SKRIPSI TEKNIK INFORMATIKA IM PLEMENTASI
IMPLEMENTASI METODE A-STAR UNTUK PENCARIAN LOKASI TUMBUHAN BERBASIS WEB
(Studi Kasus Di Taman Kehati PT Pupuk Kujang)
SKRIPSI
Diajukan Untuk Memenuhi Salah Satu Syarat Kelulusan Program Pendidikan Strata Satu (S1)
Disusun Oleh: Nama: Ahmad Fauzi (43E57006135008) PROGRAM STUDI TEKNIK INFORMATIKA
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
(STMIK) KHARISMA KARAWANG
PERNYATAAN MENGENAI SKRIPSI
Dengan ini saya menyatakan bahwa skripsi dengan judul “Implementasi metode a-star untuk pencarian lokasi tumbuhan berbasis web ” adalah benar karya saya dengan arahan dari pembimbing dan belum diajukan di perguruan tinggi ataupun instansi manapun. Seluruh isi materi skripsi ini menjadi tanggung jawab penulis sepenuhnya.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada STMIK Kharisma Karawang.
Karawang, 31 Agustus 2017 Penulis,
Ahmad Fauzi NPM. 43E57006125029
PERSETUJUAN SKRIPSI IMPLEMENTASI METODE A-STAR UNTUK PENCARIAN LOKASI TUMBUHAN BERBASIS WEB
(Studi Kasus Di Taman Kehati PT Pupuk Kujang)
Nama
: Ahmad Fauzi
NPM
: 43E57006135008
Program Studi : Teknik Informatika
Karawang, 31 Agustus 2017 Disetujui Oleh :
Pembimbing I Pembimbing II
Supriyadi, S.T., M.Kom. Yessy Yanitasari, S.T., M.Kom NIDN. 0020068001
NIDN. 0023018501
Diketahui Oleh:
Ketua STMIK Kharisma Karawang Ketua Program Studi Teknik Informatika
Supini, S.T., M.Kom. Yessy Yanitasari, S.T., M.Kom NIK. 446300013
NIK. 446310063
PENGESAHAN SKRIPSI
Dinyatakan lulus Sidang Skripsi setelah dipertahankan di depan Tim Penguji Skripsi Program Studi Teknik Informatika STMIK Kharisma Karawang
Nama
: Ahmad Fauzi
NPM
: 43E57006135008
Program Studi
: Teknik Informatika
Judul SKRIPSI : Implementasi metode a-star untuk pencarian lokasi tumbuhan berbasis web (Studi Kasus Di Taman Kehati PT Pupuk Kujang)
Karawang, 30 September 2017 Disetujui Oleh :
Dosen Penguji I Dosen Penguji II
Dwi Agus Sasongko U. Tresna Lenggana NIDK. 8882700016
NIDN. 0409016106
KATA PENGANTAR
Segala puji dan syukur penulis panjatkan Kehadirat Illahi robbi Alloh SWT, atas berkat rahmat dan karunia-Nya lah penulis dapat menyelesaikan penyusunan laporan Magang ini yang berjudul “Implementasi metode a-star untuk pencarian lokasi tumbuhan berbasis web ”.
Laporan ini berisi mengenai pembuatan program serta penggunaannya pada Taman kehati PT Pupuk Kujang Cikampek. Penulis menyadari betul dalam penyusunannya masih banyak kekurangan mengingat keterbatasan pengalaman yang penulis miliki. Kritik dan saran senantiasa penulis harapkan demi kebaikan penulis untuk kedepannya. Semoga laporan Magang ini dapat bermanfaat bagi banyak pihak. Tidak lupa pula kami ucapkan terima kasih kepada:
1. Allah SWT yang selalu melimpahkan berkah-Nya kepada kami.
2. Kedua Orang Tua kami yang sangat berjasa kepada kami.
3. Ibu Supini, S.Kom.,MM. selaku Ketua STMIK Kharisma Karawang.
4. Ibu Yessy Yanitasari, ST., M.Kom. selaku Ketua Program Studi Teknik Informatika.
5. Bapak Supriyadi, ST., M.Kom. selaku Dosen Pembimbing I dan Ibu Yessy Yanitasari, ST., M.Kom selaku Dosen Pembimbing II yang telah membantu dan mengarahkan penulis.
6. Bapak Reyno selaku narasumber dari Taman Keanekaragaman Hayati PT Pupuk Kujang yang telah membantu dan berperan dalam pembangunan program yang penulis bangun.
7. Teman-teman Departemen Komunikasi Perusahaan PT Pupuk Kujang Cikampek.
8. Teman-teman Departemen K3LH PT Pupuk Kujang Cikampek
9. Dan semua yang berperan dalam penelitian yang tidak bisa penulis sebutkan satu persatu.
Karawang, Agustus 2017
Penulis Laporan Skripsi
ABSTRAKSI
AHMAD FAUZI. Implementasi metode a-star untuk pencarian lokasi tumbuhan berbasis web. Dibimbing oleh SUPRIYADI dan YESSY YANITASARI.
Pencarian rute terpendek menjadi salah satu masalah yang paling banyak dibahas dalam dunia informatika. Hal ini terkait dengan semakin meningkatnya kebutuhan transportasi, distribusi dan industri. Telah banyak metode dikembangkan oleh para peneliti sperti algoritma djikstra, A* (A-star) dan Floyd-warshall. Tidak seperti Algoritme lainnya A-star bukan hanya menghitung panjang rute namun juga menggunakan perhitungan heuristik sehingga lebih optimal. Pengujian dilakukan dengan mencari rute menuju lokasi tumbuhan langka pada suatu kawasan konservasi. Hal ini penting dilakukan karena terbatasnya pemandu, banyaknya jenis tumbuhan dan belum adanya alat khusus menyulitkan peneliti dalam mencari lokasi tumbuhan langka dalam kawasan konservasi. Lokasi tumbuhan ditandai dalam sistem koordinat geografis bumi. Lokasi tersebut serta kondisi medan tempuh terlebih dahulu disimpan dalam database MySQL . Metode A-star diimplementasikan dengan memanfaatkan teknologi GPS pada Android agar lebih efisien. Sistem juga mampu melakukan pendataan tumbuhan agar bisa dengan mudah diakses oleh masyarakat melalui aplikasi berbasis web.
Kata kunci : pencarian rute terpendek, algoritme A-star, tumbuhan langka, kawasan konservasi, koordinat.
ABSTRACT
AHMAD FAUZI. Implementation of a-star method to search plant location based on web application. Supervised by SUPRIYADI and yessy YANITASARI.
The path finding optimization was one of the most widely discussed issues in the informatics scope . This was related to the increased needs of the transportation, distribution and industry. It has been many methods developed by researchers such as Djikstra algorithm, A * (A-star) algorithm and Floyd-Warshall algorithm. Unlike other algorithm, The A-star algorithm not only calculates the length of route, but also heuristics uses to optimizing calculation. The Testing was done by finding best path to the rare species location in a conservation area. This is important, because of the limited guides, many species of plants and the lack of special tools make it difficult for researchers to find the location of rare species in protected areas. Plant location is marked in the geographic coordinate system of the earth. The location and condition of the travel field beforehand stored in a MySQL database. A-star method is implemented by utilizing GPS technology on Android to be more efficient. The system is also able to collect herbs that could be easily accessed by the public through a web-based application.
Keywords: the shortest route search algorithm, A-star algorithm, Android, conservation areas, coordinates.
DAFTAR SIMBOL DAFTAR SIMBOL FLOW CHART DIAGRAM
No
Gambar Nama
Keterangan 1 Digunakan untuk memulai dan
Terminator
mengakhiri aktifitas/proses
2 Garis Alir (Flow
Arah aliran program
Line)
Preparation
Proses inisialisasi/pemberian harga
awal
4 Process
Proses perhitungan/proses pengolahan data
5 Proses input/output data, paramater
Input/Output
dan informasi
Data 6 Predefined
Perbandingan pernyataan,
Process
penyeleksian data yang memberikan
(Sub Program)
pilihan untuk langkah selanjutnya 7
Perbandingan pernyataan,
Decision
penyeleksian data yang memberikan pilihan untuk langkah selanjutnya
8 On Page
Penghubung
bagian-bagian flowchart yang berada pada satu halaman
Connector
9 Off Page
Penghubung bagian-bagian flowchart
Connector
yang berada pada halaman berbeda
DAFTAR SIMBOL CLASS DIAGRAM
No Gambar
Nama
Keterangan
1. Class
Kelas
Kelas pada struktur sistem
2. Asosiasi
Relasi antar kelas dengan makna umum
3. Asosiasi
Relasi antar kelas dengan makna kelas
berarah
yang satu digunakan oleh kelas yang lain
DAFTAR SIMBOL ACTIVITY DIAGRAM
No Gambar
Nama
Keterangan 1 Memperlihatkan bagaimana
Activity
masing-masing kelas antarmuka saling berinteraksi 2 State dari sistem yang
Action
mencerminkan eksekusi dari suatu aksi
3 Asosiasi percabangan dimana jika
Decision
ada pilihan aktivitas lebih dari satu 4 Bagaimana objek dibentuk atau
Initial Node
diawali 5 Bagaimana objek dibentuk dan
Actifity Final Node dihancurkan
6 Menunjukan aliran satu terhadap
Relasi
aliran yang lainnya
DAFTAR SIMBOL SEQUENCE DIAGRAM
No Gambar
Nama
Keterangan Orang, proses atau sistem lain yang berinteraksi dengan sistem informasi yang
1 Aktor
akan dibuat diluar sistem informasi yang akan di buat itu sendiri.
LifeLine /
Menyatakan kehidupan suatu objek 2
Garis Hidup
Menyatakan objek dalam keadaan aktif 3 Nama objek
Objek
dan berinteraksi Menyatakan objek dalam keadaan aktif
4 Waktu Akif
dan berinteraksi Menyatakan suatu objek memanggil
5 1:nama_metode() Pesan Tipe Call operasi / metode yang ada pada objek lain Spesifikasi dari komunikasi antar objek
6 yang memuat informasi-informasi tentang
Message
aktifitas yang terjadi
DAFTAR SIMBOL USE CASE DIAGRAM
No Gambar
Nama
Keterangan Orang, proses atau sistem lain yang
1. Actor
berinteraksi dengan sistem informasi yang akan dibuat diluar sistem informasi yang akan di buat itu sendiri Fungsionalitas yang disediakan sistem
2. Use Case
sebagai unit – unit yang saling bertukar pesan antara unit atau aktor
Hubungan
dimana objek anak
3. Generalization
(descendent) berbagi perilaku dan struktur data dari objek yang ada diatasnya objek induk (ancestor) Komunikasi anatara aktor dan use case
4. Asosiasi
yang berpartisipasi pada use case atau use case memiliki interaksi dengan aktor
Menspesifikasikan bahwa use case target
memperluas perilaku dari use case sumber <<include>>
5. Include
pada suatu titik yang diberikan Apa yang menghubungkan anatar objek
6. <<extend>> Extend satu dengan objek lainnya
BAB I
1. PENDAHULUAN
1.1 Latar Belakang Masalah
Pencarian rute terpendek, adalah usaha untuk mencari rute yang paling pendek dari lokasi awal hingga lokasi akhir dengan waktu tempuh yang paling cepat dibandingkan dengan rute lainnya. Lokasi pada permukaan bumi digambarkan secara visual pada peta. Lokasi atau tempat pada peta dinyatakan dalam sistem koordinat. Di Indonesia sendiri digunakan dua sistem koordinat peta yaitu sistem koordinat geografis dan Universal Transverse Mercator (UTM) (Budiyanto, 2016). Sistem koordinat geografis menggunakan satuan derajat menit detik dan terdiri dari garis lintang (latitude) dan bujur (longitude) sedangkan sistem koordinat UTM menggunakan satuan meter untuk menunjukan jarak sebenarnya di lapangan (Budiyanto, 2016). Metode pencarian rute terpendek dapat dibagi menjadi dua, yaitu metode konvensional dan metode heuristik (Mutakhiroh et al., 2007). Metode konvensional menggunakan perhitungan matematis umum sedangkan metode heuristik menggunakan pendekatan bedasarkan basis pengetahuan. Metode heuristik membutuhkan banyak parameter dan sulit dipahami meskipun menghasilkan jalur yang lebih variatif sedangkan algoritme konvensional hanya membutuhkan titik awal dan titik akhir serta lebih mudah dipahami meskipun waktu yang dibutuhkan lebih lama (Ferdifiansyah et al., 2013). Salah satu metode pencarian rute terpendek heuristik yang sering digunakan adalah metode A* (A- star ). Metode A-star dikemukakan pertama kali oleh Peter Hart, Nils Nilsson, dan Bertram Raphael pada tahun 1968 (Hart et al., 1968). Metode A* adalah algoritme pencarian rute terpendek (shortest path) yang merupakan perbaikan dari Algoritme Best First Search (BFS) dengan memodifikasi fungsi heuristiknya untuk memberikan hasil yang optimal.
Algoritme A* telah banyak diimplementasikan dalam kehidupan sehari- hari misalnya pada pencarian lokasi tumbuhan pada kawasan taman keanekaragaman hayati (Biodiversity park). Selain sebagai penghasil oksigen, penjaga air tanah serta tempat bernaung hewan dan serangga tumbuhan berperan penting dalam kehidupan masyarakat sekitar. Karena hal itulah banyak peneliti maupun mahasiswa melakukan penelitian dikawasan konservasi tersebut. Tumbuhan pada kawasan konservasi ditandai menggunakan koordinat geografis. Penandaan dan pendataan dilakukan untuk kebutuhan penelitian dan identifikasi keanekaragaman hayati suatu kawasan dan agar mudah ditemukan oleh peneliti selanjutnya. Beberapa masalah yang ada pada kawasan konservasi seperti terbatasnya tenaga pemandu, perangkat khusus pencarian rute masih mahal dan banyaknya tumbuhan menyulitkan pencarian dalam kawasan serta belum adanya teknologi khusus untuk pendataan tumbuhan dalam kawasan konservasi.
Metode A* telah banyak diimplementasikan oleh para peneliti, seperti yang dilakukan oleh Irsyad dan Rasila (2015) dimana dengan 10 kali percobaan untuk mencari ruang dan gedung pada kawasan Universitas, algoritme A-Star mampu memberikan informasi rute terdekat. Penelitian oleh Mutiana et al., (2013) untuk mencari jalur optimum dengan metode A-star, dihasilkan kesimpulan bahwa dilakukan (menutup node yang macet), sehingga hanya menghitung jarak dari node yang dilaluinya saja. Penelitian Adipranata et al., (2007) yang menyatakan bahwa
metode A-star tidak menjamin rute yang terpilih adalah rute terbaik atau paling optimal, karena agent tidak bersifat full observable setelah proses backtrack dilakukan (menutup node yang macet), sehingga hanya menghitung jarak dari node yang dilaluinya saja. Penelitian Adipranata et al., (2007) yang menyatakan bahwa Pencarian rute pada peta menggunakan metode A* selalu berhasil menemukan solusi rute apabila memang terdapat jalan dari titik awal ke tujuan. Metode A* menghasilkan jarak hasil rute dan total path cost/biaya tempuh rute yang lebih baik daripada metode Best First Search (BFS). Selanjutnya penelitian Yuliana et al., (2012) menghasilkan kesimpulan bahwa metode A* lebih baik dalam mendapatkan jalur yang lebih pendek dibandingkan dengan metode Greedy dalam penyelesaian puzzle 8. Walaupun metode A*, dapat menemukan langkah yang lebih pendek tetapi metode A* membutuhkan waktu yang lebih lama dalam penyelesaiannya dibanding dengan metode Greedy karena metode ini melakukan perhitungan baik nilai perkiraan maupun biaya sebenarnya yang dibutukan untuk kembali ke posisi state akhir, atau dengan kata lain makin banyak fungsi yang harus diperiksa sehingga waktu yang dibutuhkan juga relatif lebih lama. Berdasarkan pada hal tersebut penulis mengajukan penelitian untuk mengembangkan aplikasi berbasis web yang mampu untuk mencari jalur terpendek menuju koordinat tumbuhan yang telah ditentukan dengan mengimplementasikan metode A-star dan dengan menggunakan metode Software Development Life Cycle (SDLC) Waterfall (Satzinger et al., 2010). Dalam penelitian tersebut penulis mengambil judul “Implementasi Metode A-Star Untuk Pencarian Lokasi Tumbuhan Berbasis Web (Studi Kasus di Taman Kehati PT Pupuk Kujang) ”.
1.2 Identifikasi Masalah
1. Bagaimana penerapan metode A-star dalam pencarian rute dan memandu pengunjung menuju lokasi tumbuhan didalam kawasan konservasi Taman Keanekaragaman hayati?
2. Bagaimana penggunaan aplikasi untuk pendataan tumbuhan didalam kawasan konservasi Taman Keanekaragaman hayati?
3. Bagaimana mengembangkan aplikasi pencarian rute menggunakan metode A- star dengan bahasa pemrograman PHP MySQL dan metode penelitian SDLC Waterfall ?.
1.3 Batasan Masalah
Mengingat luasnya ruang lingkup penelitian, maka penulis membatasi permasalahan tersebut pada:
1. Pencarian dan pendataan dilakukan terhadap tumbuhan yang telah didata oleh tim Taman Kehati PT Pupuk Kujang sebanyak 3.412 Tumbuhan dengan 146 spesies dan 57 famili pada area seluas 110 Hektar dalam kawasan PT Pupuk Kujang (PKC, 2015).
2. Rute yang ditemukan ditampilkan berupa graf diatas peta kawasan.
3. Pengembangan aplikasi menggunakan metode A-star dengan bahasa pemrograman PHP MySQL dan metode penelitian SDLC Waterfall.
1.4 Tujuan Skripsi
Penelitian ini bertujuan untuk memudahkan pengelola dan pengunjung taman kehati dalam melakukan pencarian dan pendataan tumbuhan dalam kawasan konservasi dengan mengimplementasikan metode A-star dalam bahasa pemrograman PHP MySQL menggunakan metode penelitian SDLC Waterfall
1.5 Manfaat Skripsi
Adapun manfaat dari penelitian ini dilihat dari beberapa segi, yaitu : 1. Bidang Disiplin Ilmu Teknik Informatika. Menambah pengetahuan tentang implementasi Metode A* untuk pencarian rute terdekat menuju suatu titik koordinat berbasis layanan GPS pada web dengan menggunakan metode A-star dan metode penelitian SDLC Waterfall. 2. Dunia Pendidikan. Menambah referensi penelitian dalam dunia pendidikan yang dapat dijadikan suatu pembelajaran dalam bidang pencarian rute terdekat. 3. Tempat Penelitian. Dengan adanya software/aplikasi ini dapat mempermudah pencarian dan pendataan tumbuhan langka dalam kawasan konservasi. 4. STMIK Kharisma Karawang. Memperkenalkan STMIK Kharisma Karawang pada dunia kerja dan industri sehingga akan membina hubungan baik dengan perusahaan tempat penelitian 5. Penulis. Sebagai sarana melatih diri dalam pembuatan program pencari jarak terdekat dengan metode A-star berbasis layanan GPS pada web menggunakan metode penelitian SDLC Waterfall.
1.6 Lokasi dan Waktu Skripsi
Dalam melaksanakan kegiatan penelitian, penulis menggunakan metode penelitian langsung, yaitu dengan datang dan meninjau ke tempat penelitian yaitu di Kawasan Konservasi Taman Keanekaragaman Hayati PT Pupuk Kujang Cikampek yang beralamat di Jl. Jend. A. Yani no. 39 Desa Dawuan Kec. Cikampek, kab. Karawang dengan waktu pelaksanaan penelitian kurang lebih empat bulan yaitu dari bulan Februari hingga bulan Juni 2017 seperti yang terlihat pada gambar
1.1 berikut .
Gambar 1.1 Diagram Perencanaan Penelitian
1.7 Sistematika Penulisan
Secara garis besar materi laporan Skripsi ini terbagi dalam beberapa bab yang tersusun sebagai berikut :
BAB I PENDAHULUAN Bab ini berisikan latar belakang masalah, identifikasi masalah, batasan masalah, tujuan penelitian, manfaat penelitian, lokasi dan waktu pelaksanaan dan sistematika penulisan laporan.
BAB II TINJAUAN PUSTAKA Bab ini menguraikan tentang landasan teori mengenai lintasan terpendek (Shortest Path), GPS, metode A-Star, web, Taman Keanekargaman Hayati PT Pupuk Kujang, Object Oriented Approach, Software Testing serta SDLC Waterfall Model.
BAB III METODE PENELITIAN Bab ini menjelaskan mengenai metode penelitian dan pengembangan sistem yang dilakukan, analisis teori metode A-star dan System Development Life Cycle Waterfall serta analisis sistem Object Oriented Anaysis. Serta perancangan yang dilakukan untuk membantu sistem.
BAB IV HASIL DAN PEMBAHASAN
Pada bab ini menjelaskan hasil dari analisis teori dan analisis sistem. BAB V KESIMPULAN DAN SARAN
Pada bab ini dijelaskan mengenai kesimpulan dan saran guna memperbaiki kekurangan yang terdapat pada sistem.
BAB II
2. TINJAUAN PUSTAKA
2.1 Lintasan terpendek
Lintasan Terpendek (Shortest Path) merupakan lintasan minimum yang diperlukan untuk mencapai suatu titik dari titik tertentu. Dalam pencarian lintasan terpendek masalah yang dihadapi adalah mancari lintasan mana yang akan dilalui sehingga didapat lintasan yang paling pendek dari satu verteks ke verteks yang lain (Talai et al., 2015). Ada beberapa macam lintasan terpendek, antara lain :
1 Lintasan terpendek antara dua buah verteks.
2 Lintasan terpendek antara semua pasangan verteks.
3 Lintasan terpendek dari verteks tertentu ke semua verteks yang lain
4 Lintasan terpendek antara dua buah verteks yang melalui beberapa verteks tertentu. Sebagai gambaran pada gambar 2.1 ditampilkan sirkuit Hamilton yang menunjukan lintasan terpendek dari node A ke node E
Gambar 2.1 Sirkuit Hamilton yang menggambarkan Rute terdekat Beberapa terminologi yang kerap digunakan pada graph adalah sebagai berikut:
1. Graph adalah struktur diskrit yang mengandung vertex (node) dan edge yang menghubungkan node-node tersebut seperti pada gambar 2.2 berikut
Gambar 2.2 Contoh Graph Sederhana
2. Node atau vertex adalah suatu titik dalam suatu graph yang merepresentasikan suatu tujuan, lokasi atau tempat seperti pada gambar 2.3 berikut
Gambar 2.3 Node
4. Edge suatu garis yang menghubungkan atar node di dalam graph, edge digunakan untuk menyatakan hubungan antara node atau jarak antar node seperti pada gambar 2.4 berikut
Gambar 2.4 Edge
5. Path adalah serangkaian node-node yang berbeda terhubung secara berturut- turut dari node satu ke node berikutnya. Misalnya path 1-2-3-4 yang dapat ditampilkan seperti pada gambar 2.5 berikut:
Gambar 2.5 Contoh Path
2.2 Global Positioning System (GPS)
GPS adalah sistem navigasi dan penentuan posisi menggunakan satelit yang dikembangkan dan dikelola oleh Departemen Pertahanan Amerika Serikat. GPS dapat memberikan informasi tentang posisi, kecepatan dan waktu di mana saja di muka bumi setiap saat, dengan ketelitian penentuan posisi dalam fraksi milimeter sampai dengan meter (Purwati et al., 2010).
Gambar 2.6 Posisi latitude dan longitude pada Bumi (The Annenberg Foundation,
Sistem koordinat geografi digunakan untuk menunjukkan suatu titik di Bumi berdasarkan garis lintang dan garis bujur seperti pada gambar 2.6. Garis bujur yaitu horizontal yang mengukur sudut antara suatu titik dengan titik nol di Bumi yaitu Greenwich di London Britania Raya yang merupakan titik bujur 0° atau 360° yang diterima secara internasional. Titik di barat bujur 0° dinamakan Bujur Barat sedangkan titik di timur 0° dinamakan Bujur Timur (Bafdal et al., 2011).
2.3 Algoritme A-star (A*)
Metode A-Star dikembangkan oleh Peter Hart, Nils Nilsson, dan Bertram Raphael. A* (disebut “A-star”) adalah sebuah graph atau metode pohon pencarian yang digunakan untuk mencari jalan dari sebuah node awal ke node tujuan yang telah ditentukan (Hart et al., 1968). Metode ini menggunakan “estimasi heuristic” dimana heuristik adalah penilai yang memberi harga pada tiap simpul yang memandu A* mendapatkan solusi yang diinginkan. Dengan heuristik yang benar, maka A* pasti akan mendapatkan solusi jika memang ada solusi yang dicari (Tilawah, 2010). Nilai Heuristik h(x) pada setiap node untuk mengurutkan setiap node x berdasarkan estimasi rute terbaik yang melalui node tersebut. Algoritme A* mencari jalur dengan cost terkecil dari node awal ke node berikutnya sampai mencapai node tujuan. Dalam penentuan rute terbaik, A* memiliki suatu fungsi yang dinotasikan dengan f(x) untuk menetapkan estimasi cost yang terkecil dari jalur yang dilalui node x. Adapun fungsi f(x) dapat dirumuskan sebagai berikut (Irsyad dan Rasila, 2015).
f(x) = h(x) + g(x)
dimana,
f (x) : Biaya yang dibutuhkan g(x) : Biaya yang ditempuh dari node asal h(x) : Nilai perkiraan dari node saat ini hingga ke tujuan
Sebagai contoh berikut adalah sebuah diagram sederhana untuk menggambarkan g(x):
Gambar 2.7 Contoh diagram (Hart et al., 1968)
Pada gambar 2.7 dapat dilihat node awal adalah titik s, dan tiga titik lainya yaitu n1, n2 dan n3. Dimulai dari titk S menuju n1 dan n2. Dianggap nilai g(n1) dan g(n2) adalah 3 dan 7. Misalkan A* menghubungkan n1 dengan n3 dan n2, maka g(n3)=3+2=5 lebih rendah dibanding g(n2)=3+3=6. Fungsi h(x) adalah hyphotesis cost atau heuristic cost atau estimasi cost terkecil dari node x ke tujuan, yang disebut juga sebagai future pathcost. h(x) mewakili garis lurus jarak ke titik tujuan. Jarak diantara dua titik yang dapat dihitung dengan menggunakan Metode Harversine dan Metode Euclidean
1. Metode Harversine
Metode ini ditemukan oleh Jamez Andrew di tahun 1805, dan digunakan pertama kali oleh Josef de Mendoza y Ríos di tahun 1801. Istilah haversine ini sendiri diciptakan pada tahun 1835 oleh Prof. James Inman (Octavianti, 2015). Untuk menghitung jarak pada permukaan bumi sebagai berikut : Formula:
a = sin²(Δφ/2) + cos φ1 ⋅ cos φ2 ⋅ sin²(Δλ/2) c=2 ⋅ atan2( √a, √(1−a) )
d=R ⋅c
Keterangan : φ : Latitude, λ : Longitude, R : Bumi (radius = 6,371km).
c : Kalkulasi perpotongan sumbu bumi
d : Jarak (km) Atau secara explisit sebagai berikut:
2 )) Dimana : ∆∅ : Latitude x2 - Latitude x1 ∅ 𝑠 : Latitude x1 ∅ 𝑓 : Latitude x2
∆𝛾 : Longitude y2 - Longitude y1
Hukum Harversine
Gambar 2.8 Hukum Harversine
Dalam sebuah unit bola, sebuah segitiga pada permukaan bola didefinisikan oleh lingkaran besar yang menghubungkan tiga titik yaitu u, v, dan w pada bola di gambar 2.8. Jika panjang dari tiga sisi adalah a (dari u ke v), b (dari u ke w), dan c (dari v ke w), dan sudut sudut yang berlawanan dari
c adalah C, maka hukum haversines adalah sebagai berikut : c adalah C, maka hukum haversines adalah sebagai berikut :
Karena ini adalah sebuah unit lingkaran bola, sehingga panjang a, b, dan c hanya sama dengan sudut (dalam radian) berdasarkan pada sisi-sisi dari pusat lingkaran bola (pada lingkaran tak penuh, masing-masing panjang busur sama dengan sudut pusat dikalikan dengan jari-jari bola)
2. Metode Euclidean
Sedangkan untuk menghitung jarak pada graph 2 dimensi menggunakan teorema Euclidean yang diperkenalkan tahun 300 SM oleh Euclid seorang Matematikawan Yunani untuk menghitung jarak heuristik 2 buah titik sebagai berikut:
Dimana : x : Latitude x dari node awal y : Longitude y dari node awal x1
: Latitude x1 menuju node tujuan y1
: Longitude y1 menuju node tujuan
Fungsi g(x) adalah geographical cost atau cost sebenarnya dari node x ke node tujuan, yang disebut juga sebagai past path-cost. Dengan metode atau algoritme A*, cost untuk mencapai node berikutnya didapat dari fungsi f(x), sehingga pada pemilihan jalur terpendek dapat langsung diketahui node berikutnya dengan cost terkecil sampai mencapai node tujuan tanpa kembali ke node yang sudah dikunjungi. (Mutiana et al, 2013). Contoh kasus pencarian jalur terpendek dari titk
A menuju titik F digambarkan pada graph gambar 2.9 berikut:
A(1,1) B(2,2)
C(3,2)
D (4,4)
E(5,1) F(6,5)
Gambar 2.9 Contoh perhitungan A-star Berikut adalah penjelasan mengenai perhitungan metode A-star untuk mentukan
jalur yang dipilih bila node awal adalah node A0
G (A, C) = √(3 − 1) 2 + (2 − 1) 2
G (𝐴, 𝐶) = 2,237
G(A, B) = √(2 − 1) 2 + (2 − 1) 2
G(A, B) = 1,4142
H(C,F) = 5 F((A,B),(B,F)) = 1,4142 + 5,657 = 7,0712 F((A,C),(C,F)) = 2,237 + 5 = 7,237
Karena nilai node B lebih kecil dibanding nilai C maka langkah selanjutnya adalah ke node B
Beberapa terminologi dasar yang terdapat pada algoritme ini adalah starting point, simpul (nodes), A, open list, closed list, harga (cost), halangan (Setyawan et al ., 2005)
a. Starting point adalah sebuah terminologi untuk posisi awal sebuah benda.
b. A adalah simpul yang sedang dijalankan dalam algortime pencarian jalan terpendek.
c. Simpul adalah petak-petak kecil sebagai representasi dari area pathfinding. Bentuknya dapat berupa persegi, lingkaran, maupun segitiga.
d. Open list adalah tempat menyimpan data simpul yang mungkin diakses dari starting point maupun simpul yang sedang dijalankan.
e. Closed list adalah tempat menyimpan data simpul sebelum A yang juga merupakan bagian dari jalur terpendek yang telah berhasil didapatkan.
f. Harga (F) adalah nilai yang diperoleh dari penjumlahan, nilai G merupakan jumlah nilai tiap simpul dalam jalur terpendek dari starting point ke A, dan H adalah jumlah nilai perkiraan dari sebuah simpul ke simpul tujuan.
g. Simpul tujuan yaitu simpul yang dituju.
h. Halangan adalah sebuah atribut yang menyatakan bahwa sebuah simpul tidak dapat dilalui oleh A.
2.4 World Wide Web (WWW)
Menurut Pontoh (2016) website adalah sering juga disebut web, dapat diartikan suatu kumpulan-kumpulan halaman yang menampilkan berbagai macam informasi teks, data, gambar diam ataupun bergerak, data animasi, suara, video maupun gabungan dari semuanya, baik itu yang bersifat statis maupun yang dinamis, yang dimana membentuk satu rangkaian bangunan yang saling berkaitan dimana masing-masing dihubungkan dengan jaringan halaman atau hyperlink.
Adapun terminologi website adalah kumpulan dari berbagai macam halaman situs, yang terangkum didalam sebuah domain atau juga subdomain, yang lebih tempatnya berada didalam WWW yang tentunya terdapat didalam Internet (Abdullah 2015 ). Halaman website biasanya berupa dokumen yang ditulis dalam format Hyper Text Markup Language (HTML), yang bisa diakses melalui Hypertext Transfer Protocol (HTTP), HTTP adalah suatu protokol yang menyampaikan berbagai informasi dari server website untuk ditampilkan kepada para user atau pemakai melalui web browser (Simarmata 2010) .
PHP adalah kependekan dari PHP Hypertext Preprocessor, bahasa interpreter yang mempunyai kemiripan dengan bahasa C dan Perl yang mempunyai kesederhanaan dalam perintah, yang digunakan untuk pembuatan aplikasi web (Sidik 2004). PHP/F1 merupakan nama awal dari Personal Home Page /Form Interface (PHP). Dibuat pertama kali oleh Rasmus Lerdoff. PHP awalnya merupakan program CGI yang dikhususkan untuk menerima input melalui form yang ditampilkan dalam browser web. Dengan menggunakan PHP maka maintenance suatu situs web menjadi lebih mudah. Proses update dapat dilakukan dengan menggunakan aplikasi yang dibuat dengan menggunakan script PHP. PHP merupakan script untuk pemrograman script web server-side, script yang membuat dokumen HTML secara on the fly, dokumen HTML yang dihasilkan dari suatu aplikasi bukan dokumen HTML yang dibuat dengan menggunakan editor teks atau editor HTML.
Hypertext Markup Language (HTML) merupakan suatu script yang bisa menampilkan informasi dan daya kreasi kita melalui internet. HTML sendiri adalah
suatu dokumen teks biasa yang mudah untuk dimengerti dibandingkan bahasa pemrograman lainnya, dan karena bentuknya itu maka HTML dapat dibaca oleh platform yang berlainan seperti windows, unix dan lainnya (Sampurna 1996).
MySQL Sebagai sebuah program penghasil database, MySQL tidak mungkin berjalan sendiri tanpa adanya sebuah aplikasi pengguna (interface) yang mungkin berguna sebagai program aplikasi pengakses database yang dihasilkan.MySQL dapat didukung oleh hampir semua program aplikasi baik yang open windows seperti Visual Basic, Delphi dan lainya. DBMS yang menggunakan bahasa SQL : MySQL, MSQL, Oracle, SQL Server 97, 2000, dan Inaterbase, dll. Program- program aplikasi yang mendukung MySQL : PHP, Borland Delphi, Borland C++ Builder, Visual Basic 5.0/6.0 dan Net, Visual FoxPro, dll (Nugroho 2008).
2.5 Taman Kehati PT Pupuk Kujang
Mengacu pada pengertian Taman Kehati pada Permen Lingkungan Hidup No. 3 tahun 2012, Taman Keanekaragaman Hayati (Kehati) adalah suatu kawasan pencadangan sumber daya alam hayati lokal di luar kawasan hutan yang mempunyai fungsi konservasi in-situ dan/atau ex-situ.
Sesuai dengan Keputusan Bupati Karawang Nomor 188/Kep. 369- Huk/2014 tentang Taman Keanekaragaman Hayati Pupuk Kujang di PT. Pupuk Kujang Cikampek, diamanatkan bahwa Taman Kehati perlu dibangun di PT Pupuk Kujang, Desa Dawuan Tengah, Kecamatan Cikampek, Kabupaten Karawang. Dalam persiapan pelaksanaannya, pihak PT Pupuk Kujang telah membuat Program Taman Kehati Pupuk Kujang (“Green Design”) pada Agustus 2013. Wilayah yang dialokasikan untuk keperluan ini mencapai luas 47,7 hektar. Sebagai tindak lanjut kegiatan ini kerjasama bimbingan teknis telah dilakukan bersama dengan Badan Pengelola Lingkungan Hidup Provinsi Jawa Barat yang dibantu oleh para pakar Kehati baik yang masih aktif maupun pakar Kehati yang telah purnabhakti dari Lembaga Ilmu Pengetahuan Indonesia (LIPI) (PKC, 2015). Pada gambar 2.10 adalah peta kawasan Taman Keaneka ragaman Hayati PT Pupuk Kujang.
Gambar 2.10 Peta Kawasan Konservasi dalam Kawasan PT Pupuk Kujang
2.6 SDLC Waterfall Model
Model Waterfall adalah model klasik yang bersifat sistematis, berurutan dalam membangun software. Adapun fase-fase dalam model waterfall menurut Satzinger et al., (2010) digambarkan pada gambar 2.11 sebagai berikut:
Project
Planning
Phase Analysis Phase
Design Phase
Implementation
Support Phase
Phase
Gambar 2.11 The Waterfall Approach to The SDLC (Satzinger et al., 2010)
Metode Waterfall melakukan pendekatan secara sistematis dan urut dari setiap tahap pengembangan sistem mulai dari planning, analisis, desain hingga implementasi. Berikut penjelasan detail mengenai waterfall:
1. Project Planning Phase Tahap membuat tujuan dan mengumpulkan data dan informasi terkait sistem yang akan dibuat, termasuk kegunaan program yang diharapkan pengguna dan batasan –batasan sistem. Data dan informasi yang diperoleh biasanya adalah hasil wawancara, survei, dan studi pustaka.
2. Analysis Phase Tahap ini merupakan tahap pemrosesan dan analisis data yang telah terkumpul, analissis masalah yang ditemukan dilapangan dan analisis dokumen perencanaan. Segala data dan informasi dianalisa untuk memperoleh dokumentasi kebutuhan sistem dan pengguna untuk digunakan pada tahap selanjutnya.
3. Design Phase Ditahap ini desain dibuat berdasarkan pada hasil analisa yang telah dilakukan sebelumnya. Desain sistem menggambarkan arsitektur, role, fungsional, modul hingga antarmuka yang diinginkan.
4. Implementation Phase Ditahap ini proses pengkodean program dilakukan. Dilanjutkan dengan dengan testing hingga sistem dijalankan pada lingkungan sebenarnya untuk mengetahui apakah program yang dibuat telah sesuai dengan desainya, apakah telah memenuhi fungsi yang diinginkan atau belum dan masih terdapat kesalahan atau tidak.
5. Support Phase Tahapan terakhir merupakan tahapan perawatan dan proses transmisi dari sistem berjalan ke sistem yang telah dibuat maka diperlukan adanya peningkatan dan pembaharuan sistem secara berkala.
2.7 Object Oriented Approach
Object Oriented Approach (OOA) yaitu memandang Sistem Informasi sebagai kumpulan objek-objek yang saling berinteraksi dan bekerjasama untuk menyelesaikan tugas-tugasnya. Secara konseptual, didalam Sistem Informasi tidak memiliki proses atau program, data entitas atau file. Sistem terdiri objek objek. Objek adalah sebuah didalam sistem komputer yang dapat merespon pesan-pesan. Menurut Satzinger et al., (2010) OOA dibagi menjadi tiga pendekatan yaitu :
1. Object-Oriented Analyst (OOA) Memberi arti kepada seluruh tipe objek untuk melakukan pekerjaan didalam sistem, menampilkan interaksi user (use case) yang dibutuhkan untuk menyelesaikan tugas-tugasnya.
2. Object-Oriented Design (OOD) Memberi arti kepada seluruh penambahan tipe objek (additional type objects) yang dibutuhkan untuk mengkomunikasikan antara orang dan perangkat didalam sistem, menampilkan bagaimana objek-objek saling berinteraksi untuk menyelesaikan tugasnya, dan menyempurnakan arti dari setiap objek sehingga dapat diterapkan dengan menggunakan sebuah bahaya yang spesifik.
3. Object-Oriented Programing (OOP) Menulis pernyataan dalam bahasa pemrograman untuk mendefinisikan setiap tipe objek lakukan, termasukmemberi pesan kepada objek lainnya.
OOP memiliki beberapa istilah antara lain :
1. Kelas Kumpulan atas definisi data dan fungsi-fungsi dalam suatu unit untuk suatu tujuan tertentu. Sebuah class adalah dasar dari modularitas dan struktur dalam pemrogaman berorientasi object.
2. Metode Merupakan suatu operasi berupa fungsi-fungsi yan dapat dikerjakan oleh suatu object . Method didefinisikan pada class akan tetapi dipanggil melalui object.
3. Abstraksi Kemampuan sebuah program untuk melewati aspek informasi yang diproses olehnya, yaitu kemampuan untuk memfokus pada inti.
4. Enkapsulasi Memastikan pengguna sebuah objek tidak dapat mengganti keadaan dalam dari sebuah objek dengan cara yang tidak layak, hanya metode dalam objek tersebut yang diberi ijin untuk mengakses keadaannya.
5. Polimorfisme Melalui pengiriman pesan. Tidak bergantung kepada pemanggilan subrutin, bahasa orientasi objek dapat mengirim pesan, metode tertentu yang berhubungan dengan sebuah pengiriman pesan tergantung kepada objek tertentu dimana pesan tersebut dikirim.
6. Inheritas Mengatur polimofisme dan enkapsulasi dengan mengijinkan objek didefinisikan dan diciptakan denagn jenis khusus dari objek yang sudah ada, objek-objek ini dapat membagi dan memperluas perilaku mereka tanpa harus mengimplementasi ulang perilaku tersebut (bahasa berbasis objek tidak selalu memiliki inheritas).
Pemodelan adalah proses merancang piranti lunak sebelum melakukan pengkodean (Satzinger et al., 2010). Pemodelan tersebut meliputi :
a. User interface Bagian-bagian dari sistem informasi yang membutuhkan interaksi pengguna untuk membuat input dan output. User interface melibatkan hasil input dan output yang lebih melibatkan system user. User interface memungkinkan pengguna untuk berinteraksi dengan komputer untuk menjalankan transaksi.
b. Use Case Description Aktifitas yang dilakukan system, yang biasanya menanggapi dalam permintaan oleh pengguna. Setiap use case ditentukan dengan detail untuk menentukan persyaratan fungsional. Kemudian setiap software yang dibutuhkan untuk setiap use case dirancang, diimplementasikan, dan diuji.
c. Use Case Diagram Sebuah diagram yang menunjukkan berbagai peran pengguna dan cara para pengguna berinteraksi dengan sistem. Use case mengidentifikasi bagaimana sistem akan digunakan dan siapa saja aktor yang terlibat dalam setiap use case.
d. System Sequence Diagram Sebuah diagram yang menunjukkan urutan pesan antara aktor eksternal dan sistem selama use case atau skenario. System sequence diagram digunakan d. System Sequence Diagram Sebuah diagram yang menunjukkan urutan pesan antara aktor eksternal dan sistem selama use case atau skenario. System sequence diagram digunakan
2.8 Software Testing
Software testing merupakan sebuah alat yang menjamin kualitas perangkat lunak yang diterapkan untuk mengontrol kualitas produk perangkat lunak sebelum penyerahan atau instalasi di tempat pengguna. Software testing dapat diklasifikasikan berdasarkan konsep pengujian yaitu Black box (fungsional) testing dan White box (struktural) testing (Galin, 2004).
2.8.1 Black box testing
Black box testing merupakan pengujian yang mengabaikan mekanise internal sistem atau komponen dan hanya fokus pada output yang dihasilkan yang merupakan respon dari input yang diberikan. Black box testing mengindentifikasi bug sesuai dengan kesalahan software seperti yang terdapat dalam output error. Ketika output yang dihasilkan benar, black box testing mengabaikan jalur perhitungan internal dan pengolahan yang dilakukan (Galin, 2004). Ada beberapa faktor yang diuji dalam Black box testing yaitu :
1. Operation factor test
a. Correctness Terdiri dari documentation test dan availability test. Documentation test merupakan pengecekan desain dokumen yang berupa user manual dan program manua l. Sedangkan availability test merupakan waktu reaksi atau waktu yang diperlukan untuk mendapatkan informasi.
b. Reliability Pengujian yang dilakukan untuk mengetahui waktu rata-rata kesalahan, dan downtime .
c. Efficiency Pengujian yang dilakukan untuk mengetahui performa sistem ketika berada di dalam beban maksimal ketika dioperasikan.
d. Integrity Pengujian untuk mengetahui keamanan di dalam sistem.
e. Usability Terdiri dari training usability test dan operational usability test yang merupakan pengujian ketika digunakan oleh pengguna.
2. Transition factor
a. Portability Pengujian yang menguji environment sebuah software dapat berjalan di berbagai macam hardware yang berbeda .
b. Reusability Sebagian modul atau bagian program dapat dikembangkan di kemudian hari atau dapat digunakan oleh program lain.
2.8.2 White box testing
White box testing merupakan pengujian yang memperhitungkan mekanisme internal sistem atau komponen. White box testing menguji jalur perhitungan internal untuk mengidentifikasi bugdengan menyelidiki kebenaran struktur kode (Galin, 2004).
1. Correctness Test and Line Coverage Line coverage merupakan pengujian yang memungkinkan untuk melakukan test terhadap semua baris program, dimana cakupannya diukur berdasarkan persentase baris program yang tercakup. Untuk lebih memudahkan pengujian dibuatlah sebuah flow graph.
2. Cyclomatic Complexity Cyclomatic Complexity dikembangkan oleh McCabe (1976) yang digunakan untuk mengukur kompleksitas program atau modul dalam waktu yang sama dengan menentukan maksium independent path yang bisa dilakukan untuk mencakup semua baris program. Pengukuran berdasarkan teori graph dan dihitung berdasarkan karakteristik program yang diuji dalam bentuk flow graph . Untuk mencari metrik cyclomatic complexity (V(G)) dapat dilakukan dengan menggunakan tiga cara yang berbeda berdasarkan flow grap .
a. V(G) = R
b. V(G) = E – N + 2
c. V(G) = P + 1 Di mana R merupakan jumlah region di dalam flow graph. E adalah jumlah edge , N merupakan jumlah node, sedangkan P merupakan jumlah keputusan di dalam flow graph. Seperti contoh yang ditunjukan pada gambar 2.8.
Gambar 2.8 Ilustrasi Flowgraph (Galin, 2004)
Dengan menerapkan contoh diatas , kita dapat memperoleh nilai parameter diatas dari gambar 2.8. kita menemukan bahwa R=6, E=21, N=17 dan P=5. Dengan mensubsitusikan nilai-nilai ini kedalam matriks formula yang kita dapatkan:
(a) V(G) =R =6
(b) V(G) =E –N+2 = 21 – 17 + 2 =6
Dimana E (edge(isi)): No
Edge 1 1-2, 2-3, 3-5, 5-6, 5-8, 8-9, 9-11, 11-12, 12-17
Path
9 2 2-4, 4-5
2 3 5-7, 7-8
2 4 8-10, 10-11
2 5 11-13, 13-14, 14-15, 15-17
4 6 14-16, 16-17
2 Jumlah Edge (sisi) 21
(c) V(G) =P+1 =5+1 =6
No Node (Simpul)
Percabangan
Jumlah Keputusan
Total Keputusan
BAB III
3 METODE PENELITIAN
3.1 Bahan Penelitian
Bahan penelitian yang digunakan dalam penelitian ini berupa data tumbuhan yang diambil dari Taman Kehati PT Pupuk Kujang yang terdiri dari 64 familia, 165 species, 3410 tumbuhan yang tersebar di 15 blok kawasan konservasi seperti pada tabel 3.1 berikut:
Tabel 3.1 Data sebaran tumbuhan di kawasan Taman kehati
Jumlah No
Tumbuhan 1 Blok 1
Blok Hutan 1
238 3 Blok 3
Blok Hutan 2
541 4 Blok 4
Blok Hutan 3
328 5 Blok 5
Blok Hutan 4
277 6 Blok 6
Blok Hutan 5
681 7 Blok 7
Blok Hutan 6
1 8 Blok 8
Blok Hutan 7
71 9 Blok 9
Blok Hutan 8
314 10 Blok 10
Blok Hutan 9
16 11 Blok 12
Blok Hutan 10
5 12 Blok Wisma
Blok Hutan 12
3 13 Golf
Penyangga Blok Wisma
38 14 Rawa
Golf
1 15 Show Window
Rawa
Show Window
3.2 Alat Penelitian
Alat-alat yang digunakan pada penelitian ini meliputi perangkat keras (Hardware) dan perangkat lunak (Software) seperti yang dijelaskan berikut ini:
3.2.1 Kebutuhan Hardware
Alat yang digunakan dalam penelitian ini meliputi perangkat keras dan perangkat lunak dengan rincian pada tabel 3.2.
Tabel 3.2 Rincian Perangkat Keras
No. Perangkat Keras Spesifikasi dan Fungsi 1. Notebook Computer Suatu alat yang terdiri atas satu perangkat yang memiliki papan tombol (keyboard), layar, tampilan, dan microprocessor dengan spesifikasi quadprocessor 1.80 GHz 1.5 GHz RAM 4.00 GB.
No. Perangkat Keras Spesifikasi dan Fungsi 2. Printer
Alat yang digunakan untuk mencetak tampilan monitor ke kertas dan informasi yang dicetak dapat berupa teks dan gambar.
3.2.2 Kebutuhan Software
Untuk membangun sistem pencarian rute ini diperlukan beberapa perangkat lunak. Perangkat lunak yang akan digunakan dalam penelitian ini ditunjukan pada tabel 3.3 :
Tabel 3.3 Rincian Perangkat Lunak
No. Perangkat Lunak
Fungsi
1. Ubuntu 14.04 64bit Sistem Operasi Linux LTS
2. Geany Teks editor untuk menampilkan kode program yang digunakan dalam penelitian 3. OpenOffice Writer Teks
digunakan untuk merepresentasikan tentang penelitian. 4. OpenOffice Impress Software
editor
yang
digunakan untuk mempresentasikan tentang penelitian. 5. Hypertext
yang
Bahasa pemrograman script server side yang Preprocessor didesain untuk mengembangkan web.
6. Firefox Web
untuk menguji
Browser tampilan web. 7. MySql Software sistem manajemen basis data SQL yang digunakan untuk pemilihan atau seleksi pemasukan data. 8. Star UML Software yang digunakan
untuk pemodelan
sistem.
3.3 Metode SDLC Waterfall
Metode penelitian yang digunakan dalam membangun sistem adalah metode SDLC Waterfall yaitu suatu metodologi pengembangan perangkat lunak yang mengusulkan pendekatan kepada perangkat lunak sistematik dan sekuensial yang mulai pada Project planning phase, Analysis phase, Design phase, Implementation phase , dan Support Phase yang ditunjukan pada Gambar 3.1
Project Planning
Design Phase
Implementation Support Phase
Phase
Gambar 3.1 The Waterfall Approach to The SDLC (Satzinger, et al., 2010)
Metode berdasarkan pada buku System Analysis and Design in a Changing World edisi ke-5 yang diterbitkan tahun 2010 dengan penulis John. W. Satzinger.
3.3.1 Project Planning Phase
Tahap perencanaan adalah proses dasar memahami mengapa sistem pencarian rute menuju lokasi tumbuhan dalam kawasan konservasi harus dibangun dan menentukan bagaimana membangun sistem tersebut. Pada tahapan ini dilakukan penelitian atau riset terlebih dahulu untuk mendapatkan data serta informasi yang terkait. Teknik pengumpulan data yang dilakukan adalah dengan melakukan wawancara dan studi literatur/pustaka baik melalui buku ataupun jurnal sperti yang ditunjukan pada tabel 3.4 sebagai berikut:
Tabel 3.4 Rincian Project Planning Phase
No Tahapan
Deskripsi
1. Identifikasi Masalah Berdasarkan latar belakang masalah yang ada, dapat di identifikasi masalah-masalah sebagai berikut:
1. Terbatasnya
pemandu diarea konservasi, belum adanya teknologi khusus pendataan
tenaga
banyaknya tumbuhan menyulitkan pencarian lokasi tumbuhan dalam kawasan konservasi. 2. Pengembangan aplikasi pencarian rute terpendek menggunakan metode A-star. 3. Aplikasi dikembangkan dengan bahasa pemrograman Android dan metode penelitian SDLC Waterfall.
dan
2. Pengumpulan Data Melakukan studi literatur melalui jurnal-jurnal penelitian sebelumnya, buku-buku yang relevan terhadap masalah yang akan dipecahkan dan melakukan observasi dengan proses wawancara terhadap petugas taman keanekaragaman hayati PT Pupuk Kujang Cikampek.
3. Menganalisis Teori Menganalisis implementasi Metode A-star dalam bahasa pemrograman PHP MySQL dengan menggunakan metode pengembangan perangkat lunak SDLC Waterfall.
4. Pembuatan Jadwal Membuat rancangan berjangka & target implementasi Metode A-star berbasis PHP MySQL untuk melakukan pencarian rute terdekat.
5. Mencari Solusi Menentukan perangkat lunak yang akan dibangun dan sesuai untuk kebutuhan Taman Kehati PT Pupuk Kujang
6. Mendefinisikan Kebutuhan Menentukan
dibutuhkan dalam pengembangan perangkat lunak berbasis PHP MySQL baik hardware maupun software.
tools yang
3.3.2 Analysis Phase
Tahapan ini adalah analisis metode yang akan digunakan serta implementasinya dalam bentuk grafis dan narasi.
3.3.2.1 Analisis Teori Algoritme A- Star
Tahapan ini bertujuan untuk menganalisis bagaimana mekanisme metode A-star dalam melakukan pencarian rute menuju titik kordinat tumbuhan dalam kawasan konservasi Taman Keanekaragaman hayati PT Pupuk Kujang Cikampek. Tahapan-tahapan tersebut disajikan berupa diagram flowchart yang dapat dilihat pada gambar 3.2 sebagai berikut:
Gambar 3.2 Flowchart analisis teori A-star
Tabel 3.5 berikut ini menjelaskan secara rinci setiap tahapan-tahapan pada flowchart di gambar 3.2 dalam menentukan rute / jalur terdekat menurut metode A- Star.
Tabel 3.5 Deskripsi Flowchart Algoritme A-Star Proses
Deskripsi 1. Tentukan lokasi koordinat Pengguna menentukan jenis (Species) Tumbuhan yang tumbuhan tujuan
akan dicari, sistem secara otomatis akan menentukan koordinat tumbuhan terdekat dengan lokasi pengguna saat itu.
2. Apakah koordinat saat ini Memeriksa apakah koordinat pengguna saat itu sama koordinat tujuan?
dengan kordinat tumbuhan yang dicari. Jika Ya maka Selesai Jika Tidak maka ke tahap selanjutnya
3. Buat OpenList, ClosedList, Membuat tabel OpenList (berisi daftar node yang telah TempList
dilewati untuk meuju kordinat tujuan), ClosedList (berisi daftar node yang tidak bisa dilalui) dan TempList (berisi daftar node sementara yang mungkin bisa dilewati)
4. Ambil titik koordinat yang Mengambil data dari database yang berisi node-node terhubung
dengan titik yang terhubung dengan node saat ini. koordinat saat ini
5. simpan dalam TempList Simpan daftar node yang terhubung dalam tabel TempList
6. Tandai koordinat dalam Tandai node tersebut sebagai node selanjutnya (terkait) tempList sebagai koordinat selanjutnya
7. Apakah koordinat selanjutnya Pemeriksaan bilamana salahsatu node selanjutnya = koordinat tujuan?
adalah node tujuan yang dicari Jika Ya maka ketahap 8 Jika Tidak maka ketahap 9
8. Simpan dalam OpenList Bila salah satu node dalam TempList adalah node tujuan maka simpan dalam OpenList Lompat ke tahap 13