Hasil Implementasi dan Pembahasan

7 Gambar 4 DFD Level 1 Pemodelan Klasifikasi DFD Level 1 menunjukan proses kerja pemodelan sistem klasifikasi daerah rawan pangan. Pada gambar 4, admin diharuskan melakukan login terlebih dahulu untuk mengakses data. Setelah admin berhasil melakukan login, admin meng-update data dalam basis data dan data tersebut dihitung oleh sistem. Kemudian hasil masukkan yang sudah dihitung ditampilkan dalam bentuk peta. User menganalisis peta hasil perhitungan fungsi Gistatistik dengan membandingkan peta. DFD Level 2 menjelaskan proses perhitungan Gistatistik, di mana data yang diupdate oleh admin kemudian dihitung berdasarkan tetangga terdekat dari kecamatan yang terpilih sebagai hotspot. Admin 3.2 Pengelolaan Data 3.1 Hitung Dengan Metode Tetangga terdekat I Tetangga terdekat VI Tetangga Terdekat V Tetangga terdekat IV Tetangga terdekat III Tetangga terdekat II Tbl Data Update Data Lakukan Hitung Dihitung dihitung dihitung dihitung dihitung Dihitung Pilih Update Hasil Hitungan Tampilkan Peta Gambar 5 DFD Level 2 Pemodelan Klasifikasi

4. Hasil Implementasi dan Pembahasan

Hasil dari pengembangan pemodelan pola spasial daerah rawan pangan yakni berupa peta spasial. Tampilan awal dari pemodelan ini berupa halaman web yang dapat diakses oleh user dan admin seperti Gambar 6. 8 Gambar 6 Tampilan Awal Web Untuk mengakses halaman admin, admin diharuskan login. Jika usename atau password salah maka admin kembali ke halaman login. Admin melakukan update data dengan cara memasukan file berekstensi .xls yang kemudian di ubah kedalam bentuk database. Setelah data disimpan di dalam database, data yang terupdate diolah menggunakan fungsi Gistatistik. Hasil pengolahan data ditampilkan dalam bentuk peta. Kode Program 1 Perintah untuk Menghitung Data dengan Gistatistik 1. query=select ras_kon from rkn; 2. result = mysql_queryquery or diemysql_error; 3. ras_kon = array; i=0; 4. while data= mysql_fetch_arrayresult { 5. ras_kon[i]=data[ras_kon]; 6. i++;} 7. query=select avgras_kon as avg from rkn; 8. result = mysql_queryquery or diemysql_error; 9. while data= mysql_fetch_arrayresult { 10. avg=data[avg];} 11. fori=0;icountras_kon;i++{ 12. z += powras_kon[i]-avg,2; 13. n=92; 14. s = zn;} 15. kat=array; i=0; 16. query=select kategori from rkn group by kategori; 17. result = mysql_queryquery or diemysql_error; 18. while data= mysql_fetch_arrayresult { 19. kat[i]= data[kategori]; i++;} 20. wij=array; 21. fori=0;icountkat;i++{ 22. query=select ras_kon from rkn where kategori =.kat[i].; 23. result = mysql_queryquery or diemysql_error; 24. while data= mysql_fetch_arrayresult { 25. ras_kat[i] += data[ras_kon];} 26. forj=0;j=i;j++ 27. wij[i]+= ras_kat[j];} 28. fori=0;icountkat;i++{ 29. query=select a.region from kecamatan a join rkn b where b.rkn_id=a.id and kategori =.kat[i].; 30. result = mysql_queryquery or diemysql_error; 31. while data= mysql_fetch_arrayresult { 32. wi=data[region]; 33. b= sqrtsn-1npowwi,2-powwi,2; 34. a= wij[i]-avgwi; 35. Z_kat[i] = ab;} 36. query=update rkn set Z_ras = .Z_kat[i]. where kategori =.kat[i].; 37. result = mysql_queryquery or diemysql_error;} 9 Kode Program 1 menunjukan fungsi untuk menghitung data dengan menggunakan Gistatistik. Data yang diinput dihitung berdasarkan kategori tetangga terdekat. Sebelum diterapkan ke kode program, perhitungan dilakukan secara manual menggunakan Microsoft Office Excel. Kode Program 2 Perintah untuk Memberikan Warna Layer Peta Kode program 2 menunjukan fungsi untuk memeberikan warna layer pada peta Kabupaten Klaten. Pola peta divisualisasikan dengan warna yang berbeda beda sesuai dengan range nilai. Suatu daerah dikatakan bernilai tinggi apabila daerah tersebut dan tetangga memiliki nilai zGi +2, dan apabila suatu daerah memiliki nilai zGi -2 daerah tersebut dikatan daerah bernilai rendah. Penentuan warna dari nilai zGi dapat dilihat pada Tabel 2. Tabel 2 Keterangan Warna Legenda pada Pola zGi Kode Program 3 Perintah untuk Menentukan Warna berdasarkan Nilai zGi Kode Program 3 menjelaskan tentang fungsi penentuan warna untuk daerah Kabupaten Klaten berdasarkan nilai range zGi yang diperoleh. Sedangkan untuk membuat fungsi warna itu sendiri dijelaskan pada Kode Program 2. Daerah pemodelan klasifikasi rawan pangan dibagi menjadi lima kelompok, yakni : Range Nilai Warna ≤ -2 Ungu -1 -2 Biru Muda -0 -1 Kuning 0 1 Kuning Tua 1 2 Merah Muda ≥ +2 Merah 1. while row1 = mysql_fetch_arrayresult { 2. namaKec = row1[kecamatan]; 3. if row1[Z_ras] = -2 {data[namaKec] = 0; 4. } else if row1[Z_ras] = -1 row1[Z_ras -2] {data[namaKec] = 1; 5. } else if row1[Z_ras] -0 row1[Z_ras -1] {data[namaKec] = 2; 6. } else if row1[Z_ras] = 1 row1[Z_ras = 0] {data[namaKec] = 3; 7. } else if row1[Z_ras] = 2 row1[Z_ras 1] {data[namaKec] = 4; 8. } else if row1[Z_ras] 2 {data[namaKec] = 5; 9. }i++; 1. foreach _SESSION[data] as kec = kla { 2. objClassSur = ms_newClassObjobjLayerSur; 3. objClassSur-Setname, kec; 4. objClassSur-SetExpressionkec; 5. objStyleSur = ms_newStyleObjobjClassSur; 6. if data = null {switch data[kec]{ 7. case 0: 8. objStyleSur-color-setRGB163,73,164;break; 9. case 1: 10. objStyleSur-color-setRGB153,217,234;break; 11. case 2: 12. objStyleSur-color-setRGB255,255,32;break; 13. case 3: 14. objStyleSur-color-setRGB217,217,0;break; 15. case 4: 16. objStyleSur-color-setRGB255,174,201;break; 17. case 5: 18. objStyleSur-color-setRGB237,28,36;break; 10 Gambar 7 Petunjuk Klasifikasi Wilayah Rawan Pangan Gambar 7 menunjukan suatu wilayah dikatakan level 1 apabila, wilayah studi dan sekitarnya memiliki nilai zGi -2. Level 2 apabila suatu wilayah dan tetangga sekitarnya mempunyai zGi +2 dan zGi -2, kemudian dikatakan level 3 jika suatu wilayah mempunyai zGi = 1 sedangkan wilayah sekitar memiliki zGi -2. Suatu wilayah dikatakan level 4 jika suatu wilayah memiliki nilai zGi = 0 sedangkan tetangga sekitar memiliki rata-rata nilai zGi +2. Apabila suatu wilayah dikatakan level 5 jika wilayah studi dan daerah sekitarnya memiliki nilai zGi +2. Gambar 8 Pola RKN, Penduduk Miskin, dan Perempuan Buta huruf dengan Gi 11 Gambar 8 menunjukan bahwa daerah daerah Klaten Utara, Klaten Tengah, Klaten Selatan, Ngawen, Ceper, Trucuk dan Kalikotes termasuk pada kategori level resiko tinggi. Hasil keluaran perhitungan Gi statistik menunjukan warna merah muda zGi bernilai antara 1 - 2. Sehingga dapat diartikan, bahwa daerah-daerah tersebut kerawanan pangannya dipengaruhi oleh rasio konsumsi normatif, kemiskinan dan buta huruf. Gambar 9 Pola Rumah Tangga tanpa Akses Air dan Berat Badan Balita dibawah standar dengan Gi Pola yang terbentuk pada Gambar 9 menunjukan bahwa tingkat moderat di daerah Klaten Utara dan tetangga sekitarnya yang memiliki nilai lebih tinggi daripada nilai region lain. Menyebabkan indikator-indikator tersebut juga berpengaruh di daerah sekitar atau tetangga Klaten Utara. Gambar 10 Pola Angka Harapan Hidup dengan Gi Gambar 10 menunjukkan variable Angka Harapan Hidup di mana daerah Klaten Utara, Klaten Tengah, Klaten Selatan, Trucuk, Ngawen, Ceper, serta Kalikotes setelah dihitung dengan fungsi Gistatistik mempunya nilai zGi -2 sehingga dapat dikatakan daerah-daerah tersebut jika dilihat dari variable Angka Harapan Hidup tidak berpengaruh terhadap kerawanan pangan. Karena daerah- daerah tersebut termasuk pada tingkat level resiko rendah. Standar eror adalah standar deviasi dari rata-rata sampel. Rumus dari standar eror adalah sebagai berikut : 2 12 Keterangan : Sy = Standar error, S 2 = variance, N = jumlah data. Semakin kecil nilai standar eror maka sampel tersebut lebih akurat. Data pada ketahanan pangan yang dihitung menggunakan Gistatistik akan dicocokan dengan data dari Badan Ketahan Pangan Kabupaten Klaten untuk mengetahui valid atau tidak data yang dihitung menggunakan Gistatistik. Untuk mengetahui valid atau tidak, data dari perhitungan Gistatitik dan data Badan Ketahanan Pangan akan dihitung menggunakan standar eror. Data yang dipakai sudah dikalikan 100. Perhitungan standar eror data RKN pada perhitungan BKP dirumuskan sebagai berikut : Tabel 3 Perhitungan standar error data RKN pada perhitugan BKP Perhitungan standar error data RKN pada perhitungan Gistatistik dirumuskan sebagai berikut : Tabel 4 Perhitungan standar error data RKN pada perhitugan Gistatistik x rata-rata x-rata-rata x-rata-rata2 0,00 62,11538 -62,12 3858,32 0,00 62,11538 -62,12 3858,32 63,00 62,11538 0,88 0,78 63,00 62,11538 0,88 0,78 12,00 62,11538 -50,12 2511,55 134,00 62,11538 71,88 5167,40 134,00 62,11538 71,88 5167,40 76,00 62,11538 13,88 192,78 63,00 62,11538 0,88 0,78 0,00 62,11538 -62,12 3858,32 76,00 62,11538 13,88 192,78 134,00 62,11538 71,88 5167,40 134,00 62,11538 71,88 5167,40 x rata-rata x-rata-rata x-rata-rata2 2,00 2 0,00 0,00 1,00 2 -1,00 1,00 2,00 2 0,00 0,00 1,00 2 -1,00 1,00 3,00 2 1,00 1,00 2,00 2 0,00 0,00 2,00 2 0,00 0,00 1,00 2 -1,00 1,00 1,00 2 -1,00 1,00 1,00 2 -1,00 1,00 1,00 2 -1,00 1,00 2,00 2 0,00 0,00 1,00 2 -1,00 1,00 1,00 2 -1,00 1,00 1,00 2 -1,00 1,00 2,00 2 0,00 0,00 1,00 2 -1,00 1,00 3,00 2 1,00 1,00 3,00 2 1,00 1,00 1,00 2 -1,00 1,00 1,00 2 -1,00 1,00 3,00 2 1,00 1,00 6,00 2 4,00 16,00 2,00 2 0,00 0,00 7,00 2 5,00 25,00 1,00 2 -1,00 1,00 Jumlah 58,00 Variance 1,52 SE 0,242038985 13 34,00 62,11538 -28,12 790,47 12,00 62,11538 -50,12 2511,55 12,00 62,11538 -50,12 2511,55 12,00 62,11538 -50,12 2511,55 34,00 62,11538 -28,12 790,47 34,00 62,11538 -28,12 790,47 76,00 62,11538 13,88 192,78 34,00 62,11538 -28,12 790,47 76,00 62,11538 13,88 192,78 0,00 62,11538 -62,12 3858,32 134,00 62,11538 71,88 5167,40 134,00 62,11538 71,88 5167,40 134,00 62,11538 71,88 5167,40 Jumlah 65586,65 Variance 51,22 SE 1,403563912 Dari perhitungan standar eror antara data BKP dan Gistatistik didapatka hasil yakni untuk standar eror SE BKP sebesar 0,242 sedangkan standar eror SE Gistatistik sebesar 1,404. Dari hasil perbandingan standar eror SE antara data kerawanan pangan yang dihitung menggunakan Gistatistik dan BKP menunjukan bahwa nilai standar eror Gistatistik lebih tinggi daripada data dari BKP. Berarti data yang diperoleh dari data BKP lebih akurat dibanding dengan perhitunagn Gistatistik. Pengujian aplikasi dilakukan dengan menguji fungsi-fungsi dari aplikasi yang telah dibuat untuk mencari kesalahan pada sistem. Pengujian aplikasi dilakukan agar sistem yang dibuat berjalan sesuai dengan yang diharapkan dan dapat memenuhi kebutuhan pengguna. Pengujian alpha pada aplikasi ini menggunakan metode blackbox,yaitu pengujian fungsi-fungsi aplikasi secara langsung tana memperhatikan alur eksekusi program. Pengujian ini dilakukan dengan memperhatikan apakah fungsi telah berjalan sesuai rancangan dan sesuai yang diharapkan. Tabel 5 adalah hasil pengujian dari aplikasi yang telah dilakukan. Tabel 5 Hasil Pengujian Alpha Blacbox Fungsi yang diuji Kondisi Output yang diharapkan Output yang dihasilkan sistem Status pengujian Login Username dan password benar Username dan password salah maupun kosong Sukses login Gagal login Sukses login Gagal login Valid Input data Tabel database keadaan kosong Tabel database terisi Sukses input data Gagal input data Sukses input data Gagal input data Valid Fungsi Gistatistik Sesuai dengan pergitungan manual Microsoft Office Excel Sukses Sukses Valid Load peta Buka halaman peta Sukses load peta Sukses load peta Valid Berdasarkan pengujian yang dilakukan pada aplikasi web dapat dilihat status pengujian dari setiap fungsi valid, maka disimpulkan bahwa aplikasi ini berjalan dengan baik dan sesuai yang diharapkan. Pengujian beta dilakukan dengan memberikan kuesioner kepada pengguna yang dipilih secara acak, yang sebelumnya telah melihat demo mengenai aplikasi ini. Kuesioner ini digunakan untuk mengetahui penilaian pengguna terhadap aplikasi ataupun mengetahui bug yang ditemui pengguna. Selain itu, tujuan dari pengujian ini adalah untuk mengetahui apakah aplikasi sudah membantu dalam memberikan informasi kepada pengguna. Pengujian 14 dilakukan dengan membagikan kuesioner yang diberikan kepada 30 responden yang dipilih secara acak. Tabel 6 Hasil Jawaban Kuesioner No Pernyataan SS S CS TS STS 1 Aplikasi ini mudah digunakan 11 15 3 1 2 Tampilan, huruf dan gambar dari aplikasi ini dapat dilihat dengan jelas 5 9 14 2 3 Menu-menu pada aplikasi mudah dipahami 9 17 3 1 4 Aplikasi ini membantu memberikan informasi daerah yang berpotensi rawan pangan 13 9 8 5 Aplikasi ini bermanfaat memberikan informasi indikator yang berpengaruh di suatu daerah 14 6 10 Berdasarkan hasil dari pengisian kuisioner tersebut, dapat ditarik kesimpulan bahwa 50 sangat setuju bahwa aplikasi ini mudah digunakan, 46,67 cukup setuju bahwa tampilan, huruf dan gambar dari aplikasi ini dapat dilihat dengan jelas, 56,67 setuju bahwa menu pada aplikasi mudah dipahami, 43,33 sangat setuju bahwa aplikasi ini membantu memberikan informasi daerah yang berpotensi rawan pangan, 46,67 sangat setuju bahwa aplikasi ini bermanfaat memberikan informasi indikator yang berpengaruh di suatu daerah.

5. Simpulan