28
4.1.1.2 DFD level 1
psikolog testee
2
Verifikasi user
5
Memeriksa kelengkapan
jawaban terhadap soal
Password psikolog Username psikolog
Password testee User name testee
Status_login psikolog Status_login testee
soal epps norma epps
password User name
1
Menyimpan data user
Data diri Psikolog Data diri testee
Status register psikolog Status register testee
Grafik Informasi selesai tes
7
Perhitungan hasil TES
EPPS informasi
jawaban lengkap
Gambar 4.2 DFD level 1
user
D1
Data User Terekam
3
Menyimpan soal epps
soal
D2
Soal epps terekam Soal epps lengkap
4
Menyimpan norma epps
norma
D3
Norma EPPS norma terekam
6
Menyimpan jawaban
jawaban
D4
jawaban terekam jawaban
29
4.1.1.3 DFD level 2
level 2 proses 7 input
4.1.1.4 Process Specification P.Spec
P.SPEC 1.1 Menyimpan data user INPUT : Data diri User
OUTPUT : status register
PROSES : 1.
User psikolog atau testee akan dihadapkan pada form isian data diri.
DATA SCORING
GRAFIK
7.3
Mengkonversi scoring
norma epps
7.2
Menghitung scoring
sampai hasil Jumlah konsistensi
7.1
Menghitung konsistensi
informasi jawaban lengkap
Gambar 4.3 DFD level 2 proses 7
jawaban
30 2.
Setelah itu user akan memasukan data diri ke dalam sistem melalui form tadi.
3. Sistem akan mengecek apakah user ini memenuhi syarat dan
ketentuan atau tidak, jika memenuhi maka akan diberikan status register berhasil dari sistem, jika tidak akan muncul peringatan
salahnya. P.SPEC 1.3 Memeriksa kelengkapan jawaban terhadap soal
INPUT : jawaban dan soal OUTPUT
: status tes PROSES :
1. Psikolog memasukan soal ke dalam sistem sesuai dengan jumlah
soal yang ada. 2.
Setelah itu teser memasukan jawaban ke dalam sistem. 3.
Sistem akan mengecek jumlah jawaban yang dimasukan oleh user, jawaban yang ada harus sama dengan jumlah soal.
P.SPEC 1.2 Verifikasi user INPUT : username dan password
OUTPUT : status login
PROSES : 1.
User memasukan username dan password yang dimiliki. 2.
Setelah selesai, user akan menekan tombol login, maka sistem akan mencocokan username dan password yang ada ke dalam
31 database user yang nantinya jika cocok maka user tersebut dapat
login sebagai psikolog atau teser yang ada.
P.SPEC 1.5.1 Menghitung Scoring INPUT : Verifikasi Jawaban dan data konsistensi
OUTPUT : Data scoring PROSES :
1. Sistem akan menghitung nilai row r, colom c, dan sum s
ketika data konsistensi didapatkan sehingga sistem dapat mengolah data verifikasi jawaban
2. Sistem akan terlebih dahulu menghitung nilai r. Perhitungan
nilai r ini dilakukan dengan cara menjumlahkan semua jawaban A yang ada pada baris yang dihitung, kecuali jawaban yang
sudah dipakai untuk menghitung konsistensi. 3.
Setelah nilai r sistem kemudian menghitung nilai c. Perhitungan nilai c ini dilakukan dengan cara menjumlahkan semua jawaban
B yang ada pada colom yang dihitung, kecuali jawaban yang sudah dipakai untuk menghitung konsistensi.
4. Kemudian yang terakhir adalah sistem akan menghitung sum
yaitu penjumlahan dari nilai r dan nilai c. Nilai s inilah yang nantinya digunakan didalam perhitungan selanjutnya atau bisa
dibilang s ini adalah data scoring.
32 P.SPEC 1.5.2 Mengkonversi Scoring
INPUT : Data Scoring norma EPPS OUTPUT : Grafik
PROSES : 1.
Sistem akan merubah nilai atau data scoring ini berdasarkan usia.
2. Sistem ini dalam merubah data scoring yang ada ini berdasarkan
pedoman norma yang telah ditetapkan sebelumnya. 3.
Kemudian sistem akan meneruskan data norma data yang sudah dikonversi tadi ke dalam bentuk grafik.
4. Pembentukan grafik ini hanya memasukan nilai yang ada tadi
kedalam format grafik yang sudah ditentukan. Menghitung konsistensi
INPUT : Jawaban OUTPUT : jumlah konsistensi
PROSES : 1.
Sistem akan membandingkan dua jawaban, antara jawaban yang terkena garis merah dengan jawaban yang terkena garis biru
yang terletak pada garis yang sama.jika sama , maka baris tersebut akan mendapat nilai 1 dan jika tidak maka baris tersebut
akan mendapatkan nilai 0.
33 2.
Kemudian sistem akan menghitung jumlah hasil perbandingan tadi dengan cara menjumlahkan semua nilai yang ada dalam
baris itu.
4.1.2
Conceptual
Design
Tahap ini digunakan untuk mendeskripsikan organisasi data pada abstraksi level tinggi dan tidak memperhatikan aspek-aspek implementasi.
Conceptual model yang popular dipakai saat ini adalah ER model. Dibawah ini adalah ER model dari system tes EPPS :
User
Hasil_analisa
nama Alamat
usia pendidikan
Id_user
Mengerjakan
status
Id_hasil_analisa hasil
User
username password
tanggal_test
soal
Id_soal Nomer_soal
Pilihan_a Pilihan_b
jawaban
Memiliki
tanggal 1
foto
Jenis_kelamin tanggal_daftar
kode_instansi keterangan_tes
instansi tempat_tes
Jabatan
jenis_kelamin waktu_test
Gambar 4.4 ER Diagram
34
4.1.3 Logical Design.
Tahap ini
merupakan tahapan
logical pertama
untuk menterjemahkan conceptual skema ke model yang sesuai dengan DBMS
yang digunakan. Tahap ini merepresentasikan data dalam suatu cara yang tidak melibatkan physical details. Ada 4 tahap pertama yang harus
dilakukan secara berurutan : a.
Analisis Redudansi b.
Hilangkan Generalisasi c.
Memecahkan atau menyatukan entitas–entitas dan relasi – relasi d.
Tetapkan Primary Key
4.1.3.1 Analisis Redudansi
Pada
conceptual
model diatas dapat dilihat bahwa tidak ada data yang redudansi sehingga tidak ada data yang perlu dihapus atau
dipindahkan.
4.1.3.2 Hilangkan Generalisasi
Pada
conceptual
model, dapat dilihat bahwa tidak ada entity yang perlu di hilangkan generalisasinya.
4.1.3.3 Memecahkan atau menyatukan entitas – entitas dan relasi –
relasi
Pada tahap ini adalah tahap restrukturisasi entity. Restrukturisasi ini berfungsi untuk memudahkan pengaksesan data. Restrukturisasi ini
35 terjadi pada tabel user. Tabel user ini nantinya akan terbagi menjadi 2
yaitu user dan keterangan test.
4.1.3.4 Tetapkan Primary key
Tahap ini merupakan bagian penting untuk menentukan sebuah kunci pada masing-masing entitas. Jika dilihat dari conceptual model
yang ada, tidak ada primary key yang dobel atau kosong, masing –
masing entity memiliki 1 primary key.
Tahap selanjutnya adalah tahap untuk mengubah ER model menjadi Relation model. Sebelum masuk ke relational model, tabel-tabel
yang sudah ada harus dinormalisasikan. Dari tabel-tabel diatas, hanya tabel user yang perlu dinormalisasikan menjadi normalisasi 2NF. Dibawah ini
akan dijelaskan normalisasi untuk tabel user : a.
Tabel user sudah dikatakan normal 1 1NF karena pada baris dan kolom di tabel user hanya memiliki 1 data.
b. Pada 2NF, tabel user akan dibagi menjadi 2 tabel dikarenakan pada
tabel user memiliki atribut-atribut yang bukan primery key yang bergantung penuh dengan primary key pada tabel user.
Gambar 4.5 Normalisasi tabel user 1
Kategori