39

BAB 3

Metode dan Perancangan Sistem

3.1 Metode Pengembangan Sistem

3.1.1 Pembahasan Metode Analisis Simulasi

Simulasi membawa peran penting dalam analisis dari pola

spasial, sehingga metode yang digunakan untuk pengembangan

sistem ialah dengan menggunakan model Analisis Simulasi

(Simulation Analysis). Metode Analisis Simulasi merupakan teknik

permodelan deskriptif, penggambaran sistem menggunakan model

dimana tidak memerlukan formasi permasalahan/rumusan masalah

secara eksplisit dan langkah-langkah solusi yang merupakan bagian

dari model optimisasi (Hoover & Perry, 1989).

Urutan dari simulasi adalah sebagai berikut,

1. Rumusan Masalah

2. Pengumpulan Data dan Analisis

3. Pengembangan Model

4. Verifikasi Model dan Validasi

5. Exsperimen Model dan Validasi

6. Implementasi dari Hasil Simulasi

Metode Analisis Simulasi ditunjukan pada Gambar 3. 1

40

Gambar 3. 1 Model Analisis Simulasi (Hoover dan Perry, 1989)

1. Rumusan Masalah

Pada tahap rumusan masalah dilakukan dengan membuat

pertanyaan untuk mendapatkan jawaban dari variabel – variabel

yang bersangkutan dan mengukur performa sistem yang akan di

gunakan.

Adapun pertanyaan untuk pemodelan data spasial,

Bagaimana membangun model klarifikasi wilayah Rawan

Kemisikinan dengan menggunakan fungsi Gi * statistik ?

Pengumpulan Data dan Analisis

Pengumpulan Data dan Analisis diisi dengan pencarian

informasi dan kebutuhan data untuk mengetahui jelas masalah yang

telah di rumuskan. Data di peroleh dari Badan Pusat Statistika

41

Provinsi Jawa Tengah yang berada di semarang. Dimana data yang

di peroleh adalah data untuk Tingkat kemiskinan itu sendiri , Produk

Domestik regional Bruto, Indeks Pembangunan Manusia, Jumlah

Pengangguran, Jumlah penduduk tahun 2005 – 2009.

Penganalisisan data dilakukan dengan mengolah data yang telah di

peroleh, kemudian data tersebut di masukkan ke dalam Model untuk

melakukan pemeriksaan atau analisis data.

2. Pengembangan Model

Pengembangan model menyangkut pengerjaan dan testing

model dari sistem nyata termasuk memilih bahasa pemrograman

yang tepat untuk melakukan peritungan nantinya,model dari coding

dan debugging.

3. Verifikasi Model dan Validasi

Kemudian pada langkah Verifikasi Model dan Validasi,

membangun model yang sesuai dan representatif dengan sistem

nyata. Sebuah model dikatakan memiliki validasi jika hasil keluaran

memiliki nilai yang mendekati pengukuran sistem nyata. Tujuan test

dari sebuah model adalah validasi harus menghasilkan prediksi masa

depan dengan baik. Pendekatan validasi dapat dilihat setelah model

dikembangkan, kemudian melakukan observasi pada sistem real atau

nyata untuk beberapa waktu, mengumpulkan data untuk variabel-

variabel dan pengukuran performa. Variabel-variabel yang

digunakan sebagai validasi adalah yang hasil pengukuran

performanya dari model. Sebuah keputusan pada validasi model

diambil berdasarkan pengukuran yang dihasilkan oleh model dengan

kenyataan memiliki kesamaan pada hasil akhirnya. Hubungan antara

42

pemodelan data spasial dan sistem nyata ditunjukkan pada Gambar

3.2.

Gambar 3.2 Pendekatan untuk Validasi Model

4. Model Exsperimen dan Optimisasi

Tahap model eksperimen dan optimisasi yang dilakukan

adalah ketepatan seperti seberapa luas sampel yang dibutuhkan

untuk mengestimasi performa sistem, dan desain dari eksperimen

yang efektif dengan hasil dari perhitungan Gi*statistik yang

menghasilkan pemetaan daerah kemiskinan dilihat dari beberapa

indikator kemiskinan sudah sesuai dengan data original atau belum.

5. Implementasi dari Hasil Simulasi

Tahap ini berisi tentang kepastian penerimaan dari hasil oleh

user dan pengembangan keputusan dari analisis yang dilakukan.

Alasan dari ketidaksuksesan tujuan implementasi sering

menyangkut dari sebuah gap komunikasi, atau ketidakmampuan user

dalam penguasaan teknik menganalisis, kurangnya kesadaran

personal atau organisasional memandang perkembangan pola tanam

yang dihasilkan oleh perhitungan dari sistem. Sebagian user lebih

menggunakan pengetahuan berdasar pengalaman daripada data yang

terjadi sesungguhnya sehingga kurang menerima sistem yang

dibangun.

Variabel-

variabel

Pemodelan data

spasial

Sistem Nyata

Model

(Pola Spasial)

Sistem Nyata

43

3.2 Analisa Sistem

Dalam tahap ini digunakan untuk mengetahui dan

menerjemahkan semua permasalahan serta kebutuhan perangkat

lunak dan kebutuh sistem yang di bangun. Oleh karena itu, dalam

tahapan ini dilakukan proses pengumpulan data – data untuk sistem.

Secara garis besar, analisis sistem meliputi analisis

kebutuhan sistem, analisis input, analisis alur kerja sistem, analisis

output dan analisis kebutuhan hardware dan software.

3.2.1 Analisis Kebutuhan Sistem

Analisis kebutuhan sistem merupakan proses identifikasi dan

evaluasi permasalahan-permasalahan yang ada, sehingga nantinya

sistem yang dibangun sesuai dengan kriteria yang diharapkan.

Sebuah sistem akan berjalan jika ada data yang menjadi

masukan dan yang akan digunakan sistem untuk menghasilkan

sebuah keluaran. Sebelum melakukan implementasi sistem kita

harus menganalisis kebutuhan sistem yang akan dibangun. Sistem

yang hendak dibangun, diharapkan dapat memenuhi kebutuhan

sebagai berikut:

- Mampu mengintepretasikan sebuah data spasial menjadi

sebuah peta digital

- Mampu memetakkan dan menunjukan Tingkat

Kemiskinan tinggi di Provinsi Jawa Tengah

- Memberikan informasi hasil analisis pengaruh

IPM,PDRB, jumlah pengangguran, Jumlah Penduduk

44

terhadap Kemiskinan di Provinsi Jawa Tengah tahun

2005 – 2009

Dalam sistem ini di perlukan beberapa masukan antara lain

berupa data variabel yang berpengaruh terhadap kemiskinan dan

data spasial sebuah peta. Data masukkan yang di gunakan pada SIG

yang terpenting adalah peta digital. Peta digital nantinya akan

digabungkan dengan informasi dari data yang lain dan akan

dilakukan proses analisis untuk memberikan suatu output atau

informasi. Data masukkan pada SIG secara garis besar di bagi

menjadi 2 jenis, yaitu :

- Spatial data

Data yang menggambarkan fitur-fitur dari lokasi

geografis. Misalnya, titik, garis, polygon biasanya

digunakan untuk menggambarkan fitur geografis seperti

jalan, sungai, danau, dan lain-lain.

- Non Spatial Attribute Data

Peta yang digunakan dalam SIG adalah peta digital, peta

digital dibuat dari peta konvensional yang kemudian

diubah dengan alat bantu untuk dimasukkan ke dalam

komputer dengan cara digitizer, atau untuk lebih

sederhananya biasanya menggunakan mouse. Hasil dari

proses digitasi tersebut dibagi menjadi 3 yaitu titik

(point), garis (line), kurva tertutup (polygon) yang

ketiganya dihubungkan dengan basis data untuk

menampung informasi tentang obyek tersebut (Krisatyo,

2009).

45

Untuk membangun sistem yang dapat memenuhi kebutuhan

tersebut maka sistem ini membutuhkan :

- Data spasial Provinsi Jawa Tengah yang di gunakan R-

Studio untuk mengeluarkan output peta Jawa Tengah.

Data spasial berupa file berekstensi *.dbf, *.sbx, *.sbn,

dan *.shp.

- Data atribut peta yang akan digunakan untuk

memberikan informasi bagi user file yang digunakan

adalah file basis data.

- Data PDRB , IPM, Jumlah Penduduk, Tingkat

Pengangguran yang sudah di input di excel.

Semua data tersebut akan di masukkan dalam di excel yang

kemudian di panggil di R- Studio sehingga dapat menghasilkan

sebuah peta yang dapat memberikan suatu informasi.

3.2.2 Analisis Alur Kerja Sistem

Model yang di buat merupakan sebuah sistem Informasi Data

Spasial yang akan memetakkan daerah rawan miskin di Jawa

Tengah. User dapat memperoleh informasi variabel apa yang paling

besar yang berpengaruh terhadap kemiskinan dengan melihat model

yang di buat.

- Penulis memasukkan data yang berhubungan dengan

kemiskinan ke dalam microsoft excel dimana dalam

penyimpan berforma .csv agar terhubung dengan mudah

di R – studio.

46

- Data yang tersebut akan dimasukkan ke dalam R – Studio

kemudian di hitung pola spasial nya menggunakan

metode Gi * statistik ( Getis dan Ord )

- Hasil dari perhitungan tersebut berupa peta dimana setiap

lokasi sudah terdapat nilai perhitungan yang sudah di

olah menggunakan Gi * statistik dan ditampilkan dalam

suatu halaman aplikasi yang telah ada

- User dalam hal ini pemerintah terkait dapat menganalisis

hasil keluaran dari perhitungan Gi * statistik dengan data

kemiskinan.

3.2.3 Analisa Output

Berdasarkan alur kerja sistem yang sudah dibuat, output yang

dihasilkan sistem berupa GUI ( Graphic User Interface ) yang

menampilkan peta digital yang mengandung informasi data spasial

pengaruh Produk Domestik Regional Bruto , Indeks Pembangunan

Manusia, Jumlah Penduduk, Pengangguran terhadap kemiskinan

pada periode tahun 2005 -2009. Dari hasil analisis output tersebut

maka user sebagai pengambil kebijakan di bidang pemerintahan

dalam hal ini pemerintah yang peduli akan rakyat miskin dapat

mengambil keputusan secara tepat dan cepat, sehingga dapat

membantu rakyatnya terjauh dari kemiskinan, karena sistem yang di

bangun dapat melihat daerah mana di Provinsi Jawa Tengah yang

kemiskinan nya tinggi.

Dari sistem tersebut output yang dihasilkan berupa :

47

- Peta kasus daerah rawan miskin di lihat dari PDRB ,

IPM, Jumlah Penduduk , Tingkat Pengangguran pertahun

per variabel.

- Peta pemodelan klasifikasi daerah rawan miskin di

Provinsi Jawa Tengah menggunakan fungsi Gi * statistik

3.2.4 Analisa Kebutuhan Hardware dan Software

Spesifikasi perangkat keras yang digunakan dalam

merancang sistem ini adalah :

- Intel i3 – 370 m processor

- Ram 1 Gb

- Hard Disk 500 Gb

- VGA on board 256 Intel Hd Graphics

- DVD RW 20 X

Spesifikasi minimum perangkat keras yang di gunakan dalam

implementasi adalah :

- Intel Pentium 4

- Ram 256 mb

- VGA on board 64

Perangkat lunak yang di gunakan untuk membangun sistem :

- Windows 7 operating system

- R – Studio

- Microsoft office ( excel )

- Google Chrome browser

- Geodata

48

3.3 Perancangan Analisis Klasifikasi Daerah Rawan

Miskin

Daerah rawan miskin merupakan keluaran dari model yang

dibuat berupa peta dan data spasial. Peta tersebut akan memiliki

warna di tiap wilayah sesuai dengan nilai masukan yang telah

diproses oleh model.

Wilayah daerah rawan miskin tersebut dapat diklasifikasikan

menjadi 5 kelompok level yang meliputi :

1. Wilayah dengan resiko Sangat Tinggi, jika wilayah studi dan

tetangganya memiliki nilai indeks tinggi untuk satu variabel

data yang di uji.

2. Wilayah dengan resiko Tinggi, jika wilayah studi dan

tetangganya memiliki nilai lebih rendah dari indeks wilayah

tetangganya

3. Wilayah dengan resiko Moderat, jika wilayah studi memiliki

nilai lebih tinggi dari indeks wilayah sekitarnya.

4. Wilayah dengan resiko Rendah, jika wilayah studi dan

sekelilingnya memiliki kasus yang bersifat sporadis tanpa

pola spasial yang signifikan.

5. Wilayah dengan resiko Sangat Rendah, jika wilayah studi

dan tetangganya memiliki resiko yang sangat rendah bisa

dikatan daerah itu sangat maju dan mempunya perekonomian

yang bagus

Peta hasil klasifikasi tersebut dapat membantu jajaran dinas

pemerintahan untuk mengambil tindakan terhadap daerah rawan

49

miskin di jawa tengah sehingga provinsi jawa tengah mengalami

kemajuan dalam perekonomian masyarakatnya.

Bisa dikatakan apabila wilayah dikatakan Level 5, apabila

nilai yang dimiliki z(Gi) > +2 dan begitupun sekitarnya. Level 4

suatu wilayah misal memiliki nilai z(Gi) = 0 sedangkan tetangganya

memiliki nilai rata-rata z(Gi) > +2, akan berakibat wilayah ini akan

terpengaruh oleh tetangganya yang bernilai tinggi. Pada level 3, jika

suatu wilayah misal z(Gi) =1, sedangkan tetangga sekitar z(Gi) < -2,

dikatakan moderat, bisa saja wilayah tersebut menjadi bernilai < -2

atau tetangga-tetangganya akan potensi resiko yang sama dengan

wilayah studi. Level 2 Jika suatu wilayah studi di sekitar

tetangganya ada yang z(Gi) > +2 dan ada pula z(Gi) < -2, sedangkan

Level 5 terjadi bila wilayah studi dan daerah sekitarnya memiliki

nilai z(Gi) < -2.

3.3.1 Flow Chart

Flowchart adalah penyajian yang sistematis tentang proses

dan logika dari kegiatan penanganan informasi atau penggambaran

secara grafik dari langkah-langkah dan urut-urutan prosedur dari

suatu program. Flowchart menolong analis dan programmer untuk

memecahkan masalah kedalam segmen-segmen yang lebih kecil dan

menolong dalam menganalisis alternatif-alternatif lain dalam

pengoperasian.

Adapun deskripsi Rumusan Masalah dalam sistem ini,

1. Pemrosesan nilai masukan dengan fungsi Gi * statistik

2. Menampilkan peta hasil perhitungan Gi * statistik

50

3. Menganalisis peta daerah rawan kemiskinan sesuai dengan

indikator yang di tunjukkan dengan warna pada peta.

Gambar 3. Flow Chart Pola Spasial Daerah Rawan Miskin

Flow chart Pola spasial Daerah Rawan Miskin ini

menunjukan proses sistem secara garis besarnya, dimana user

(dalam hal ini pemerintah terkait) dapat melihat peta yang ada baik

User

Input Data

Perhitungan variabel

kemiskinan

menggunakan metode Gi

* stat

Pengolaha

n data

data

Output

Pemetaan

Analisi Hasil

Akhir

Output Spatial

metode Gi *

statistik

51

yang telah di proses maupun peta sosiodemografi untuk mengetahui

pola spasial daerah rawan miskin di provinsi Jawa Tengah dan dapat

melakukan perhitungan dengan metode gi * statistik dan output pola

spasial metode gi * statistik sebagai keluaran.

52