Bab Implementasi Sistem

37 Bab 4 Hasil dan Pembahasan 4.1 Implementasi Sistem Basis Data Implementasi model sistem basis data merupakan implementasi dari perancangan basis data yang telah dibuat pada bab sebelumnya. Berdasarkan rancangan yang telah dibuat maka akan diimplementasikan beberapa tabel ke dalam database, yaitu : table Agrometeorologi, table CurahHujan, table Kelembaban, table SuhuUdara, table Pengguna, table Kecamatan. Untuk implementasi dari tabel-tabel tersebut, maka akan diberikan contoh data untuk masing-masing tabel yang diimplementasikan. Contoh data tabel dapat terlihat pada gambar- gambar berikut ini. Gambar 4.1 Implementasi table Pengguna Pada Gambar 4.1 dapat dilihat implementasi table Pengguna, dimana record pada table Pengguna akan mewakili seorang user yang akan menggunakan sistem. Gambar 4.2 Implementasi table Agrometeorologi Pada Gambar 4.2 terlihat implementasi dari table Agrometeorologi. Pada table Agrometeorologi terdapat 3 records tanaman yang digunakan pada penelitian ini. 37

38 Gambar 4.3 Implementasi table Kecamatan Pada Gambar 4.3 terlihat implementasi dari table Kecamatan. Terdapat 3 kecamatan pada kabupaten Boyolali yang digunakan sebagai sample dalam penelitian ini, sesuai dengan pembahasan pada bab sebelumnya. Gambar 4.4 Implementasi table CurahHujan Pada Gambar 4.4 dapat dilihat implementasi dari table CurahHujan. Table CurahHujan berisikan data-data curah hujan perbulan tiap kecamatan. Beberapa diantaranya dapat dilihat pada Gambar 4.4. Gambar 4.5 Implementasi table Kelembaban Pada Gambar 4.5 dapat dilihat implementasi dari table Kelembaban. Table Kelembaban berisikan data-data kelembaban perbulan tiap kecamatan. Beberapa diantaranya dapat dilihat pada Gambar 4.5.

39 Gambar 4.6 Implementasi table SuhuUdara Pada Gambar 4.6 dapat dilihat implementasi dari table SuhuUdara. Table SuhuUdara berisikan data-data suhu udara perbulan tiap kecamatan. Beberapa diantaranya dapat dilihat pada Gambar 4.6. 4.2 Hasil Pembuatan Aplikasi Aplikasi yang dibuat pertama kali akan memanggil Form Login, yang mengharuskan user untuk melakukan login. Hal ini dimaksudkan untuk menjamin keamanan data yang ada serta membatasi aktivitas user didalam sistem. User diharuskan mengisikan username dan password. Untuk memastikan bahwa username dan password yang dimasukkan benar-benar terdaftar di dalam database, maka digunakan sebuah fungsi login. Fungsi login tersebut akan memvalidasi masukkan user. Jika masukkan user salah maka akan muncul warning message seperti ditunjukkan oleh Gambar 4.7.. Sedangkan jika login berhasil, maka user akan masuk kedalam form utama. Gambar 4.7 Tampilan Warning Message

40 Sesuai pada perancangann sistem pada bab sebelumnya, maka pembagian hak user ditujukan untuk memastikan bahwa input data hanya dapat dilakukan oleh user admin, sedangkan user PPL hanya dapat melihat peramalan tanaman yang cocok ditanam pada masa tertentu. Untuk memperjelas maka fungsi tersebut dapat dilihat dilihat pada Kode Program 4.1. Kode Program 4.1 Pembatasan Hak Akses With f Me._menuStrip.Visible = True _menumanagedata.visible =.ShowMenuStrip End With Pada Kode Program 4.1 terlihat jelas bahwa penghapusan menu Manage Data berdasarkan pengembalian nilai yang dilakukan pada saat pengecekan user pada fungsi Login. Dengan melakukan hal seperti ini akan lebih efektif daripada membuat dua aplikasi berbeda untuk masing-masing tipe user.. Pada user admin, terdapat menu manage data yang berfungsi untuk menambahkan, mengubah atau menghapus data klimatologi, data agrometeorologi, dan data kecamatan. Tampilan form data klimatologi ditunjukkan oleh Gambar 4.8. Gambar 4.8 Form Data Klimatologi

41 Form data agrometeorologi berisikan data tanaman pangan yang digunakan dalam penelitian ini beserta unsur klimatologi yang dibutuhkan oleh tanaman tersebut dapat tumbuh. Tampilan form data agrometeorologi ditunjukkan oleh Gambar 4.9. Gambar 4.9 Form Data Agrometeorologi Form data kecamatan berisikan data kecamatan yang digunakan dalam penelitian ini. Tampilan form data kecamatan ditunjukkan oleh Gambar 4.10. Gambar 4.10 Form Data Kecamatan

42 Pada form utama, terdapat menu Forecasting yang dapat diakses oleh kedua tipe user. Tampilan form forecasting dapat dilihat pada Gambar 4.11. Gambar 4..11 Form Forecasting Pada form forecasting yang digambarkan pada Gambar 4.11 memiliki fungsi memperkirakan tanaman yang cocok ditanam pada kecamatan tertentu dan pada masa tertentu sesuai dengan masukkan user. Proses peramalan pada sistem sesuai dengan metode peramalan yang dibahas pada bab sebelumnya, yaitu menggunakan metode Triple Exponential Smoothing.. Proses peramalan ini terbagi menjadi beberapa tahap untuk tiap unsurur klimatologi yang digunakan. Proses pertama peramalan menggunakan metode Triple Exponential Smoothing adalah menghitung pemulusan pertama (S`t) curah hujan, kelembaban, dan suhu udara. Seperti ditunjukkan pada Kode Program 4.2.

43 Kode Program 4.2 Fungsi Penghitungan S`t Curah Hujan For k = 1 To 9... 1 For l = 0 To _datacurahhujan.count() 1... 2 If l = 0 Then... 3 _s1t(k, l) = _datacurahhujan(l)... 4 Else... 5 a = (k / 10) * _datacurahhujan(l)... 6 b = (1 - (k / 10)) * _s1t(k, l - 1)... 7 _s1t(k, l) = a + b... 8 End If... 9 Next... 10 l = 0... 11 Next... 12 Kode Program 4.2 adalah kode program untuk proses penghitungan pemulusan pertama curah hujan. Untuk proses penghitungan pemulusan pertama kelembaban dan suhu udara menggunakan logika yang sama dengan penghitungan pemulusan pertama curah hujan. Proses penghitungan pemulusan pertama dengan menghitung satu persatu data iklim yang digunakan pada penelitian ini dengan menggunakan rumus (2.11). Untuk nilai awal pemulusan pertama dari data iklim ditentukan sama dengan nilai data iklim pertama (ditunjukkan pada baris ke 4). Baris ke 6 dan 7 merupakan penggalan rumus penghitungan pemulusan pertama curah hujan. Langkah kedua adalah menghitung pemulusan kedua (S``t) data iklim yang digunakan. Seperti ditunjukkan pada Kode Program 4.3. Kode Program 4.3 Fungsi Penghitungan S``t Curah Hujan For k = 1 To 9... 1 For l = 0 To _datacurahhujan.count() 1... 2 If l = 0 Then... 3 _s2t(k, l) = _datacurahhujan(l)... 4 Else... 5 a = (k / 10) * _s1t(k, l)... 6 b = (1 - (k / 10)) * _s2t(k, l - 1)... 7 _s2t(k, l) = a + b... 8 End If... 9 Next... 10 l = 0... 11 Next... 12 Kode Program 4.3 adalah kode program untuk proses penghitungan pemulusan kedua curah hujan. Untuk proses

44 penghitungan pemulusan kedua kelembaban dan suhu udara menggunakan logika yang sama dengan penghitungan pemulusan kedua curah hujan. Proses penghitungan pemulusan kedua dengan menghitung satu persatu data hasil dari penghitungan pemulusan pertama dengan menggunakan rumus (2.12). Untuk nilai awal pemulusan kedua ditentukan sama dengan nilai awal dari hasil penghitungan pemulusan pertama atau sama dengan nilai data iklim pertama (ditunjukkan pada baris ke 4). Baris ke 6 dan 7 merupakan penggalan rumus penghitungan pemulusan kedua curah hujan. Langkah ketiga adalah menghitung pemulusan ketiga (S```t) curah hujan, kelembaban, dan suhu udara. Seperti ditunjukkan pada Kode Program 4.4. Kode Program 4.4 Fungsi Penghitungan S```t Curah Hujan For k = 1 To 9... 1 For l = 0 To _datacurahhujan.count() 1... 2 If l = 0 Then... 3 _s3t(k, l) = _datacurahhujan(l)... 4 Else... 5 a = (k / 10) * _s2t(k, l)... 6 b = (1 - (k / 10)) * _s3t(k, l - 1)... 7 _s3t(k, l) = a + b... 8 End If... 9 Next... 10 l = 0... 11 Next... 12 Kode Program 4.4 adalah kode program untuk proses penghitungan pemulusan ketiga curah hujan. Untuk proses penghitungan pemulusan ketiga kelembaban dan suhu udara menggunakan logika yang sama dengan penghitungan pemulusan ketiga curah hujan. Proses penghitungan pemulusan ketiga dengan menghitung satu persatu data hasil dari penghitungan pemulusan kedua dengan menggunakan rumus (2.13). Untuk nilai awal pemulusan ketiga

45 ditentukan sama dengan nilai awal dari hasil penghitungan pemulusan kedua atau sama dengan nilai data iklim pertama (ditunjukkan pada baris ke 4). Baris ke 6 dan 7 merupakan penggalan rumus penghitungan pemulusan ketiga curah hujan. Setelah menghitung 3 kali pemulusan, maka langkah selanjutnya adalah menghitung konstanta pemulusan yang akan digunakan. Pada proses ini terdapat 3 kali penghitungan konstanta pemulusan (α t, b t, dan c t ) untuk tiap unsur klimatologi yang digunakan. Penghitungan konstanta pemulusan pertama (α t ) ditunjukkan oleh Kode Program 4.5. Kode Program 4.5 Fungsi Penghitungan α t Curah Hujan For k = 1 To 9... 1 For l = 0 To _datacurahhujan.count() 1... 2 a = 3 * _s1t(k, l)... 3 b = 3 * _s2t(k, l)... 4 c = _s3t(k, l)... 5 _a(k, l) = (a - b) + c... 6 Next... 7 l = 0... 8 Next... 9 Kode Program 4.5 adalah kode program untuk menghitung konstanta pemulusan pertama pada data curah hujan. Untuk penghitungan konstanta yang digunakan pada data kelembaban dan suhu udara menggunakan logika yang sama dengan kode program penghitungan konstanta pemulusan pertama curah hujan. Penghitungan konstanta pertama sesuai dengan rumus (2.14) pada metode Triple Exponential Smoothing yang dijelaskan pada bab sebelumnya (ditunjukkan pada baris ke 6). Baris ke 3 sampai baris ke 5 merupakan penggalan rumus penghitungan konstanta pemulusan pertama curah hujan. Penghitungan konstanta pemulusan kedua (b t ) ditunjukkan oleh Kode Program 4.6.

46 Kode Program 4.6 Fungsi Penghitungan b t Curah Hujan For k = 1 To 9... 1 For l = 0 To _datacurahhujan.count() 1... 2 a = (k / 10) / (2 * ((1 - (k / 10)) ^ 2))... 3 b = (6 - (5 * (k / 10))) * _s1t(k, l)... 4 c = (10 - (8 * (k / 10))) * _s2t(k, l)... 5 d = (4 - (3 * (k / 10))) * _s3t(k, l)... 6 _b(k, l) = a * (b - c + d)... 7 Next... 8 l = 0... 9 Next... 10 Kode Program 4.6 adalah kode program untuk menghitung konstanta pemulusan kedua pada data curah hujan. Untuk penghitungan konstanta yang digunakan pada data kelembaban dan suhu udara menggunakan logika yang sama dengan kode program penghitungan konstanta pemulusan pertama curah hujan. Penghitungan konstanta kedua sesuai dengan rumus (2.15) pada metode Triple Exponential Smoothing yang dijelaskan pada bab sebelumnya (ditunjukkan pada baris ke 6). Baris ke 3 sampai baris ke 6 merupakan penggalan rumus penghitungan konstanta pemulusan kedua curah hujan. Penghitungan konstanta pemulisan ketiga (c t ) ditunjukkan oleh Kode Program 4.7. Kode Program 4.7 Fungsi Penghitungan c t Curah Hujan For k = 1 To 9... 1 For l = 0 To _datacurahhujan.count() 1... 2 a = ((k / 10) ^ 2) / ((1 - (k / 10)) ^ 2)... 3 b = _s1t(k, l)... 4 c = 2 * _s2t(k, l)... 5 d = _s3t(k, l)... 6 _c(k, l) = a * (b - c + d)... 7 Next... 8 l = 0... 9 Next... 10 Kode Program 4.7 adalah kode program untuk menghitung konstanta pemulusan ketiga pada data curah hujan. Untuk penghitungan konstanta yang digunakan pada data kelembaban dan

47 suhu udara menggunakan logika yang sama dengan kode program penghitungan konstanta pemulusan pertama curah hujan. Penghitungan konstanta ketiga sesuai dengan rumus (2.16) pada metode Triple Exponential Smoothing yang dijelaskan pada bab sebelumnya (ditunjukkan pada baris ke 7). Baris ke 3 sampai baris ke 6 merupakan penggalan rumus penghitungan konstanta pemulusan ketiga curah hujan. Setelah melakukan 3 kali penghitungan konstanta pemulusan, maka proses peramalan dapat dilakukan. Hasil proses penghitungan peramalan yang dilakukan oleh sistem akan dipilih lagi dengan menghitung ketepatan hasil peramalan tersebut. Ketepatan hasil peramalan dapat dihitung dengan menghitung error atau kesalahan terkecil. Pada sistem ini penghitungan kesalahan terkecil dilakukan dengan menghitung nilai tengah kesalahan mutlak (Mean Absolute Deviation). Proses penghitungan peramalan dan penghitungan kesalahan terkecil untuk tiap unsur klimatologi yang digunakan dapat dilihat pada Kode Program 4.21.

48 Kode Program 4.8 Fungsi Peramalan dan MAD terkecil Curah Hujan For k = 1 To 9... 1 For i = 1 To _datacurahhujan.count 1... 2 a = _a(k, i)... 3 b = _b(k, i) * _m... 4 c = (0.5 * _c(k, i)) * (_m ^ 2)... 5 _forecasting(k, i) = a + b + c... 6 If _forecasting(k, i) < 0 Then... 7 _forecasting(k, i) = 0... 8 End If... 9 _mad(k, i) = (_datacurahhujan(i) - _forecasting(k, i))... 10 If _mad(k, i) < 0 Then... 11 _mad(k, i) = (_mad(k, i) * -1) / _datacurahhujan.count... 12 Else... 13 _mad(k, i) = (_mad(k, i)) / _datacurahhujan.count... 14 End If... 15 _totalmadch(k) = _totalmadch(k) + _mad(k, i)... 16 Next... 17 Next... 18 For k = 1 To 9... 19 If _totalmadch(k) < _madchkcl Then... 20 _madchkcl = _totalmadch(k)... 21 aplha = k... 22 End If... 23 Next... 24 For x = _datacurahhujan.count - 14 To _datacurahhujan.count 1. 25 m = m + 1... 26 _curahhujankcl(m) = _forecasting(aplha, x)... 27 _errorcurahhujan(m) = _mad(aplha, x)... 28 _PCurahHujan(m) = _curahhujankcl(m)... 29 Next... 30 Kode program 4.8 merupakan kode program untuk menghitung peramalan curah hujan yang akan terjadi untuk beberapa waktu kedepan, menghitung ketepatan hasil peramalan curah hujan dan memilih data peramalan curah hujan yang memiliki kesalahan paling kecil. Untuk peramalan kelembaban dan suhu udara menggunakan logika yang sama seperti dicontohkan pada Kode Program 4.8. Baris pertama sampai dengan baris ke 9 pada Kode Program 4.8 merupakan kode program untuk meramalkan curah hujan yang akan terjadi beberapa waktu kedepan. Baris ke 10 sampai dengan baris ke 16 pada Kode Program 4.8 merupakan kode program untuk

49 menghitung kesalahan peramalan curah hujan. Baris ke 19 sampai dengan baris ke 30 merupakan kode program untuk memilih hasil peramalan curah hujan dengan kesalahan terkecil tiap bulannya. 4.3 Software Testing Pada pengujian perangkat lunak di sistem ini, akan digunakan metode black box testing. Dimana proses testing akan berfokus pada interface software. Rincian pengujian dapat dilihat pada Tabel 4.1 berikut : a. Pengujian Login untuk melakukan pengecekan apakah fungsional dari halaman Login telah berjalan dengan baik. Dari pengujian yang dilakukan didapat kesimpulan bahwa halaman Login telah berjalan dengan baik. Aktivitas dan Event Login PPL dengan klik tombol login Login admin dengan klik tombol login Tabel 4.1 Pengujian Black box halaman Login Input Username dan Password Username dan Password Output a. Jika berhasil maka user masuk ke halaman menu dengan hak akses sebagai petugas. b. Jika username atau password salah maka muncul peringatan kesalahan input username atau password a. Jika berhasil maka user masuk ke halaman menu dengan hak akses sebagai administrator. b. Jika username atau password salah maka muncul peringatan kesalahan input Status Pengujian

50 username atau password b. Pengujian halaman menu-menu yang dapat diakses oleh petugas meliputi menu forecasting dan menu logout. Dari pengujian yang dilakukan didapat kesimpulan bahwa menu-menu yang ada telah berjalan dengan baik. Aktivitas dan Event Pilih menu Forecasting Pilih menu Logout Tabel 4.2 Pengujian Black box halaman menu petugas Input Output Jika berhasil maka muncul halaman forecasting Jika berhasil maka akan kembali ke halaman login Status Pengujian c. Pengujian halaman menu-menu yang dapat diakses oleh admin meliputi menu forecasting, menu manage data klimatologi, manage data agrometeorologi, manage data kecamatan, dan menu logout. Dari pengujian yang dilakukan didapat kesimpilan bahwa menumenu yang ada telah berjalan dengan baik. Aktivitas dan Event Pilih menu Forecasting Pilih menu manage data klimatologi Pilih menu manage data agrometeorologi Pilih menu manage data kecamatan Tabel 4.3 Pengujian Black box halaman menu admin Input Output Jika berhasil maka muncul halaman forecasting Jika berhasil maka muncul halaman data klimatologi Jika berhasil maka muncul halaman data agrometeorologi Jika berhasil maka muncul halaman data kecamatan Status Pengujian

51 Pilih menu Logout Jika berhasil maka akan kembali ke halaman login d. Pengujian halaman forecasting untuk melakukan pengecekan apakah fungsional dari halaman Forecasting telah berjalan dengan baik. Dari pengujian yang dilakukan didapat kesimpulan bahwa halaman Forecasting telah berjalan dengan baik. Aktivitas dan Event Menampilkan peta beserta tanaman pangan yang cocok ditanam dan grafik peramalan curah hujan, kelembaban dan suhu udara beserta ketepatan peramalannya. Tabel 4.4 Pengujian Black box halaman Forecasting Input Kecamatan, tahun, dan bulan yang akan diramalkan Output Peta boyolali beserta simbol tanaman pangan yang cocok ditanam pada daerah tertentu sesuai dengan inputan dan grafik hasil peramalan data curah hujan, kelembaban, dan suhu udara beserta tingkat ketepatannya Status Pengujian e. Pengujian halaman manage data untuk melakukan pengecekan apakah fungsional dari halaman manage data telah berjalan dengan baik. Dari pengujian yang dilakukan didapat kesimpulan bahwa halaman manage data telah berjalan dengan baik. Aktivitas dan Event Insert data klimatologi Tabel 4.5 Pengujian Black box halaman Manage Data Input Kecamatan, tahun, bulan, dan nilai data klimatologi Output a. Jika berhasil maka data akan tersimpan kedalam database b. Jika gagal maka Status Pengujian

52 Edit data klimatologi Delete data klimatologi Insert data agrometeorologi Edit data agrometeorologi Kecamatan, tahun, bulan, dan nilai data klimatologi Nama tanaman, symbol, curah hujan min, curah hujan max, kelembaban min, kelembaban max, suhu udara min, suhu udara max Nama tanaman, symbol, curah hujan min, curah hujan max, kelembaban min, kelembaban max, suhu udara min, suhu udara max akan muncul pesan data yang diinputkan salah a. Jika berhasil maka data didalam database akan terubah b. Jika gagal maka akan muncul pesan data yang diinputkan salah Jika berhasil akan muncul halaman delete confirmation a. Jika berhasil maka data akan tersimpan kedalam database b. Jika gagal maka akan muncul pesan data yang diinputkan salah a. Jika berhasil maka data didalam database akan terubah b. Jika gagal maka akan muncul pesan data yang diinputkan salah

53 Delete data agrometeorologi Insert data kecamatan Edit data kecamatan Delete data kecamatan Nama kecamatan, dan wilayah Nama kecamatan, dan wilayah Jika berhasil akan muncul halaman delete confirmation a. Jika berhasil maka data akan tersimpan kedalam database b. Jika gagal maka akan muncul pesan data yang diinputkan salah a. Jika berhasil maka data didalam database akan terubah b. Jika gagal maka akan muncul pesan data yang diinputkan salah Jika berhasil akan muncul halaman delete confirmation 4.4 Uji Responden Dalam membangun sistem ini, data diperoleh dengan menyebarkan kuisioner terhadap mahasiswa Fakultas Pertanian Universitas Kristen Satya Wacana. Salah satu unsur terpenting dalam penelitian adalah menemukan validitas dan reliability suatu alat ukur. Alat ukur yg baik harus memenuhi persyaratan validitas dan reliability alat ukur tersebut. Dalam pengujian kuisioner ini, akan dihitung dengan skala likert dengan 5 kemungkinan jawaban. Dalam perhitungan skala, angka 1 mempunyai arti nilai yang terbaik dan angka 5 mempunyai arti nilai yg terburuk. Data-data hasil jawaban responden dapat dilihat pada Tabel 4.6 dan hasil dari

54 penghitungan menggunakan skala likert dapat dilihat pada Gambar 4.14. Pertanyaan Responden Tabel 4.6 Hasil Jawaban Responden p11 p12 p21 p22 p23 p31 p32 p33 1 2 1 2 1 3 2 1 2 2 2 2 2 2 3 3 3 1 3 1 1 1 2 2 2 3 3 4 2 1 2 2 1 1 2 1 5 2 2 1 2 2 2 1 2 6 2 2 1 2 3 2 1 1 7 2 2 1 2 1 1 1 2 8 3 3 3 2 3 3 1 3 9 1 2 2 2 1 1 1 1 10 2 4 2 1 1 2 1 2 11 2 2 2 3 1 1 2 2 12 2 3 3 1 2 1 3 1 13 2 3 3 1 2 2 2 2 14 2 1 1 2 1 3 2 2 15 2 2 2 3 3 2 2 2 16 3 1 2 2 2 3 2 3 17 2 2 2 2 3 3 3 2 18 2 3 4 4 4 2 3 1 19 2 4 4 3 3 3 3 3 20 1 2 2 3 1 3 3 2 21 2 1 3 2 1 2 1 2 22 3 2 2 3 1 2 1 1 23 2 3 3 2 1 2 1 2 24 1 2 2 3 1 3 3 1 25 2 2 2 1 2 3 3 1 26 4 3 3 3 4 3 3 2 27 3 2 2 3 2 2 1 1 28 2 2 4 3 2 2 3 3 29 4 2 2 3 1 3 3 3 30 2 1 3 2 1 2 3 1 31 2 3 2 2 3 2 3 2 32 2 1 2 1 3 3 2 1 33 2 3 3 2 3 1 2 3 34 2 4 3 2 3 2 2 2 35 2 3 3 4 2 1 3 1

55 36 2 2 2 3 2 3 3 2 Hasil jawaban dari 36 responden mahasiswa Fakultas Pertanian Universitas Kristen Satya Wacana dapat dirinci sebagai berikut: Design Interface Tabel 4.7 Tabel Jawaban p11 Bagaimana design interface aplikasi pola tanam tersebut? (p11) Baik 4 Baik Cukup Kurang Kurang 26 4 2 0 Gambar 4.12 Persentase Jawaban p11 Berdasarkan Tabel 4.7 dan Gambar 4.12 dapat disimpulkan bahwa 11,11% responden menyatakan bahwa design interface aplikasi pola tanam sangat baik, 72,22% % responden menyatakan baik, 11,11% responden menyatakan cukup, dan 5,56% responden menyatakan design interface aplikasi pola tanam kurang.

56 Tingkat Kemudahan Tabel 4.88 Tabel Jawaban p12 Bagaimana tingkat kemudahan penggunaan aplikasi tersebut? (p12) Baik 8 Baik Cukup Kurang Kurang 16 9 3 0 Gambar 4.13 Persentase Jawaban p12 Berdasarkan Tabel 4.8 dan Gambar 4.13 dapat disimpulkan bahwa 22,22% responden menyatakan bahwa tingkat kemudahan penggunaan aplikasi pola tanam sangat baik, 44,44% responden menyatakan baik, 25% responden menyatakan cukup, dan 8,33% responden menyatakan tingkatt kemudahan penggunaan aplikasi pola tanam kurang.

57 Peranan Peta Boyolali Bagaimana peranan peta Boyolali dalam penyajian data hasil peramalan pemilihan tanaman? (p21) Membantu Tabel 4.99 Tabel Jawaban p21 Membantu Cukup Tidak Membantu Tidak Membantu 5 18 10 3 0 Gambar 4.14 Persentase Jawaban p21 Berdasarkan Tabel 4.9 dan Gambar 4.14 dapat disimpulkan bahwa 13,89% responden menyatakan bahwa peranan peta Boyolali dalam penyajian data hasil peramalan pemilihan tanaman sangat membantu, 50% respondenn menyatakan membantu, 27,78% responden menyatakan cukup, dan 8,33% responden menyatakan tidak membantu.

58 Peranan Grafik Hasil Peramalan Bagaimana peranan grafik hasil peramalan data klimatologi yang digunakan? (p22) Membantu Tabel 4.10 Tabel Jawaban p22 Membantu Cukup Tidak Membantu Tidak Membantu 6 17 11 2 0 Gambar 4.15 Persentase Jawaban p22 Berdasarkan Tabel 4.10 dan Gambar 4.15 dapat disimpulkan bahwa 16,67% responden menyatakan bahwa peranan grafik hasil peramalan data klimatologi sangat membantu, 47,22% responden menyatakan membantu, 30,56% responden menyatakan cukup, dan 5,56% responden menyatakan tidak membantu.

59 Peranan Grafik Ketepatan Peramalan Bagaimana peranan grafik hasil ketepatan metode peramalan pada sistem? (p23) Membantu Tabel 4.111 Tabel Jawaban p23 Membantu Cukup Tidak Membantu Tidak Membantu 13 10 11 2 0 Gambar 4.16 Persentase Jawaban p23 Berdasarkan Tabel 4.11 dan Gambar 4.16 dapat disimpulkan bahwa 36,11% responden menyatakan bahwa peranan grafik hasil ketepatan metode peramalan sangat membantu, 27,78% responden menyatakan membantu, 30,56% responden menyatakan cukup, dan 5,56% responden menyatakan tidak membantu.

60 Kecocokan Data Syarat Tumbuh Tanaman Bagaimana perbandingan kecocokan data persyaratan tumbuh masing-masing tanaman pangan yang digunakan dengan ilmu pertanian? (p31) Tabel 4.12 Tabel Jawaban p31 Tepat 7 Tepat Rata- Rata Tidak Tepat Tidak Tepat 16 13 0 0 Gambar 4.17 Persentase Jawaban p31 Berdasarkan Tabel 4.12 dan Gambar 4.17 dapat disimpulkan bahwa 19,44% responden menyatakan bahwa perbandingan kecocokan data persyaratan tumbuh masing-masing tanaman pangan yang digunakan pada sistem ini dengan ilmu pertanian sangat tepat, 44,44% responden menyatakan tepat, dan 36,11% responden menyatakan perbandingan kecocokan data persyaratan tumbuh masing-masing tanaman pangan yang digunakan pada sistem ini dengan ilmu pertanian cukup.

61 Ketepatan Hasil Peramalan Iklim Bagaimana ketepatan hasil peramalan iklim pada aplikasi tersebut? (p32) Tabel 4.13 Tabel Jawaban p32 Tepat 11 Tepat Rata- Rata Tidak Tepat Tidak Tepat 9 16 0 0 Berdasarkan Tabel 4.13 bahwa 30,56% responden Gambar 4.18 Persentase Jawaban p32 peramalan iklim sangat tepat, 25% responden menyatakan tepat, dan 44,44% responden menyatakan ketepatan hasil peramalan iklim cukup. Ketepatan Pemilihan Tanaman Pangan Bagaimana ketepatan pemilihan tanaman pangan pada aplikasi tersebut? (p33) Tabel 4.144 Tabel Jawaban p33 Tepat 13 dan Gambar 4.18 dapat disimpulkan menyatakan bahwa ketepatan hasil Tepat Rata- Rata Tidak Tepat Tidak Tepat 16 7 0 0

62 Gambar 4.19 Persentase Jawaban p33 Berdasarkan Tabel 4.14 dan Gambar 4.19 dapat disimpulkan bahwa 36,11% responden menyatakan bahwa ketepatan pemilihan tanaman pangan oleh sistem sangat tepat, 44,44% responden menyatakan tepat, dan 19,44% responden menyatakan ketepatan pemilihan tanaman pangan oleh sistem cukup. Reliability Uji Respondenn Gambar 4.20 Reliability Uji Responden

63 Berdasarkan Gambar 4.23 dapat disimpulkan bahwa hasil reliability uji responden (Ra) adalah 0,6172 yang menunjukkan bahwa sistem ini masuk dalam skala reliability cukup valid sehingga layak untuk digunakan. 4.5 Analisa Pemodelan sistem peramalan produksi tanaman pangan ini sangatlah bergantung terhadap data input yang masukan oleh user. Sehingga hasil peramalan akan disesuaikan dengan data input dari user. Sistem akan memberikan hasil peramalan yang memanfaatkan metode Triple Exponential Smoothing untuk menghitung peramalan yang akan terjadi beberapa waktu kedepan dan memilih hasil peramalan tersebut dengan kesalahan peramalan terkecil. Sebagai contoh beberapa hasil penghitungan sistem seperti ditunjukkan oleh Tabel 4.15. Forecast Curah Hujan Tabel 4.15 Contoh Penggalan Hasil Penghitungan Sistem MAD Forecast MAD Forecast Curah Kelembaban Kelembaban SuhuUdara Hujan MAD Suhu Udara 0,00 0,00 83,33 0,02 25,72 0,0028 48,30 1,84 84,20 0,01 25,64 0,0006 38,64 0,63 84,57 0,00 25,66 0,0038 30,59 0,50 84,84 0,01 25,78 0,0068 23,90 0,39 84,13 0,05 25,87 0,0053 Berdasarkan hasil pengujian yang dilakukan, maka dapat ditarik kesimpulan bahwa sistem yang dikembangkan sudah sesuai dengan alur yang seharusnya dan valid atau layak untuk digunakan. Hal tersebut dapat terlihat dari hasil pengujian sistem dan uji responden yang telah dilakukan.