Pembangunan Aplikasi Multimedia Interaktif Pertolongan Pertama Pada Kecelakaan (Studi Kasus PMI Bandung)

1

BAB 2

TINJAUAN PUSTAKA

2.1 Profil Instansi

2.1.1 Sejarah Palang Merah Indonesia 1. 21 Oktober 1873

Pemerintah kolonial Belanda mendirikan organisasi Palang Merah di Indonesia dengan nama Het Nederland-Indiche Rode Kruis (NIRK) yang kemudian namannya menjadi Nederlands Rode Kruiz Afdelinbg Indie (NERKAI).

2. 1932 dan 1940

Pada 1932 timbul semangat untuk mendirikan Palang Merah Indonesia (PMI) yang dipelopori oleh dr. RCL. Senduk dan Bahder Djohan. Kemudian, proposal pendirian diajukan pada kongres NERKAI (1940), namun ditolak. Pada saat penjajahan Jepang, proposal itu kembali diajukan, namun tetap ditolak.

3. 3 September 1945

Pada 3 September 1945 Presiden Soekarno memerintahkan kepada Menteri Kesehatan dr. Buntaran Martoatmodjo untuk membentuk suatu Badan Palang Merah Nasional untuk menunjukan kepada dunia internasional bahwa keberadaan Negara Indonesia adalah suatu fakta nyata setelah proklamasi kemerdekaan pada 17 Agustus 1945.

4. 5 September 1945

Pada 5 September 1945, dr. buntaran membentuk Panitia Lima yang terdiri dari dr. R. Mochtar, dr. Bahder Johan, dr. Joehana, Dr. Marjuki dan dr. Sitanala, untuk mempersiapkan pembentukan Palang merah di Indonesia.

5. 17 September 1945

Tepat pada tanggal 17 September 1945 terbentuklah Pengurus Besar Palang Merah Indonesia (PMI) dengan ketua pertama, Drs. Mohammad Hatta.

Di dalam satu negara hanya ada satu perhimpunan nasional, maka Pemerintah Belanda membubarkan NERKAI dan menyerahkan asetnya kepada PMI. Pihak NERKAI diwakili oleh dr. B. Van Trich sedangkan dari PMI diwakili oleh dr. Bahder Djohan.

7. 1950 dan 1963

PMI terus melakukan pemberian bantuan hingga akhirnya Pemerintah Republik Indonesia Serikat mengeluarkan Keppres No. 25 tanggal 16 Januari 1950 dan dikuatkan engan Keppres No. 246 tanggal 29 November 1963. Pemerintah Indonesia mengakui keberadaan PMI.Adapun tugas utama PMI berdasarkan Keppres RIS No. 25 tahun 1950 dan Keppres RI No. 246 tahun 1963 adalah untuk memberikan bantuan pertama pada korban bencana alam dan korban perang sesuai dengan isi Konvensi Jenewa 1949.

8. 1950

Secara Internasional, keberadaan PMI diakui oleh Komite Palang Merah Internasional (ICRC) pada 15 Juni 1950. Setelah itu, PMI diterima menjadi anggota Perhimpunan Nasional ke-68 oleh Liga Perhimpunan Palang Merah dan Bulan Sabit Merah (Liga) yang sekarang disebut Federasi Internasional Perhimpunan Palang Merah dan Bulan Sabit Merah (IFRC) pada Oktober 1950.

9. Saat ini

Saat ini, PMI telah berdiri di 33 Provinsi, 371 Kabupaten/Kota dan 2.654 Kecamatan (data per-Maret 2010). PMI mempunyai hampir 1,5 juta sukarelawan yang siap melakukan pelayanan.

2.1.2 Logo Instansi

Palang Merah Indonesia Kota Bandung memiliki logo instansi, adapun logo yang dimaksud adalah sebagai berikut :

3

Gambar 2.1 Logo Palang Merah Indonesia

2.2 Definisi Multimedia

Multimedia dapat diartikan sebagai penggunaan beberapa media yang berbeda untuk menggabungkan dan menyampaikan informasi dalam bentuk text, audio, grafik, animasi, dan video. Beberapa definisi menurut beberapa ahli:

1. Kombinasi dari komputer dan video (Rosch, 1996)

2. Kombinasi dari tiga elemen: suara, gambar, dan teks (McComick, 1996) 3. Kombinasi dari paling sedikit dua media input atau output. Media ini dapat

berupa audio (suara, musik), animasi, video, teks, grafik dan gambar (Turban dan kawan-kawan, 2002).

4. Alat yang dapat menciptakan presentasi yang dinamis dan interaktif yang mengkombinasikan teks, grafik, animasi, audio dan video (Robin dan Linda, 2001)

5. Multimedia dalam konteks komputer menurut Hofstetter 2001 adalah: pemanfaatan komputer untuk membuat dan menggabungkan teks, grafik, audio, video, dengan menggunakan tool yang memungkinkan pemakai berinteraksi, berkreasi, dan berkomunikasi.

2.2.1 Penggunaan Multimedia

Bidang periklanan yang efektif dan interaktif

1. Bidang pendidikan dalam penyampaian bahan pengajaran secara interaktif dan dapat mempermudah pembelajaran karena dididukung oleh berbagai aspek, suara, video, animasi, teks, dan grafik.

2. Bidang jaringan dan internet yang membantu dalam pembuatan website yang menarik, informatif, dan interaktif

2.2.2 Manfaat Penggunaan Multimedia

1. Mengubah mengubah tempat kerja. Dengan adanya teleworking, para pekerja dapat melakukan pekerjaanya tidak harus dari kantor. Contoh software yang mendukung teleworking / telecommuting: Netmeeting.

2. Mengubah cara belanja. Homeshopping / teleshopping dapat dilakukan dengan menggunakan internet, kemudian barang datang dengan sendirinya.

3. Mengubah cara bisnis. Nokia membuat bisnis telepon seluler, banyak perusahaan menggunakan sistem jual beli online, bank menggunakan cara online-banking. 4. Mengubah cara memperoleh informasi. Orang-orang mulai menggunakan internet

dan berbagai software untuk mencari informasi. Misalnya: membaca koran online, detik.com, menggunakan software kesehatan, belajar gitar dari software dan masih banyak lagi.

5. Mengubah cara belajar. Sekolah mulai menggunakan komputer multimedia, belajar online, menggunakan e-book.

5 2.3Definisi Multimedia Pembelajaran

Multimedia adalah media yang menggabungkan dua unsur atau lebih media yang terdiri dari teks, grafik, gambar, foto, audio, dan animasi secara terintegrasi. Multimedia terbagi menjadi dua kategori, yaitu: multimedia linear, dan multimedia interaktif. Multimedia linear adalah suatu multimedia yang tidak dilengkapi dengan alat pengontrol apapun yang dapat dioperasikan oleh pengguna. Multimedia ini berjalan sekuensial (berurutan), contohnya TV dan film.

Sedangkan pembelajaran diartikan sebagai proses penciptaan lingkungan memungkinkan terjadinya proses belajar. Jadi dalam pembelajaran yang utama adalah bagaimana siswa belajar. Belajar dalam pengertian aktivitas mental siswa dalam berinteraksi dengan lingkungan yang menghasilkan perubahan perilaku yang bersifat relatif konstan. Dengan demikian aspek yang menjadi penting dalam aktivitas belajar dan pembelajaran adalah lingkungan. Bagaimana lingkungan ini diciptakan dengan menata unsur-unsurnya sehingga dapat merubah perilaku siswa.

Dari uraian di atas dapat disimpulkan bahwa multimedia pembelajaran dapat diartikan sebagai aplikasi multimedia yang digunakan dalam proses pembelajaran, dengan kata lain untuk menyalurkan pesan (pengetahuan, ketrampilan dan sikap) serta dapat merangsang pikiran, perasaan, perhatian dan kemauan yang belajar sehingga secara sengaja proses belajar terjadi, bertujuan dan terkendali.

2.3.1 Manfaat Multimedia Pembelajaran

Secara umum manfaat yang dapat diperoleh adalah proses pembelajaran lebih menarik, lebih interaktif, jumlah waktu mengajar dapat dikurangi, kualitas belajar dapat ditingkatkan, dan proses belajar mengajar dapat dilakukan dimana dan kapan saja, serta sikap belajar siswa dapat ditingkatkan.

Sedangkan keunggulan multimedia pembelajaran adalah sebagai berikut.

1. Memperbesar benda yang sangat kecil dan tidak tampak oleh mata, seperti kuman, bakteri, elektron, dan lain-lain.

2. Memperkecil benda yang sangat besar, yang tidak mungkin dihadirkan di sekolah, seperti gajah, rumah, gunung dan lain-lain.

3. Menyajikan benda atau peristiwa yang kompleks, rumit dan berlangsung cepat atau lambat, seperti sistem tubuh manusia, bekerjanya suatu mesin, beredarnya planet Mars, berkembangnya bunga dan lain-lain.

4. Menyajikan benda atau peristiwa yang jauh, seperti bulan, bintang, salju dan lain-lain.

5. Menyajikan benda atau peristiwa yang berbahaya, seperti letusan gunung berapi, harimau, racun dan lain-lain.

6. Meningkatkan daya tarik dan perhatian siswa.

2.4 Multimedia Interaktif

Multimedia terbagi atas dua karakteristik, yaitu :

a. Multimedia Linear, seperti: Televisi, Radio, Majalah, Koran b. Multimedia Interaktif, seperti: Game, Website

Berdasarkan proses, multimedia terbagi atas dua kategori yaitu:

a. Multimedia contentproduction, adalah penggunaan dan pemrosesan beberapa media (text, audio, graphics, animation, video, and interactivity) yang berbeda untuk menyampaikan informasi atau menghasilkan produk multimedia (music, video, film, game, entertaiment, dll)atau penggunaan sejumlah teknologi yang berbeda yang memungkinkan untuk menggabungkan media (text, audio, graphics, animation, video, and interactivity) dengan cara yang baru untuk tujuan komunikasi.

b. Multimedia communication, adalah menggunakan media (masa), seperti televisi, radio, cetak, dan Internet

2.5Pengertian Augmented Reality

Augmented Reality (AR) adalah suatu teknologi yang menggabungkan benda maya dua dimensi (2D) ataupun tiga dimensi (3D) kedalam sebuah B M A 14 lingkungan nyata, lalu memproyeksikan benda-benda maya tersebut dalam waktu nyata. Sistem ini lebih dekat dengan lingkungan nyata. Sistem ini berbeda dengan virtual reality (VR) yang sepenuhnya merupakan virtual environment. Augmented Reality membuat penggunanya dapat berinteraksi secara real-time dengan sistem. Menurut T. Azuma (1997) mendefinisikan augmented reality sebagai penggabungan benda nyata dan maya di lingkungan nyata, berjalan secara interaktif dalam waktu nyata, dan terdapat integrasi dalam tiga dimensi, yaitu benda maya terintegrasi dalam dunia nyata [5].

7 2.5.1 Perkembangan Augmented Reality

Augmented reality pertama kali dimulai pada tahun 1957-1962, Morton Heilig merupakan penemu dan seorang sinematografer yang menciptakan dan mematenkan sebuah simulator yang disebut sensorama dengan visual, getaran, dan bau. Pada tahun 1996, Ivan Suntherland menemukan head-mounted display yang dia claim adalah jendela ke dunia virtual. Tahun 1975 seorang ilmuan bernama Myron Krueger menemukan Videoplace yang memungkinkan pengguna dapat berinteraksi dengan objek virtual untuk pertama kalinya. Tahun 1989, Jaron Lanier memperkenalkan Virtual Reality dan menciptakan bisnis komersial pertama kali di dunia maya. Tahun 1992 mengembangkan Augmented Reality untuk melakukan perbaikan pada pesawat boeing dan pada tahun yang sama LB Rosenberg mengembangkan salah satu fungsi sistem Augmented Reality yang disebut Virtual Fixtures, yang digunakan di Angkatan Udara AS Amstrong Labs dan menunjukan manfaatnya pada manusia, dan pada tahun 1992 Steven Fainer, Blair Maclntyre dan Doree Seligmann, mereka memperkenalkan untuk pertama kalinya Major Paper untuk perkembangan Prototype Augmented Reality.

Pada tahun 1999, Hirokazu Kato mengembangkan ARToolkit di HITLab dan didemonstrasikan di SIGGRAPH, pada tahun 2000, Bruce.H.Thomas mengembangkan ARQuake, sebuah Mobile Game AR yang ditunjukan di Internasional Symposium on Wearable Komputers.

Pada tahun 2008, Wikitude AR Travel Guide memperkenalkan Android Gl Telephone yang berteknologi AR. Tahun 2009. Saqoosha memperkenalkan 15

FLARToolkit yang merupakan perkembangan dari ARToolkit. FLARToolkit

memungkinkan kita memasang teknologi Augmented Reality di sebuah website, karena output yang dihasilkan FLARToolkit berbentuk Flash. Ditahun yang sama, Wikitude Drive meluncurkan sistem navigasi berteknologi AR di Platform Android. Tahun 2010, Acrossair menggunakan teknologi AR pada I-Phone 3GS.

2.5.2 Metode Augmented Reality

Metode yang dikembangkan pada Augmented Reality saat ini terbagi menjadi dua metode, yaitu Marker Based Tracking dan Markless Augmented Reality. 1. MarkerAugmented Reality (Marker Based Tracking)

Marker biasanya merupakan ilustrasi hitam dan putih persegi dengan batas hitam tebal dan latar belakang putih. Komputer akan mengenali posisi dan orientasi marker

dan menciptakan dunia virtual 3D yaitu titik (0,0,0) dan tiga sumbu yaitu X, Y, dan Z. Marker Based Tracking ini sudah lama dikembangkan sejak 1980-an dan pada awal 1990-an mulai dikembangkan untuk penggunaan Augmented Reality.

2. Markerless Augmented Reality

Salah satu metode Augmented Reality yang saat ini sedang berkembang adalah metode "Markerless Augmented Reality", dengan metode ini pengguna tidak perlu lagi menggunakan sebuah marker untuk menampilkan elemen-elemen digital, dengan tool yang disediakan Qualcomm untuk pengembangan Augmented Reality berbasis mobile device, mempermudah pengembang untuk membuat aplikasi yang markerless (Qualcomm, 2012).Seperti yang saat ini dikembangkan oleh perusahaan terbesar di dunia Total Immersion dan Qualcomm, mereka telah membuat berbagai macam teknik Markerless Tracking sebagai teknologi andalan mereka, seperti Face Tracking, 3D Object Tracking, dan Motion Tracking.

1. Face Tracking

Algoritma pada computer terus dikembangkan, hal ini membuat komputer dapat mengenali wajah manusia secara umum dengan cara mengenali posisi mata, hidung, dan mulut manusia, kemudian akan mengabaikan objek-objek lain di sekitarnya seperti pohon, rumah, dan lain - lain. Teknik ini pernah digunakan di Indonesia pada Pekan Raya Jakarta 2010 dan Toy Story 3 Event (Widiansyah, Firman, 2014).

2. 3D Object Tracking

Berbeda dengan Face Tracking yang hanya mengenali wajah manusia secara umum, teknik 3D Object Tracking dapat mengenali semua bentuk benda yang ada disekitar, seperti mobil, meja, televisi, dan lain-lain.

3. Motion Tracking

Komputer dapat menangkap gerakan, Motion Tracking telah mulai digunakan secara ekstensif untuk memproduksi film-film yang mencoba mensimulasikan gerakan.

4. GPS Based Tracking

Teknik GPS Based Tracking saat ini mulai populer dan banyak dikembangkan pada aplikasi smartphone (iPhone dan Android), dengan memanfaatkan fitur GPS dan kompas yang ada didalam smartphone, aplikasi akan mengambil data dari GPS dan kompas kemudian menampilkannya dalam bentuk arah yang kita

9 inginkan secara realtime, bahkan ada beberapa aplikasi menampikannya dalam bentuk 3D.

Marker based tracking merupakan metode yang diterapkan untuk penggunaan augmented reality. Marker biasanya merupakan ilustrasi hitam dan putih berbentuk persegi dengan batas hitam tebal dan latar belakang putih. Cara kerjanya yaitu komputer akan mengenali posisi dan orientasi marker dan menciptakan dunia virtual 3D yaitu titik (0,0,0) dan 3 sumbu yaitu X,Y, dan Z.

Gambar 2.2 Contoh marker Augmented Reality

Sedangkan untuk Occlusion adalah hubungan antara suatu benda dengan benda lain jika kita lihat dari suatu sudut pandang. Hal ini tentunya mengurangi informasi antar objek dalam lingkungan 3D, karena jika dilihat dari satu sudut pandang maka lingkungan 3D akan diproyeksikan kepada suatu bidang sehingga seolah-olah menjadi lingkungan 2D. Pengurangan dimensi ini menyebabkan informasi interaksi antar objek seperti keadaan bersinggungan, beririsan.

Gambar 2.3 Occlusion yang terjadi karena interaksi antar objek (a) None (b) Proximity (c) Intersection (d) Enclosement (e) Containment [3]

Occlusion detection adalah metode untuk mendeteksi ada tidaknya occlusion dalam penampilan objek 3D. Pada [Gun A, Mark, dan Gerard, 2004] secara sederhana occlusion detection hanya mendefinisikan keadaan dimana suatu marker tidak terdeteksi karena tertutup

oleh benda lain. Sedangkan pada [Volkert, Stephen, Mark, 2004] menggunakan occlusion detection berdasarkan posisi koordinat 2D dari 2 objek yang ada.

2.5.3 Alur Sistem Augmented Reality

Gambar 2.4 Diagram alur sistem Augmented Reality 1. Inisialisasi

Inisialisasi dalam aplikasi merupakan tahap mendeteksi ketersediaan kamera pada perangkat keras user.

2. Kamera mengambil gambar

Dalam tahap ini kamera berfungsi mengambil gambar dari dunia nyata. 3. Tracking marker

Dalam tahap ini sistem akan mengkonversi gambar menjadi greyscale yaitu intensitas gambar, kemudian sistem mencari beberapa bentuk persegi setelah itu sistem akan mendeteksi wilayah didalam persegi (Pattern Recognation) yang kemudian akan dibandingkan kecocokan marker dengan pattern didalam database. Posisi dan orientasi dari marker didapat dari tracking marker yang ditansformasi dengan operasi traslasi dan rotasi, sedangkan posisi dan orientasi yang ada pada proyeksi di layar didapat dari perhitungan transformasi proyeksi perspektif.

11 Sebuah marker yang dideteksi oleh kamera sehingga akan muncul objek virtual diatas marker.

2.5.4 Pengaplikasian Augmented Reality

Berikut bidang-bidang yang menggunakan Augmented Reality :

1. Navigasi Telepon Genggam Dalam kurun waktu 1 tahun terakhir ini, telah banyak integrasi Augmented reality yang dimanfaatkan pada telepon genggam. Saat ini ada 3 Sistem Operasi telepon genggam besar yang secara langsung memberikan dukungan terhadap teknologi Augmented reality melalui antarmuka pemrograman aplikasinya masing-masing. Untuk dapat menggunakan kamera sebagai sumber aliran data visual, maka Sistem Operasi tersebut mesti mendukung penggunaan kamera dalam modus pratayang. Augmented reality adalah sebuah presentasi dasar dari aplikasi-aplikasi navigasi. Dengan menggunakan GPS maka aplikasi pada telepon genggam dapat mengetahui keberadaan penggunanya pada setiap waktu. Khusus untuk Sistem Operasi iPhone dan Android, ada 2 pemain besar (Layar dan Wikitude) di dunia Augmented Reality.

2. Kedokteran (Medical): Teknologi pencitraan sangat dibutuhkan di dunia kedokteran, seperti misanya, untuk simulasi operasi, simulasi pembuatan vaksin virus, dll. Untuk itu, bidang kedokteran menerapkan Augmented Reality pada visualisasi penelitian mereka.

3. Hiburan (Entertainment): Dunia hiburan membutuhkan Augmented Reality sebagai penunjang efek-efek yang akan dihasilkan oleh hiburan tersebut. Sebagai contoh, ketika sesorang wartawan cuaca memperkirakan ramalan cuaca, dia berdiri di depan layar hijau atau biru, kemudian dengan teknologi augmented reality, layar hijau atau biru tersebut berubah menjadi gambar animasi tentang cuaca tersebut, sehingga seolah-olah wartawan tersebut, masuk ke dalam animasi tersebut.

4. Latihan Militer (Military Training): Militer telah menerapkan Augmented Reality pada latihan tempur mereka. Sebagai contoh, militer menggunakan Augmented Reality untuk membuat sebuah permainan perang, dimana prajurit akan masuk kedalam dunia game tersebut, dan seolah-olah seperti melakukan perang sesungguhnya.

5. Engineering Design: Seorang engineering design membutuhkan Augmented Reality untuk menampilkan hasil design mereka secara nyata terhadap klien. Dengan Augmented Reality klien akan tahu, tentang spesifikasi yang lebih detail tentang desain mereka.

6. Robotics dan Telerobotics: Dalam bidang robotika, seorang operator robot, mengunnakan pengendari pencitraan visual dalam mengendalikan robot itu. Jadi, penerapan Augmented Reality dibutuhkan di dunia robot.

7. Consumer Design: Virtual reality telah digunakan dalam mempromosikan produk. Sebagai contoh, seorang pengembang menggunkan brosur virtual untuk memberikan informasi yang lengkap secara 3D, sehingga pelanggan dapat mengetahui secara jelas, produk yang ditawarkan. (Anggriyadi,2012)

2.6 Pengertian Speech Recognition (ASR)

Speech recognition merupakan sistem pengenalan identitas yang diklaim oleh seseorang dari suaranya atau berdasarkan orang yang berbicara. Misalnya berupa intonasi suara, tingkat kedalaman suara, dan sebagainya. Speech recognition juga dikenal sebagai automatic speech recognition atau computer speech recognition yaitu penerjemah perkataan yang diucapkan menjadi text. Teknologi speech recognition ini sudah ada sejak lama dan sekarang banyak sekali jenis aplikasi yang dikembangkan menggunakan teknologi ini.

Aplikasi pengenalan pembicara termasuk user interface seperti suara panggilan suara (misalnya, "Call home"), call routing (misalnya, "Saya ingin membuat collect call"), kontrol alat domotic, pencarian (misalnya, menemukan podcast di mana tertentu Kata-kata itu diucapkan), sederhana entri data (misalnya, memasukkan nomor kartu kredit), persiapan dokumen terstruktur (misalnya, sebuah laporan radiologi), pengolahan pidato-ke-teks (misalnya, kata prosesor atau email), dan pesawat udara (biasanya disebutInput langsung suara).

Secara umum, speech recognition memproses sinyal suara yang masuk dan menyimpannya dalam bentuk digital. Hasil proses digitalisasi tersebut kemudian dikonversi dalam bentuk spektrum suara yang akan dianalisa dengan membandingkan dengan template suara pada database sistem. Sebelumnya, data suara masukan dipilah-pilah dan diproses satu per satu berdasarkan urutannya. Pemilahan ini dilakukan agar proses analisis dapat dilakukan secara paralel.

13

2.6.1 Pemodelan Speech Recognition

Terdapat dua pemodelan dasar untuk speech recognition ini yaitu :

1. Hidden Markov model (HMM)-based speech recognition

2. Dynamic time warping (DTW)- based speech recognition.

Modern general-purpose speech recognition system umumnya menggunakan model Hidden Markov. Model ini merupakan model yang statistikal dimana output adalah sekuens dari simbol atau kuantitas. Alasan menggunakan model Hidden Markov karena sebuah sinyal dari pengucapan bisa dilihat seperti piecewise stationary signal atau short-time stationary signal. Metode ini sangat populer, sederhana dan secara komputasional bisa digunakan.pada Dynamic time warping yang merupakan pendekatan yang pernah digunakan untuk speech recognition yang sekarang sudah digantikan oleh modelHidden Markov.

Pada pengembangannya, speech recognition diimplementasikan menggunakan

Dynamic Time Wraping Algorithm (DTW) yang digunakan untuk menerjemahkan perkataan

yang membutuhkan perbandingan antara sinyal masuk dari kata dan bermacam-macam kata yang ada di dalam kamus dengan mengukur kesamaan antara dua sekuensial pada waktu yang berbeda baik dari segi kecepatannya. Algoritma DTW diimplementasikan pada video, audio, dan grafik dan tentu saja data-data bisa diubah ke dalam bentuk representasi linear yang bisa dianalisis oleh DTW.DTW pertama kali dikenalkan pada tahun 1960an dan dieksplorasi sampai tahun 70an yang menghasilkan alat speech recognizer.

2.6.2Prinsip Kerja Sistem Speech Recognition

Prinsip kerja sistem speech recognition adalah dengan membandingkan informasi ucapan yang ada pada referensi dengan informasi ucapan yang menjadi masukan sistem pengenal ucapan tersebut.Blok pengenalan ucapan dengan HMM dapat dibagi menjadi tiga tahap yaitu bagian depan, tahap feature extraction dan tahap sistem pengenalan HMM. Pada tahap yang pertama dilakukan pemfilteran sinyal suara dan mengubah sinyal suara analog ke digital. Tahap feature extraction adalah untuk mendapatkan parameter-parameter yang dapat merepresentasikan sinyal suara tersebut dan dilakukan analisis serta kuantisasi vektor. Tahap yang ketiga, dapat dibagi menjadi dua tugas yaitu tugas pemodelan dan tugas pengenalan . Untuk tugas pemodelan dibuatkan suatu model HMM dari data-data yang berupa sampel ucapan dari sebuah kata. HMM yang dipakai adalah densitas diskrit.

2.6.3 Tahap Pengenalan Suara

Untuk mengubah percakapan menjadi teks on-screen atau perintah tertentu, komputer melakukan beberapa langkah yang kompleks. Ketika berbicara akan mengeluarkan getaran di udara. Kemudian, analog-to-digital converter (ADC) yang ada di soundcard menerjemahkan gelombang analog ini menjadi data digital yang dapat dimengerti oleh komputer. Untuk melakukan hal tersebut, sistem Speech Recognition melakukan sampling atau digitizing suara dengan cara mengambil ukuran yang paling pas dari gelombang. Sistem menyaring suara yang telah didigitalkan tersebut dan membuang gangguan (noise), dan kadang-kadang memisahkannya ke dalam pita frekuensi yang berbeda. Frekuensi adalah panjang gelombang suara, yang terdengar oleh telinga manusia sebagai tinggi nada (pitch) yang berbeda.

Sistem ini juga menormalkan suara, atau mengaturnya ke dalam tingkat volume yang tetap, terkadang juga mendatarkan suara. Manusia tidak berbicara dalam kecepatan yang sama sehingga suara harus diatur dengan kecepatan yang sama dengan sampel-sampel template suara yang tersimpan dalam komputer. Langkah selanjutnya adalah memecah sinyal menjadi bagian-bagian kecil, dengan durasi seperseratus detik, atau bahkan seperseribu pada kasus bunyi-bunyi konsonan atau mati. Konsonan memberhentikan produksi suara dengan

menghalangi aliran gelombang pada bidang vokal, seperti “p” atau “t”.

Program di komputer kemudian mencocokkan bagian-bagian kecil ini dengan fonem yang dikenal dalam bahasa tertentu. Fonem adalah elemen terkecil dalam sebuah bahasa, merepresentasikan suara yang kita hasilkan, dan merangkainya ke dalam bentuk ujaran yang memiliki makna. Tahap berikutnya kelihatan sederhana, tapi pada dasarnya merupakan proses yang paling susah diselesaikan, sekaligus merupakan inti dari sebagian besar penelitian di bidang Speech Recognition. Komputer memeriksa fonem-fonem dalam konteks (hubungan) dengan fonem-fonem lain yang menyertainya. Komputer menjalankan alur (plot) melalui sebuah model statistika yang kompleks, dan membandingkannya dengan koleksi kata, frase, dan kalimat yang telah dikenal. Program Speech Recognition selanjutnya menentukan apa yang mungkin dikatakan oleh pengguna, dan juga mengetikkannya sebagai teks atau mengeluarkannya sebagai perintah pada komputer.

Terdapat 4 langkah utama dalam sistem pengenalan suara: 1. Penerimaan data input

2. Ekstraksi, yaitu penyimpanan data masukan sekaligus pembuatan database untuk template.

15 3. Pembandingan / pencocokan, yaitu tahap pencocokan data baru dengan data suara

(pencocokan tata bahasa) pada template atau database. 4. Validasi identitas pengguna.

Gambar 2.5 Skema Speech Recognition

Secara umum, speech recognizer memproses sinyal suara yang masuk dan menyimpannya dalam bentuk digital. Hasil proses digitalisasi tersebut kemudian dikonversi dalam bentuk spektrum suara yang akan dianalisa dengan membandingkannya dengan template suara pada database sistem.

Gambar 2.6 Spektrum Suara

Sebelumnya, data suara masukan dipilah-pilah dan diproses satu per satu berdasarkan urutannya. Pemilahan ini dilakukan agar proses analisis dapat dilakukan secara paralel. Proses yang pertama kali dilakukan ialah memproses gelombang kontinu spektrum suara ke dalam bentuk diskrit. Langkah berikutnya ialah proses kalkulasi yang dibagi menjadi dua bagian :

2. Untuk masing-masing elemen pada aiTay data, hitung "ketinggian" gelombang (frekuensi).

Objek permasaiahan yang akan dibagi adalah masukan berukuran n, berupa data diskrit gelombang suara. Ketika mengkonversi gelombang suara ke dalam bentuk diskrit, gelombang diperlebar dengan cara memperinci berdasarkan waktu. Hal ini dilakukan agar proses algoritma selanjutnya (pencocokan) lebih mudah diiakukan. Namun, efek buruknya ialah array of array data yang terbentuk akan lebih banyak.

Gambar 2.7 Hasil Kontinu Sinyal Diskrit

Ketika mengkonversi gelombang suara ke dalam bentuk diskrit,gelombang diperlebar dengan cara memperinci berdasarkan waktu. Hal ini dilakukan agar proses algoritma selanjutnya (pencocokan) lebih mudah diiakukan. Namun, efek buruknya ialah array of array data yang terbentuk akan lebih banyak.

Dari tiap elemen array data tersebut, dikonversi ke dalam bentuk bilangan biner. Data biner tersebut yang nantinya akan dibandingkan dengan template data suara.

Proses divide and conquer :

1. Pilih sebuah angka N, dimana N merupakan bilangan bulat kelipatan 2. Bilangan ini berfungsi untuk menghitung jumlah elemen transformasi FFT.

3. Bagi dua data diskrit secara (dengan menerapkan algoritma divide and conquer) menjadi data diskrit yang lebih kecii berukuran N = N,.N2.

1. Objek data dimasukkan ke dalam table (sebagai elemen tabel).

2. Untuk setiap eiemen data, dicocokkan dengan data pada template (pada data template juga dilakukan pemrosesan digitaiisasi menjadi data diskrit, dengan cara yang sama dengan proses digitaiisasi data masukan bam yang ingin dicocokkan).

17 4. Setiap masalah disatukan kembali dan dianalisis secara keseluruhan, kecocokan dari segi tata bahasa dan apakah data yang diucapkan sesuai dengan kata yang tersedia pada template data.

5. Verifikasi data.

2.6.3 Jenis-jenis Speech Recognition

Berdasarkan kemampuan dalam mengenal kata yang diucapkan, terdapat 5 jenis pengenalan kata, yaitu :

1. Kata-kata yang terisolasi

Proses pengidentifikasian kata yang hanya dapat mengenal kata yang diucapkan jika kata tersebut memiliki jeda waktu pengucapan antar kata.

2. Kata-kata yang berhubungan

Proses pengidentifikasian kata yang mirip dengan kata-kata terisolasi, namun membutuhkan jeda waktu pengucapan antar kata yang lebih singkat

3. Kata-kata yang berkelanjutan

Proses pengidentifikasian kata yang sudah lebih maju karena dapat mengenal kata-kata yang diucapkan secara berkesinambungan dengan jeda waktu yang sangat sedikit atau tanpa jeda waktu. Proses pengenalan suara ini sangat rumit karena membutuhkan metode khusus untuk membedakan kata-kata yang diucapkan tanpa jeda waktu. Pengguna perangkat ini dapat mengucapkan kata-kata secara natural

4. Kata-kata spontan

Proses pengidentifikasian kata yang dapat mengenal kata-kata yang diucapkan secara spontan tanpa jeda waktu antar kata

5. Verifikasi atau identifikasi suara

Proses pengidentifikasian kata yang tidak hanya mampu mengenal kata, namun juga mengidentifikasi siapa yang berbicara.

2.6.4 Proses kerja alat speech recognition

Alat pengenal ucapan memiliki empat tahapan dalam prosesnya, yaitu : 1. Tahap penerimaan masukan

Masukan berupa kata-kata yang diucapkan lewat pengeras suara. 2. Tahap ekstraksi

Tahap ini adalah tahap penyimpanaan masukan yang berupa suara sekaligus pembuatan basis data sebagai pola. Proses ekstraksi dilakukan berdasarkan metode Model Markov Tersembunyi atau Hidden Markov Model (HMM), yang merupakan model statistik dari sebuah sistem yang diasumsikan oleh Markov sebagai suatu proses dengan parameter yang tidak diketahui. Tantangan dalam model statistik ini adalah menentukan parameter-parameter tersembunyi dari parameter yang dapat diamati. Parameter-parameter yang telah kita tentukan kemudian digunakan untuk analisis yang lebih jauh pada proses pengenalan kata yang diucapkan. Berdasarkan HMM, proses pengenalan ucapan secara umum menghasilkan keluaran yang dapat dikarakterisasikan sebagai sinyal. Sinyal dapat bersifat diskrit (karakter dalam abjad) maupun kontinu (pengukuran temperatur, alunan musik). Sinyal dapat pula bersifat stabil (nilai statistiknya tidak berubah terhadap waktu) maupun nonstabil (nilai sinyal berubah-ubah terhadap waktu).

Dengan melakukan pemodelan terhadap sinyal secara benar, dapat dilakukan simulasi terhadap masukan dan pelatihan sebanyak mungkin melalui proses simulasi tersebut sehingga model dapat diterapkan dalam sistem prediksi, sistem pengenalan, maupun sistem identifikasi. Secara garis besar model sinyal dapat dikategorikan menjadi dua golongan, yaitu: model deterministik dan model statistikal. Model deterministik menggunakan nilai-nilai properti dari sebuah sinyal seperti: amplitudo, frekuensi, dan fase dari gelombang sinus. Model statistikal menggunakan nilai-nilai statistik dari sebuah sinyal seperti: proses Gaussian, proses Poisson, proses Markov, dan proses Markov Tersembunyi. Suatu model HMM secara umum memiliki unsur-unsur sebagai berikut:

1. N, yaitu jumlah bagian dalam model. Secara umum bagian tersebut saling terhubung satu dengan yang lain, dan suatu bagian bisa mencapai semua bagian yang lain, serta sebaliknya (disebut dengan model ergodik). Namun hal tersebut tidak mutlak karena terdapat kondisi lain dimana suatu bagian hanya bisa berputar ke diri sendiri dan berpindah ke satu bagian berikutnya. Hal ini bergantung pada implementasi dari model.

2. M, yaitu jumlah simbol observasi secara unik pada tiap bagiannya, misalnya: karakter dalam abjad, dimana bagian diartikan sebagai huruf dalam kata.

a. Probabilita Perpindahan Bagian { } = ij A a

b. Probabilita Simbol Observasi pada bagian j, { } () = j Bb k c. Inisial Distribusi Bagian i p p

19 Setelah memberikan nilai N, M, A, B, dan p , maka proses ekstraksi dapat diurutkan. Berikut adalah tahapan ekstraksi pengenalan ucapan berdasarkan HMM.

1. Tahap ekstraksi tampilan, penyaringan sinyal suara dan pengubahan sinyal suara analog ke digital

2. Tahap tugas pemodelan, pembuatan suatu model HMM dari data-data yang berupa sampel ucapan sebuah kata yang sudah berupa data digital

3. Tahap sistem pengenalan HMM,penemuan parameter-parameter yang dapat merepresentasikan sinyal suara untuk analisis lebih lanjut.

4. Tahap pembandingan, tahap ini merupakan tahap pencocokan data baru dengan data suara (pencocokan tata bahasa) pada pola. Tahap ini dimulai dengan proses konversi sinyal suara digital hasil dari proses ekstraksi ke dalam bentuk spektrum suara yang akan dianalisa dengan membandingkannya dengan pola suara pada basis data. Sebelumnya, data suara masukan dipilah-pilah dan diproses satu per satu berdasarkan urutannya. Pemilihan ini dilakukan agar proses analisis dapat dilakukan secara paralel. Proses yang pertama kali dilakukan ialah memproses gelombang kontinuspektrum suara ke dalam bentuk diskrit. Langkah berikutnya ialah proses kalkulasi yang dibagi menjadi dua bagian :

1. Transformasi gelombang diskrit menjadi data yang terurut Gelombang diskrit berbentuk masukan berukuran n yang menjadi objek yang akan dibagi pada proses konversi dengan cara pembagian rincian waktu

2. Menghitung frekuensi pada tiap elemen data yang terurut. Selanjutnya tiap elemen dari data yang terurut tersebut dikonversi ke dalam bentuk bilangan biner. Data biner tersebut nantinya akan dibandingkan dengan pola data suara dan kemudian diterjemahkan sebagai keluaran yang dapat berbentuk tulisan ataupun perintah pada perangkat.

5. Tahap validasi identits pengguna, alat pengenal ucapan yang sudah memiliki sistem verifikasi/identifikasi suara akan melakukan identifikasi orang yang berbicara berdasarkan kata yang diucapkan setelah menerjemahkan suara tersebut menjadi tulisan atau komando.

2.6.5 Aplikasi Alat Speech Recognition

2.6.5.1 Bidang komunikasi

1. Perintah Suara

Perintah Suara (komando suara) adalah suatu program pada komputer yang melakukan perintah berdasarkan perintah suara dari pengguna. Contohnya pada aplikasi Microsoft Voice yang berbasis bahasa Inggris. Ketika pengguna mengatakan “Mulai kalkulator” dengan intonasi dan tata bahasa yang sesuai, komputer akan segera membuka aplikasi kalkulator. Jika komando suara yang diberikan sesuai dengan daftar perintah yang tersedia, aplikasi akan memastikan komando suara dengan menampilkan

tulisan “Apakah Anda meminta saya untuk ‘mulai kalkulator’?”. Untuk melakukan verifikasi, pengguna cukup mengatakan “Lakukan” dan

komputer akan langsung beroperasi. 2. Pendiktean

Pendiktean adalah sebuah proses mendikte yang sekarang ini banyak dimanfaatkan dalam pembuatan laporan atau penelitian. Contohnya pada aplikasi Microsoft Dictation yang merupakan aplikasi yang dapat menuliskan apa yang diucapkan oleh pengguna secara otomatis.

3. Telepon

Pada telepon, teknologi pengenal ucapan digunakan pada proses penekanan tombol otomatis yang dapat menelpon nomor tujuan dengan komando suara.

2.6.5.2 Bidang kesehatan

Alat pengenal ucapan banyak digunakan dalam bidang kesehatan untuk membantu para penyandang cacat dalam beraktivitas. Contohnya pada aplikasi Antarmuka Suara Pengguna atau Voice User Interface (VUI) yang menggunakan teknologi pengenal ucapan dimana pengendalian saklar lampu misalnya, tidak perlu dilakukan secara manual dengan menggerakkan saklar tetapi cukup dengan mengeluarkan perintah dalam bentuk ucapan sebagai saklarnya. Metode ini membantu manusia yang secara fisik tidak dapat menggerakkan saklar karena cacat pada tangan misalnya. Penerapan VUI ini tidak hanya untuk lampu saja tapi bisa juga untuk aplikasi-aplikasi kontrol yang lain.

21

2.6.5.3 Bidang militer

1. Pelatihan Penerbangan

Aplikasi alat pengenal ucapan dalam bidang militer adalah padapengatur lalu-lintas udara atau yang dikenal dengan Air Traffic Controllers (ATC) yang dipakai oleh para pilot untuk mendapatkan keterangan mengenai keadaan lalu-lintas udara seperti radar, cuaca, dan navigasi. Alat pengenal ucapan digunakan sebagai pengganti operator yang memberikan informasi kepada pilot dengan cara berdialog.

2. Helikopter

Aplikasi alat pengenal ucapan pada helikopter digunakan untuk berkomunikasi lewat radio dan menyesuaikan sistem navigasi. Alat ini sangat diperlukan pada helikopter karena ketika terbang, sangat banyak gangguan yang akan menyulitkan pilot bila harus berkomunikasi dan menyesuaikan navigasi dengan terlebih dahulu memencet tombol tertentu 2.7Openspace 3D

Sebuah editor atau scene manager objek tiga dimensi yang bersifat open source dengan menggunakan OGRE sebagai Graphic Rendering. Dengan Openspace 3D aplikasi game atau simulasi tiga dimensi bisa dibuat secara mudah tanpa terlibat secara langsung dengan programing. Aplikasi Openspace 3D bersifat sebagai sebuah scene manager dan editor dalam pengaturan skenario

sehingga pengguna hanya perlu memasukan resource atau sumber daya yang dibutuhkan seperti objek tiga dimensi dalam bentuk mesh OGRE, material, texture dan multimedia lainnya mencakup audio dan video. Untuk menghindari pemrograman yang sulit, Openspace 3D menyediakan sebuah hubungan relasional antar objek yang terdiri dari plugin yang cukup lengkap dalam

membuat suatu aplikasi tiga dimensi baik simulasi atau game dan masih banyak lagi fitur yang di sediakan oleh aplikasi Openspace 3D ini [6].

Gambar 2.8 Alur Kerja OpenSpace 3D

Aplikasi Openspace 3D ini berbasiskan bahasa pemrograman SCOL, yang merupakan bahasa pemrograman yang berasal dari Perancis dan baru-baru ini dikembangkan. Openspace 3D menggunakan graphic engine OGRE 3D yang mempunyai komunitas cukup banyak tapi

tidak di Indonesia. Kelemahan

Openspace 3D adalah output-nya yang tidak kompatibel, untuk menjalankan aplikasi, diharuskan menginstal SCOLVOY@GER, yaitu sebuah runtime dari SCOL. Ada alasan

mengapa harus menginstal SCOL, karena sebenarnya

Openspace 3D ditujukan untuk browser, jadi aplikasi atau simulasi yang dibuat bisa ditampilkan dalam suatu website pribadi, meskipun demikian pada versi terbaru dari Openspace 3D telah menyediakan fasilitas untuk membuat file eksekusi sehingga menjadi sebuah aplikasi stand alone untuk Windows. Kelebihan lainnya dari Openspace 3D adalah kompatibilitas dengan file 18 multimedia lainnya seperti Video Youtube, Chating, Mp3, Wav, SWF dan lainlain. Openspace 3D juga mendukung input controler dari joypad, keyboard, mouse, Wii Nintendo joystick, dan juga voice controler.

2.8 UML (Unified Modelling Language)

UML (Unified Modeling Language) adalah sebuah bahasa yang berdasarkan

grafik/gambar untuk memvisualisasi, menspesifikasikan membangun, dan pendokumentasian dari sebuah sistem pengembangan software berbasis OO (Object-Oriented) [7].

UML sendiri juga memberikan standar penulisan sebuah sistem blue print, yang meliputi konsep bisnis proses, penulisan kelas-kelas dalam bahasa program yang spesifik, skema database, dan komponen-komponen yang diperlukan dalam sistem software.

UML adalah salah satu tool / model untuk merancang pengembangan software yang berbasis object oriented. UML sebagai sebuah bahasa yang memberikan

23 vocabulary dan tatanan penulisan kata-kata dalam ‘MS Word’ untuk kegunaan komunikasi. Sebuah bahasa model adalah sebuah bahasa yang mempunyai vocabulary dan konsep tatanan / aturan penulisan serta secara fisik mempresentasikan dari sebuah sistem.

UML adalah sebuah bahasa standard untuk pengembangan sebuah software yang dapat menyampaikan bagaimana membuat dan membentuk modelmodel, tetapi tidak menyampaikan apa dan kapan model yang seharusnya dibuat yang merupakan salah

satu proses implementasi pengembangan software.

UML tidak hanya merupakan sebuah bahasa pemograman visual saja, namun juga dapat secara langsung dihubungkan ke berbagai bahasa pemograman, seperti JAVA, C++, Visual Basic, atau bahkan dihubungkan secara langsung ke dalam sebuah object-oriented database. Begitu juga mengenai pendokumentasian dapat dilakukan seperti; requirements, arsitektur,

design, source code, project

plan, tests, dan prototypes.

2.8.1 Use Case Diagram

Dalam konteks UML, tahap konseptualisasi dilakukan dengan pembuatan use case diagram yang sesungguhnya merupakan deskripsi peringkat tinggi bagaimana perangkat lunak (aplikasi) akan digunakan oleh penggunanya. Selanjutnya, use case diagram tidak hanya sangat penting pada tahap analisis, tetapi juga penting untuk perancangan (design), untuk mencari (mencoba menemukan) kelas-kelas yang terlibat dalam aplikasi, dan untuk melakukan pengujian (testing). Elemen diagram use-case adalah:

1. Aktor adalah pemakai sistem, sesuatu atau seseorang yang berinteraksi dengan sistem.

2. Use case menspesifikasikan perilaku sistem atau bagian sistem dan merupakan deskripsi sekumpulan sekuen aksi termasuk varianvarian yang dilakukan sistem untuk memproduksi hasil atau nilai ke aktor.

3. Hubungan ketergantungan, generalisasi dan asosiasi merupakan partisipasi dari aktor dalam use case. Sebuah use case dapat meng-include fungsionalitas use case lain sebagai bagian dari proses dalam dirinya. Secara umum diasumsikan bahwa use case yang di-include akan dipanggil setiap kali use case yang meng-include dieksekusi secara normal. Sebuah use case dapat di-include oleh lebih dari satu use case lain,

sehingga duplikasi fungsionalitas dapat dihindari dengan cara menarik keluar fungsionalitas yang common. Sebuah use case juga dapat meng-extend usecase lain dengan behavior nya sendiri. Sementara hubungan generalisasi antar use case menunjukkan bahwa use case yang satu merupakan spesialisasi dari yang lain.

2.8.3 Activity Diagram

Activity diagram menggambarkan berbagai alir aktivitas dalam sistem yang dirancang, bagaimana masing-masing alir berawal, desicion yang mungkin terjadi dan bagaimana mereka berakhir. Activity diagram memodelkan event-event yang terjadi pada Usecase dan digunakan untuk pemodelan aspek dinamis dari sistem.

2.8.3 Sequance Diagram

Sequence diagram menujukan interaksi yang terjadi antar objek. Diagram ini merupakan pandangan dinamis terhadap sistem. Diagram ini menekankan pada basis keberurutan waktu dari pesan-pesan yang terjadi. Sequence diagram menguraikan pesan di mana interaksi berlangsung, waktu adalah suatu faktor penting yang ditandai dengan dimensi vertical sedangkan objek-ibjek yang terkait ditandai dengan dimensi horizontal. Sequence diagram biasa digunakan untuk menggambarkan rangkaian langkah-langkah yang dilakukan sebagai respons dari sebuah event untuk menghasilkan output tertentu.

2.8.4 Class Diagram

Kelas (class) merupakan kumpulan objek yang memiliki kesamaan dalam atribut, perilaku serta cara berhubungan dengan objek yang lain. Kelas membungkus (encap-sulating) objek-objek. Suatu kelas tunggal dapat digunakan untuk menciptakan sejumlah objek . Selain itu, suatu kelas juga dapat digunakan untuk menciptakan kelas-kelas lain yang mewarisi (inherit) sebagian atau seluruh data. Dengan membungkus objek-objek dalam stuktur kelas, dapat mengelompokkan objek-objek yang sama jenisnya, yang memiliki keadaankeadaan/data-data serta perilaku-perilaku yang sama. Pada awal perkembangannya, kelas (class) didefinisikan sebagai tipe data abstrak (ADT[Abstract Data Type]) dalam bahasa pemrograman Simula 67 dan Smalltalk.

1

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Palang Merah Indonesia (PMI Kota Bandung) merupakan sebuah organisasi perhimpunan nasional yang bergerak dalam bidang sosial kemanusiaan.Dimana Palang Merah Indonesia (PMI Kota Bandung) menaungi organisasi terkait yang terdapat diinstansi-instansi pendidikan yang ada dikota ini. Di Indonesia dikenal ada 3 tingkatan PMR sesuai dengan jenjang pendidikan atau usianya. PMR Mula adalah PMR dengan tingkatan setara pelajar Sekolah Dasar (10-12 tahun). Warna slayer hijau muda. PMR Madya adalah PMR dengan tingkatan setara pelajar Sekolah Menengah Pertama (12-15 tahun). Warna slayer biru langit. PMR Wira adalah PMR dengan tingkatan setara pelajar Sekolah Menengah Atas (15-17 tahun). Warna slayer kuning cerah.

PMI selalu menjadwalkan pelatihan kepada setiap anggota PMR dengan berbagai tingkatan untuk sama-sama berkumpul mempelajari materi mengenai pertolongan pertama untuk memperdalam lagi materi pertolongan pertama serta sebagai bekal persiapan pada saat menghadapi perlombaan. Berdasarkan wawancara yang sudah dilakukan kepada Bapak Nana S selaku perwakilan dari PMI muncul masalah yang dapat menghambat proses pelatihan seperti materi yang disampaikan terlalu banyak sedangkan waktu yang diberikan sangat terbatas, peserta pelatihan yang merupakan anggota palang merah remaja dimana biasanya diusia mereka sangat cepat merasa bosan dan jenuh dikarenakan banyaknya materi yang harus diterimasehingga penyampaian materi tidak ektif, metode penyampaian materi yang tidak menarik dan tidak ada standarisasi terhadap materi yang akan disampaikan (setiap fasilitator bisa menyampaikan materi apa saja terhadap peserta pelatihan).

Seiring dengan perkembangan teknologi, media untuk melakukan pembelajaran pun menjadi semakin beragam. Salah satunya yaitu dengan pembangunan multimedia interaktif. Multimedia interaktif adalah suatu multimedia yang dilengkapi dengan alat pengontrol yang dapat dioperasikan oleh

pengguna, sehingga pengguna dapat memilih apa yang dikehendaki untuk proses selanjutnya. Penggunaan multimedia interaktif ini adalah untuk membantu membuat materi yang disampaikan menjadi lebih menarik. Karakteristik terpenting dari multimedia interaktif adalah peserta tidak hanya memperhatikan media atau objek saja, melainkan dituntut untuk berinteraksi selama mengikuti pembelajaran. Ada pula Augmented Reality ini adalah sebagai media untuk menerangkan pengenalan dari alat-alat yang berkaitan dengan pertolongan pertama pada kecelakaan, pengenalan alat perlindungan diri (alat-alat yang perlu digunakan oleh penolong pada saat melakukan penyelamatan kepada korban), serta pengenalan terhadap macam-macam luka. Dimana nantinya fasilitator akan menyampaikan materi dengan bantuan marker yang akan menampilkan materi, sehingga cara penyampaian dapat berbeda dengan biasanya. Guna memaksimalkan teknologi Augmented Realityini digunakan pula teknologi Speech Recognition, Speech Recognition dimana penerapannya adalah sebagai navigasi pada menu utama serta navigasi dalam menentukan arah ketika fasilitator sedang menggunakan marker.

Dari permasalahan diatas penulis tertarik untuk membuat sebuah aplikasi dengan menggunakan multimedia interaktif untuk dapat menjadikan solusi atas permasalahan yang ada. Dalam tugas akhir ini pembahasan ini dibuat menjadi skripsi yang diberi judul “Pembangunan Aplikasi Multimedia Interaktif

Pertolongan Pertama Pada Kecelakaan (Studi Kasus PMI Bandung)”.

1.2 Identifikasi Masalah

Berdasarkan latar belakang yang telah diuraikan sebelumnya maka identifikasi masalahnya adalah :

1. Waktu yang diberikan untuk penyampaian materi terbatas

2. Peserta pelatihan merasa bosan dan jenuh karena banyaknya materi yang harus diterima serta penyampaian materi yang tidak menarik.

3. Tidak ada standarisasi terhadap materi yang akan disampaikan (setiap fasilitator bisa menyampaikan materi apa saja terhadap peserta pelatihan).

3

1.3 Maksud dan Tujuan

1.3.1Maksud

Berdasarkan permasalahan yang ada, maka maksud penelitian ini adalah membangun sebuah Aplikasi Multimedia Interaktif Pertolongan Pertama pada Kecelakaan (Studi Kasus PMI Bandung).

1.3.2Tujuan

Adapun tujuan dibangunnya Aplikasi Multimedia Interaktif Pertolongan Pertama pada Kecelakaan adalah sebagai berikut :

1. Memaksimalkan waktu yang diberikan 2. Penyampaian materi menjadi lebih menarik.

3. Memudahkan fasilitator untuk memilih materi yang akan disampaikan sesuai dengan tingkatan peserta pelatihannya.

1.4 Batasan Masalah

Dalam pembahasan dan permasalahan yang terjadi, diperlukan beberapa pembatasan masalah atau ruang lingkup kajian sehingga penyajian lebih terarah dan terkait satu sama lain.

Adapun batasan dari permasalahan ini adalah sebagai berikut : 1. Penelitian dilakukan di PMI Kota Bandung.

2. Materi pembelajaran melingkupi segala jenis pertolongan pertama

3. Speech recognition digunakan sebagai navigasi untuk membantu fasilitator mengarahkan objek dari marker yang sudah terdeteksi oleh webcam.

4. Pada aplikasi yang akan dibangun Augmented reality digunakan sebagai media untuk menerangkan objek yang berkaitan dengan pertolongan pertama.

5. Perangkat lunak dibangun dengan tampilan 3D 6. Aplikasi dibangun berbasis desktop

7. Perangkat lunak yang akan digunakan dalam membangun multimedia interaktif yaitu OpenSpace 3D

1.5. Metodologi Penelitian

Metode penelitian yang digunakan dalam penulisan skripsi ini terdiri dari dua metode yaitu metode pengumpulan data dan metode pembangunan perangkat lunak.

1.5.1Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut :

1. Studi Literatur

Pengumpulan data dengan cara membaca buku panduan pertolongan pertama yang sudah diberikan oleh Palang Merah Indonesia Kota Bandung sebagai tuntunan dalam melakukan penelitian.

2. Observasi

Teknik pengumpulan data dengan mengunjungi tempat penelitian, dimana dalam penelitian ini yaitu Palang Merah Indonesia Kota Bandung

3. Wawancara

Teknik pengumpulan data dilakukan dengan cara memantau langsung tempat penelitian dan melakukan tanya jawab terhadap pihak yang dapat menjadi perwakilan dari Palang Merah Indonesia Kota Bandung

1.5.2Metode Pengembangan Perangkat Lunak

Dalam pengembangannya metode waterfall memiliki beberapa tahapan yang runtut:

1. Concept

Tahap concept (konsep) adalah tahap untuk menentukan tujuan dan siapa pengguna program (identifikasi audience). Selain itu menentukan macam aplikasi (presentasi, interaktif, dll) dan tujuan aplikasi (hiburan, pelatihan, pembelajaran, dll).

2. Design

Design (perancangan) adalah tahap membuat spesifikasi mengenai arsitektur program, gaya, tampilan dan kebutuhan material/bahan untuk program.

5

3. Material Collecting

Material Collecting adalah tahap dimana pengumpulan bahan yang sesuai dengan kebutuhan dilakukan. Tahap ini dapat dikerjakan paralel dengan tahap assembly. Pada beberap kasus, tahap Material Collecting dan tahap Assembly akan dikerjakan secara linear tidak paralel.

4. Assembly

Tahap assembly (pembuatan) adalah tahap dimana semua objek atau bahan multimedia dibuat. Pembuatan aplikasi didasarkan pada tahap design.

5. Testing

Dilakukan setelah selesai tahap pembuatan (assembly) dengan menjalankan aplikasi/program dan dilihat apakah ada kesalahan atau tidak. Tahap ini disebut juga sebagai tahap pengujian alpha (alpha test) dimana pengujian dilakukan oleh pembuat atau lingkungan pembuatnya sendiri.

6. Distribution

Tahapan dimana aplikasi disimpan dalam suatu media penyimpanan. Pada tahap ini jika media penyimpanan tidak cukup untuk menampung aplikasinya, maka dilakukan kompresi terhadap aplikasi tersebut.

1.5 Sistematika Penulisan

Sistematika penulisan skripsi ini disusun untuk memberikan gambaran umum tentang penelitian yang dijalankan. Sistematika penulisan tugas akhir ini adalah sebagai berikut :

BAB 1 PENDAHULUAN

Bab ini menguraikan tentang latar belakang permasalahan, rumusan masalah yang dihadapi, menentukan maksud dan tujuan penelitian, batasan masalah, metode penelitian serta sistematika penulisan.

BAB 2 LANDASAN TEORI

Bab ini membahas berbagai konsep dasar dan teori-teori yang berkaitan dengan topik penelitian yang dilakukan dan hal-hal yang berguna dalam proses analisis permasalahan serta tinjauan terhadap penelitian-penelitian serupa yang pernah dilakukan sebelumnya.

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

Bab ini membahas mengenai sub-sub sistem yang diuraikan dari sistem utama dengan tujuan untuk mengetahui cara kerja interaksi dari tiap sub sistem dalam fungsinya untuk mencapai tujuan sistem. Didalamnya terdapat analisis terhadap proses penyisipan, proses ekstrasi dari dua metode yang berbeda, selain itu terdapat juga kebutuhan fungsional dan nonfungsional dari sistem, perancangan antarmuka untuk aplikasi yang akan dibangun sesuai dengan hasil analisis yang telah dibuat.

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini membahas tentang implementasi dari aplikasi yang dibangun. Implementasi dilakukan berdasarkan analisis dan perancangan yang telah dilakukan kedalam bahasa pemrograman tertentu. Hasil dari implementasi, kemudian dilakukan pengujian apakah aplikasi telah sesuai seperti yang diharapkan.

BAB 5 KESIMPULAN DAN SARAN

Bab ini berisi tentang kesimpulan berdasarkan hasil penelitian yang telah dilakukan dan masukan-masukan yang dapat digunakan untuk pengembangan perangkat lunak selanjutnya.

79

79

BAB 4

IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini merupakan tahap penerjemahan kebutuhan pembangunan aplikasi ke dalam representasi perangkat lunak sesuai dengan hasil analisis yang telah dilakukan. Pengujian sistem dilakukan setelah tahapan impelementasi, pada tahapan ini akan diketahui kekurangan yang ada pada aplikasi yang baru untuk selanjutnya dilakukan pengembangan sistem.

4.1 Implementasi Sistem

Impelementasi merupakan tahap menerjemahkan perancangan berdasarkan hasil analisis. Tujuan implementasi adalah untuk menjelaskan aplikasi yang sudah dibangun kepada fasilitator selaku pengguna aplikasi sehingga pengguna dapat memberikan tanggapannya terhadap sistem yang ada dan agar dapat memberikan masukan kepada pembuat sistem untuk dilakukan perbaikan agar sistem dapat menjadi lebih baik lagi.

4.2 Pengujian

Dalam penelitian ini pengujian yang dilakukan terhadap sistem yaitu pengujian secara fungsional (alpha) dan beta. Metode yang digunakan dalam pengujian ini adalah pengujian blackbox yang berfokus pada persyaratan fungsional dari sistem yang dibangun.

Pengujian sistem merupakan hal terpenting yang dilakukan untuk menemukan kekurangan atau kesalahan pada perangkat lunak yang diuji

4.2.1 Pengujian Blackbox

Pengujian fungsional yang digunakan untuk menguji sistem yang baru adalah pengujian blackbox. Pengujian Blackbox berfokus pada persyaratan ng dilakukan pada fungsional perangkat lunak yang terdiri dari rencana pengujian dan kasus hasil pengujian.

a. Rencana Pengujian

Rencana pengujian yang dilakukan pada Pembangunan Aplikasi Pertolongan Pertama Pada Kecelakaan dapat dilihat pada tabel berikut.

Tabel 4.1 Rencana Pengujian

Item Uji Detail Uji Jenis Uji

Pengenalan Alat Mengarahkan koleksi

marker pada kamera

webcam

Blackbox

Ssitem Rekognisi Mendeteksi marker

yang dicakup kamera

Blackbox

Tampil Animasi Menampilkan animasi

sesuai marker yang digunakan

Blackbox

Keluar Keluar dari aplikasi

untuk mendeteksi

marker

Blackbox

4.2.2Kasus dan Hasil Pengujian Alpha

Kasus dan hasil pengujian ini berisi penjelasan dari rencana pengujian yang telah disusun pada skenario pengujian. Pengujian ini dilakukan dengan menggunakan metode blackbox. Berdasarkan rencana pengujian, maka dapat dilakukan pengujian alpha pada aplikasi ini.

4.2.2.1Pengujian Tampil Pengenalan Alat

Pengujian tampil pengenalan alat merupakan fungsionalitas dengan cara menunjukan objek marker untuk dideteksi oleh kamera webcam.

Tabel 4.2 Pengujian Tampil Pengenalan Alat

Kasus dan Hasil Uji (Data Normal)

Data Masukan Yang Diharapkan

Pengamatan Kesimpulan

Mengarahkan

marker ke

Webcam dapat mendeteksi

Marker telah terdeteksi oleh

[]Diterima [ ] Ditolak

81

81 webcam marker sehingga

menampilkan

objek dari

marker tersebut.

webcam



4.2.2.2Pengujian Sistem Rekognisi

Pengujian Sistem Rekognisi merupakan fungsionalitas untuk mendeteksi marker pada aplikasi ini.

Tabel 4.3 Pengujian Sistem Rekognisi

Kasus dan Hasil Uji (Data Normal)

Data Masukan

Yang Diharapkan

Pengamatan Kesimpulan

Kasa Steril Marker dapat terdeteksi dan menampilkan animasi serta informasi dari kasa steril

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Bantalan Kasa

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari bantalan kasa

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Pembalut Gulung-Pipa

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari pembalut

Tampilan animasi ditampilkan sesuai dengan marker yang

[]Diterima [ ] Ditolak

gulung-pipa dideteksi Pembalut

Segitiga-Mitela

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari pembalut segitiga-mitela Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Pembalut Rekat-Plester

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari pembalut rekat-plester Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Alkohol 70%

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari alkohol 70% Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Povidone Iodine 10%

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari povidone iodine 10% Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Cairan Pencuci Mata

Marker dapat terdeteksi dan menampilkan

Tampilan animasi ditampilkan

[]Diterima [ ] Ditolak

83

83

animasi serta informasi dari cairan pencuci mata

sesuai dengan marker yang dideteksi

Bidai Marker dapat

terdeteksi dan menampilkan animasi serta informasi dari pidai Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Papan Spinal Panjang

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari papan spinal panjang Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Papan Spinal Pendek

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari papan spinal pendek Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Gunting Pembalut

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari gunting pembalut Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

terdeteksi dan menampilkan animasi serta informasi dari pinset

animasi ditampilkan sesuai dengan marker yang dideteksi

[ ] Ditolak

Senter Marker dapat

terdeteksi dan menampilkan animasi serta informasi dari senter Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Kapas Marker dapat

terdeteksi dan menampilkan animasi serta informasi dari kapas Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Selimut Marker dapat terdeteksi dan menampilkan animasi serta informasi dari selimut Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Kartu Penderita

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari kartu Tampilan animasi ditampilkan sesuai dengan marker yang

[]Diterima [ ] Ditolak

85

85

penderita dideteksi Alat Tulis Marker dapat

terdeteksi dan menampilkan animasi serta informasi dari alat tulis Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Oksigen Marker dapat terdeteksi dan menampilkan animasi serta informasi dari oksigen Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Tensimeter Marker dapat terdeteksi dan menampilkan animasi serta informasi dari tensimeter Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Stetoskop Marker dapat terdeteksi dan menampilkan animasi serta informasi dari stetoskop Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Tandu Marker dapat

terdeteksi dan menampilkan animasi serta

Tampilan animasi ditampilkan sesuai

[]Diterima [ ] Ditolak

4.2.2.3Pe nguj ian Tam pil Ani masi Pen gujian ini merupakan

fungsionalitas untuk menampilkan animasi dari marker yang dideteksi.

informasi dari tandu

dengan marker yang dideteksi Helm

Pelindung

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari helm pelindung Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Baju Pelindung

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari baju pelindung Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Sarung Tangan

Marker dapat terdeteksi dan menampilkan animasi serta informasi dari arung tangan Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Kacamata Marker dapat terdeteksi dan menampilkan animasi serta informasi dari kacamata Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

87

87

Tabel 4.4 Pengujian Tampil Animasi

Kasus dan Hasil Uji (Data Normal)

Data Masukan Yang Diharapkan

Pengamatan Kesimpulan

Kasa Steril Menampilkan

animasi serta informasi dari kasa steril

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Bantalan Kasa Menampilkan animasi serta informasi dari bantalan kasa

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Pembalut Gulung-Pipa

Menampilkan animasi serta informasi dari pembalut gulung-pipa

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Pembalut Segitiga-Mitela

Menampilkan animasi serta informasi dari pembalut segitiga-mitela

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Pembalut Rekat-Plester

Menampilkan animasi serta informasi dari pembalut rekat-plester

Tampilan animasi ditampilkan sesuai dengan marker yang

[]Diterima [ ] Ditolak

dideteksi

Alkohol 70% Menampilkan

animasi serta informasi dari dari alkohol 70%

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Povidone Iodine 10%

Menampilkan animasi serta informasi dari povidone iodine 10%

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Cairan Pencuci Mata

Menampilkan animasi serta informasi dari cairan pencuci mata

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Bidai Menampilkan

animasi serta informasi dari pidai

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Papan Spinal Panjang

Menampilkan animasi serta informasi dari papan spinal panjang

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Papan Spinal Pendek

Menampilkan animasi serta

Tampilan animasi

[]Diterima [ ] Ditolak

89

89

informasi dari papan spinal pendek

ditampilkan sesuai dengan marker yang dideteksi Gunting

Pembalut

Menampilkan animasi serta informasi dari gunting

pembalut

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Pinset Menampilkan

animasi serta informasi dari pinset

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Senter Menampilkan

animasi serta informasi dari senter

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Kapas Menampilkan

animasi serta informasi dari kapas

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Selimut Menampilkan

animasi serta informasi dari selimut

Tampilan animasi ditampilkan sesuai dengan marker yang

[]Diterima [ ] Ditolak

dideteksi Kartu Penderita Menampilkan

animasi serta informasi dari kartu penderita

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Alat Tulis Menampilkan

animasi serta informasi dari alat tulis

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Oksigen Menampilkan

animasi serta informasi dari oksigen

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Tensimeter Menampilkan

animasi serta informasi dari tensimeter

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Stetoskop Menampilkan

animasi serta informasi dari stetoskop

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Tandu Menampilkan

animasi serta

Tampilan animasi

[]Diterima [ ] Ditolak

91

91

informasi dari tandu

ditampilkan sesuai dengan marker yang dideteksi Helm

Pelindung

Menampilkan animasi serta informasi dari helm pelindung

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Baju Pelindung Menampilkan animasi serta informasi dari baju pelindung

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Sarung Tangan Menampilkan animasi serta informasi dari arung tangan

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

Kacamata Menampilkan

animasi serta informasi dari kacamata

Tampilan animasi ditampilkan sesuai dengan marker yang dideteksi

[]Diterima [ ] Ditolak

4.2.2.4Pengujian Keluar

Pengujian keluar merupakan fungsionalitas pada saat user memilih menu keluar untuk keluar dari aplikasi.

Tabel 4.5 Pengujian Keluar

4.2.3Kasus dan Hasil Pengujian Beta

Pengujian Beta dilakukan dengan memberikan kuesioner kepada 50 peserta pelatihan dan wawancara dengan fasilitator. Teknik pengujian yang digunakan dalam pengujian beta ini adalah teknik skala likert. Untuk setiap pertanyaan yang ada pada kuesioner akan mendapatkan point penilaian yang berbeda yang dapat dilihat pada tabel berikut.

Tabel 4.6 Point Penilaian

Jawaban Point Penilaian

Sangat Setuju 5

Setuju 4

Ragu-ragu 3

Tidak Setuju 2

Sangat Tidak Setuju 1

Berikut adalah hasil dari pengujian beta yang dilakukan dengan menggunakan kuesioner terhadap peserta pelatihan dan wawancara terhadap fasilitator.

a. Hasil Kuesioner

Kasus dan Hasil Uji (Data Normal)

Data Masukan Data Masukan Data Masukan Data Masukan

Tombol Keluar Keluar dari aplikasi Tampilan aplikasi akan tertutup.

[]Diterima [ ] Ditolak

93

93

1) Pernyataan no.1 : “Aplikasi multimedia interaktif ini membuat kegiatan

pelatihan menjadi lebih menarik.”

Untuk hasil pengolahan data kuesioner dari pernyataan nomor satu dapat dilihat pada tabel berikut.

Tabel 4.7 Hasil Data Pernyataan Kuesioner (1)

Jawaban Skor Responden

Jumlah Skor (Skor x Jumlah

Responden)

Sangat Setuju 5 29 145

Setuju 4 21 84

Ragu-ragu 3 0 0

Tidak Setuju 2 0 0

Sangat Tidak

Setuju

1 0 0

Total 229

Jika semua responden (50 orang responden) menjawab Sangat Setuju, maka jumlah skor ideal (kriterium) untuk seluruh item adalah 250 (diperoleh dari 5 x 50). Berdasarkan hasil penelitian, jumlah skor yang diperoleh adalah 229. Jadi berdasarkan data tersebut, maka tingkat persetujuan responden terhadap pernyataan nomor 1 adalah (229:250) x 100% = 91,6% dari yang diharapkan (100%). Jadi berdasarkan pengolahan data yang diperoleh dari 50 responden, maka rata-rata 229 terletak pada daerah Sangat Setuju. Secara kontinu dapat digambarkan sebagai berikut :

Gambar ‎0.1 Hasil Rata-rata Pernyataan Kuesioner (1)

2) Pernyataan no.2 : ”Pengenalan alat-alat pertolongan pertama dan pengenalan alat perlindungan diri menggunakan aplikasi ini dapat memudahkan peserta pelatihan untuk lebih mengingat bentuk serta

kegunaannya.”

Untuk hasil pengolahan data kuesioner dari pernyataan nomor satu dapat dilihat pada tabel berikut.

Tabel 4.8 Hasil Data Pernyataan Kuesioner (2)

Jawaban Skor Responden

Jumlah Skor (Skor x Jumlah

Responden)

Sangat Setuju 5 30 150

Setuju 4 20 80

Ragu-ragu 3 0 0

Tidak Setuju 2 0 0

Sangat Tidak

Setuju

1 0 0

95

95

Jika semua responden (50 orang responden) menjawab Sangat Setuju, maka jumlah skor ideal (kriterium) untuk seluruh item adalah 250 (diperoleh dari 5 x 50). Berdasarkan hasil penelitian, jumlah skor yang diperoleh adalah 230. Jadi berdasarkan data tersebut, maka tingkat persetujuan responden terhadap pernyataan nomor 2 adalah (230:250) x 100% = 92% dari yang diharapkan (100%). Jadi berdasarkan pengolahan data yang diperoleh dari 50 responden, maka rata-rata 230 terletak pada daerah Sangat Setuju. Secara kontinu dapat digambarkan sebagai berikut :

Gambar ‎0.2 Hasil Rata-rata Pernyataan Kuesioner (2)

3) Pernyataan no.3 : “Pelatihan menggunakan aplikasi ini memberikan inovasi baru serta menambah ketertarikan audience untuk memerhatikan

materi.”

Untuk hasil pengolahan data kuesioner dari pernyataan nomor satu dapat dilihat pada tabel berikut.

Tabel 4.9 Hasil Data Pernyataan Kuesioner (3)

Jawaban Skor Responden

Jumlah Skor (Skor x Jumlah

Responden)

Sangat Setuju 5 27 81

Setuju 4 20 80

Ragu-ragu 3 3 9

Tidak Setuju 2 0 0

Sangat Tidak

Setuju

1 0 0

Total 170

Jika semua responden (50 orang responden) menjawab Sangat Setuju, maka jumlah skor ideal (kriterium) untuk seluruh item adalah 250 (diperoleh dari 5 x 50). Berdasarkan hasil penelitian, jumlah skor yang diperoleh adalah 170. Jadi berdasarkan data tersebut, maka tingkat persetujuan responden terhadap pernyataan nomor 3 adalah (170:250) x 100% = 68% dari yang diharapkan (100%). Jadi berdasarkan pengolahan data yang diperoleh dari 50 responden, maka rata-rata 170 terletak pada daerah Setuju. Secara kontinu dapat digambarkan sebagai berikut :

97

97

4) Pernyataan no.4 : “Tingkat antusiasme peserta pelatihan dalam menerima

materi lebih baik dibandingkan dengan sebelumnya.”

Untuk hasil pengolahan data kuesioner dari pernyataan nomor satu dapat dilihat pada tabel berikut.

Tabel 4.10 Hasil Data Pernyataan Kuesioner (4)

Jawaban Skor Responden

Jumlah Skor (Skor x Jumlah

Responden)

Sangat Setuju 5 30 150

Setuju 4 15 60

Ragu-ragu 3 5 15

Tidak Setuju 2 0 0

Sangat Tidak

Setuju

1 0 0

Total 225

Jika semua responden (50 orang responden) menjawab Sangat Setuju, maka jumlah skor ideal (kriterium) untuk seluruh item adalah 250 (diperoleh dari 5 x 50). Berdasarkan hasil penelitian, jumlah skor yang diperoleh adalah 225. Jadi berdasarkan data tersebut, maka tingkat persetujuan responden terhadap pernyataan nomor 4 adalah (225:250) x 100% = 90% dari yang diharapkan (100%). Jadi berdasarkan pengolahan data yang diperoleh dari 50 responden, maka rata-rata 225 terletak pada daerah Sangat Setuju. Secara kontinu dapat digambarkan sebagai berikut :

Gambar ‎0.4 Hasil Rata-rata Pernyataan Kuesioner (4)

5) Pernyataan no.5 : “Materi yang ada pada aplikasi ini mudah dipahami oleh

peserta pelatihan.”

Untuk hasil pengolahan data kuesioner dari pernyataan nomor satu dapat dilihat pada tabel berikut.

Tabel 4.11 Hasil Data Pernyataan Kuesioner (5)

Jawaban Skor Responden

Jumlah Skor (Skor x Jumlah

Responden)

Sangat Setuju 5 29 145

Setuju 4 15 60

Ragu-ragu 3 6 18

Tidak Setuju 2 0 0

Sangat Tidak

Setuju

1 0 0

Total 223

Jika semua responden (50 orang responden) menjawab Sangat Setuju, maka jumlah skor ideal (kriterium) untuk seluruh item adalah 250 (diperoleh dari 5 x 50). Berdasarkan hasil penelitian, jumlah skor yang diperoleh adalah 223. Jadi berdasarkan data tersebut, maka tingkat persetujuan responden terhadap pernyataan nomor 5 adalah (223:250) x 100% = 89,2% dari yang diharapkan

99

99

(100%). Jadi berdasarkan pengolahan data yang diperoleh dari 50 responden, maka rata-rata 223 terletak pada daerah Sangat Setuju. Secara kontinu dapat digambarkan sebagai berikut :

Gambar ‎0.5 Hasil Rata-rata Pernyataan Kuesioner (5)

6) Pernyataan no.6 : “Video materi yang terdapat dalam aplikasi ini dapat membantu peserta pelatihan dalam memahami materi.”

Untuk hasil pengolahan data kuesioner dari pernyataan nomor satu dapat dilihat pada tabel berikut.

Tabel 4.12 Hasil Data Pernyataan Kuesioner (6)

Jawaban Skor Responden

Jumlah Skor (Skor x Jumlah

Responden)

Sangat Setuju 5 26 130

Setuju 4 16 64

Ragu-ragu 3 8 24

Tidak Setuju 2 0 0

Sangat Tidak Setuju 1 0 0

Total 218

Jika semua responden (50 orang responden) menjawab Sangat Setuju, maka jumlah skor ideal (kriterium) untuk seluruh item adalah 250 (diperoleh dari

5 x 50). Berdasarkan hasil penelitian, jumlah skor yang diperoleh adalah 218. Jadi berdasarkan data tersebut, maka tingkat persetujuan responden terhadap pernyataan nomor 6 adalah (218:250) x 100% = 87,2% dari yang diharapkan (100%). Jadi berdasarkan pengolahan data yang diperoleh dari 50 responden, maka rata-rata 218 terletak pada daerah Sangat Setuju. Secara kontinu dapat digambarkan sebagai berikut :

Gambar ‎0.6 Hasil Rata-rata Pernyataan Kuesioner (6)

7) Pernyataan no.7 : “Pemilihan menu dalam aplikasi ini dapat menjadi daya tarik terhadap peserta pelatihan karena diharuskan menginputkan suara

sesuai dengan yang diperintahkan.”

Untuk hasil pengolahan data kuesioner dari pernyataan nomor satu dapat dilihat pada tabel berikut.

Tabel 4.13 Hasil Data Pernyataan Kuesioner (7)

Jawaban Skor Responden

Jumlah Skor (Skor x Jumlah

Responden)

Sangat Setuju 5 21 105

Setuju 4 29 116

Ragu-ragu 3 0 0

101

101

Sangat Tidak

Setuju

1 0 0

Total 221

Jika semua responden (50 orang responden) menjawab Sangat Setuju, maka jumlah skor ideal (kriterium) untuk seluruh item adalah 250 (diperoleh dari 5 x 50). Berdasarkan hasil penelitian, jumlah skor yang diperoleh adalah 221. Jadi berdasarkan data tersebut, maka tingkat persetujuan responden terhadap pernyataan nomor 7adalah (221:250) x 100% = 88,4% dari yang diharapkan (100%). Jadi berdasarkan pengolahan data yang diperoleh dari 50 responden, maka rata-rata 221 terletak pada daerah Sangat Setuju. Secara kontinu dapat digambarkan sebagai berikut :

Gambar ‎0.7 Hasil Rata-rata Pernyataan Kuesioner (7)

Mengetahui sejauh mana kualitas sistem pada aplikasi yang dibangun,apakah sudah memenuhi harapan atau belum. Untuk itu dalam

iii

KATA PENGANTAR

Dengan memanjatkan puji dan syukur kehadirat Allah SWT atas segala rahmat dan karunia-Nya serta kemudahan kepada penulis sehingga dapat menyelesaikan tugas akhir dengan judul “Pembangunan Aplikasi Multimedia Interaktif Pertolongan Pertama Pada Kecelakaan (PMI Bandung)” sebagai syarat untuk menyelesaikan program studi Strata I jurusan Teknik Informatika pada Fakultas Teknik dan Ilmu Komputer di Universitas Komputer Indonesia. Dalam penyusunan laporan tugas akhir ini, penulis menyadari bahwa masih banyak kekurangan dan jauh dari kata sempurna. Namun penulis berharap laporan tugas akhir ini dapat berguna khususnya bagi penulis dan umumnya bagi pembaca. Berkat bantuan dan dukungan dari berbagai pihak tugas akhir ini dapat terselesaikan sebagai mana mestinya. Untuk itu saya mengucapkan terima kasih yang sebesar – besarnya kepada :

1. Allah SWT atas segala kehendaknya sehingga tugas akhir ini dapat terselesaikan, atas kelancaran dan kemudahan selama pengerjaan tugas akhir ini, atas pemberian kekuatan dan kesabaran yang tiada tara.

2. Mama yang selalu bersedia mendengarkan keluh kesah, Papa yang selalu siap membantu bagaimanapun situasi dan kondisinya, adik laki-lakiku dengan sejuta kejahilannya serta untuk kakak perempuan dan adik perempuanku yang akan selalu ada sampai kapanpun, untuk kalian yang telah memberikan perhatian, cinta, kasih sayang, kalian adalah kekuatan terbesar untuk bisa melalui semua ini, untuk dorongan, nasihat serta doa yang tulus dan tanpa batas, dan keluarga besar tercinta yang selalu membantu memberikan semangat dan dorongan serta doa.

3. Bapak Iskandar Ikbal,S.Kom.,M.Kom selaku dosen pembimbing yang telah membimbing penulis selama pembuatan laporan tugas akhir ini.

4. Ibu Dian Dharmayanti,S.T.,M.Kom selaku penguji yang telah memberikan banyak masukan dan dengan sabar mengkoreksi laporan tugas akhir penulis.

iv

5. Bapak Hanhan Maulana,S.Kom.,M.Kom selaku penguji yang telah bersedia memberikan masukan terkait materi tugas akhir penulis.

6. Bapak Eko Budi Setiawan,S.Kom.,M.T., selaku dosen wali kelas IF-7 yang telah membimbing penulis dari semester pertama

7. Riferil Cyber (Hilda Puspa Salim, Nira Septisari Tanjung, Yoga Kristino, Ahmad Soni Julpikar) yang telah membantu, menemani dan memberikan dukungannya dalam pembuatan tugas akhir ini.

8. Firda Alfiyani W, Fauzia Ramadani, Indah Mayasari dan Merriel Lushena yang telah bersedia membantu, meluangkan waktu sehingga tugas akhir ini dapat selesai.

9. Teman-teman kelas IF07 angkatan 2011 yang telah memberikan banyak pelajaran dan pengalaman selama perkuliahan, untuk dukungan yang selalu ada.

10.Rita Andiyani teman, sahabat terbaik yang selalu ada. Terima kasih selalu dapat meluangkan waktunya untuk apapun itu, untuk dukungan, untuk saran untuk selalu mengingatkan demi kebaikan.

11.Morrfina (Melida (Memey), Yulia (Ocha), Ryan, Fuji (Zya), Isna, Narfah, Agi) yang telah menjadi sahabat semenjak disekolah menengah pertama dan selalu ada untuk saat ini. Terima kasih untuk doa, semangat serta dukungan yang sudah diberikan baik secara langsung maupun tidak langsung.

12.Siti Mei Saroh dan Happy Dwi Utami terima kasih untuk segala bentuk dukungan yang sudah diberikan dalam bentuk apapun, untuk selalu mendoakan dan mengingatkan agar tidak menyerah.

13.Syass sahabat seperjuangan, berawal dari sekolah menengah atas yang sama, teman bertukar pikiran yang sering kali berbeda pendapat namun pada akhirnya selalu ada alasan untuk kembali bertegur sapa. Terima kasih masih bersedia menjadi sahabat terbaik walaupun keadaan tidak selalu seperti yang diinginkan.

14.“Audrey”, “Adonia” dan “Mazys” terima kasih untuk waktu yang sudah diberikan, untuk bersedia mendengarkan setiap kata demi kata, untuk canda dan tawa yang selalu ada.

v

15.Robiatun dengan humor -humor yang khas dan itu sangat membantu canda tawa yang selalu ada, untuk dukungan dalam bentuk apapun.

16.Kakak terima kasih untuk selalu berdoa, memberikan dukungan, untuk tidak letih mengingatkan, memberikan saran walaupun tidak selalu didengar, untuk pelajaran hidup yang senantiasa diberikan, untuk semua cerita yang pernah ada. Walaupun banyak perbedaan tapi semoga tidak menjadi alasan untuk tetap satu tujuan.

17.Lobbon yang selalu bersedia untuk mengorbankan waktu, tenaga dan segalanya, yang selalu membantu baik secara langsung maupun tidak langsung, yang selalu ada meskipun tidak selalu ada secara fisik, yang selalu bisa memberikan dukungan dalam bentuk apapun.

Penulis menyadari bahwa Tugas Akhir ini masih jauh dari kesempurnaan, oleh karena itu, penulis mengharapkan kritik dan saran yang sifatnya membangun sehingga dapat menyempurnakan Tugas Akhir ini dimasa mendatang.

Akhir kata, semoga penulisan Tugas Akhir ini dapat bermanfaat bagi para pembacanya.

Bandung, Februari 2016