BAB III ANALISIS DAN DESAIN SISTEM

Transkripsi

1 BAB III ANALISIS DAN DESAIN SISTEM III.1.Analisis Masalah Analisis masalah bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Perbandingan Sistem Pendukung Keputusan Standar Mutu Jagung Menggunakan Metode Smart dan Naive Bayes pada PT. Indojaya Agrinusa. Adapun permasalah yang ditemukan dalam melakukan penelitian ini adalah : 4. PT. Indojaya Agrinusa tidak menggunakan sistem pendukung keputusan sebagai pendukung pengambilan keputusan standar mutu Jagung sehingga perusahaan lambat dalam menentukan standar mutu jagung. 5. Sering terjadinya kesalahan dalam melakukan peng-input-an data penilaian serta perhitungan nilai berdasarkan dimensi yang ditetapkan pada PT. Indojaya Agrinusa sehingga sering terjadi kerugian financial perusahaan karena data standar jagung tidak sesuai. 6. adanya penggunaan metode sistem pendukung keputusan dalam pengambilan keputusan dalam standar mutu Jagung sehingga pada saat pengambilan keputusan menjadi lambat dan tidak efektif. Berdasarkan permasalahan tersebut, maka penulis mengemukakan usulan untuk menyelesaikan masalah tersebut, adapun usulan pemecahan masalah tersebut adalah : 38

2 39 5. Merancang sistem pendukung keputusan yang dapat membantu pihak PT. Indojaya Agrinusa sebagai pendukung pengambilan keputusan standar mutu Jagung. 6. Merancang dan membangun sebuah sistem yang dapat meminimalisirkan kesalahan dalam melakukan peng-input-an data penilaian serta perhitungan nilai berdasarkan dimensi yang ditetapkan pada PT. Indojaya Agrinusa. 7. Melakukan implementasi penggunaan metode terhadap sistem pendukung keputusan dalam pengambilan keputusan dalam standar mutu Jagung. 8. Melakukan perhitungan nilai mutu jagung dengan perbandingan metode Smart dengan metode Naive Baye. III.1.1.Analisis Input Analisis sistem input yang sedang berjalan pada pemilihan Standar Mutu Jagung yang telah ada sebelumnya adalah dengan melihat data kriteria jagung tersebut : Tabel III.1. Tabel Kriteria Jagung No Nama Variabel Himpunan 1 Bau 2 Kadar Air 3 Butir Rusak 4 Butir Warna Lain Sedikit Banyak Sedikit Banyak

3 40 III.1.2.Analisis Proses Proses pemilihan Standar Mutu JagungPada PT. Indojaya Agrinusa dapat dilihat pada gambar III.1 berikut : Pemilihan Standar Mutu Jagung Pada PT. Indojaya Agrinusa Supplier PT. Indojaya Agrinusa mulai Data Jagung Data Jagung Memeriksa data Jagung Melakukan penyortiran Jagung Data jagung yang memiliki standar bagus Data Jagung Pilihan Data Jagung Pilihan Selesai Phase Gambar III.1. FODPemilihan Mutu Jagung

4 41 III.1.3.Analisis Output Analisa Output yang dihasilkan dari sistem yang sedang berjalan adalah adalah informasi mengenai data standar mutu jagung. Tabel III.2. Tabel Nilai Mutu Jagung Nilai Mutu Jagung I II III Lebih Kecil Dari 60 IV III.2.Penerapan Metode / Algoritma III.2.1. Metode Smart Smart merupakan metode dalam pengambilan keputusan multiatribut.teknik pengambilan keputusan multiatribut ini digunakan untuk mendukung pembuat keputusan dalam memilih beberapa alternatif.setiap pembuat keputusan harus memiliki sebuah alternatif yang sesuai dengan tujuan yang dirumuskan.setiap alternatif terdiri dari sekumpulan atribut dan setiap atribut mempunyai nilai-nilai.nilai ini dirata-rata dengan skala tertentu.setiap atribut mempunyai bobot yang menggambarkan seberapa penting skala tertentu. Setiap atribut mempunyai bobot yang menggambarkan seberapa penting suatu atribut dibandingkan dengan atribut lain. Pembobotan dan pemberian peringkat ini digunakan untuk menilai setiap alternatif agar diperoleh alternatif terbaik. Smart mengunakan linier adaptif model untuk meramal nilai setiapalternatif.smart lebih banyak digunakan karena kesederhanaannya dalam merespon kebutuhan pembuat keputusan dan caranya menganalisa respon. Analisis yang terbaik adalah transparan sehingga metode ini memberikan

5 42 pemahaman masalah yang tinggi dan dapat diterima oleh pembuat keputusan. Pembobotan pada Smart mengunakan skala 0 sampai 1, sehingga mempermudah perhitungan dan perbandingan nilai pada masing-msing alternatif. Model yang digunakan dalam Smartyaitu (Rika Yunitarini ; 2013 : 46): III Teknik Metode Smart Adapun teknik atau langkah-langkah dalam proses Smart, antara lain : 7. Menginputkan data jagung 8. Menentukan data variabel dan himpunan data jagung. 9. Melakukan normalisasi bobot 10. Melakukan perhitungan konfigurasi nilai himpunan dengan rumus : 11. Menentukan nilai akhir dengan rumus : III.2.2. Flowchart Metode SMART Flowchart adalah adalah suatu bagan dengan simbol-simbol tertentu yang menggambarkan urutan proses secara mendetail dan hubungan antara suatu proses (instruksi) dengan proses lainnya dalam suatu program.

6 43 Mulai Menginputkan data jagung Menentukan data variabel dan himpunan data jagung Melakukan normalisasi bobot Melakukan perhitungan konfigurasi : Menentuskan nilai akhir : Nilai kualitas buah jagung Selesai Gambar III.1. Flowchart Metode SMART

7 44 III.2.3. Perhitungan ManualSmart Pengguna menginputkan data jagung sebagai berikut : 1. Bau : 2. Kadar Air : 3. Butir Rusak : Sedikit 4. Butir Warna Lain : Tabel III.3. Tabel Variabel dan Himpunan Kode Nama Variabel Jenis (Naive Bayes) Bobot (SMART) V1 Bau Diskrit 15 V2 Kadar Air Diskrit 20 V3 Butir Rusak Diskrit 35 V4 Butir Warna Lain Diskrit 30 Himpunan Nilai (SMART) Sedikit 3 2 Banyak 1 Sedikit 3 2 Banyak 1 1. Normalisas i Bobot Pada tahap ini yaitu menormalisasikan bobot masing-masing variabel dengan cara membagi masing-masing bobot variabel dibagi dengan total seluruh bobot, maka : Total bobot =

8 45 = 100 Tabel III.4. Tabel Normalisasi Bobot Kode Nama Variabel Bobot Sebelum Bobot Setelah Dinormalisasi Dinormalisasi K1 Bau / 100 = 0,15 K2 Kadar Air / 100 = 0,2 K3 Butir Rusak / 100 = 0,35 K4 Butir Warna Lain /100 = 0,3 2. Konfigurasi Nilai Himpunan Pada tahap konfigurasi ini yaitu mengubah nilai himpunan menjadi nilai baku dengan rumus : Maka : Tabel III.5. Tabel Konfigurasi Nilai Nama Variabel Himpunan Nilai Sebelum Nilai Setelah Konfigurasi (C out) Konfigurasi Utility Bau 3 (3 1 / 3 1) = 1 Kadar Air 2 (2 1 / 3 1) = 0,5 Butir Rusak Sedikit 3 (3 1 / 3 1) = 1 Butir Warna Lain 2 (2 1 / 3 1) = 0,5 3. Menentukan Nilai Akhir

9 46 Pada tahap akhir ini yaitu mencari nilai akhir dengan menjumlahkan hasil dari pengkalian nilai konfigurasi utility dengan nilai bobot setelah dinormalisasikan seluruh variabel kemudian dikali 100, maka : Nilai akhir = ((1 x 0,15) + (0,5 x 0,2) + (1 x 0,35) + (0,5 x 0,3)) x 100 = ((0,15 + 0,1 + 0,35 + 0,15)) x 100 = 75 Nilai acuan yang menentukan mutu jagung pada PT. Indojaya Agrinusa yaitu : Tabel III.6. Tabel Nilai Keputusan Nilai Mutu Jagung I II III Lebih Kecil Dari 60 IV Dengan demikian mutu jagung yang diinputkan pengguna yaitu Mutu II. III.2.4. Metode Naive Bayes Metode Naive Bayes merupakan salah satu algoritma yang terdapat pada teknik klasifikasi. Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dikemukan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman dimasa sebelumnya sehingga dikenal sebagai Teorema Bayes. Theorema tersebut dikombinasikan dengan Naive dimana diasumsikan kondisi antar atribut saling bebas. Klasifikasi Naive Bayes diasumsikan bahwa ada atau tidak ciri tertentu dari sebuah kelas tidak ada hubungannya dengan ciri dari kelas lainnya.

10 47 Persamaan dari teorema Bayes adalah : Keterangan : X H : Data dengan class yang belum diketahui : Hipotesis data merupakan suatu class spesifik P (H X) : Probabilitas hipotesis berdasar kondisi (posteriori probability) P (H) P (X H) P (X) : Probabilitas hipotesis (prior probability) : Probabilitas berdasarkan kondisi pada hipotesis : Probabilitas Untuk menjelaskan teorema Naive Bayes, perlu diketahui bahwa proses klasifikasi memerlukan sejumlah petunjuk untuk menentukan kelas apa yang cocok bagi sampel yang dianalisis tersebut. Karena itu, TheoremaBayesdi atas disesuaikan sebagai berikut : Keterangan : Variabel C variabel F1...Fn : Merepresentasikan kelas : Merepresentasikan karakteristik petunjuk yang dibutuhkan untuk melakukan klasifikasi. Maka rumus tersebut menjelaskan bahwa peluang masuknya sampel karakteristik tertentu dalam kelas C (Posterior) adalah peluang munculnya kelas C (sebelum masuknya sampel tersebut, seringkali disebut prior), dikali dengan

11 48 peluang kemunculan karakteristik karakteristik sampel pada kelas C (disebut juga likelihood), dibagi dengan peluang kemunculan karakteristik karakteristik sampel secara global (disebut juga evidence). Karena itu, rumus diatas dapat pula ditulis secara sederhana sebagai berikut : Keterangan : Posterior Prior Likehood Evidence : perbaikan terhadap nilai probabilitas : Nilai probabilitas awal : Titik tertentu untuk memaksimumkan sebuah fungsi. : Nilai bukti Nilai Evidence selalu tetap untuk setiap kelas pada satu sampel. Nilai dari posterior tersebut nantinya akan dibandingkan dengan nilai nilai posterior kelas lainnya untuk menentukan ke kelas apa suatu sampel akan diklasifikasikan. Penjabaran lebih lanjut rumus Bayes tersebut dilakukan dengan menjabarkan menggunakan aturan perkalian sebagai berikut : Keterangan : Variabel C variabel F1...Fn : Merepresentasikan kelas : Merepresentasikan karakteristik petunjuk yang dibutuhkan untuk melakukan klasifikasi.

12 49 Dapat dilihat bahwa hasil penjabaran tersebut menyebabkan semakin banyak dan semakin kompleksnya faktor faktor syarat yang mempengaruhi nilai probabilitas, yang hampir mustahil untuk dianalisa satu persatu. Akibatnya, perhitungan tersebut menjadi sulit untuk dilakukan. Disinilah digunakan asumsi independensi yang sangat tinggi (naif), bahwa masing masing petunjuk saling bebas (independen) satu sama lain (Bustami ; 2014 : 129) III.2.5. Teknik Metode Naive Bayes Adapun teknik atau langkah-langkah dalam proses naive bayes, antara lain: 1. Menentukan data training. 2. Menentukan probabilitas variabel terhadap kategori mutu 3. Mencari likehood dan probabilitas dari kategori mutu 4. Mendapatkan nilai probabilitas akhir tertinggi. III.2.6. Flowchart Metode Naive Bayes Flowchart adalah adalah suatu bagan dengan simbol-simbol tertentu yang menggambarkan urutan proses secara mendetail dan hubungan antara suatu proses (instruksi) dengan proses lainnya dalam suatu program.

13 50 Mulai Menentukan data training Menentukan probabilitas dari kategori mutu Mencari likehood dan probabilitas dari kategori umum : Nilai tertinggi Selesai Gambar III.2. Flowchart Metode SMART III.2.7. Studi Kasus Naive Bayes Tabel III.7. Tabel Data Training ID Training Bau Kadar Air Butir Rusak Butir Warna Lain Sedikit Sedikit I Sedikit I Sedikit Banyak II Sedikit I I Banyak II Mutu

14 51 ID Training Bau Kadar Air Butir Rusak Butir Warna Lain 7 Banyak Sedikit I 8 Banyak I 9 Banyak Banyak II 10 Sedikit Sedikit I 11 Sedikit I 12 Sedikit Banyak II 13 Sedikit I 14 I 15 Banyak II 16 Banyak Sedikit I 17 Banyak I 18 Banyak Banyak II 19 Sedikit Sedikit I 20 Sedikit I 21 Sedikit Banyak II 22 Sedikit I 23 I 24 Banyak II 25 Banyak Sedikit I 26 Banyak I 27 Banyak Banyak III Mutu

15 52 ID Butir Warna Bau Kadar Air Butir Rusak Training Lain Mutu 28 Sedikit Sedikit I 29 Sedikit I 30 Sedikit Banyak II 31 Sedikit I 32 I 33 Banyak II 34 Banyak Sedikit I 35 Banyak II 36 Banyak Banyak III 37 Sedikit Sedikit II 38 Sedikit II 39 Sedikit Banyak II 40 Sedikit II 41 II 42 Banyak II 43 Banyak Sedikit II 44 Banyak II 45 Banyak Banyak III 46 Sedikit Sedikit II 47 Sedikit III

16 53 ID Training Bau Kadar Air Butir Rusak Butir Warna Lain 48 Sedikit Banyak III 49 Sedikit II 50 II 51 Banyak III 52 Banyak Sedikit III 53 Banyak III 54 Banyak Banyak IV 55 Sedikit Sedikit III 56 Sedikit III 57 Sedikit Banyak III 58 Sedikit III 59 III 60 Banyak IV 61 Banyak Sedikit III 62 Banyak IV 63 Banyak Banyak IV 64 Sedikit Sedikit III 65 Sedikit III 66 Sedikit Banyak III 67 Sedikit III 68 III Mutu

17 54 ID Butir Warna Bau Kadar Air Butir Rusak Training Lain 69 Banyak IV 70 Banyak Sedikit IV 71 Banyak IV 72 Banyak Banyak IV 73 Sedikit Sedikit III 74 Sedikit IV 75 Sedikit Banyak IV 76 Sedikit IV 77 IV 78 Banyak IV 79 Banyak Sedikit IV 80 Banyak IV 81 Banyak Banyak IV Mutu 1. Menentuka n Probabilitas Variabel Terhadap Kategori Mutu a. Probabilitas Bau Pada Setiap Kategori Mutu Tabel III.8. Tabel Probabilitas Bau Himpunan Jumlah Kategori Bau Probabilitas Kategori Bau I II III IV I II III IV /27 8/27 1/27 0/ /27 14/27 7/27 1/ /27 0/27 12/27 15/27

18 55 b. Probabilitas Kadar Air Pada Setiap Kategori Mutu Tabel III.9. Tabel Probabilitas Kadar Air Himpunan Jumlah Kategori Kadar Air Probabilitas Kategori Kadar Air I II III IV I II III IV /27 6/27 7/27 3/ /27 11/27 6/27 4/ /27 5/27 7/27 9/27 c. Probabilitas Butir Rusak Pada Setiap Kategori Mutu Tabel III.10. Tabel Probabilitas Butir Rusak Himpunan Jumlah Kategori Butir Rusak Probabilitas Kategori Butir Rusak I II III IV I II III IV Sedikit /27 8/27 9/27 2/ /27 9/27 5/27 5/27 Banyak /27 5/27 6/27 9/27 d. Probabilitas Butir Warna Lain Pada Setiap Kategori Mutu Tabel III.11. Tabel Probabilitas Butir Warna Jumlah Kategori Butir Warna Probabilitas Kategori Butir Warna Lain Himpunan Lain I II III IV I II III IV Sedikit /27 5/27 7/27 3/ /27 5/27 6/27 5/27 Banyak /27 12/27 7/27 8/27 e. Probabilitas Untuk Setiap Kategori Pada Status Mutu Tabel III.12. Tabel Probabilitas Jumlah Kategori Butir Warna Probabilitas Kategori Butir Warna Lain Lain I II III IV I II III IV Jumlah /81 22/81 20/81 16/81 Mencari Likelihood dan Probabilitas

19 56 a. Perhitunga n Likelihood Likelihood Mutu I = 18/27 * 6/27 * 8/27 * 11/27 * 23/81 = 0, Likelihood Mutu II = 8/27 * 11/27 * 8/27 * 5/27 * 22/81 = 0, Likelihood Mutu III = 1/27 * 6/27 * 9/27 * 6/27 * 20/81 = 0, Likelihood Mutu IV = 0/27 * 4/27 * 2/27 * 5/27 * 16/81 = 0 Probabilitas Mutu I = 0,0050 / (0, , , ) = 0,0050 / 0, = 0, Probabilitas Mutu II = 0,0017 / (0, , , ) = 0,0017 / 0, = 0, Probabilitas Mutu III = 0,0001 / (0, , , ) = 0,0001 / 0, = 0, Probabilitas Mutu IV = 0 / (0, , , ) = 0 / 0, = 0

20 57 Berdasarkan perhitungan smartmaka hasil tertinggi adalah : Nilai akhir = ((1 x 0,15) + (0,5 x 0,2) + (1 x 0,35) + (0,5 x 0,3)) x 100 = ((0,15 + 0,1 + 0,35 + 0,15)) x 100 MUTU I I. = 75, maka Mutu Jagung yang diinputkan pengguna adalah Berdasarkan perhitungan naive bayes maka hasil tertinggi adalah : Probabilitas Mutu I = 0,0050 / (0, , , ) = 0,0050 / 0, = 0, Karena memiliki nilai probabilitas akhir tertinggi dengan nilai 0, Jadi, metode smart lebih cocok digunakan dalam menentukan kualitas jagung karena lebih efektif dan efisien. III.3Desain Sistem Desain sistem pada penelitian ini dibagi menjadi dua desain, yaitu desain sistem secara global untuk penggambaran model sistem secara garis besar dan desain sistem secara detail untuk membantu dalam pembuatan sistem.

21 58 III.3.1Desain Sistem Secara Global Desain sistem secara global menggunakan bahasa pemodelan UML yang terdiri dari UsecaseDiagram, ClassDiagram,Activity Diagram dan SequenceDiagram. III.3.1.1Usecase Diagram Secara garis besar, bisnis proses sistem yang akan dirancang digambarkan dengan usecase diagram yang terdapat pada Gambar III.1 :

22 59 Perbandingan Sistem Pendukung Keputusan Standar Mutu Jagung Menggunakan Metode Smart dan Naive Bayes pada PT. Indojaya Agrinusa Data Pengguna <extends> <extends> Data Variabel Login <extends> Data Training <include> admin <extends> Analisa <include> Laporan Variabel <include> <include> Laporan Training <include> Laporan Analisa Gambar III.1. Use CaseDiagram Perbandingan Sistem Pendukung Keputusan Standar Mutu Jagung Menggunakan Metode Smart dan Naive Bayes pada PT. Indojaya Agrinusa III Class Diagram Rancangan kelas-kelas yang akan digunakan pada sistem yang akan dirancang dapat dilihat pada gambar III.2 :

23 60 Variabel [id_variabel] [nama] [keterangan] [jenis] [bobot] 1..* 1 Pengguna [id_pengguna] [nama] [username] [password] Training [id_training] [mutu] * Himpunan [id_himpunan] [id_variabel] [nama] [nilai] 1 1 analisa Detail_training [id_training] [id_variabel] [id_himpunan] 1 [id_analisa] [tanggal] [hasil] Gambar III.2. Class DiagramPerbandingan Sistem Pendukung Keputusan Standar Mutu Jagung Menggunakan Metode Smart dan Naive Bayes pada PT. Indojaya Agrinusa III ActivityDiagram Bisnis proses yang telah digambarkan pada usecase diagram diatas dijabarkan dengan activity diagram : 1. Activity Diagram Login Admin Aktivitas login yang dilakukan oleh admin dapat diterangkan dengan langkahlangkah state yang ditunjukkan pada gambar III.3 berikut :

24 61 Form Login Admin Sistem Click Login Administrasi Form Login Mengisi Username dan password Click Login Validasi username dan password berhasil gagal Halaman admin Pesan error Phase Gambar III.3. Activity Diagram Login 2. Activity Diagram Data Pengguna Aktivitas yang dilakukan oleh admin pada pengolahan data penggguna dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.4 berikut :

25 62 Form Data pengguna Admin Sistem Click Data pengguna Form pengguna Click Baru ya Isi Data tidak Click Simpan Data tersimpan Pilih Data Ubah data Click Edit ya tidak Pilih data Click Hapus ya Data Terhapus tidak Phase Gambar III.4. Activity Diagram Data Pengguna 3. Activity Diagram Data Variabel Aktivitas yang dilakukan oleh admin pada pengolahan data variabel dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.5 berikut :

26 63 Form Data variabel Admin Sistem Click Data variabel Form variabel Click Baru ya Isi Data tidak Click Simpan Data tersimpan Pilih Data Ubah data Click Edit ya tidak Pilih data Click Hapus ya Data Terhapus tidak Phase Gambar III.5. Activity Diagram Data Variabel 4. Activity Diagram Data Training Aktivitas yang dilakukan oleh admin pada pengolahan data training dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.6 berikut :

27 64 Form Data training Admin Sistem Click Data training Form training Click Baru ya Isi Data tidak Click Simpan Data tersimpan Pilih Data Ubah data Click Edit ya tidak Pilih data Click Hapus ya Data Terhapus tidak Phase Gambar III.6. Activity Diagram Data Training 5. Activity Diagram Analisa Aktivitas yang dilakukan oleh admin pada pengolahan penentuan buah dapat diterangkan dengan langkah-langkah state berikut yang ditunjukkan pada gambar III.7 berikut :

28 65 Form analisa Admin Sistem Click analisa Form analisa Menampilkan data Nilai keputusan Phase Gambar III.7. Activity DiagramAnalisa 6. Activity Diagram Melihat Laporan Variabel Aktivitas yang dilakukan dalam melihat informasi mengenai laporan variabel dapat diterangkan pada gambar III.8 :

29 66 Laporan variabel Admin Sistem Pilih form variabel Click cetak laporan Menampilkan laporan variabel Phase Gambar III.8. Activity Diagram Melihat Laporan Variabel 7. Activity Diagram Melihat Laporan Data Training Aktivitas yang dilakukan dalam melihat informasi mengenai laporan data training dapat diterangkan pada gambar III.9 : Laporan training Admin Sistem Pilih form training Click cetak laporan Menampilkan laporan training Phase Gambar III.9. Activity Diagram Melihat Laporan Data Training 8. Activity Diagram Melihat Laporan Analisa Aktivitas yang dilakukan dalam melihat informasi mengenai laporan data analisa dapat diterangkan pada gambar III.10 :

30 67 Laporan analisa Admin Sistem Pilih form analisa Click cetak laporan Menampilkan laporan analisa Phase Gambar III.10. Activity Diagram Melihat Laporan Data Analisa III Sequence Diagram Rangkaian kegiatan pada setiap terjadi event sistem digambarkan pada sequence diagram berikut: 1. Sequence Diagram Login Admin Serangkaian kinerja sistemlogin yang dilakukan oleh admin dapat diterangkan dengan langkah-langkah stateyang ditunjukkan pada gambar III.11berikut :

31 68 Form Login Admin Form Login Proses Tabel Pengguna Halaman Admin Form login Validasi nama dan password () Click login () Invalid () Login sukses () Click reset () Gambar III.11. Sequence DiagramLogin 2. Sequence DiagramData Pengguna Serangkaian kinerja sistem yang dilakukan oleh admin pada pengolahan data pengguna dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.12 berikut :

32 69 Form pengguna Admin Main Form Form pengguna Proses Tabel pengguna Tampilkan Fom () Menu () click form pengguna Click baru () Click baru () Click tambah () Click tambah () Click Edit () Click Edit () Click Hapus () Click Hapus () Keluar form () Gambar III.12. Sequence Diagram Data Pengguna 3. Sequence Diagram Data Variabel

33 70 Serangkaian kinerja sistem yang dilakukan oleh admin pada pengolahan data variabeldapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.13 berikut : Form variabel Admin Main Form Form variabel Proses Tabel variabel Tampilkan Fom () Menu () click form variabel Click baru () Click baru () Click tambah () Click tambah () Click Edit () Click Edit () Click Hapus () Click Hapus () Keluar form () Gambar III.13. Sequence Diagram Data Variabel

34 71 4. Sequence DiagramData Himpunan Serangkaian kinerja sistem yang dilakukan oleh admin pada pengolahan data himpunandapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.14 berikut : Form Himpunan Admin Main Form Form himpunan Proses Tabel Himpunan Tabel Variabel Tampilkan Fom () Menu () click form himpunan () Click baru () Click tambah () Click tambah () Click Edit () Click Edit () Click Hapus () Click Hapus () Keluar form () Gambar III.14. Sequence Diagram Data Himpunan 5. Sequence DiagramTraining Serangkaian kinerja sistem yang dilakukan oleh admin pada pengolahan data trainingdapat diterangkan dengan langkah-langkah stateyang ditunjukkan pada gambar III.15 berikut :

35 72 Form Training Admin Main Form Form Training Proses Tabel Training Tampilkan Fom () Menu () click form Training Click baru () Click baru () Click tambah () Click tambah () Click Edit () Click Edit () Click Hapus () Click Hapus () Keluar form () Gambar III.15. Sequence Diagram Data Training 6. Sequence DiagramAnalisa

36 73 Serangkaian kinerja sistem yang dilakukan oleh admin pada pengolahan analisadapat diterangkan dengan langkah-langkah stateberikut yang ditunjukkan pada gambar III.16 berikut : Form analisa Admin Main Form Form analisa Proses Tabel detail_training Tampilkan Fom () Menu () click form analisa Click Analisa () Click Analisa () Click simpan () Click simpan () Keluar form () Gambar III.16. Sequence Diagram Analisa 7. Sequence DiagramMelihat Laporan Variabel Serangkaian kinerja sistem yang dilakukan dalam melihat informasi mengenai laporan variabeldapat diterangkan pada gambar III.17:

37 74 Laporan Daftar variabel Admin Form Laporan Proses Tabel variabel Tampilkan Fom () Menu () click form Laporan variabel () Informasi data () Keluar form () Gambar III.17. Sequence DiagramMelihat Laporan Variabel 8. Sequence DiagramMelihat Laporan Data Training Serangkaian kinerja sistem yang dilakukan dalam melihat informasi mengenai laporan data trainingdapat diterangkan pada gambar III.18:

38 75 Laporan Training Admin Form Laporan Proses Tabel Training Tampilkan Fom () Menu () click form Training () Informasi data () Keluar form () Gambar III.18. Sequence DiagramMelihat Laporan Data Training 9. Sequence DiagramMelihat Laporan Data Analisa Serangkaian kinerja sistem yang dilakukan dalam melihat informasi mengenai laporan data analisa dapat diterangkan pada gambar III.19 :

39 76 Laporan analisa Admin Form Laporan Proses Tabel analisa Tampilkan Fom () Menu () click form analisa () Informasi data () Keluar form () Gambar III.19. Sequence DiagramMelihat Laporan Data Analisa III.4.Desain Basis Data Desain basis data terdiri dari tahap melakukan perancangannormalisasi tabel dan merancang struktur tabel.

40 77 III.4.1. Normalisasi Tahap normalisasi ini bertujuan untuk menghilangkan masalah berupa ketidakkonsistenan apabila dilakukannya proses manipulasi data seperti penghapusan, perubahan dan penambahan data sehingga data tidak ambigu. III Normalisasi Data Hasil Analisa Normalisasi data nilai dilakukan dengan beberapa tahap normalisasi sampai data nilai ini masuk ke tahap normal dimana tidak ada lagi redundansi data. Berikut ini adalah tahapan normalisasinya: 1. Bentuk Normal Bentuk tidak normal dari data nilai ditandai dengan adanya baris yang satu atau lebih atributnya tidak terisi, bentuk ini dapat dilihat pada tabel III.1 dibawah ini: Tabel III.1 Data Hasil Analisa Normal No Himpunan No Variabel Nama Nilai HI001 VR001 3 HI002 2 HI003 1 HI004 VR002 3 HI005 2 HI006 1 HI007 VR003 Sedikit 3 HI008 2 HI009 Banyak 1 HI010 VR004 Sedikit 3 HI011 2 HI012 Banyak 1

41 78 No Himpunan 2. Bentuk Normal Pertama (1NF) Bentuk normal pertama dari data nilai merupakan bentuk tidak normal yang atribut kosongnya diisi sesuai dengan atribut induk dari record-nya, bentuk ini dapat dilihat pada tabel III.2 di berikut ini: Tabel III.2 Data Hasil Normal Pertama No Keterangan Variabel Nama HI001 Bau dari jagung VR001 3 HI002 Bau dari jagung VR001 2 HI003 Bau dari jagung VR001 1 HI004 Tingkat Kadar Air Jagung VR002 3 HI005 Tingkat Kadar Air Jagung VR002 2 HI006 Tingkat Kadar Air Jagung VR002 1 HI007 Jumlah Butir Rusak VR003 Sedikit 3 HI008 Jumlah Butir Rusak VR003 2 HI009 Jumlah Butir Rusak VR003 Banyak 1 HI010 Jumlah Butir Yang Sesuai ( Kuning Untuk Jagung Kuning, Putih Untuk Jagung 3 Putih) VR004 Sedikit HI011 Jumlah Butir Yang Sesuai ( Kuning Untuk Jagung Kuning, Putih Untuk Jagung 2 Putih) VR004 HI012 Jumlah Butir Yang Sesuai ( Kuning Untuk Jagung Kuning, Putih Untuk Jagung Putih) VR004 Banyak 1 Nilai 3. Bentuk Normal Kedua (2NF) Bentuk normal kedua dari data nilai merupakan bentuk normal pertama, dimana telah dilakukan pemisahan data sehingga tidak adanya ketergantungan parsial. Setiap data memiliki kunci primer untuk membuat relasi antar data, bentuk ini dapat dilihat pada tabelberikut ini:

42 79 Tabel III.3. Data Variabel2NF No Variabel Nam Keterangan Jenis Bobot VR001 Bau Bau dari jagung Diskrit 15 VR002 Kadar Air Tingkat Kadar Air Jagung Diskrit 20 VR003 Butir Rusak Jumlah Butir Rusak Diskrit 35 VR004 Butir Warna Lain Jumlah Butir Yang Sesuai ( Kuning Untuk Jagung Kuning, Putih Untuk Jagung Putih) Diskrit 30 III.4.2. Desain Tabel Setelah melakukan tahap normalisasi, maka tahap selanjutnya yang dikerjakan yaitu merancang struktur tabel pada basis data sistem yang akan dibuat, berikut ini merupakan rancangan struktur tabel tersebut: 1. Struktur Tabel Analisa Tabel analisa digunakan untuk menyimpan data, selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.4 berikut : Tabel III.4 Rancangan Tabel Analisa Nama Database Indojaya Agrinusa Nama Tabel dbo.analisa No Nama Field Tipe Data Boleh Kosong Kunci 1. id_analisa char(10) Primary Key 2. tanggal datetime - 3. hasil varchar(30) - 2. Struktur Tabel Detail_training Tabel detail_training digunakan untuk menyimpan data, selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.5 berikut:

43 80 Tabel III.5 Rancangan Tabel Detail Training Nama Database Indojaya Agrinusa Nama Tabel dbo.detail_training No Nama Field Tipe Data Boleh Kosong Kunci 1. id_training Int Primary Key 2. id_variabel char(5) - 3. id_himpunan char(5) - 3. Struktur Tabel Himpunan Tabel himpunan digunakan untuk menyimpan data, selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.6 berikut: Tabel III.6 Rancangan Tabel Himpunan Nama Database Indojaya Agrinusa Nama Tabel dbo.himpunan No Nama Field Tipe Data Boleh Kosong Kunci 1. id_himpunan char(5) Primary Key 2. id_variabel char(5) - 3. nama varchar(30) - 4. nilai Int - 4. Struktur Tabel Pengguna Tabel pengguna digunakan untuk menyimpan, selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.7 berikut : Tabel III.7 Rancangan Tabel Pengguna Nama Database Indojaya Agrinusa Nama Tabel dbo.pengguna No Nama Field Tipe Data Boleh Kosong Kunci 1. id_pengguna char(5) - 2. nama varchar(30) - 3. username varchar(15) - 4. password varchar(15) -

44 81 5. Struktur Tabel Training Tabel training digunakan untuk menyimpan data, selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.8 berikut: Tabel III.8 Rancangan Tabel Training Nama Database Indojaya Agrinusa Nama Tabel dbo.training No Nama Field Tipe Data Boleh Kosong Kunci 1. id_training Int Primary Key 2. mutu char(3) - 6. Struktur Tabel variabel Tabel variabeldigunakan untuk menyimpan data, selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.9 berikut: Tabel III.9 Rancangan Tabel Variabel Nama Database Indojaya Agrinusa Nama Tabel dbo.variabel No Nama Field Tipe Data Boleh Kosong Kunci 1. id_variabel char(5) - 2. nama varchar(30) - 3. keterangan text - 4. bobot Int - III.5. Desain Interface Tahap perancangan berikutnya yaitu desain sistem secara detail yang meliputi desain output sistem dan desain input sistem. 1. Desain FormLogin admin Serangkaian kinerja sistemlogin yang dilakukan oleh admin dapat diterangkan dengan langkah-langkah stateyang ditunjukkan pada gambar III.19 berikut :

45 82 Form Login Username : xxx Password : xxx Login Gambar III.19. Desain Form Login 2. Desain Form Data Pengguna Desain form untuk melakukan pengolahan data pengguna dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.20 berikut : Form Pengguna ID Pengguna : 999 Nama : xxx Username : xxx Password : xxx SImpan Batal Gambar III.20. Desain Form Data Pengguna

46 83 3. Desain FormData Variabel Desain form untuk melakukan pengolahan data variabeldapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.21 berikut : Form Variabel ID Variabel : Nama : Keterangan : Jenis (Naive Bayes) : Bobot (Smart) : SImpan Batal Gambar III.21. Desain Form Data Variabel 4. Desain Form Data Himpunan Desain form untuk melakukan pengolahan data himpunan dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.22 berikut :

47 84 Form Himpunan ID Himpunan : 999 Nama : xxx Nilai (Smart) : 999 SImpan Batal Gambar III.22. Desain Form Data Himpunan 5. Desain Form Analisa Desain form untuk melakukan pengolahan analisadapat diterangkan dengan langkah-langkah stateberikut yang ditunjukkan pada gambar III.24 berikut : Form Analisa Data Analisa Analisa Gambar III.24. Desain Form Analisa

48 85 6. Desain Form Melihat Laporan Variabel Desain form untuk melihat informasi mengenai laporan variabeldapat diterangkan pada gambar III.25: Gambar III.25. Desain Form Melihat Laporan Variabel 7. Desain Form Melihat Laporan Data Training Desain form untuk melihat informasi mengenai laporan trainingdapat diterangkan pada gambar III.26: Gambar III.26. Desain Form Melihat Laporan Training

49 86 8. Desain Form Melihat Laporan Analisa Desain form untuk melihat informasi mengenai laporan analisa dapat diterangkan pada gambar III.27 : Gambar III.27. Desain Form Melihat Laporan Analisa