bab iii metodologi penelitian 3.1 waktu dan tempat …digilib.unila.ac.id/21060/17/17 - bab...

BAB III

METODOLOGI PENELITIAN

3.1 Waktu dan Tempat Penelitian

Penelitian ini dilakukan di Fakultas Matematika dan Ilmu Pengetahuan Alam

Universitas Lampung yang berada di Jalan Soemantri Brojonegoro No.1 Gedung

Meneng Bandar Lampung dan PT. Tunas Dwipa Matra yang berada di Jalan

Raden Intan No. 65 Bandar Lampung. Penelitian ini dilaksanakan mulai bulan

September 2015 sampai bulan Desember 2015.

3.2 Metodologi Penelitian

3.2.1 Alir Penelitian

Penelitian dilakukan berdasarkan diagram alir metodologi penelitian yang terdapat

pada Gambar 3.1.

38

1. Identifikas Masalah

2. Studi literatur

3. Perencanaan

- Pengumpulan Data

5. Desain Sistem

5.1 Desain DFD & ERD

5.2. Desain Interface 1 5.3. Desain Interface 2

6. Implementasi

6.1. Implementasi Database

6.2. Pembuatan Program Berbasis Web

6.3. Pembuatan Program Berbasis Mobile

7. Pengujian

8. Analisis Hasil Penelitian

A. Langkah I

B. Langkah II

C. Langkah III

4. Analisis

4.1 Analisis Kebutuhan Sistem

4.2 Pengolahan Data Manual

Gambar 3.1 Diagram Alir Metodologi Penelitian

39

Penjelasan dari diagram alir metodologi penelitian pada Gambar 3.1 adalah

sebagai berikut.

A. Langkah I

1. Identifikasi Masalah

Tahapan pertama yang dilakukan pada langkah pertama yaitu

identifikasi masalah. Tahap identifikasi masalah merupakan tahapan

dasar dimana pada tahapan ini dilakukan pengidentifikasian dan

penganalisaan terhadap permasalahan-permasalahan yang ada pada

perusahaan yang akan diteliti. Tahapan ini akan menghasilkan

perumusan masalah, tujuan penelitian, manfaat penelitian dan juga

batasan-batasan permasalahan. Rumusan malasah merupakan kalimat

pertanyaan untuk menunjukkan penelitian mengarah pada suatu

permasalahan atau isu tertentu. Manfaat penelitian menguraikan

manfaat dari Sistem Pendukung Keputusan (SPK) penempatan cabang

baru PT. Tunas Dwipa Matra berbasis SIG yang dibangun untuk

perusahaan dan pengembang. Sedangkan batasan masalah digunakan

untuk membatasi pembahasan dan ruang lingkup penelitian.

2. Studi Literatur

Tahapan kedua adalah studi literatur. Studi literatur merupakan

kegiatan yang meliputi mencari secara literatur, melokalisasi, dan

menganalisis dokumen yang berhubungan dengan masalah yang akan

diteliti. Dokumen bisa berupa teori-teori dan bisa pula hasil penelitian

yang telah dilakukan mengenai permasalahan yang akan diteliti.

40

B. Langkah II

3. Perencanaan

Tahapan pertama yang dilakukan pada langkah kedua yaitu

perencanaan yang meliputi pengumpulan data. Pengumpulan data yang

dilakukan berupa data atribut dan data spasial dealer-dealer Honda di

Bandar Lampung. Selain itu juga dibutuhkan data kriteria yang

menjadi penentu penempatan cabang baru. Pengumpulan data juga

dilakukan di Kantor Badan Pusat Statistik Kota Bandar Lampung

untuk mengetahui jumlah penduduk di Kota Bandar Lampung tiap

kecamatan.

4. Analisis

Tahapan berikutnya adalah analisis kebutuhan dasar sistem untuk

mengetahui fungsionalitas yang harus ada pada sistem dan pengolahan

data manual. Pada tahapan ini dilakukan percobaan perhitungan

pengambilan keputusan secara menual atau tanpa bantuan alat/sistem.

Hal ini dilakukan untuk mengetahui detail perhitungan pengambilan

keputusan sehingga mengurangi kesalahan dalam tahap perancangan

sistem.

5. Desain Sistem

Tahapan keempat pada langkah kedua adalah tahap desain. Pada tahap

ini dilakukan desain Data Flow Diagram (DFD) untuk mengetahui

alur data pada setiap proses ke setiap entitas dan Entity Relationship

Diagram (ERD) untuk mengetahui hubungan antar entitas. Tahapan

dilanjutkan dengan perancangan antarmuka sistem. Perancangan

41

antarmuka ini dilakukan untuk merancang tata letak sistem sesuai

dengan analisis kebutuhan sistem.

6. Implementasi

Tahapan berikutnya adalah implementasi. Dimulai dengan pembuatan

database. Kemudian pembuatan program (koding) sistem berbasis

web. Pada sistem berbasis web ini yang akan dibangun Sistem

Pendukung Keputusan (SPK) dan Sistem Informasi Geografis (SIG).

Selanjutnya pembuatan program (koding) sistem berbasis mobile

sebagai piranti input data survey yang nantinya data tersebut akan

diolah pada sistem berbasis web.

7. Pengujian

Tahapan berikutnya adalah pengujian. Pada penelitian ini pengujian

dibedakan menjadi 2 yaitu pengujian sistem dan pengujian hasil

keputusan. Pengujian sistem yang dilakukan adalah pengujuan black

box yang bertujuan untuk mengetahui fungsionalitas sistem yang

dibangun. Apabila ditemukan kesalahan, maka proses kembali pada

tahap implementasi untuk memperbaiki kesalahan yang ditemukan.

Apabila tidak ditemukan kesalahan, maka proses dilanjutkan ke tahap

kesebelas. Selain itu untuk pengujian hasil keputusan digunakan

kuisioner yang akan diberikan kepada general Manager dari PT. Tunas

Dwipa Matra untuk mengetahui seberapa akurat hasil keputusan sistem

yang telah dibangun.

42

C. Langkah III

8. Analisis Hasil Penelitian

Tahap terakhir adalah tahap analisis hasil penelitian. Pada tahap ini

dilakukan analisis keseluruhan dari proses penelitian yang telah

dilakukan, apakah hasil penelitian dapat mengatasi permasalah yang

diuraikan pada tahap awal dan apakah hasil penelitian telah sesuai

dengan tujuan penelitian.

3.2.2 Metode Pengembangan Sistem

Penelitian ini dilakukan berdasarkan framework pengembangan sistem yang

dipilih yaitu System Development Life Cycle (SDLC). Tahap-tahap yang dilakukan

dalam pengembangan Sistem Pendukung Keputusan (SPK) penempatan cabang

baru PT. Tunas Dwipa Matra berbasis SIG adalah sebagai berikut.

1. Perencanaan (Pengumpulan Data)

Pada tahap ini dilakukan pengumpulan data. Pengumpulan data yang dilakukan

berupa data atribut dan data spasial dealer-dealer Honda di Bandar Lampung.

Data tersebut diperoleh dari dokumen PT. Tunas Dwipa Matra. Data atribut

berupa nama bisnis unit dealer, alamat, nomor telepon dan kategori, sedangkan

data spatialnya berupa koordinat latitude dan longitude dari dealer-dealer Honda

di Bandar Lampung.

Informasi lain yang dibutuhkan adalah faktor-faktor yang mempengaruhi

penempatan cabang PT. Tunas Dwipa Matra. Adapun faktor-faktor tersebut yaitu.

43

Biaya.

Jumlah bengkel disekitar lokasi.

Jumlah showroom disekitar lokasi.

Jumlah penduduk

Jumlah market disekitar lokasi.

Tipe jalan.

Jarak dengan delaer AHM.

Pengumpulan data juga dilakukan di Kantor Badan Pusat Statistik Kota Bandar

Lampung untuk mengetahui jumlah penduduk di Kota Bandar Lampung tiap

kecamatan.

Metode pengumpulan data merupakan salah satu aspek yang berperan dalam

kelancaran dan keberhasilan dalam suatu penelitian. Dalam penelitian ini metode

pengumpulan data yang digunakan adalah sebagai berikut.

a. Metode Wawancara

Metode Wawancara dilakukan dengan melakukan dialog dengan narasumber

untuk memperoleh informasi yang dibutuhkan. Wawancara dilakukan dengan

Manager departement IT. Infromasi yang diperoleh adalah data-data atribut

yang dibutuhkan untuk membangun sistem. Selain itu diperoleh juga data

faktor-faktor penentu lokasi penempatan cabang baru melalui wawancara

dengan Manager Marketing.

b. Metode Dokumentasi

Metode dokumentasi dilakukan untuk memperkuat dan melengkapi data yang

telah diperoleh sebelumnya dari tahap wawancara. Metode dokumentasi

44

dilakukan untuk memperleh data atribut lokasi berupa alamat, nomor telepon,

kategori dealer dan data spatial berupa titik-titik koordinat lokasi main dealer

dan retail. Data tersebut terdapat pada database PT Tunas Dwpa Matra.

Pengumpulan data juga dilakukan di Kantor Badan Pusat Statistik Kota

Bandar Lampung untuk mengetahui jumlah penduduk di Kota Bandar

Lampung tiap kecamatan.

c. Studi Literatur

Studi literatur yang digunakan yaitu buku-buku, jurnal, dan internet yang

menyajikan informasi tentang Sistem Pengambilan Keputusan, Sistem

Informasi Geografis, metode SAW, Eclipse, Android dan bahasa

pemrograman Java, java script, php dan html.

2. Analisis

Pada tahap ini dilakukan analisis kebutuhan dasar sistem untuk mengetahui

fungsionalitas yang harus ada pada sistem dan pengolahan data manual. Pada

tahap ini dilakukan perhitungan data secara manual menggunakan metode Simple

Additive Weighting (SAW) menggunakan 7 variabel kriteria yang diperoleh dari

data faktor-faktor penentu penempatan cabang PT. Tunas Dwipa Matra yaitu

biaya, jumlah bengkel di sekitar lokasi, jumah showroom di sekitar lokasi, jumlah

market di sekitar lokasi, jenis jalan, jarak dealer Honda terdekat dari lokasi, dan

jumlah penduduk.

45

a. Identifikasi Masalah

Di era persaingan bisnis yang sangat tinggi saat ini, perusahaan dituntut terus

melakukan inovasi, salah satunya memperluas pemasaran dengan pembukaan

cabang baru untuk meningkatkan pelayanan kepada pelanggan. Pengambilan

keputusan pembukaan cabang baru bukanlah hal yang mudah. Dibutuhkan banyak

perhitungan terhadap faktor-faktor yang menjadi penentu pemilihan lokasi cabang

baru. Kesalahan pada penempatan lokasi cabang baru dapat mengakibatkan

perusahaan mengalami kerugian materi maupun non-materi. Untuk mencegah

terjadinya kesalahan penempatan lokasi cabang tersebut serta untuk membantu

eksekutif dalam pengambilan keputusan penentuan lokasi cabang baru,

dibutuhkan sebuah sistem yang dapat memberikan gambaran lokasi dan

membantu merekomendasikan lokasi untuk penempatan cabang baru.

b. Analisis Kebutuhan sistem

Berdasarkan identifikasi masalah di atas, maka Sistem Pendukung Keputusan

berbasis SIG yang dibangun harus mampu memenuhi kebutuhan fungsional

sebagai berikut.

Sistem dapat menampilkan hasil rekomendasi penempatan cabang

berdasarkan urutan terbaik.

Sistem dapat menampilkan hasil rekomendasi berdasarkan kasus yang

dipilih, apabila kasus sudah close, maka sistem akan menampilkan

informasi Case close dan hasil rekomendasi yang dipilih pada kasus

tersebut.

46

Sistem mampu memetakan dealer-delaer Honda yang ada di Bandar

Lampung dan lokasi hasil survey ke dalam peta Google Maps API.

Sistem dapat menampilkan rute dari posisi pengguna ke lokasi survey.

Sistem memiliki admin yang mampu mengolah data dealer-delaer Honda,

mengolah data survey, mengolah data login, mengolah data kasus,

mengubah bobot kriteria, dan mengolah data jumlah penduduk.

Sistem berbasis mobile mampu menginputkan hasil survey ke dalam

database.

c. Pengolahan Data Manual

Pada tahap ini dilakukan perhitungan data secara manual menggunakan metode

Simple Additive Weighting (SAW). Terdapat 7 variabel kriteria penentu

penempatan cabang PT. Tunas Dwipa Matra yang diperoleh dari hasil wawancara

dengan Manager Marketing yaitu biaya, jumlah bengkel di sekitar lokasi, jumah

showroom di sekitar lokasi, jumlah market di sekitar lokasi, jenis jalan, jarak

dealer Honda terdekat dari lokasi, dan jumlah penduduk. Adapun pembobotan

untuk masing-masing variabel kriteria adalah sebagai berikut.

1. Biaya (C1) = 5%

2. Jumlah bengkel di sekitar lokasi (C2) = 10%

3. Jumah showroom di sekitar lokasi (C3) = 10%

4. Jenis jalan (C4) = 10%

5. Jarak dealer Honda terdekat dari lokasi (C5) = 20%

6. Jumlah market di sekitar lokasi (C6) = 10%

7. Jumlah penduduk (C7) = 35%

47

Format preferensi di dalam sistem penunjang keputusan ini adalah sebagai

berikut.

1) Bobot kriteria dibagi menjadi 5 angka fuzzy, yaitu Very Low (VL), Low

(L), Sufficient (S), High (H), dan Very High (VH). Angka fuzzy ini akan di

ubah menjadi angka crisp, dimana akan lebih jelas di dalam Tabel 3.1.

Tabel 3.1 Angka Fuzzy untuk Bobot Kriteria

2) C1, dibagi menjadi 5 angka fuzzy, antara lain very low (VL), low (L),

sufficient (S), High (H) dan very high (VH). Angka fuzzy ini akan diubah

menjasi angka crisp dengan jarak dari setiap nilai ditampilkan seperti di

dalam Tabel 3.2.

Tabel 3.2 Angka Fuzzy untuk Kriteria C1

Range value Fuzzy number Value

Value >= 90 Very low 0

90 > value >= 70 Low 0.25

70 > value >= 50 Sufficient 0.5

50 > value > 25 High 0.75

value <= 25 Very high 1

3) C2, dibagi menjadi 3 angka fuzzy, antara lain low (L), sufficient (S), dan

High (H). Angka fuzzy ini akan diubah menjasi angka crisp dengan jarak

dari setiap nilai ditampilkan seperti di dalam Tabel 3.3.

Very Low 0

Low 0.25

Sufficient 0.5

High 0.75

Very High 1

48



value <= 2 Low 0.25

5 > value >2 Sufficient 0.5

Value >= 5 High 0.75






value <= 2 Low 0.25








Gang Low 0.25

Arteri Sufficient 0.5

Nadi High 0.75






value <= 5 Low 0.25



49






value <= 1 Low 0.25

5> value >1 Sufficient 0.5


8) C7, dibagi menjadi 5 angka fuzzy, antara lain very low (VL), low (L),

sufficient (S), High (H) dan very high (VH). Angka fuzzy ini akan diubah

menjasi angka crisp dengan jarak dari setiap nilai ditampilkan seperti di

dalam Tabel 3.8.



Value < 40.000 Very low 0

50.000 > value >=

40.000

Low 0.25

60.000 > value >=

50.000

Sufficient 0.5

70.000> value >=

60.000

High 0.75

value >= 70.000 Very high 1

Misalkan terdapat 3 alternatif yaitu A1, A2, dan A3. Tabel 3.9 adalah nilai dari

tiap alternatif.

Tabel 3.9 Contoh Nilai Alternatif

No Alternatif C1 C2 C3 C4 C5 C6 C7

1 A1 60 6 4 Nadi 5 2 45.044

2 A2 50 2 1 Nadi 6 1 70.422

3 A3 25 1 0 Arteri 11 1 57.756

50

Setelah itu nilai dari setiap alternatif diubah ke dalam matrix dengan

menggunakan angka crisp yang telah ditetapkan sebelumnya seperti pada Tabel

3.10.

Tabel 3.10 Contoh Nilai Fuzzy Alternatif


1 A1 0.25 0.75 0.5 0.75 0.5 0.5 0.25

2 A2 0.5 0.25 0.25 0.75 0.5 0.25 1

3 A3 1 0.25 0.25 0.5 0.75 0.25 0.5

Setelah itu, setiap nilai dalam matrix akan diubah dengan menggunakan rumus

metode SAW pada persamaan 2,1. Berikut adalah matrik hasil normalisasi dengan

rumus metode SAW (Tabel 3.11).

Tabel 3.11 Contoh Nilai Hasil Normalisasi Alternatif


1 A1 0.25 1 1 1 0.667 1 0.25

2 A2 0.5 0.333 0.5 1 0.667 0.5 1

3 A3 1 0.333 0.5 0.667 1 0.5 0.5

Karena setiap nilai yang diberikan pada setiap alternatif di setiap kriteria

merupakan nilai kecocokan (nilai terbesar adalah terbaik) maka semua kriteria

yang diberikan diasumsikan sebagai kriteria keuntungan (benefit).

Selanjutnya digunakan persamaan 2,2 untuk perhitungan perankingan.

V1=(0.25)(0.05)+(1)(0.1)+(1)(0.1)+(1)(0.1)+(0.667)(0.2)+(1)(0.1)+(0.25)(0.35)=

0.6334

51

V2=(0.5)(0.05)+(0.333)(0.1)+(0.5)(0.1)+(1)(0.1)+(0.667)(0.2)+(0.5)(0.1)+(1)(0.35

)= 0.7417

V3=(1)(0.05)+(0.333)(0.1)+(0.5)(0.1)+(0.667)(0.1)+(1)(0.2)+(0.5)(0.1)+(0.5)(0.35

)= 0.625

Nilai terbesar ada pada V2 sehingga alternatif A2 adalah alternatif terbaik. Dengan

kata lain alternatif A2 akan terpilih sebagai rekomendasi terbaik untuk lokasi

penempatan cabang baru.

3. Desain Sistem

Pada tahap ini dilakukan desain Arsitektur, Data Flow Diagram (DFD) dan Entity

Relationship Diagram (ERD). Tahapan dilanjutkan dengan perancangan

antarmuka (interface) sistem.

a. Desain Arsitektur

Tekologi yang digunakan dalam perancangan sistem adalah Web Service. Web

Service merupakan teknologi yang menyediakan integrasi proses dan data. Pada

penelitian ini web service dibangun untuk menghubungkan aplikasi mobile

Android dengan database server. Web Service dibangun dengan JSON (Javascript

Object Notation) dan PDO (PHP Data Object). Data yang didapat dari Web

Service dikirim dalam format JSON. PHP mendukung pengiriman maupun

pengolahan data dalam format JSON dengan method POST maupun GET. Desain

arsitektur Web Service dapat dilihat pada Gambar 3.2.

52

Database

PHP Web Service Server

Android Mobile Apllication

Manajemen Data

SIG

Subsistem Berbasis Pengetahuan

Manager

Manager

Admin

Surveyor

Gambar 3.2 Arsitektur Web Service yang terintegrasi dengan sistem

Surveyor menggunakan aplikasi android yang terhubung dengan database melalui

teknologi Web Service untuk menginputkan data lokasi survey baru. Kemudia data

tersebut akan melalui proses manajemen data yaitu semua proses yang

berhubungan dengan mengambil, menyimpan, menampilkan data dari database.

Data berupa lokasi survey, data dealer, kecamatan dll. dapat langung ditampilkan

kepada Admin. Data lokasi survey baru akan diolah di subsistem berbasis

pengetahuan untuk mendapatkan rekomendasi terbaik menggunakan metode SAW

yang kemudian dapat ditampikan ke Manager. Selain itu hasil rekomendasi dapat

ditampilkan dalam poin-poin pada peta yang kemudian dapat ditampilkan ke

Manager.

b. Data Flow Diagram

Gambar 3.3 adalah Diagram Context/ DFD level 0 dari Sistem Pendukung

Keputusan Penempatan Cabang PT. Tunas Dwipa Matra Bandar Lampung

Berbasis SIG.

53

Sistem Pendukung Keputusan Penempatan Cabang PT Tunas Dwipa Matra berbasis Sistem

Informasi Geografis

Admin

Eksekutif

Surveyor

Peta persebaranHasil Survey

Hasil Rekomendasi

Data Dealer Honda

Data LoginData Bobot Kriteria

Data KecamatanData Survey

Data dealer HondaData survey

Data kecamatanData login

Data kriteria

rute

Pilihan Kasus Lokasi pengguna

Data survey

Data survey

Data Kasus

Data Kasus

Gambar 3.3 DFD Level 0 SPK

Diagram level 0 pada Gambar 3.3 menjelaskan aliran data dari Admin, Eksekutif

dan Surveyor ke sistem dan dari sistem ke tiga entitas tersebut. Aliran data dari

admin ke sistem adalah data dealer Honda, data survey, data kecamatan, data

login, data bobot kriteria, dan data kasus. Sedangkan aliran data dari sistem ke

admin berupa data dealer Honda, data survey, data kecamatan, data login, data

kriteria, dan data kasus. Aliran data dari eksekutif ke sistem adalah pilihan kasus

dan lokasi pengguna. Sedangkan aliran data dari sistem ke eksekutif berupa hasil

survey, hasil rekomendasi, peta persebaran, dan rute. Aliran data dari Surveyor ke

sistem adalah data survey begitu pula dari sistem ke surveyor. Eksekutif yang

ingin membuka cabang baru, menggunakan sistem ini dengan membuka kasus

baru lokasi penempatan cabang dengan status open. Apabila lokasi penempatan

cabang telah terpilih maka kasus akan close. Surveyor mengisi data survey

berdasarkan kasus yang open. Setelah itu eksekutif dapat melihat hasil

rekomendasi berdasarkan lokasi-lokasi yang telah di-input-kan oleh surveyor.

54

1.0 Proses Data Master

2.0 Proses Mengolah Data

Survey

3.0 Proses DSS

Admin

Surveyor

Eksekutif

Data Dealer Honda

Data LoginData Bobot Kriteria


Data Kasus

Data KasusData Kriteria

Data LoginData Kecamatan

Data SurveyData Dealer Honda

Data survey

Data survey

Pilihan Kasus Lokasi pengguna

Peta persebaran

Hasil SurveyHasil Rekomendasi

rute

Tabel_MasterData Master

Data Master

Tabel_location

Tabel_kasusData kasus

Data survey

Data survey

Tabel_kecamatan

Data Kecamatan

Tabel_DSSData DSS

Data DSS

Gambar 3.4 DFD Level 1 SPK

Gambar 3.4 adalah DFD level 1 dari Sistem Pendukung Keputusan Penempatan

Cabang PT. Tunas Dwipa Matra Bandar Lampung Berbasis SIG. Gambar 3.4

dijelaskan sebagai berikut.

1. Admin dapat melakukan proses mengolah data master. Tabel master yang

dimaksud berupa tabel location, tabel kecamatan, tabel marker, tabel

kategori, tabel login, tabel criteria dan tabel kasus.

2. Surveyor dapat mengolah data survey.

3. Eksekutif dapat melakukan proses DSS. Tabel DSS yang dimaksud berupa

tabel marker, tabel location, tabel kecamatan, tabel matrixafter, tabel

matrixnormal dan tabel hasilnormal.

55

1.5 Mengolah data login

1.1 Mengolah

data dealer Honda

1.2 Mengolah

data survey

1.3 Mengolah

data kecamatan

1.4 Mengubah

bobot kriteria

Admin

Tabel_Marker

Tabel_Kriteria

Tabel_Kecamatan

Data Dealer Honda

Data survey

Data Kecamatan

Data bobot kriteria

Data Login

Tabel_kategori

Data dealer AHM

Data Dealer AHM

Data Kategori

Data Kecamatan

Data Survey

Nama Surveyor

Data loginData Login

Data Kecamatan

Data Kecamatan

Data kecamatan

Bobot kriteria

Data kriteria

Data kriteria

Data kecamatan

Data survey

Data dealer Honda

Data login

1.6 Mengolah data Kasus

Data Kasus

Data Kasus

Tabel_location

Tabel_Login

Tabel_Kasuskasus

Data Survey

Data Kasus

Data Kasus

Tabel_jalan

Data Jalan

Gambar 3.5 DFD level 2 Proses Mengolah Data Master

Gambar 3.5 adalah DFD level 2 dari proses mengolah data master. Gambar 3.5


1. Admin dapat mengolah data dealer Honda yaitu data dealer-dealer Honda

yang ada di Bandar Lampung.

2. Admin dapat mengolah data survey yaitu data calon lokasi penempatan

cabang.

56

3. Admin dapat mengolah data kecamatan yaitu kecamatan yang ada di

Bandar Lampung beserta jumlah penduduk di kecamatan tersebut.

4. Admin dapat mengubah bobot kriteria. Kriteria yang sudah ditetapkan ada

7 kriteria. Masing-masing kriteria memiliki bobot. Bobot tersebut dapat

diubah oleh admin.

5. Admin dapat mengolah data login.

6. Admin dapat mengolah data kasus.

Surveyor

2.1 Menambah data survey

Tabel_location

Tabel_kasus

Data Survey

Data kasus

Data survey

Data survey

Tabel_kecamatan


2.2 Menghapus data survey

2.3 Mengubah data survey

Data Survey

Data Survey

Data Survey

Data SurveyData survey

Data survey

Data kasus

Data Kecamatan

Data surveyData survey

Gambar 3.6 DFD Level 2 Proses Mengolah data Survey

Gambar 3.6 adalah DFD level 2 dari proses mengolah data survey. Gambar 3.6


1. Surveyor memberikan data survey untuk proses menambah data survey ke

tabel location. Dalam proses menambah data tersebut, kasus dan

kecamatan diperoleh dari tabel kasus dan tabel kecamatan.

57

2. Sistem menampilkan data survey dari tabel location pada proses

menghapus data survey, kemudian surveyor memilih data survey yang

ingin dihapus dari tabel location.


mengubah data survey, kemudian surveyor memberikan data survey ke

sistem untuk mengganti data pada tabel location. Dalam proses mengubah

data tersebut, kasus dan kecamatan diperoleh dari tabel kasus dan tabel

kecamatan.

Eksekutif

3.1 Menampilkan

Peta Persebaran

3.2 Menampilkan hasil survey

3.3 Proses rekomendasi

DSS

3.4 Menampilkan rute dari posisi pengguna ke lokasi survey

Tabel_location

Pilihan Kasus

Peta persebaranData survey

Tabel_kasusHasil survey

Pilihan Kasus

Tabel_hasil

normal

Data kasus

Data hasilnormal

Tabel_matrikafter

Tabel_matriknormal

Data matrikafter

Data matriknormal

Data survey

kasus

Hasil rekomendasi

rute

Lokasi pengguna

Data surveyPilihan Kasus

kasus

Data matriknormal

Data matrikafter

Data hasilnormal

Data Survey

Tabel_Marker

Data dealer Honda

Longitude dan latitude dealer

Tabel_kecamatan

Jumlah penduduk

Gambar 3.7 DFD Level 2 Proses DSS

58

Gambar 3.7 adalah DFD level 2 dari proses DSS. Gambar 3.7 dijelaskan sebagai

berikut.

1. Eksekutif dapat melihat peta persebaran dealer Honda di Bandar Lampung

dan lokasi hasil survey.

2. Eksekutif dapat melihat detail dari lokasi hasil survey.

3. Eksekutif dapat melihat hasil rekomendasi dari proses DSS.

4. Eksekutif dapat melihat rute dari lokasi pengguna ke lokasi hasil survey

Admin

1.1.1 Menambah data dealer

Honda

Tabel_Marker

Tabel_kategori

Data Dealer Honda

Data kategori

Data Dealer Honda

Data Dealer Honda

Tabel_kecamatan

Data KecamatanData Dealer Honda

1.1.2 Menghapus data dealer

Honda

1.1.3 Mengubah data

dealer honda

Data Dealer Honda

Data Dealer Honda

DataDealer Honda

Data Dealer HondaData Dealer Honda

Data Dealer Honda

Data kategori

Data Kecamatan

Data Dealer Honda

Data Dealer Honda

Gambar 3.8 DFD Level 3 Proses Mengolah Data Dealer Honda

Gambar 3.8 adalah DFD level 3 dari proses mengolah data dealer Honda. Gambar

3.8 dijelaskan sebagai berikut.

1. Admin memberikan data dealer Honda untuk proses menambah data

dealer Honda ke tabel marker. Dalam proses menambah data tersebut,

kategori dan kabupaten diperoleh dari tabel kategori dan tabel kecamatan.

59

2. Sistem menampilkan data dealer Honda dari tabel marker pada proses

menghapus data dealer Honda, kemudian admin memilih data dealer

Honda yang ingin dihapus dari tabel marker.

3. Sistem menampilkan data dealer Honda dari tabel marker pada proses

mengubah data dealer Honda, kemudian admin memberikan data dealer

Honda ke sistem untuk mengganti data pada tabel marker. Dalam proses

mengubah data tersebut, kategori dan kecamatan diperoleh dari tabel

kategori dan tabel kecamatan.

Admin

1.2.1 Menambah data survey

Tabel_location

Tabel_kasus

Data Survey

Data kasus

Data survey

Data survey

Tabel_kecamatan


1.2.2 Menghapus data survey

1.2.3 Mengubah data

survey

Data Survey

Data Survey

Data Survey

Data SurveyData survey

Data survey

Data kasus

Data Kecamatan

Data surveyData survey

Gambar 3.9 DFD Level 3 Proses Mengolah Data Survey

Gambar 3.9 adalah DFD level 3 dari proses mengolah data survey. Gambar 3.9


1. Admin memberikan data survey untuk proses menambah data survey ke

tabel location. Dalam proses menambah data tersebut, kasus dan

kecamatan diperoleh dari tabel kasus dan tabel kecamatan.

60


menghapus data survey, kemudian admin memilih data survey yang ingin

dihapus dari tabel location.


mengubah data survey, kemudian admin memberikan data survey ke

sistem untuk mengganti data pada tabel location. Dalam proses mengubah

data tersebut, kasus dan kecamatan diperoleh dari tabel kasus dan tabel

kecamatan.

Admin

1.3.1 Menambah

data kecamatan

Tabel_kecamatan

Data Kacamatan

Data Kacamatan

Data KacamatanData Kacamatan

1.3.2 Menghapus

data kecamatan

1.3.3 Mengubah data

kecamatan

Data Kacamatan

Data Kacamatan

Data Kacamatan

Data Kacamatan

Data Kacamatan

Data Kacamatan

Data Kacamatan

Data Kacamatan

Gambar 3.10 DFD Level 3 Proses Mengolah Data Kecamatan

Gambar 3.10 adalah DFD level 3 dari proses mengolah data kecamatan. Gambar

3.10 dijelaskan sebagai berikut.

1. Admin memberikan data kecamatan untuk proses menambah data

kecamatan ke tabel kecamatan.

61

2. Sistem menampilkan data kecamatan dari tabel kecamatan pada proses

menghapus data kecamatan, kemudian admin memilih data kecamatan

yang ingin dihapus dari tabel kecamatan.

3. Sistem menampilkan data kecamatan dari tabel kecamatan pada proses

mengubah data kecamatan, kemudian admin memberikan data kecamatan

ke sistem untuk mengganti data pada tabel kecamatan.

Admin

1.5.1 Menambah data login

Tabel_Login

Data Login

Data Login

Data LoginData Login

1.5.2 Menghapus data login

1.5.3 Mengubah data

login

Data Login

Data Login

Data Login

Data Login

Data Login

Data Login

Data Login

Data Login

Gambar 3.11 DFD Level 3 Proses Mengolah Data Login

Gambar 3.11 adalah DFD level 3 dari proses mengolah data login. Gambar 3.11


1. Admin memberikan data login untuk proses menambah data login ke tabel

login.

2. Sistem menampilkan data login dari tabel login pada proses menghapus

data login, kemudian admin memilih data login yang ingin dihapus dari

tabel login.

62

3. Sistem menampilkan data login dari tabel login pada proses mengubah

data login, kemudian admin memberikan data login ke sistem untuk

mengganti data pada tabel login.

Admin

1.6.1 Menambah data kasus

Tabel_kasus

Data Kasus

Data Kasus

Data KasusData Kasus

1.6.2 Menghapus data kasus

1.6.3 Mengubah data

kasus

Data Kasus

Data Kasus

Data Kasus

Data Kasus

Data Kasus

Data Kasus

Data Kasus

Data Kasus

Gambar 3.12 DFD Level 3 Proses Mengolah Data Kasus

Gambar 3.12 adalah DFD level 3 dari proses mengolah data kasus. Gambar 3.12


1. Admin memberikan data kasus untuk proses menambah data kasus ke

tabel kasus.

2. Sistem menampilkan data kasus dari tabel kasus pada proses menghapus

data kasus, kemudian admin memilih data kasus yang ingin dihapus dari

tabel kasus.

3. Sistem menampilkan data kasus dari tabel kasus pada proses mengubah

data kasus, kemudian admin memberikan data kasus ke sistem untuk

mengganti data pada tabel kasus.

63

Eksekutif

3.3.1 Proses perhitungan matrix after

3.3.2 Proses perhitungan

matrix normal

3.3.3 Proses perhitungan

hasil normalisasi

Tabel_matriknormal

Tabel_location

Tabel_matrikafter

Tabel_hasil

normal

3.3.3 Proses menampilkan

hasil rekomendasi

Pilihan Kasus

Tabel_kasus

kasus

Data kasus

Data survey

Tabel_Marker

Longitudedan

latitude dealer

Data matrikafter

Data matrikafter

Data matriknormal

Data matriknormal

Data hasilnormalisasi

Data hasilnormalisasi

Hasil rekomendasi

Tabel_kecamatanJumlah Penduduk

Gambar 3.13 DFD Level 3 Proses Rekomendasi DSS

Gambar 3.13 adalah DFD level 3 dari proses rekomendasi DSS. Gambar 3.13


1. Proses perhitungan matriks after adalah proses mengubah data hasil survey

dari tabel location menjadi nilai fuzzy. Pertama-tama Eksekutif memilih

kasus. Kemudian pada proses perhitungan matriks after diperoleh data

kasus dari tabel kasus, data survey dari tabel location, jumlah penduduk

dari tabel kecamatan, dan data longitude latitude dealer dari tabel marker.

64

Data longitude dan latitude diperlukan untuk menentukan jarak dari lokasi

survey terhadap dealer Honda terdekat. Hasil perhitungan data matriks

after, disimpan ke dalam tabel matrixafter.

2. Proses perhitungan matiks normal adalah proses normalisasi mengubah

nilai fuzzy hasil survey yang telah disimpan pada tabel matrixafter

menggunakan persamaan 2.1 pada Bab 2. Hasil perhitungan kemudian

disimpan ke dalam tabel matrixnormal.

3. Proses perhitungan hasil normalisasi adalah proses mengubah angka pada

tabel matixnormal menggunakan persamaan 2.2 pada Bab 2. Hasil

perhitungan kemudian disimpan ke dalam tabel hasilnormal.

4. Eksekutif dapat melihat hasil rekomendasi lokasi penempatan cabang.

Hasil rekomendasi didapat dari tabel hasilnormal yang telah diurutkan

mulai dari hasil terbesar dimana hasil terbesar adalah rekomendasi terbaik.

c. Entity Relationship Diagram

Hubungan antar entitas data untuk sistem ini dapat dilihat pada Gambar 3.14.

Pada Sistem Pendukung Keputusan Penempatan Cabang PT. Tunas Dwipa Matra

Berbasis SIG ini terdapat 11 entitas yaitu tabel location, tabel login, tabel marker,

tabel kecamatan, tabel kategori, tabel kriteria, tabel jalan, tabel kasus, tabel

matrixafter, tabel matrixnormal, dan tabel hasilnormal. Entitas digambarkan

dengan bentuk persegi panjang. Masing-masing entitas memiliki atribut yang

digambarkan dengan bentuk elips. Atribut key dicirikan dengan adanya garis

bawah pada nama atribut.

65

Table location

Table login

Table kecamatan Table marker Table kategori

Table kasus

Table jalan

Table matrixnormal

Table matrixafterTable hasilnormal

Table kriteria

pid

nama

alamat

kecamatan

longitude

latitude

biaya

bengkel

penjual

jalan

market

jarak

email_id

created_at

nama_casetelepon

ma_id

nama

c1

c2

c3

c4

c5

c6

c7

c4ma_id

nama

c1

c2

c3

c4

c5

c6

c7

c4

hn_id

nama

hasil

login_id

mobile_number

name

password

email_id

kid

kecamatan

Jml_pddk

kabupaten

kategori

latitude

longitude

Mrk_id

nama

alamat

telepon

ktid

kriteria

bobot

id_case

nama_case

hasil

status_case

date_close

date_open

ktg_id

kategori

jid

jalan

Memiliki

MemilikiMemiliki

Memasukkan

Berada di ditandai

berisi

Berada di

Memiliki1 m

m m

1

1

m

m

1

1

m

1

m1

1 m m 1

dealer

Location_id

Gambar 3.14 Entity Relationship Diagram

66

Berikut adalah contoh struktur tabel yang ada pada Gambar 3.14.

1. Tabel Location

Tabel ini digunakan untuk menyimpan data hasil survey.

Table 3.12 Contoh Struktur Tabel Location

No Atribut Type Length Keterangan

1. Pid int 11 Primary key

2. Nama varchar 30 Unique

3. Alamat varchar 200

4. Kecamatan varchar 20 Foreign key

5. Longitude varchar 50

6. Latitude varchar 50

7. Telepon varchar 12

8. Biaya int 11

9. Bengkel int 11

10. Penjual int 11

11. Jalan varchar 10 Foreign key

12. Market int 11

13. Jarak float

14. Email_id varchar 20 Foreign key

15. Name_case varchar 20 Foreign key

16. Created_at datetime

17. Dealer Varchar 30

2. Tabel Marker

Tabel ini digunakan untuk menyimpan data dealer Honda di Bandar Lampung

Table 3.13 Contoh Struktur Tabel Marker


1. Mrk_id int 11 Primary key

2. Nama varchar 30

3. Alamat varchar 200

4. Kecamatan varchar 20 Foreign key

5. Tlpn varchar 12

6. Ktg varchar 20 Foreign key

7. Lat varchar 50

8. Lng varchar 50

9. Location_id int 11

67

3. Tabel kecamatan

Tabel ini digunakan untuk menyimpan data kecamatan di Kota Bandar

Lampung beserta jumlah penduduk.

Table 3.14 Contoh Struktur Tabel Kecamatan


1. k_id Int 11 Primary key

2. kecamatan Varchar 20 Unique

3. Jml_pddk int 20

4. Tabel Kategori

Tabel ini digunakan untuk menyimpan data kategori dealer Honda di Bandar

Lampung.

Table 3.15 Contoh Struktur Tabel Kategori


1. ktg_id int 11 Primary key

2. kategori varchar 20 Unique

5. Tabel Kriteria

Tabel ini digunakan untuk menyimpan data kriteria beserta bobotnya.

Table 3.16 Contoh Struktur Tabel Kriteria


1. Ktid int 11 Primary key

2. kriteria varchar 20

3. bobot decimal (2,2)

6. Tabel Login

Tabel ini digunakan untuk menyimpan data login.

Table 3.17 Contoh Struktur Tabel Login


1. login_id int 11 Primary key

2. Mobile_number varchar 12

3. password varchar 20

4. name varchar 30 Unique

5. Email_id varchar 20

68

7. Tabel Kasus

Tabel ini digunakan untuk menyimpan data kasus.

Table 3.18 Contoh Struktur Tabel Kasus


1. Case_id Int 11 Primary key

2. Name_case Varchar 30 Unique

3. hasil Varchar 30

4. Status_case Tinyint 1

5. Date_close Datetime

6. Date_open Datetime

8. Tabel Jalan

Tabel ini digunakan untuk menyimpan data jenis jalan.

Table 3.19 Contoh Struktur Tabel Jalan


1. Jid Int 11 Primary key

2. jalan Varchar 20 Unique

9. Tabel Matrixarfer

Tabel ini digunakan untuk menyimpan data hasil survey yang sudah diubah ke

nilai fuzzy

Table 3.20 Contoh Struktur Tabel Matrixafter


1. Ma_id Int 11 Primary key

2. Nama Varchar 30

3. C1 Float

4. C2 Float

5. C3 Float

6. C4 Float

7. C5 Float

8. C6 Float

9. C7 Float

69

10. Tabel Matrixnormal

Tabel ini digunakan untuk menyimpan hasil perhitungan data hasil survey

yang sudah diubah ke nilai fuzzy yang telah tersimpan di tabel matrixafter

menggunakan persamaan 2,1 pada Bab 2.

Table 3.21 Contoh Struktur Tabel Matrixnormal


1. Ma_id int 11 Primary key

2. Nama varchar 30

3. C1 float

4. C2 float

5. C3 float

6. C4 float

7. C5 float

8. C6 float

9. C7 float

11. Tabel Hasilnormal

Tabel ini digunakan untuk menyimpan hasil perhitungan normalisasi data

yang telah tersimpan di tabel matrixnormal menggunakan persamaan 2,2 pada

Bab 2.

Table 3.22 Contoh Struktur Tabel Hasilnormal


1. Ma_id Int 11 Primary key

2. Nama Varchar 30

3. C1 Float

4. C2 Float

5. C3 Float

6. C4 Float

7. C5 Float

8. C6 Float

9. C7 Float

70

d. Perancangan Antarmuka

Antarmuka Sistem Pendukung Keputusan Penempatan Cabang PT. Tunas Dwipa

Matra Berbasis SIG dibagi menjadi 3 bagian berdasarkan penggunanya yaitu

tampilan untuk eksekutif, admin dan surveyor.

1) Halaman Login

Gambar 3.15 adalah rancangan antarmuka untuk Halaman Login sistem

berbasis web.

Gambar 3.15 Halaman Login Sistem Berbasis Web

2) Tampilan Eksekutif

a) Halaman dashboard

Gambar 3.16 adalah rancangan antarmuka untuk halaman dashboard

tampilan eksekutif.

71

Gambar 3.16 Halaman Dashboard tampilan Eksekutif

b) Halaman DSS

Gambar 3.17 adalah rancangan antarmuka untuk halaman DSS

tampilan eksekutif.

Gambar 3.17 Halaman DSS tampilan Eksekutif

72

c) Halaman Case

Gambar 3.18 adalah rancangan antarmuka untuk halaman Case

tampilan eksekutif.

Gambar 3.18 Halaman Case tampilan Eksekutif

3) Tampilan Admin

a) Halaman dashboard

Gambar 3.19 adalah rancangan antarmuka untuk halaman dashboard

tampilan admin.

Gambar 3.19 Halaman Dashboard Tampilan Admin

73

b) Halaman Table AHM

Dealer Honda

Gambar 3.20 adalah rancangan antarmuka untuk halaman Dealer

Honda tampilan admin.

Gambar 3.20 Halaman Dealer Honda Tampilan Admin

Insert Dealer Honda

Gambar 3.21 adalah rancangan antarmuka untuk halaman Insert

Dealer Honda tampilan admin.

Gambar 3.21 Halaman Insert Dealer Honda Tampilan Admin

74

c) Halaman Table TDM Survey

Weighting Criteria

Gambar 3.22 adalah rancangan antarmuka untuk halaman Weighting

Criteria tampilan admin.

Gambar 3.22 Halaman Weighting Criteria Tampilan Admin

Survey result

Gambar 3.23 adalah rancangan antarmuka untuk halaman survey result

tampilan admin.

Gambar 3.23 Halaman Survey Result Tampilan Admin

75

District

Gambar 3.24 adalah rancangan antarmuka untuk halaman district

tampilan admin.

Gambar 3.24 Halaman District Tampilan Admin

d) Halaman Kasus

Gambar 3.25 adalah rancangan antarmuka untuk halaman kasus

tampilan admin.

Gambar 3.25 Halaman Case Tampilan Admin

76

e) Halaman Table Login

Gambar 3.26 adalah rancangan antarmuka untuk halaman table login

tampilan admin.

Gambar 3.26 Halaman Login Tampilan Admin

4) Tampilan Surveyor

a) Halaman Login Surveyor

Gambar 3.27 adalah rancangan antarmuka untuk halaman login

tampilan surveyor.

Gambar 3.27 Halaman Login Tampilan Surveyor

77

b) Halaman Utama Surveyor

Gambar 3.28 adalah rancangan antarmuka untuk halaman utama

tampilan surveyor.

Gambar 3.28 Halaman Utama Tampilan Surveyor

c) Halaman input data survey

Gambar 3.29 adalah rancangan antarmuka untuk halaman input data

survey tampilan surveyor.

78

Gambar 3.29 Halaman Tampilan Surveyor

4. Implementasi

Pada tahap implementasi, dimulai dengan pembuatan database. Database yang

dipakai adalah MySQL serta menggunakan web server apache yaitu Xampp.

Selanjutnya pembuatan program (koding) sistem berbasis web menggunakan

bahasa pemograman php dan html. Pada sistem berbasis web ini yang akan

dibangun Sistem Pendukung Keputusan (SPK) dan Sistem Informasi Geografis

(SIG). Sistem berbasis web dibangun dari 2 sudut pandang aktor yaitu admin dan

eksekutif. Pada halaman admin terdapat fungsi mengolah data dealer, mengolah

data survey, mengolah data login, mengubah bobot kriteria, dan mengolah data

79

kecamatan. Sedangkan pada halaman eksekutif terdapat fungsi menampilkan hasil

rekomendasi, menampilkan hasil survey dan menampilkan rute dari posisi

pengguna ke lokasi hasil survey. Pada sistem ini fungsi utama yaitu menampilkan

hasil rekomendasi. Hasil rekomendasi akan disajikan dalam bentuk tabel dan peta

persebaran.

Hasil rekomendasi diperoleh dari perhitungan hasil survey terhadap variabel

kriteria dan bobot menggunakan metode SAW yang kemudian disimpan ke dalam

database dan kemudian ditampilkan dalam bentuk tabel dan peta pesebaran. Peta

persebaran menggunakan Google Maps API dan fungsi geolocation untuk

menampilkan posisi pengguna.

Selanjutnya pembuatan program (koding) sistem berbasis mobile sebagai piranti

input data survey yang nantinya data tersebut akan diolah pada sistem berbasis

web. Pada aplikasi mobile ini terdapat fungsi input hasil survey. Hasil survey yang

di-input-kan dari aplikasi ini akan masuk ke database MySQL yang sama dengan

sistem berbasis web.

5. Pengujian

Pada penelitian ini pengujian dibedakan menjadi 2 yaitu pengujian fungsionalitas

sistem dan pengujian hasil keputusan. Pendekatan kasus uji untuk pengujian

fungsionalitas sistem adalah pengujian black box dengan metode Equivalence

Partitioning. EP akan membagi domain masukan dari program ke dalam kelas-

kelas sehingga test case dapat diperoleh. Pengujian EP berusaha untuk

80

mendefinisikan kasus uji yang menemukan sejumlah jenis kesalahan, dan

mengurangi jumlah kasus uji yang harus dibuat. Pengujian EP dapat digunakan

untuk mencari kesalahan pada fungsi, dapat mengetahui kesalahan pada interface

dan kesalahan pada struktur data sehingga dapat mengurangi masalah terhadap

nilai masukan. Perancangan kasus uji EP berdasarkan evaluasi kelas equivalence

untuk kondisi input yang menggambarkan kumpulan keadaan yang valid atau

tidak. Rancangan daftar pengujian dapat dilihat pada Tabel 3.23 , Tabel 3.24 dan

Tabel 3.25.

Tabel 3.23 Daftar Pengujian Black Box pada sistem untuk General Manager

No. Kelas

Uji

Daftar

Pengujian

Kasus Uji Hasil yang

Diharapkan

1. Login Input data Login Email=

[email protected],

Password = 1234,

Klik tombol login

Masuk ke Halaman

dashboard manager

Email=

[email protected],

Password =12345,

Klik tombol login

Menampilkan kotak

dialog password salah

2. Fungsi

pada

halaman

DSS

Pengujian

infowindow pada

marker dealer

Honda

Mouseover pada

marker dealer

Honda

Menampilkan

infowindow yang

sesuai dengan titik

marker

Mouseover pada

marker lokasi

survey

Menampilkan

infowindow lokasi

survey, bukan dealer

Honda

Pengujian pada

menampilkan

hasil

rekomendasi

Pilih “Kasus 1”

pada select option,

klik “View

Recomendation”

Menampilkan hasil

rekomendasi sesuai

dengan kasus pilihan

81

Tabel 3.23 Daftar Pengujian Black Box pada sistem untuk General Manager

(Lanjutan)

No. Kelas

Uji

Daftar

Pengujian


Diharapkan

Pilih “Kasus 1”

pada select option

Tidak ada proses yang

terjadi

Pengujian pada

menampilkan

detail lokasi

survey

Klik “Detail” pada

lokasi survey yang

paling

direkomendasikan

Menampilkan detail

dari lokasi survey yang

paling

direkomendasikan

Klik “Detail

Calculation’

Menampilkan detail

perhitungan, bukan

detail lokasi survey

3. Fungsi

pada

halaman

Case

Pengujian pada

menampilkan

hasil survey

berdasarkan

kasus

Klik “Detail” pada

“Kasus 1”

Menampilkan hasil

survey “Kasus 1”

Klik “Kasus 1” Tidak ada proses yang

terjadi

Tabel 3.24 Daftar Pengujian Black Box pada sistem untuk Admin

No. Kelas

Uji

Daftar

Pengujian


Diharapkan

1. Login Input data login Email=

[email protected],

Password = 11111 ,

Klik tombol login

Masuk ke halaman

dashboard admin

Email=

[email protected],

Password = , Klik

tombol login

Tidak dapat masuk ke

halaman dashboard

admin (Kolom

password harus diisi)

2. Fungsi

pada

halaman

TDM

Marker

Insert marker

dealer

Mengisi penuh

kolom input dengan

data sesuai, klik

“Insert Data”

Data tersimpan ke

database

Kolom input tidak

terisi penuh, klik

“Insert Data”

Data tidak tersimpan

ke database, kolom

input tidak boleh

kosong

Tabel 3.24 Daftar Pengujian Black Box pada sistem untuk Admin (Lanjutan)

No. Kelas Uji Daftar Kasus Uji Hasil yang

82

Pengujian Diharapkan

Edit marker

dealer

Ubah kategori dealer,

klik “Update”

Data tersimpan ke

database

Hapus kolom alamat,

klik “Update”

Data tidak

tersimpan ke

database, kolom

input tidak boleh

kosong

3. Fungsi

pada

halaman

lokasi

survey

Insert lokasi

survey

Mengisi penuh kolom

input dengan data sesuai,

klik “Insert Data”

Data tersimpan ke

database

Mengetikan huruf pada

kolom nomor telepon

Tidak dapat

mengetik huruf

pada kolom nomor

telepon

Edit lokasi

survey

Mengubah kasus dan klik

“Update Data”

Data tersimpan ke

database

Hapus kolom alamat,

klik “Update Data”

Data tidak

tersimpan ke

database, kolom

input tidak boleh

kosong

4. Fungsi

pada

halaman

bobot

kriteria

Edit bobot

kriteria

Mengubah bobot menjadi

10%, 20%, 15%, 15%,

10%, 20%, 10%

Data tersimpan ke

database

Mengubah bobot menjadi

50%, 20%, 15%, 25%,

10%, 20%, 10%

Data tidak

tersimpan ke

database

4. Fungsi

pada

halaman

kecamatan

Insert data

kecamatan

Kecamatan = Tanjung

Senang, Jumlah

Penduduk= 83928

Data tersimpan ke

database

83

Tabel 3.24 Daftar Pengujian Black Box pada sistem untuk Admin (Lanjutan)

No. Kelas

Uji

Daftar

Pengujian


Diharapkan

Kecamatan =

Tanjung Senang,

Jumlah Penduduk=

jdkasjdkas

Tidak dapat

mengetikan huruf

pada kolom jumlah

penduduk

Edit data

kecamatan

Ubah jumlah

penduduk= 92201.

Klik “Update”

Data tersimpan ke

database

Ubah jumlah

penduduk=

csnkcsnk. Klik

“Update”

Tidak dapat

mengetikan huruf

pada kolom jumlah

penduduk

5. Fungsi

pada

halaman

kasus

Ubah status

kasus

Klik edit, ubah

select option status

menjadi close, isi

result. Klik

“Update”

Status kasus berubah

menjadi close

Klik edit. Tidak

mengubah select

option status. Klik

“Update”

Status kasus tidak

berubah menjadi

close

6. Fungsi

pada

halaman

surveyor

Insert data

surveyor

Nama=cindy, email=

[email protected],

mobile phone=

089637576582,

password= 123456,

retype password=

123456

Data tersimpan ke

database

Nama=cindy, email=

[email protected],

mobile phone=

089637576582,

password= 123456,

retype password=

1234567

Data tidak tersimpan

ke database, muncul

kotak dialog

password tidak sama

Kecamatan =

Tanjung Senang,

Jumlah Penduduk=

jdkasjdkas

Tidak dapat

mengetikan huruf

pada kolom jumlah

penduduk

mailto:[email protected]


84

Tabel 3.24 Daftar Pengujian Black Box pada sistem untuk Surveyor

No. Kelas Uji Daftar

Pengujian


Diharapkan

1. Login Input data lgin Email : [email protected],

pw : gimbal, klik

“Login”

Masuk ke

halaman utama

surveyor

Email : [email protected],

pw : klik “Login”

Muncul kotak

dialog “Please

input correct

password”

2. Tambah

data baru

Tambah data

koordinat

GPS hidup, Klik “Get

Location”

Kolom latitude

dan longitude

akan terisi

koordinat lokasi

GPS mati, Klik “Get

Location”

Mengalihkan ke

halaman kontrol

GPS

Tambah data

lokasi

Mengisi semua kolom

dengan benar, klik “Add

Data”

Data tersimpan ke

database

Nama Lokasi sama

dengan data pada

database

Data tidak dapat

tersimpan ke

database

3. Edit data Edit data

lokasi

Mengubah kecamatan,

klik “save”

Data tersimpan ke

database

Hapus kolom nama

lokasi, klik “save”

Data tidak dapat

tersimpan ke

database ( kolom

nama tidak boleh

kosong)



85

3.2.3 Jadwal Kegiatan Penelitian

Tabel 3.25 Jadwal Kegiatan Penelitian

Kegiatan

Tahun 2015

September Oktober November Desember

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1. Pengumpulan Data

2. Analisis

- Analisis Kebutuhan

Sistem

- Pengolahan Data

Manual

3. Desain sistem dan

antarmuka

4. Implementasi

a. Implementasi

Database

b. Implementasi

sistem web

c. Implementasi

sistem mobile

5. Pengujian

3.2.4 Jenis dan Sumber Data

Jenis dan sumber data yang digunakan dalam penelitian ini adalah:

1. Data Primer

Data Primer yang dibutuhkan berupa data atribut dan spasial dealer Honda

di Bandar Lampung dan faktor-faktor penentu lokasi penempatan cabang

baru PT. Tunas Dwipa Matra.

2. Data Sekunder

Data sekunder berupa informasi Honda, kategori dealer Honda, jumlah

penduduk tiap kecamatan di Bandar Lampung.

bab iii metodologi penelitian 3.1 waktu dan tempat …digilib.unila.ac.id/21060/17/17 - bab...

Documents