengan database. 2.1 Menyimpan Hasil Penjadwalan kedalam database Use Case Melakukan absensi Name: Scenarios: Pengendara melakukan proses absensi Triggering Sebelum melakukan pengujian PVT Event: Brief Description: Usecase ini menjelaskan tentang proses pengendara melakukan absensi untuk melakukan proses pengujian Actors Pengendara Related Use - Cases: Stakeholders: - Preconditions: Pengendara sudah melakukan pengujian Postconditions: Pengendara absensi Flow of Events: Actors System Exception Conditions: 1. Pengendara melakukan login - Sistem terhubung den gan database. 1.1 Sistem mengganti status pengendara pada saat melakukan absensi

13 28 Use Case Name: Scenarios: Triggering Event: Brief Description: Melakukan Pengujian Pengendara melakukan proses pengujian Setelah melakukan absensi Usecase ini menjelaskan tentang proses pengendara melakukan proses pengujian sebelum melakukan aktifitas berkendara Pengendara - Actors Related Use Cases: Stakeholders: - Preconditions: Pengendara sudah melakukan absensi Postconditions: Pengendara melakukan pengujian Flow of Actors System Events: 1. Pengendara membuka 1.1 Membuka form pengujian form pengujian 2. Pengendara form tingkat 2.1 Membuka form tingkat kelelahan kelelahan 3. Pengendara memilih tingkat kelelahan Exception Conditions: 4. Pengendara memilih warna yang akan digunakan 5. Pengendara memulai proses pengujian 6. Pengendara melihat notifikasi hasil pengujian - Sistem terhubung den gan database. 3.1 Mencatat tingkat kelelahan yang dipilih dan kembali menuju form pengujian 4.1 Mengubah panel pengujian sesuai warna yang sudah dipilih 5.1 Memulai proses pengujian 6.1 Sistem akan menunjukkan hasil pengujian, dan notifikasi status apabila sistem melihat tingkat keaktifan yang rendah. Kemudian sistem akan menyimpan data yang ditampilkan. Use Case Name: Scenarios: Triggering Event: Menerbitkan Surat Jalan Kasir menerbitkan surat jalan Sebelum aktifitas berkendara dimulai

14 29 Brief Description: Usecase ini menjelaskan tentang proses kasir menerbitkan form surat jalan melalui sistem berdasarkan pengendara yang memenuhi kriteria pengujian dengan PVT Kasir - Actors Related Use Cases: Stakeholders: - Preconditions: Pengendara selesai melakukan pengujian Postconditions: Sistem sudah menentukan pengendara yang reliable Flow of Actors System Events: 1. Kasir membuka form surat 1.1 Membuka form surat jalan jalan 2. Kasir mencetak surat jalan 2.1 Mencetak surat jalan dan menyimpan data Exception Conditions: Use Case Name: Scenarios: Triggering Event: Brief Description: - Sistem terhubung den gan database. Menerbitkan Surat HRD menerbitkan surat jalan HRD memberikan surat jalan ke pengendara Usecase ini menjelaskan tentang proses HRD menerbitkan surat dokter atau surat peringatan berdasarkan notifikasi yang sistem berikan HRD - Actors Related Use Cases: Stakeholders: - Preconditions: HRD menerbitkan surat Postconditions: HRD memberikan surat ke pengendara Flow of Actors Events: Exception Conditions: System 1. HRD membuat form surat 1.1 Membuka form surat 2. HRD mencetak surat jalan 2.1 Mencetak surat dan menyimpan data - Sistem terhubung den gan database Domain Class Diagram Pada diagram ini dijelaskan hubungan antara data-data yang terkait dengan perancangan sistem informasi dan melihat aktifitas yang terjadi antara satu class dengan class lainnya

15 30 Surat Jalan Mobil -kd_mobil -nama_mobil -jenis_mobil -tahun_pembuatan 1 1..* -id_surat_jalan -id_pengendara -nama_pengendara -keterangan PVT -id_pengendara -nilai_tercepat -nilai_terlama -nilai_rata-rata -nilai_kelelahan 1..* 1 Penjadwalan -id_jadwal -tanggal -id_pengendara -kd_mobil -id_petugas 1..* 1 Petugas -id_petugas -nama_petugas -umur 1 1..* 1..* Surat Dokter -id_surat_dokter -id_pengendara -nama_pengendara -keterangan 1..* 1 Pengendara -id_pengendara -nama_pengendara 1..* 11 1 Absensi 1 -id_absensi -id_jadwal -jam_masuk -jam_keluar 1..* Surat Peringatan -id_surat_peringatan -id_pengendara -nama_pengendara -keterangan 1 Gambar 4.5 Domain Class Diagram Updated Class Diagram

16 31 Mobil -kd_mobil: string -nama_mobil : string -jenis_mobil : string -tahun_pembuatan : int +mendata() Surat Jalan -id_surat_jalan : string -id_pengendara : string -nama_pengendara : string -keterangan : string +mencetak() Surat Dokter PVT -id_pengendara : string -nilai_tercepat : double -nilai_terlama : double -nilai_rata-rata : double -nilai_kelelahan: double +menyimpan() Penjadwalan -id_jadwal : string -tanggal : Date -id_pengendara : string -kd_mobil : string -id_petugas : string +membuat_laporan() +menjadwal() Petugas -id_petugas : string -nama_petugas : string -umur: int +meregistrasi() +mengubah() +menjadwal() +menyimpan() -id_surat_dokter: string -id_pengendara : string -nama_pengendara : string -keterangan : string +mencetak() Surat Peringatan Pengendara -id_pengendara : string -nama_pengendara : string +menguji() Absensi -id_absensi : string -id_jadwal : string -jam_masuk : string -jam_keluar : string +mengabsensi() -id_surat_peringatan : string -id_pengendara : string -nama_pengendara : string -keterangan : string +mencetak() Gambar 4.6 Updated Class Diagram State Transition Diagram Pada diagram ini akan digambarkan proses yang terjadi dalam satu form, akan digambarkan tiga macam state chart yang diambil dari form-form yang ada Gambar 4.7 State Transition Diagram: Class Mobil Gambar 4.7 menjelaskan proses aktifitas pada class mobil, yaitu class mobil akan menyimpan hasil input-an nama mobil dan jenis mobil yang diberikan oleh petugas. Gambar 4.8 State Transition Diagram: PVT Gambar 4.8 menjelaskan proses PVT akan menyimpan seluruh data yang masuk kedalam database id_pengendara, nilai tercepat, nilai terlama dan nilai rata-rata saat proses pengujian kelelahan sudah selesai. Gambar 4.9 State Transition Diagram: Penjadwalan Gambar 4.9 menjelaskan tingkah laku dari class penjadwalan yaitu membuat laporan mengenai mobil yang dikendarai dan pengendara yang akan berkendara sesuai dengan hasil dari pengujian kelelahan dengan PVT. Dengan demikian data tersebut akan masuk kedalam data penjadwalan.

17 32 Gambar 4.10 State Transition Diagram: Petugas Gambar 4.10 menjelaskan proses awal petugas HRD yaitu meregistrasi data supir atau mobil, petugas dapat juga mengubah data apabila ada data yang diharuskan untuk diperbaharui. Petugas kasir memiliki peran untuk melakukan proses penjadwalan, dan memilih info mobil dan pengendara yang sudah tersusun secara sistem berdasarkan hasil pengujian PVT, setelah proses penjadwalan sudah selesai, maka kasir akan menyimpan data tersebut. Gambar 4.11 State Transition Diagram: Pengendara Gambar 4.11 menjelaskan class pengendara mempunyai tingkah laku untuk melakukan proses pengujian kelelahan dengan menggunakan PVT. Gambar 4.12 State Transition Diagram: Absensi Gambar 4.12 menjelaskan class absensi mendata seluruh pengendara yang melakukan absen untuk melakukan proses berkendara. Gambar 4.13 State Transition Diagram: Surat Jalan Gambar 4.13 menjelaskan class surat jalan yang diterbitkan dan dicetak setelah hasil pengujian sudah ada Gambar 4.14 State Transition Diagram: Surat Dokter Gambar 4.14 menjelaskan class surat dokter yang diterbitkan apabila sistem memberikan notifikasi mengenai pelanggaran yang terjadi Gambar 4.15 State Transition Diagram: Surat Peringatan Gambar 4.15 menjelaskan class surat dokter yang diterbitkan apabila sistem memberikan notifikasi mengenai pelanggaran yang terjadi System Sequence Diagram (SSD)

18 33 Gambar 4.16 System Sequence Diagram Berdasarkan Usecase Meregistrasi Data Kendaraan Gambar 4.17 System Sequence Diagram Berdasarkan Usecase Meregistrasi Data Pengendara

19 34 Gambar 4.18 System Sequence Diagram Berdasarkan Usecase Menjadwalkan Kendaraan dan Pengendara Gambar 4.19 System Sequence Diagram Berdasarkan Usecase Melakukan Absensi

20 35 Gambar 4.20 System Sequence Diagram Berdasarkan Usecase Melakukan Pengujian Gambar 4.21 System Sequence Diagram Berdasarkan Usecase Menerbitkan Surat Jalan

21 36 Gambar 4.22 System Sequence Diagram Berdasarkan Usecase Menerbitkan Surat Dokter Gambar 4.23 System Sequence Diagram Berdasarkan Usecase Menerbitkan Surat Peringatan

22 Completed Three-Layer Sequence Diagram Diagram ini menggambarkan urutan sistem yang bekerja secara detail yang sebelumnya dapat dilihat dari usecase diagram. Three-Layer Sequence Diagram dikembangkan berdasarkan dari System Sequence Diagram. Gambar 4.24 Completed Three-Layer Sequence Diagram Berdasarkan Usecase Mendata Kendaraan

23 38 HRD <<boudary>>registrasiwindow :RegistrasiHandler :Pengendara :PengendaraDA createregistrasi() createregistrasi() LOOP read() initdata() Pengendara:=getPengendaraInfo read() update() konfirmasipenyimpanan() konfirmasipenyimpanan() X Gambar 4.25 Completed Three-Layer Sequence Diagram Berdasarkan Usecase Mendata Pengendara Gambar 4.26 Completed Three-Layer Sequence Diagram Berdasarkan Usecase Menjadwalkan Kendaraan dan Pengendara

24 39 Gambar 4.27 Completed Three-Layer Sequence Diagram Berdasarkan Usecase Melakukan Absensi Gambar 4.28 Completed Three-Layer Sequence Diagram Berdasarkan Usecase Melakukan Pengujian

25 40 Kasir <<boudary>>suratjalan :SuratJalanHandler :Mobil :MobilDA :Pengendara :PengendaralDA createsuratjalan() createsuratjalan() read() initcomponent() mobil:=getmobilinfo read() KonfirmasiPengendaraDanMobil() read() initcomponent() Pengendara:=getPengendaraInfo read() KonfirmasiPengendaranDanMobil() X Gambar 4.29 Completed Three-Layer Sequence Diagram Berdasarkan Usecase Menerbitkan Surat Jalan Gambar 4.30 Completed Three-Layer Sequence Diagram Berdasarkan Usecase Menerbitkan Surat Dokter

26 41 Gambar 4.31 Completed Three-Layer Sequence Diagram Berdasarkan Usecase Menerbitkan Surat Peringatan Software yang digunakan Pada pembuatan program Pyschomotoric Vigilance Task ini menggunakan bahasa Java. Software ini dapat dipergunakan secara multiplatform, dan supirannya tidak terlalu sulit dalam merancang GUI (Graphic User Interface) yang digunakan sebagai media penghubung antara user atau supir dengan aplikasi ini. Perancangan tampilan GUI ini cukup menarik, sehingga apabila dalam proses supiranya lama, tidak cepat membuat supir merasa jenuh. Software yang digunakan adalah Netbeans versi terbaru yaitu Netbeans dengan menggunakan JDK 7 update Prosedur Aplikasi Pengumpulan Data Dalam tahap pengumpulan data, aplikasi yang digunakan sama dengan aplikasi yang akan diujikan kepada supir, tampilan awal untuk pengambilan data adalah sebagai berikut

27 42 Gambar 4.32 Tampilan awal pengambilan data Dalam tahap ini, akan menggunakan 200 peserta survey yang akan menjalankan aplikasi ini. Peserta survey diambil secara selektif, untuk setiap peserta harus berada dalam kondisi yang prima atau tidak dalam keadaan lelah. Lama proses pengambilan data untuk setiap peserta akan sama dengan waktu yang diberikan pada saat pengujian yaitu selama 5 menit. Setelah 5 menit berakhir, akan muncul data waktu tercepat, data waktu terlama, dan data waktu rata-rata untuk setiap peserta. Hal ini dilakukan sebanyak 200 kali. Seluruh data survey akan disimpan menggunakan database Access. Apabila seluruh data sudah berhasil disimpan, untuk setiap kategori waktu akan ditotal dan diambil rata-ratanya, yang pada akhirnya akan digunakan sebagai batasan untuk setiap kategori Tahap Pengujian Setelah program dijalankan, akan muncul tampilan awal sebagai berikut: Gambar 4.33 Tampilan Awal Aplikasi

28 Dalam form jbutton1 yang dinamakan Pilih tingkat kesadaran akan dipilih untuk membuka form lain yang bertujuan untuk memilih tingkat kelelahan supir yang akan diuji. Kemudian memilih jcombobox1 yang memiliki isi beberapa warna yang ditentukan oleh perancang, yang bertujuan untuk mengubah jpanel yang akan muncul untuk diklik oleh supir. Supir akan mengisi jtextbox1 yang digunakan untuk diinput nama supir, kemudian nama yang dimasukkan akan dimasukkan kedalam database. Kemudian jbutton2 yang dinamakan Start akan diklik, yang memiliki fungsi untuk memvalidasi inputan dan memulai proses pengujian dan jprogressbar yang digunakan untuk mengetahui lama dari proses pengujian yang sedang berjalan. 43

29 Gambar 4.34 Memilih tingkat kelelahan dan warna yang akan digunakan selama aplikasi dijalankan Form ini berisikan beberapa gambar yang menjelaskan tingkat kelelahan berdasarkan metode Karolinska Sleepiness Scale. Setelah tingkat kelelahan dan warna yang akan digunakan sudah dipilih, maka akan dilanjutkan dengan memulai aplikasi Psychomotoric Vigilance Task (PVT) yang bertujuan mendapatkan waktu respon yang digambar dengan 3 jenis yaitu, waktu tercepat, waktu terlama, dan rata-rata yang dilakukan selamat 5menit. Berdasarkan penelitian yang ada, waktu yang pas dalam proses PVT adalah 5 menit, apabila lebih atau kurang dari 5 menit dianggap tidak efektif dalam hal pengambilan data. Tampilan selama proses survey sebagai berikut. 44

30 Gambar 4.35 Tampilan aplikasi selama melakukan pengujian pengendara Setelah melakukan proses pengujian yang berlangsung selama 5 menit, akan didapatkan hasil waktu respon tercepat, waktu respon terlama, dan waktu respon rata-rata dari para supir. Dengan hasil yang didapatkan, kemudian keseluruhan data akan dimasukkan kedalam database yang bertujuan untuk dilihat perkembangan data waktu untuk setiap supir. Lalu dari database akan diambil waktu tercepat, waktu terlama dan waktu rata-rata yang akan dimasukkan kedalam grafik, sehingga supir dapat melihat apakah waktu respon mereka berada pada posisi yang siap bekerja atau tidak. Untuk grafik dapat dilihat sebagai berikut. 45

31 46 Gambar 4.36 Grafik waktu respon para supir Setelah data grafik dilihat oleh supir, maka akan dilakukan analisa terhadap supir, apakah siap dalam melakukan pekerjaannya yaitu berkendara atau tidak. Analisa ini menggunakan batasan-batasan yang dimiliki metode Karolinska Sleepiness Scale. Gambar 4.37 Form Penjadwalan Form penjadwalan ini dipergunakan oleh pihak HRD untuk mengatur dan menentukan pengendara yang akan mengendarai kendaraan yang sudah ditentukan.

32 47 Gambar 4.38 Form Surat Jalan Form ini akan diterbitkan oleh kasir apabila pengendara sudah selesai melakukan pengujian, dan hasil pengujian sudah dihitung menggunakan secara online. Gambar 4.39 Form Surat Dokter Form ini akan diterbitkan oleh HRD apabila hasil pengujian menggunakan PVT selama tujuh kali pengujian mendapatkan hasil yang tidak layar.

33 48 Gambar 4.40 Form Surat Peringatan Form ini akan diterbitkan oleh HRD apabila hasil pengujian menggunakan PVT selama 14 kali pengujian mendapatkan hasil yang tidak layar Decision Support System Pada bagian ini menggambarkan model yang dipergunakan untuk proses pengambilan keputusan. Gambar 4.41 The Architecture of a DSS Bagan ini menjelaskan penggambar manajer sebelum melakukan keputusan untuk memberikan karyawannya surat sanksi atau surat teguran apabila pengendara tidak mengikuti saran yang diberikan oleh analisa berdasarkan aplikasi PVT yang sudah dijalankan. Apabila pengendara tidak mengikuti saran dari aplikasi dan tetap berkendara apabila disarankan untuk tidak, maka manajer akan memberikan surat keterangan bahwa pengendara tersebut terkena surat peringatan Analytic Hierarchy Process Dalam perancangan DSS dibutuhkan perhitungan AHP untuk menentukan pilihan yang paling sesuai dengan kriteria yang ada dan diperhitungkan berdasarkan data yang sudah dimiliki. Berdasarkan data yang ada, maka akan dikategorikan sesuai dengan kriteria yang ada.

34 49 Tabel 4.4 Tabel Perbandingan Kriteria Pengendara Kriteria Pengendara Cadangan Pengendara 1 5 Pengendara Cadangan 1/5 1 Consistency Index = 0,0002 Consistency Ratio = Infinity λ = 2,0002 Tabel 4.5 Tabel Perbandingan Kategori Pengendara KSS 1-3 KSS 4-5 KSS 6-7 KSS 8-9 KSS KSS 4-5 1/ KSS 6-7 1/5 1/3 1 1 KSS 8-9 1/5 1/3 1 1 Consistency Index = 0,0517 Consistency Ratio = 0,0581 λ = 4,1551 Tabel 4.6 Tabel Perbandingan Kategori Lanjutan Pengendara Cadangan KSS 1-3 KSS 4-5 KSS 6-7 KSS 8-9 KSS KSS 4-5 1/ KSS 6-7 1/5 1/3 1 1 KSS 8-9 1/5 1/3 1 1 Consistency Index = 0,0517 Consistency Ratio = 0,0581 λ = 4,1551 Kriteria Tabel 4.7 Tabel Kriteria Lanjutan Pengendara Pengendara Cadangan KSS 1-3 0,6132 0,6132 KSS 4-5 0,2085 0,2085 KSS 6-7 0,0892 0,0892 KSS 8-9 0,0892 0,0892 Tabel 4.8 Hasil AHP Pengendara 0,8333 Pengendara Cadangan 0,1667 Tabel 4.9 Tabel Alternatif

35 50 Alternatif Pengendara Pengendara Cadangan Hasil KSS 1-3 0,511 0,1022 0,6132 KSS 4-5 0,1737 0,0348 0,2085 KSS 6-7 0,0743 0,0149 0,0892 KSS 8-9 0,0743 0,0149 0,0892 Berdasarkan hasil perhitungan AHP, didapat kan informasi tingkat kepentingan antara nilai maksimal, nilai minimal dan nilai rata-rata dibutuhkan nilai yang seimbang, dan berdasarkan nilai yang didapatkan antara satu pengendara dengan pengendara yang lainnya, menunjukkan bahwa pengendara awal atau pengendara yang pertama kali melakukan pengujian memiliki nilai yang lebih baik. Sehingga dapat diputuskan bahwa pengendara tersebut dapat melakukan aktifitas berkendara