3.1 Desain Penelitian

Transkripsi

1 3.1 Desan Peneltan BAB III METODOLOGI PENELITIAN Gambar 3.1 Desan Peneltan Gambar datas menunjukan desan peneltan ang gunakan dalam membangun Sstem Pendukung Keputusan Penentuan Tema Skrps n. 28

2 Metode Peneltan Metode Pengumpulan Data Metode pengumpulan data ang dlakukan pada peneltan n adalah sebaga berkut : 1. Metode Stud Kepustakaan Dengan mempelajar lteratur ang berkatan dengan teor perangkat lunak sstem pendukung keputusan ang akan dbuat dan metode ang akan dgunakan atu metode pengambl keputusan multkrtera TOPSIS. 2. Metode Wawancara Untuk mendapatkan data ang dbutuhkan secara lebh rnc beserta penjelasan penjelasan ang dapat membantu dalam menelesakan masalah n, maka dlakukan wawancara langsung terhadap phak phak ang terkat ang merupakan pakar dbdangna untuk membantu dalam menelesakan masalah n Metode Pengembangan Perangkat Lunak Dalam pengembangan sstem pendukung keputusan penentuan tema skrps n menggunakan model proses sekuensal lner sedangkan pemodelan analss dengan analss terstruktur Model Proses Sekuensal Lner Model n mengusulkan sebuah pendekatan terhadap perkembangan perangkat lunak ang sstematk dan sekuensal ang mula pada tngkatan dan kemajuan sstem pada seluruh analss, desan, kode, pengujan, dan pemelharaan. Proses proses ang melput model n adalah sepert gambar berkut n:

3 30 Gambar 3.2 Pemodelan Sstem Sekuensal Lner (Pressman, 2002). Model Datas melput proses proses sebaga berkut : 1) Pemodelan Sstem Informas Pemodelan sstem nformas harus dlakukan terlebh dahulu sebelum mula melakukan mplementas program atau pengkodean program. Pemodelan sstem nformas n bertujuan untuk menemukan batasanbatasan masalah pada penerapan sstem. Pemodelan sstem nformas n terdr dar 2 tahap atu : a) Analss Kebutuhan Mencar semua kebutuhan ang dperlukan dalam pembuatan sstem nformas dan pembuatan dokumen tekns ang nantna akan dbaca oleh pengguna sstem. b) Desan Sstem Proses desan n bertujuan untuk menterjemahkan hasl analss kebutuhan ke dalam representas perangkat lunak. Empat atrbut ang menjad fokus desan sstem adalah: struktur data, arstektur perangkat lunak, representas nterface dan detal atau spesfkas proses. 2) Implementas Program Implementas program adalah proses mengkonvers desan sstem nformas ke dalam bentuk bahasa pemrograman ang dmengert oleh mesn. Implementas program tdak boleh melebh dar apa ang telah dtentukan dalam desan perangkat lunak. 3) Uj Coba dan Evaluas

4 31 Uj coba dan evaluas sstem berfokus pada logka nternal sstem nformas. Proses uj coba sstem dlakukan dengan dua cara atu: blackbox testng dan whtebox testng Metode Pemodelan Analss Terstruktur Model analss merupakan serangkaan model ang ang merupakan representas tekns ang pertama dar sstem. Pemodelan analss ang dgunakan dalam skrps n adalah model anals terstruktur. Model analss terstruktur adalah aktvtas pembangunan model dengan menggunakan notas ang sesua dengan prnsp analss operasonal. Yatu kta membag sstem secara fungsonal dan behavor, dan menggambarkan esens dar apa ang harus dbangun (Pressman, 2002:351). Dgambarkan n dgambarkan struktur model analss dar lteratur pressman, mencakup tga sasaran utama atu : (1) Data Flow Dagram (DFD). Deskrps setap fungs ang dsajkan DFD dskan dalam sebuah spesfkas proses/process pecfcaton (PSPEC). (2) Entt Relaton Dagram (ERD). Atrbut dar masng masng data ang dtuls dalam ERD dapat dgambarkan dengan deskrps objek data / data obejct descrpton. (3) State Transtton Dagram (STD). STD berfungs sebaga dasar dar pemodelan tngkah laku. Informas tambahan mengena aspek control dar perangkat lunak dskan dalam spesfkas kontrol / control specfcaton (CSPEC). Pada nt model ada akamus data ( data dctonar ) sebaga sarana penmpanan ang bers deskrps dar semua object data ang dkonsums dan dproduks oleh perangkat lunak. Dalam skrps n pemodelan ang dgunakan hanalah Data Flow Dagram (DFD), ) Entt Relaton Dagram (ERD), dan Data Dctonar.

5 32 Gambar 3.3 Struktur Model Anals (Pressman, 2002) 1. Pemodelan Data Entt-Relatonshp Dagram (ERD) menggambarkan hubungan antara objek data. ERD adalah notas ang dgunakan untuk melakukan aktvtas pemodelan data. Model data n terdr dar tga nformas ang salng tergantung, atu : objek data, atrbut ang menggambarkan hubungan objek data tersebut dan hubungan ang menghubungkan objek data ang satu dengan ang lan. Atrbut dar masng - masng objek data ang dtuls dengan menggunakan deskrps objek data.

6 33 Tabel 3.1 Notas ERD dasar Notas Elemen Deskrps Representas dar hampr semua Objek data nformas gabungan ang harus dpaham oleh perangkat lunak Menentukan propert suatu objek dan mengambl salah satu Atrbut dar tga karakterstk ang berbeda. Salah satu atrbut atau lebh harus djadkan kunc Hubungan (object relatonshp pars) akan mendefnskan hubungan ang relevan Hubungan antar objek data. Object relatonshp pars mempuna dua arah, dmana mereka dapat dbaca dar dua arah 2. Pemodelan Fungsonal dan alran Informas Data Flow Dagram (DFD) adalah sebuah tekns grafs ang menggambarkan alran nformas dan transformas ang daplkaskan pada saat data bergerak dar nput menjad output. Berkut n gambar empat notas DFD dasar menurut nomenklatur Pressman.

7 34 Tabel 3.2 Notas DFD dasar Notas Deskrps Prosedur atau konsumer nformas ang ada d luar bound sstem untuk dmodelkan. Proses Transfer nformas (fungs) ang ada d dalam bound sstem untuk dmodelkan. Objek Data Objek data anak panah ang menunjukan arah data Repostor data ang dsmpan untuk dgunakan oleh satu atau lebh, proses dapat dsederhanakan buffer atau queque atau serumt database relatonal. 3. Kamus data Kamus data merupakan sebuah daftar ang terorgansas dar elemen data ang terhubung dengan sstem, dengan defns ang tegar dan telt sehngga pemaka dan analss sstem akan memlk pemahaman ang umum mengena nput, output, komponen penmpanan dan bahkan kalkulas nter-medata.

8 Metode Penelesaan Masalah Metode Technque for Order Preference b Smlart to Ideal Soluton (TOPSIS). Konsep TOPSIS ddasarkan pada konsep dmana alternatf terplh ang terbak tdak hana memlk jarak terpendek dar solus deal postf, namun juga memlk jarak terpanjang dar solus deal negatf (kusumadew, 2006:87). Stud Kasus Suatu perusahaan d Daerah Istmewa Yogakarta (DIY) ngn membangun sebuah gudang ang akan dgunakan sebaga tempat untuk menmpan sementara hasl produksna.ada 3 lokas ang akan menjad alternatf, atu: A1 Ngemplak, A2 Kalasan, A3 Kota Gedhe. Ada 5 krtera ang djadkan acuan dalam pengamblan keputusan, atu: C1 jarak dengan pasar terdekat (km), C2 kepadatan penduduk d sektar lokas (orang/km2); C3 jarak dar pabrk (km); C4 jarak dengan gudang ang sudah ada (km); C5 harga tanah untuk lokas (x1000 Rp/m2). Tngkat kepentngan setap krtera, juga dnla dengan 1 sampa 5, atu: 1 Sangat rendah, 2 Rendah, 3 Cukup, 4 Tngg, 5 Sangat Tngg. Nla setap alternatf d setap krtera:

9 36 Alternatf Krtera C 1 C 2 C 3 C 4 C 5 A 1 0, A 2 0, A 3 0, Pengambl keputusan memberkan bobot preferens sebaga: W (5, 3, 4, 4, 2) 1. Membuat matrks ternormalsas Dengan rumus r j x m 1 j x 2 j Sehngga mendapatkan hasl sebaga berkut : 0,5888 0,6186 0,4077 R 0,3925 0,4640 0,4530 0,7066 0,6341 0, Matrks ternormalsas terbobot Dengan rumus 0,6852 0,5482 0,4796 0,4784 0,4305 0,7654 j w r j Sehngga mendapatkan hasl sebaga berkut :

10 37 2,9440 Y 1,9627 3,5328 1,8558 1,3919 1,9022 1,6309 1,8121 3,1712 2,7408 2,1926 1,9185 0,9567 0,8611 1, Solus Ideal Postf (A): dan Solus Ideal Negatf (A - ): Dengan rumus : Sehngga mendapatkan hasl sebaga berkut : { 2,9440; 1,9627; 3,5328} 1, mn { } 1, max 1,8558;1,3919;1,9022 { 3,1712 } 1, 6309 { 2,7408; 2,1926;1,9185 } 2, max { 0,9567; 0,8611; 1,5308} 0, mn A A ( 1, 2, L, n ); A (,, L, ); 1 3 mn 1,6309;1,8121; 2 { 1,9627;1,9022;1,6309; 2,7408; 0,8611} n { 2,9440;1,9627; 3,5328} 2, max { } 1, mn 1,8558;1,3919;1,9022 { 3,1712 } 3, max 1,6309;1,8121; { 1,6309; 1,8121; 3,1712 } 3, max { 0,9567; 0,8611;1,5308 } 1, max A { 2,9440;1,3919; 3,1712; 1,9185;1,5308 } 4. Jarak antara nla terbobot setap alternatf terhadap solus deal postf Dengan menggunakan rumus : D n j 1 2 ( ) ; j Maka ddapat hasl sebaga berkut :

11 38 D 0,9871, D 0, 7706, D 2, Jarak antara nla terbobot setap alternatf terhadap solus deal negatf Dengan menggunakan rumus : D n 2 ( j ) ; j 1 Maka ddapat hasl sebaga berkut : D 1,9849 D 2, 1991 D , 6. Kedekatan setap alternatf terhadap solus deal Dengan menggunakan rumus : V D D D ; Maka ddapat hasl sebaga berkut : 1,9849 V1 0,6679 0,9871 1,9849 2,1991 V2 0,7405 0,7706 2,1991 0,5104 V3 0,1729 2,4418 0,5104 Dar nla V n dapat dlhat bahwa V2 memlk nla terbesar, sehngga dapat dsmpulkan bahwa alternatf kedua ang akan lebh dplh. Dengan kata lan, Kalasan akan terplh sebaga lokas untuk mendrkan gudang baru.

12 Alat dan Bahan Peneltan Alat Peneltan Pada peneltan n dgunakan berupa perangkat keras dan perangkat lunak sebaga berkut : 1. Perangkat keras berupa laptop dengan spesfkas berkut : a. Processor Intel(R) Core(TM) 2 Duo CPU 2.53GHz b. Memor 4096 MB RAM c. Graphc NVIDIA GeForce GT 230M d. Harddsk 300 GB e. Koneks nternet up to 512kbps f. Mouse dan keboard 2. Sstem operas Wndows 7 Home Premum 64 bt dan beberapa modfkas untuk mendukung aplkas XAMPP Perangkat lunak ang dgunakan dalam peneltan n adalah sebaga berkut : a. XAMPP tools vers (PhpMAdmn, MSQL, Apache) b. Text edtor (Netbeans IDE 6.9.1, notepad ) c. Web browser (Google Chrome, Mozlla Frefox, Internet Explorer, dll 4. Perangkat keras untuk menmpan data berupa flashdsk, harddsk eksternal, cd dan dvd Bahan Peneltan 1. Artkel Peter J. Dennng ang berjudul COMPUTER SCIENCE: THE DISCIPLINE sebaga acuan untuk peneltan n 2. Daftar Alternatf lab ang ada pada prod lmu komputer. 3. Buku buku ang berhubungan dengan alternatf alternatf ang ada.

13 Implementas Peneltan dlaksanakan pada prod Ilmu Komputer Unverstas Penddkan Indonesa Bandung. Deskrps umum penerapan sstem pendukung keputusan penentuan tema skrps n atu suatu applkas ang dapat mengolah data mahasswa untuk dhtung sehnggal dapat membantu mahasswa tu sendr dalam menentukan tema skrpsna. Untuk membuat sstem n dperlukan data data mengena n nformas seputar nla dan pemnatan mahasswa. Data data tersebut nantna akan dgunakan sebaga nputan untuk sstem pendukung keputusan n. Metode penelesaan masalah ang dgunakan dalam peneltan n adalah metode Technque for Order Preference b Smlart to Ideal Soluton (TOPSIS). Dmana metode n menelsakan permasalahan pengamblan keputusan multkrtera. Metode n ddasarkan kepada konsep dmana alternatf ang terbak bukan hana mempuna jarak terdekat dar solus deal, namun juga memlk jarak terjauh dar solus. Metode n banak dgunakan pada beberapa kasus model MADM untuk menelesakan masalah pengamblan keputusan secara prakts. Hal n dsebabkan konsepna sederhana dan mudah dpaham, komputasna efsen, dan memlk kemampuan mengukur knerja relatf dar alternatf alternatf keputusan dalam matemats ang sederhana.