44
a. Ujicoba merupakan proses eksekusi program dengan tujuan menemukan
kesalahan. b.
Sebuah ujicoba kasus yang baik adalah yang memiliki probabilitas yang tinggi dalam menemukan kesalahan-kesalahan yang belum terungkap.
c. Ujicoba yang berhasil adalah yang mengungkap kesalahan yang belum ditemukan.
Sehingga tujuan dari ujicoba ini adalah mendesain serangkaian tes yang secara sistematis mengungkap beberapa jenis kesalahan yang berbeda dan melakukannya
dalam waktu dan usaha minimum. Manfaat lain dari pengujian adalah menunjukkan bahwa fungsi perangkat lunak telah bekerja sesuai spesifikasi dan kebutuhan fungsi
telah tercapai.
4.2.1. Blackbox testing
Metode ujicoba blackbox memfokuskan pada keperluan fungsional dari software. Ujicoba blackbox memungkinkan pengembang software untuk himpunan kondisi
input yang akan melatih seluruh syarat-syarat fungsional suatu program. Ujicoba blackbox bukan merupakan alternatif dari ujicoba whitebox, tetapi merupakan
pendekatan yang melengkapi untuk menemukan kesalahan lainnya, selain menggunakan metode whitebox.
Ujicoba blackbox berusaha untuk menemukan kesalahan dalam beberapa kategori, diantaranya:
a. Fungsi-fungsi yang salah atau hilang.
b. Kesalahan interface.
c. Kesalahan dalam struktur data atau akses database eksternal.
d. Kesalahan performa.
e. Kesalahan inisialisasi dan terminasi
Tidak seperti pada metode whitebox yang dilaksanakan diawal proses, ujicoba blackbox diaplikasikan dibeberapa tahapan berikutnya. Karena ujicoba blackbox
dengan sengaja mengabaikan struktur kontrol, sehingga perhatiannya difokuskan pada informasi domain. Dengan mengaplikasikan ujicoba blackbox, diharapkan dapat
menghasilkan sekumpulan kasus uji yang memenuhi kriteria berikut: 1.
Kasus uji yang berkurang, jika jumlahnya lebih dari satu, maka jumlah dari ujikasus tambahan harus didesain untuk mencapai ujicoba yang cukup beralasan.
Universitas Sumatera Utara
45
2. Kasus uji yang memberitahukan sesuatu tentang keberadaan atau tidaknya suatu
jenis kesalahan, daripada kesalahan yang terhubung hanya dengan suatu ujicoba yang spesifik. Ayuliana, 2009.
Tampilan menu Metode dapat dilihat pada gambar 4.2.1.
Gambar 4.2.1. Tampilan menu Metode
4.2.2. Pengujian proses AHP
Dalam sub-menu AHP ini terdapat form hitung, pada form ini terlebih dahulu dipilih kriteria yang akan dihitung untuk menampilkan bobot nilai alternatif di button
pairwise comparison. Tampilan form hitung alternatif untuk kriteria IMT dapat dilihat pada gambar 4.2.2.
Gambar 4.2.2. Tampilan form hitung alternatif untuk kriteria IMT
Di form hitung alternatif setelah memilih kriteria IMT dan menampilkan hasil seperti pada gambar 4.2.2. Lalu user mengklik button hitung, maka akan
menampilkan hasil perhitungan alternatif kriteria IMT seperti pada gambar 4.2.3.
Universitas Sumatera Utara
46
Gambar 4.2.3. Tampilan form hitung alternatif untuk hasil perhitungan kriteria IMT
Dalam sub-menu AHP ini terdapat form hitung, pada form ini terlebih dahulu dipilih kriteria yang akan dihitung untuk menampilkan bobot nilai alternatif di button
pairwise comparison. Tampilan form hitung alternatif untuk kriteria Lingkar Pinggang dapat dilihat pada gambar 4.2.4.
Gambar 4.2.4. Tampilan form hitung alternatif untuk kriteria lingkar pinggang
Universitas Sumatera Utara
47
Setelah memilih kriteria lingkar pinggang, user mengklik button hitung, maka akan menampilkan hasil perhitungan alternatif kriteria Lingkar Pinggang seperti pada
gambar 4.2.5.
Gambar 4.2.5. Tampilan form hitung alternatif untuk hasil perhitungan kriteria lingkar pinggang
Dalam sub-menu AHP ini terdapat form hitung, pada form ini terlebih dahulu dipilih kriteria yang akan dihitung untuk menampilkan bobot nilai alternatif di button
pairwise comparison. Misalkan memilih kriteria Lingkar Panggul lalu akan tampil nilai bobotnya. Dibagian keterangan, menampilkan nama-nama responden yang diberi
kode. Tampilan form hitung alternatif untuk kriteria Lingkar Panggul dapat dilihat pada gambar 4.2.6.
Universitas Sumatera Utara
48
Gambar 4.2.6. Tampilan form hitung alternatif untuk kriteria lingkar panggul
Di form hitung alternatif setelah memilih kriteria lingkar panggul dan menampilkan hasil seperti pada gambar 4.2.6. Lalu user mengklik button hitung, maka akan
menampilkan hasil perhitungan alternatif kriteria Lingkar Pinggang seperti pada gambar 4.2.7.
Gambar 4.2.7. Tampilan form hitung alternatif untuk hasil perhitungan kriteria lingkar panggul
Universitas Sumatera Utara
49
Dalam sub-menu AHP ini terdapat form hitung, pada form ini terlebih dahulu dipilih kriteria yang akan dihitung untuk menampilkan bobot nilai alternatif di button
pairwise comparison. Misalkan memilih kriteria lingkar leher lalu akan tampil nilai bobotnya. Dibagian keterangan, menampilkan nama-nama responden yang diberi
kode. Tampilan form hitung alternatif untuk kriteria Lingkar Leher dapat dilihat pada gambar 4.2.8.
Gambar 4.2.8. Tampilan form hitung alternatif untuk kriteria lingkar leher
Di form hitung alternatif setelah memilih kriteria Lingkar Leher dan menampilkan hasil seperti pada gambar 4.2.8. Lalu user mengklik button hitung, maka akan
menampilkan hasil perhitungan alternatif kriteria Lingkar Leher seperti pada gambar 4.2.9. berikut ini:
Universitas Sumatera Utara
50
Gambar 4.2.9. Tampilan form hitung alternatif untuk hasil perhitungan kriteria lingkar leher
Setelah melakukan perhitunga alternatif setiap kriteria, lalu akan dihitung hasil perhitungan matrtiks global. Maka akan didapatkan hasil ranking seperti pada gambar
4.2.10.berikut ini:
Gambar 4.2.10. Tampilan form hitung alternatif untuk hasil
Universitas Sumatera Utara
51
Tidak jauh berbeda dengan langkah-langkah proses perhitungan kriteria, untuk matriks berpasangan alternatif, langkah-langkah yang dilakukan sama dengan matrik
berpasangan kriteria. Hanya saja, untuk dapat menentukan peringkat satu dalam pemilihan peringkat obesitas ini, dilakukan perhitungan matriks global untuk
mendapatkan hasil perankingan. Perhitungan matriks global dapat dilihat pada tabel 4.4.7. berikut ini:
Tabel 4.4.7. Perhitungan matriks global
1 2
3 4
5 6
7 8
9 10
Kriteria Prioritas
A B
C D
E F
G H
I J
IMT 0,598
0,039 0,019
0,027 0,078
0,210 0,056
0,290 0,019
0,152 0,109
Lpi 0,209
0,017 0,024
0,035 0,076
0,210 0,053
0,290 0,035
0,151 0,108
Lpa 0,133
0,025 0,018
0,038 0,152
0,109 0,078
0,291 0,025
0,210 0,055
Lle 0,060
0,024 0,024
0,024 0,128
0,191 0,081
0,245 0,120
0,085 0,055
Setelah mengisi tabel perhitungan matriks global yang didapat dari eigen vector tiap alternatif. Lalu hitung nilai prioritas dengan nilai eigen vector tiap kriteria
untuk mendapatkan jumlah dan hasil perankingan. Langkah-langkah perhitungannya adalah menjumlahkan nilai kolom kriteria dikali nilai kolom A dan seterusnya seperti
berikut ini: 1.
A = 0,598 x 0,039+0,209 x 0,017+0,133 x 0,025+0,060 x 0,024 = 0.032 2.
B = 0,598 x 0,019+0,209 x 0,024+0,133 x 0,018+0,060 x 0,024 = 0,020 3.
C = 0,598 x 0,027+0,209 x 0,035+0,133 x 0,038+0,060 x 0,036 = 0,031 4.
D = 0,598 x 0,078+0,209 x 0,067+0,133 x 0,152+0,060 x 0,128 = 0,090 5.
E = 0,598 x 0,210+0,209 x 0,210+0,133 x 0,109+0,060 x 0,191 = 0,195 6.
F = 0,598 x 0,056+0,209 x 0.053+0,133 x 0.078+0,060 x 0.081 = 0,060 7.
G = 0,598 x 0,290+0,209 x 0,290+0,133 x 0.291+0,060 x 0.245 = 0,287 8.
H = 0,598 x 0,019+0,209 x 0,035+0,133 x 0,025+0,060 x 0,120 = 0,029 9.
I = 0,598 x 0,152+0,209 x 0,151+0,133 x 0,210+0,060 x 0,085 = 0,155 10.
J = 0,598 x 0,109+0,209 x 0,108+0,133 x 0,055+0,060 x 0,055 = 0,098 Dari hasil perjumlahan tersebut, dapat ditentukan hasil perangkingan, seperti
pada tabel 4.4.8.
Universitas Sumatera Utara
52
Tabel 4.4.8. Hasil perankingan
No Kode Alternatif
Nilai Ranking
1 G
Shahira An-nisa 0.290
1 2
E Novita Sari
0.195 2
3 I
Annisa Fadillah 0.156
3 4
J Ita Sharoni
0.098 4
5 D
Windi Saputri 0.091
5 6
F Lily Aulia
0.058 6
7 A
Nurhasanah 0.032
7 8
C Dewi Zahra
0.031 8
9 H
Dessy Yusvika 0.030
9 10
B Neno Rama
0.020 10
4.2.3. Pengujian proses Fuzzy Mamdani
Dalam form Fuzzy Mamdani, akan ditampilkan hasil proses perhitungan dengan metode Fuzzy Mamdani. Langkah-langkah dalam penyelesaian dengan metode Fuzzy
Mamdani adalah sebagai berikut: 1.
Menentukan data responden. Dapat dilihat pada tabel 4.4.1. 2.
Menentukan fungsi derajat keanggotaan tiap variabel dengan himpunan fuzzy seperti pada tabel 3.3.1.
3. Menghitung fungsi keanggotaan setiap variabel berupa, dapat dilihat pada gambar
3.3.1., gambar 3.3.2., gambar 3.3.3. dan gambar 3.3.4. 4.
Menghitung nilai fungsi keanggotaan tiap variabel. a.
Indek massa tubuh
Tabel 4.4.9. Nilai fungsi keanggotaan indek massa tubuh
Rendah = 20 Normal = 30
Tinggi = 40 20, nilai fuzzy = 1
= 30, nilai fuzzy = 1 40, nilai fuzzy = 1
20 30 maka x
– min max - min 22.86
– 20 30 - 20 2.86 10 = 0.286
30 40 maka max - x max - min
Universitas Sumatera Utara
53
b. Lingkar pinggang
Tabel 4.4.10. Nilai fungsi keanggotaan lingkar pinggang
Rendah = 75 Normal = 85
Tinggi = 105 75, nilai fuzzy = 1
= 85, nilai fuzzy = 1 105, nilai fuzzy = 1
75 85 maka y
– min max-min 85 105 maka
max - y max
– min 1.000
77 – 75 85 – 75
2 10 = 0.200
c. Lingkar panggul
Tabel 4.4.11. Nilai fungsi keanggotaan lingkar panggul
Rendah = 75 Normal = 85
Tinggi = 105 75, nilai fuzzy = 1
= 85, nilai fuzzy = 1 105, nilai fuzzy = 1
75 85 maka z
– min max - min 85 105 maka
Max - z max
– min 1.000
83 – 75 85 – 75
8 10 = 0.800
d. Lingkar leher
Tabel 4.4.12. Nilai fungsi keanggotaan lingkar leher
Rendah = 34 Normal = 37
Tinggi = 40 34, nilai fuzzy = 1
= 37, nilai fuzzy = 1 40, nilai fuzzy = 1
34 37 maka w
– min max – min 37 40 maka
max - w max - min
1.000
5. Membentuk rule setiap alternatif dan hasil prediksi.
6. Menentukan nilai minimum dari fungsi keanggotaan dengan menggunakan fungsi
implikasi, contoh: aX = min µ IMT, µ LPi, µ LPa, µ LLe
= min 0.286 , 1.000, 1.000, 1.000
= 0.286
7. Menentukan α predikat
Mencari α predikat untuk setiap aturan sebelum melakukan inferensi, yaitu: Nilai prediksi:
Rendah = 50 Tinggi
= 100
Universitas Sumatera Utara
54
z1 = z
min
– a1 z
max
– z
min
= 50 – 0.286 100 – 50
= 35.70
8. Defuzzifikasi penegasan
Menghitung defuzzifikasi
= .
+ . + .
+ . + .
+ . . + . + .
+ . +
. +
+ +
+ +
+ +
+ +
= . . + .
. + . . + .
. + . .
+ . . + .
. + . . + .
. + .
. .
+ . + .
+ . + .
+ . + .
+ . + .
+ . =
. + . + . + . + . + . + . + . + . + . .
= . = �.�
Tabel 4.4.13. Hasil perankingan dengan metode Fuzzy Mamdani
Nilai Nama
90.00 Annisa Fadillah
83.35 Novita Sari
47.50 Shahira An-nisa
Untuk form Fuzzy Mamdani, menampilkan data responden, fungsi derajat keanggotaan, fuzzifikasi, defuzzifikasi dan hasil perangkingan. Dapat dilihat pada
gambar 4.2.11.
Universitas Sumatera Utara
55
Gambar 4.2.11. Tampilan form Fuzzy Mamdani
4.2.4. Perbandingan
Dalam form perbandingan ini, ditampilkan hasil perbandingan perhitungan antara algoritma AHP dengan Fuzzy Mamdani dengan membandingkan kecepatan
perhitungan diantara keduanya. User mengklik button hitung lalu sistem akan menampilkan hasil perhitungan metode AHP dan Fuzzy Mamdani. Dapat dilihat pada
gambar 4.2.12. bahwa dari hasil perhitungan diantara metode AHP dan Fuzzy Mamdani lebih cepat perhitungan metode Fuzzy Mamdani.
Gambar 4.2.12. Tampilan form perbandingan
Universitas Sumatera Utara
56
BAB 5 KESIMPULAN DAN SARAN