IMPLEMENTASI METODE NAÏVE BAYES UNTUK MEMPREDIKSI PENGGUNAAN JASA TAKSI (Studi Kasus : PT. Para Bathara Surya “Taksi Silver”).

IMPLEMENTASI METODE NAÏVE BAYES UNTUK
MEMPREDIKSI PENGGUNAAN J ASA TAKSI
(Studi Kasus : PT. Par a Bathar a Sur ya “Taksi Silver ”)

TUGAS AKHIR

Oleh :
AGUS SETYAWAN
0934010280

J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
2013

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

IMPLEMENTASI METODE NAÏVE BAYES UNTUK
MEMPREDIKSI PENGGUNAAN J ASA TAKSI

(Studi Kasus : PT. Par a Bathar a Sur ya “Taksi Silver ”)

TUGAS AKHIR
Diajukan Untuk Memenuhi Sebagian Per syaratan
Dalam Memperoleh Gelar Sarjana Komputer
J urusan Teknik Infor matika

Oleh :
AGUS SETYAWAN
0934010280

J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
2013

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

TUGAS AKHIR
IMPLEMENTASI METODE NAÏVE BAYES UNTUK
MEMPREDIKSI PENGGUNAAN J ASA TAKSI
(Studi Kasus : PT. Par a Bathar a Sur ya “Taksi Silver ”)

Disusun oleh :
AGUS SETYAWAN
NPM. 0934010280
Telah dipertahankan dihadapan dan diterima oleh Tim Penguji Tugas Akhir
J urusan Teknik Infor matika Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional “Veteran” J awa Timur
Pada tanggal 14 J uni 2013
Pembimbing :
1.

Penguji
1.

Rinci Kembang H., S.Si, M.Kom.
NIP/NPT. 3 8702 11 0343 1

2.

Intan Yuniar P., S.Kom, MS.c.
NIP/NPT. 3 8006 04 0198 1
2.

Ir. Mu’tasim Billah., M.S.
NIP/NPT. 19600504 198703 1001

Wahyu Syaifullah J . S., S.Kom M.Kom.
NIP/NPT. 3 8608 10 0295 1
3.
Bar ry Nuqoba., S.Si, M.Kom.
NIP/NPT. 19841102 021212 1002

Mengetahui
Dekan Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional " Veteran" J awa Timur

Ir. Sutiyono., MT.

NIP. 19600713 198703 1001

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

LEMBAR PENGESAHAAN
IMPLEMENTASI METODE NAÏVE BAYES UNTUK
MEMPREDIKSI PENGGUNAAN J ASA TAKSI
(Studi Kasus : PT. Par a Bathar a Sur ya “Taksi Silver ”)
Disusun Oleh :
AGUS SETYAWAN
0934010280

Telah disetujui mengikuti Ujian Negara Lisan Gelombang IV Tahun
Akademik 2012/2013
Menyetujui,
Pembimbing I

Pembimbing II

Rinci Kembang H., S.Si, M.Kom.

Ir Mu’tasim Billah., M.S.

NIP/NPT. 3 8702 11 0343 1

NIP/NPT. 19600504 198703 1001

Mengetahui,
Ketua J urusan Teknik Infor matika
Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional “Veteran” J awa Timur

Dr. Ir. Ni Ketut Sari., MT.
NIP. 19650731 199 203 2001

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

YAYASAN KESEJ AHTERAAN PENDIDIKAN DAN PERUMAHAN

UPN “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
J alan Rungkut Madya Gunung Anyar Sur abaya 60294. Telp.(031) 8706369, 8783189.
Fax (031) 8706372

KETERANGAN REVISI
Mahasiswa yang bertanda tangan dibawah ini :
Nama

: Agus Setyawan

NPM

: 0934010280

Program Studi : Teknik Informatika
Jurusan

: Teknik Informatika

Telah mengerjakan revisi Tugas Akhir dengan judul :

IMPLEMENTASI METODE NAÏVE BAYES UNTUK
MEMPREDIKSI PENGGUNAAN J ASA TAKSI
(Studi Kasus : PT. Par a Bathar a Sur ya “Taksi Silver ”)
Oleh karenanya Mahasiswa di atas dinyatakan bebas revisi Tugas Akhir dan
diijinkan untuk membukukan Tugas Akhir dengan judul tersebut.
Surabaya, 17 J uni 2013
Dosen Penguji yang memerintahkan r evisi :

1. Intan Yuniar P., S.Kom, MS.c.
NIP/NPT. 3 8006 04 0198 1

(____________________)

2.

Wahyu Syaifullah J . S., S.Kom M.Kom.
NIP/NPT. 3 8608 10 0295 1

(____________________)

3.

Bar ry Nuqoba., S.Si, M.Kom.
NIP/NPT. 19841102 021212 1002

(____________________)
Mengetahui,

Dosen Pembimbing I

Rinci Kembang H., S.Si M.Kom.
NIP/NPT. 3 8702 11 0343 1

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

Dosen Pembimbing II

Ir. Mu’tasim Billah., M.S.
NIP/NPT. 19600504 198703 1001

KATA PENGANTAR
Assalamu’alaikum Wr. Wb
Rasa syukur penulis panjatkan atas kehadirat Allah SWT, yang telah
memberikan anugrah untuk penulis, sehingga penulis dapat menyelesaikan dan
menyusun Tugas Akhir dengan baik.
Alhamdulillah pada akhirnya Tugas Akhir yang berjudul “Implementasi
Metode Naïve Bayes Untuk Memprediksi Penggunaan J asa Taksi (Studi
Kasus : PT. Para Bathara Surya “Taksi Silver”)” dapat terselesaikan tepat
waktu. Tugas Akhir ini merupakan syarat untuk memenuhi gelar sarjana komputer
pada Fakultas Teknologi Industri Universitas Pembangunan Nasional “Veteran”
Jawa Timur.
Selama penyusunan Tugas Akhir ini, penulis menyadari banyak pihak
yang telah meluangkan waktunya guna mendorong dan membantu dalam
penyelesaian Tugas Akhir ini, untuk itu semua, penulis mengucapkan terima kasih
yang sebesar-besarnya kepada:
1. Dekan Fakultas Industri, Bapak Ir. Sutiyono, MT. yang telah menyetujui
Laporan Tugas Akhir ini.

2. Kepala Jurusan Teknik Informatika, Ibu Dr. Ir. Ni Ketut Sari, MT. yang
telah menyetujui Laporan Tugas Akhir ini.
3. Ibu Rinci Kembang H, S.Si, M.Kom. selaku Dosen Pembimbing I Tugas
Akhir yang telah banyak meluangkan waktu dan pikiran serta dengan
sabar membimbing dalam penyelesaian Tugas Akhir.

i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4. Bapak Ir. Mu’tasim Billah, M.S. selaku

Pembimbing II

yang telah

meluangkan waktu, tenaga dan pikiran serta sabar dalam membimbing
penulis dalam menyusun Laporan.
5. Ibu Intan Yuniar P., S.Kom, M.Sc , Bapak Wahyu Syaifullah J. S, S.Kom,
M.Kom , dan Bapak Barry Nuqoba, S.Si, M.Kom selaku penguji yang

telah meluangkan waktu untuk menguji dan membimbing penulis dalam
memperbaiki Laporan.
6. Bapak Samsul Hadi selaku Manajer PT. Para Bathara Surya yang telah
banyak membantu dalam membagikan data-data yang terkait dengan
pengolahan harga sewa kamar.
7. Keluarga yang tercinta, terutama orang tua yang selalu memberikan
dukungan yang begitu besar dan motifasi tinggi untuk penyelesaian Tugas
Akhir ini.
8. Teman-teman yang telah membantu dalam penyelesaian Tugas Akhir ini
khususnya Rachmah Eka Sari, Alvi Syahrin, Hillman Himawan dan Shelly
Yudha F. yang memberikan dorongan dan doa, serta teman-teman yang
tidak bisa penulis sebutkan satu persatu. Terima Kasih yang teramat besar
untuk kalian semua.
Surabaya, 14 Juni 2013
Penulis

Agus Setyawan

ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

DAFTAR ISI

KATA PENGANTAR ................................................................................... i
DAFTAR ISI ................................................................................................. iii
DAFTAR TABEL ......................................................................................... vi
DAFTAR GAMBAR ................................................................................... vii
BAB I

PENDAHULUAN ......................................................................... 1
1.1. Latar Belakang ....................................................................... 1
1.2. Perumusan Masalah ............................................................... 3
1.3. Batasan Masalah .................................................................... 3
1.4. Tujuan ................................................................................... 4
1.5. Manfaat ................................................................................. 5

BAB II

TINJ AUAN PUSTAKA ................................................................ 6
2.1. PT. Para Bathara Surya “Taxi Silver”..................................... 6
2.2. Jasa ....................................................................................... 7
2.3. Metode Naïve Bayes .............................................................. 12
2.3.1. Pengertian Metode Naive Bayes ................................. 12
2.3.2. Kelebihan metode Naive Bayes .................................. 13
2.3.3. Kelemahan metode Naive Baye .................................. 14
2.4. Sistem berorientasi Objek ...................................................... 16
2.4.1. Karakteristik Objek dan Kelas Objek .......................... 16
2.4.2. Metodologi Berorientasi Objek ................................... 17
2.4.3. Pemodelan Berorientasi .............................................. 18

iii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB III METODE PENELITIAN ............................................................. 20
3.1. Dataset ................................................................................... 20
3.2. Analisa Sistem ....................................................................... 21
3.3. Perancangan Sistem ............................................................... 23
3.3.1. Flowchart Diagram .................................................... 23
3.3.2. Use Case Diagram ..................................................... 24
3.3.3. Activity Diagram ........................................................ 25
3.3.4. Sequence Diagram...................................................... 31
3.3.5. Collaboration Diagram .............................................. 34
3.3.6. Class Diagram............................................................ 35
3.4. Kamus Data ........................................................................... 36
3.5. Desain Sistem ........................................................................ 39
3.5.1. Desain Halaman Login ............................................... 39
3.5.2. Desain Halaman Utama Aplikasi ............................... 40
3.5.3. Desain Halaman Data Prediksi.................................... 41
3.5.4. Desain Halaman Data Pool Taksi................................ 42
3.5.5. Desain Halaman Laporan Hasil Prediksi ..................... 43
BAB IV IMPLEMENTASI DAN PEMBAHASAN ................................... 45
4.1. Spesifikasi Komputer ............................................................. 45
4.2. Implementasi Sistem .............................................................. 46
4.2.1. Menjalankan Menu Login ........................................... 46
4.2.2. Menjalankan Prediksi Penggunaan Jasa Taksi............. 47

iv
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4.2.3. Menjalankan Menu Manajemen Pengguna .................. 48
4.2.4. Menjalankan Menu Data Prediksi ............................... 48
4.2.5. Menjalankan Menu Data Pool..................................... 49
4.2.6 Menjalankan Menu Laporan Hasil Prediksi ................ 50
4.2.7. Menjalankan Menu Setting Server .............................. 51
4.3. Uji Coba Sistem .................................................................... 51
4.3.1. Perhitungan Naïve Bayes ............................................ 51
4.3.2. Pengukuran Hasil Uji Coba......................................... 56
4.3.3. Validasi Data .............................................................. 57
BAB V

KESIMPULAN DAN SARAN ...................................................... 59
5.1. Kesimpulan............................................................................ 59
5.2. Saran ..................................................................................... 59

DAFTAR PUSTAKA .................................................................................... 60
LAMPIRAN .................................................................................................. 61

v
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

DAFTAR TABEL

Tabel 3.1. Pengelompokkan Data Banyak ............................................... 20
Tabel 3.2. Pengelompokkan Data Sedikit ............................................... 21
Tabel 3.3. Activity Diagram (login) ........................................................ 25
Tabel 3.4. Activity Diagram (memasukkan data prediksi) ....................... 27
Tabel 3.5. Activity Diagram (memasukkan data pool taksi) .................... 29
Tabel 3.6. Activity Diagram (memasukkan data variabel prediksi) .......... 30
Tabel 3.7. Kamus Data tLogin ............................................................... 36
Tabel 3.8. Kamus Data tPrediksi ............................................................ 37
Tabel 3.9. Kamus Data tPool ................................................................. 38
Tabel 3.10. Kamus Data tHasil_prediksi .................................................. 38
Tabel 4.1. Nilai Probabilitas Hari ........................................................... 52
Tabel 4.2. Nilai Probabilitas Waktu ........................................................ 52
Tabel 4.3. Nilai Probabilitas Cuaca ......................................................... 52
Tabel 4.4. Nilai Probabilitas Dataset Baru .............................................. 53
Tabel 4.5. Nilai Persentase Nilai Probabilitas Dataset Baru .................... 54
Tabel 4.6. Nilai Persentase Nilai Probabilitas Dan Pool .......................... 55
Tabel 4.7. Perbandingan Data ................................................................. 56
Tabel 4.8. Validasi Data ......................................................................... 58

vi
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

DAFTAR GAMBAR

Gambar 2.1. Struktur Organisasi PT. Para Bathara Surya ......................... 7
Gambar 3.1. System Flow ........................................................................ 23
Gambar 3.2.

Flowchart Diagram ............................................................. 24

Gambar 3.3. Use Case Diagram............................................................... 25
Gambar 3.4. Activity Diagram (login) ...................................................... 27
Gambar 3.5. Activity Diagram (memasukkan data prediksi) ..................... 28
Gambar 3.6. Activity Diagram (memasukkan data pool taksi) .................. 30
Gambar 3.7. Activity Diagram (memasukkan data variabel prediksi)........ 31
Gambar 3.8. Sequence Diagram (login) .................................................. 32
Gambar 3.9. Sequence Diagram (memasukkan data prediksi) ................. 32
Gambar 3.10. Sequence Diagram (memasukkan data pool taksi) .............. 33
Gambar 3.11. Sequence Diagram (memasukkan data variabel prediksi) ... 33
Gambar 3.12. Collaboration Diagram (login) ........................................... 34
Gambar 3.13. Collaboration Diagram (memasukkan data prediksi) .......... 34
Gambar 3.14. Collaboration Diagram (memasukkan data pool taksi) ....... 35
Gambar 3.15. Collaboration Diagram (memasukkan data variabel prediksi)35
Gambar 3.16. Class Diagram .................................................................... 36
Gambar 3.17. Desain halaman login .......................................................... 40
Gambar 3.18. Desain halaman utama ........................................................ 41
Gambar 3.19. Desain halaman prediksi ..................................................... 42
Gambar 3.20. Desain halaman pool taksi .................................................. 43

vii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

Gambar 3.21. Desain halaman laporan hasil prediksi ................................ 44
Gambar 4.1. Halaman Utama .................................................................. 46
Gambar 4.2. Menu Login ........................................................................ 47
Gambar 4.3. Prediksi Penggunaan Jasa Taksi .......................................... 47
Gambar 4.4. Menu Manajemen Pengguna ............................................... 48
Gambar 4.5. Menu Data Prediksi ............................................................ 49
Gambar 4.6. Menu Data Pool .................................................................. 50
Gambar 4.7. Menu Laporan Hasil Prediksi .............................................. 50
Gambar 4.8. Menu Setting Server ........................................................... 51

viii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

ABSTRAK

Pelayanan yang optimal sangat diperlukan masyarakat dalam menggunakan
jasa taksi, sehingga perusahaan taksi harus siap melayani dengan menyiapkan
armada pada lokasi yang tepat. Faktor yang mempengaruhi banyaknya penggunaan
taksi antara lain yaitu hari, waktu serta cuaca. Sehingga tujuan dari penelitian ini
yaitu merancang sebuah aplikasi yang digunakan untuk memprediksi penggunaan
jasa taksi berdasarkan parameter waktu, hari dan cuaca menggunakan metode
Naïve Bayes dalam melakukan perhitungan, sehingga didapatkan hasil jumlah
persentase banyak atau sedikitnya penggunaan jasa taksi serta penentuan hasil
prediksi dan persentase setiap pool taksi.
Sebuah parameter akan menjadi faktor penilaian atau perhitungan untuk
memberikan sebuah output yang dapat dijadikan sebagai acuan keputusan.
Parameter yang akan dijadikan tolak ukur adalah cuaca, waktu dan hari. Sistem ini
memberikan hasil berupa informasi penggunaan jasa taksi yang dapat mudah
dimengerti oleh pengguna. Informasi yang dihasilkan berupa laporan data
penggunaan jasa taksi dan area armada taksi, dimana dihitung berdasarkan data
yang sudah dimasukkan ke sistem.
Hasil dari penelitian ini didapatkan nilai rata-rata probabilitas banyak
mencapai 0,035 sedangkan nilai rata-rata probabilitas sedikit 0,017, nilai
probabilitas parameter hari kerja sebesar 74.24 % dan hari libur sebesar 47.91 %.
Sedangkan pada setiap pool Ketintang 15.54 %, Klampis 13.67 %, Hercules 13,05
% dan Sidoarjo 19.89 % berdasarkan data tahun 2012, dimana nilai akurasi
perhitungan dengan menggunakan metode Naïve Bayes pada sistem ini mencapai
83.33%, sedangkan peresentase kesalahan sebesar 16.67%.
Keyword : Aplikasi memprediksi penggunaan jasa taksi, Taksi Silver

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB I
PENDAHULUAN

1.1. Latar Belakang
Jasa transportasi saat ini mengalami peningkatan, dikarenakan untuk
mengurangi kemacetan yang ditimbulkan oleh banyaknya masyarakat
menggunakan kendaraan pribadi serta semakin pesatnya perkembangan kota.
Jasa transportasi yang mengalami peningkatan antara lain Taksi.

Taksi adalah salah satu alternatif alat transportasi darat yang banyak
diminati oleh masyarakat. Jasa taksi dapat digunakan oleh masyarakat
dengan cukup mudah. Masyarakat dapat memesan jasa taksi dengan
memanggil taksi secara langsung di jalan, menelepon operator taksi, hingga
SMS (Gintoro, Suharto, Rachman., Dan Halim,2010) . Taksi merupakan
salah satu transportasi yang banyak digunakan masyarakat karena
kenyamanan dan ketepatan waktu yang ditawarkan. Kenyamanan dan
ketepatan yang ditawarkan antara lain terdapatnya layanan penggunaan jasa
taksi melalui telepon, dengan telepon masyarakat tidak terbebani dalam
mencari taksi. Ketika masyarakat membutuhkan keamanan dan kenyamanan
dalam melakukan mobilitas di kota besar, maka hanya segelintir jenis sarana
transportasi yang dapat memenuhinya. Jumlah armada taksi yang meningkat
pesat dapat menyebabkan inefisiensi dalam industri jasa taksi (Junaidi,
2006) .

1

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2

Taksi adalah salah satu bagian dari sistem transportasi perkotaan,
berupa angkutan umum perkotaan yang memiliki karakteristik tersendiri.
Jenis kendaraan ini dioperasikan baik oleh operator maupun penyewa yang
dalam hal ini tidak ada rute atau jadwal tertentu yang harus diikuti oleh
pengguna serta sifat pelayanannya dari pintu ke pintu ( door to door
service).
Pelayanan

yang

optimal

sangat

diperlukan

masyarakat

dalam

menggunakan jasa taksi, sehingga perusahaan taksi harus siap melayani
dengan menyiapkan armada pada lokasi yang tepat. Kecepatan waktu dan
penempatan armada pada lokasi yang tepat sangat diperlukan untuk
kenyamanan penumpang, sehingga penumpang merasa yakin terhadap
pelayanan jasa taksi. Kepuasan pelangan merupakan salah satu kunci
keberhasilan suatu perusahaan dalam mempertahankan eksistensinya di
pasar, apalagi dengan semakin tingginya tingkat persaingan (Wicaksono,
2010) .
Faktor yang mempengaruhi banyaknya penggunaan taksi antara lain
yaitu hari, waktu serta cuaca. Hari merupakan hal yang sangat penting dalam
mengetahui banyaknya penggunaan taksi, dimana hanya hari-hari tertentu
penggunaan taksi mengalami kenaikan diantaranya hari kerja dan hari libur.
Selain hari terdapat waktu, dimana waktu tersebut juga mempengaruhi
banyaknya penggunaan taksi, pemilihan waktu yang tepat sangat
mempengaruhi jumlah armada taksi yang digunakan antara lain, waktu pagi
hari dan waktu sore hari. Cuaca juga berpengaruh terhadap penggunaan

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

3

taksi, cuaca yang tidak mendukung bisa mempengaruhi penumpang ataupun
sopir taksi tersebut sehingga mampu menentukan jumlah penggunaan taksi.
Berdasarkan uraian latar belakang masalah yang ada, maka dapat
diambil judul untuk skripsi ini yaitu Implementasi Metode Naïve Bayes
Untuk Memprediksi Penggunaan J asa Taksi (Studi kasus : PT. Par a
Bathara Surya “Taksi Silver”). Dengan demikian peneliti akan melakukan
penelitian terhadap masalah ini untuk memudahkan perusahaan taksi dalam
memprediksi penggunaan jasa taksi.
1.2. Perumusan Masalah
Berdasarkan uraian diatas rumusan masalah yang diajukan dalam
penelitian ini adalah:
a.

Bagaimana merancang sebuah aplikasi untuk memprediksi penggunaan
jasa taksi Silver menggunakan parameter-parameter pendukung ?

b.

Bagaimana membuat aplikasi untuk memprediksi jumlah persentase
penggunaan jasa taksi dan persentase penggunaan pada setiap pool taksi
Silver menggunakan Algoritma Naïve Bayes?

1.3.

Batasan Masalah
Membuat Aplikasi memprediksi penggunaan jasa taksi Silver dengan
menggunakan metode Naïve Bayes ini mempunyai batasan masalah sebagai
berikut :
a.

Aplikasi menggunakan bahasa pemrograman Visual Basic 6, dengan
MySQL sebagai databasenya..

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4

b.

Metode yang digunakan dalam Sistem Pendukung Keputusan ini adalah
Naïve Bayes.

c.

Atribut yang digunakan dalam sistem adalah kondisi cuaca, waktu, dan
hari.

d.

Pada penelitian ini data yang digunakan merupakan data taksi Silver
Surabaya

e.

Pada penelitian ini tidak dilakukan pengelompokan terhadap kategori
penumpang taksi.

f.

Pada penelitian ini pool yang digunakan berjumlah empat pool yaitu
Ketintang, Klampis, Hercules dan Sidoarjo.

g.

Pada penelitian ini data yang digunakan acuan merupakan data tahun
2012.

h.

Pada penelitian ini aplikasi yang dibuat hanya menghitung dalam satu
tahun.

i.

Aplikasi yang dibuat menghasilkan output berupa jumlah persentase
banyak atau sedikitnya penggunaan jasa taksi serta penentuan hasil
prediksi dan persentase dari ke-empat pool.

1.4. Tujuan
Berdasarkan rumusan masalah di atas, didapatkan tujuan dari penelitian ini
yaitu merancang sebuah aplikasi yang digunakan untuk memprediksi
penggunaan jasa taksi berdasarkan parameter waktu, hari dan cuaca
menggunakan metode Naïve Bayes dalam melakukan perhitungan, sehingga

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

5

didapatkan hasil jumlah persentase banyak atau sedikitnya penggunaan jasa
taksi serta penentuan hasil prediksi dan persentase setiap pool taksi.
1.5. Manfaat
Beberapa manfaat yang diharapkan dapat diperoleh dari penelitian ini
adalah sebagai berikut :
a. Membantu mengurangi kesalahan dalam memprediksi penggunaan
jasa taksi dalam menentukan persentase penggunaan jasa taksi serta
penentuan hasil prediksi dan persentase pada setiap pool.
b. Mempersingkat waktu dalam memprediksi penggunaan jasa taksi
dalam menentukan persentase penggunaan jasa taksi serta penentuan
hasil prediksi dan persentase pada setiap pool.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB II
TINJ AUAN PUSTAKA

2.1. PT. Para Bathara Surya “Taxi Silver ”
PT. Para Bathara Surya merupakan sebuah perusahaan yang bergerak
dibidang jasa transportasi. Adapun kegiatan utamanya adalah menyediakan
jasa transportasi untuk memenuhi kebutuhan taksi dari masyarakat Surabaya
yang lebih dikenal dengan nama taksi Silver. Perusahaan ini berlokasi di Jl.
Tegalsari 107, Surabaya.
PT. Para Bathara Surya berdiri pada 20 Februari 1997 dan mulai
beroperasi sebagai transportasi pengunjung yang pergi dari suatu tempat ke
tempat yang lainnya pada tanggal 28 Juli 1997. Perusahaan ini awalnya hanya
memiliki armada taksi sebanyak 20 unit taksi dengan merk Ford Laser.
Namun pada saat ini armada yang beroperasi telah mengalami peremajaan
dan penambahan unit menjadi kurang lebih 500 unit taksi dengan merk
Timor, Chevrolet Lova, Proton dan Hyundai Excell. Wilayah operasi dari
taksi Silver adalah Surabaya dan sekitarnya.
Perusahaan ini mempekerjakan 150 karyawan dan memiliki pengemudi
sebagai mitra kerja perusahaan sebanyak 1000 orang. Dalam menjalankan
perusahaan

ini pemilik

membagi perusahaannya kedalam

beberapa

departement antara lain departemen Operasional, departemen Pemeliharaan
(Bengkel), departemen Komunikasi dan Argo, departemen Logistik

6
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

7

(Gudang), departemen Keuangan, departemen EDP (Electronic Data
Processing), departemen SDM ( Sumber Daya Manusia ).
Tujuan PT. Para Bathara Surya adalah untuk memberikan kualitas
pelayanan angkutan yang ada di Surabaya.
Struktur Organisasi
Setiap perusahaan memiliki struktur organisasi yang unik, yang
menggambarkan secara jelas tentang pembagian fungsi, wewenang dan
tanggung jawab masing-masing bagian yang ada dalam suatu perusahaan.
Struktur Organisasi yang terdapat pada PT. Para Bathara Surya dapat dilihat
pada gambar 2.1.

Sumber : Struktur Organisasi PT Bathara Surya

Gambar 2.1. Struktur Organisasi PT. Para Bathara Surya

2.2 J asa
Jasa merupakan setiap tindakan atau kinerja yang dapat ditawarkan satu
pihak kepada pihak lain yang pada dasarnya tidak berwujud dan tidak
mengakibatkan kepemilikan apapun. Jasa tersebut mungkin saja atau

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

8

mungkin juga tidak terkait dengan suatu produk fisik. Jasa atau layanan
merupakan setiap kegiatan atau manfaat yang ditawarkan oleh suatu pihak
kepada pihak yang lain dan pada dasarnya tidak berwujud serta tidak
menghasilkan kepemilikan atas sesuatu dan sebuah perusahaan jasa
dapatmemberikan layanan kepada individu konsumen secara langsung atau
kepada kepemilikan konsumen tersebut (Fibrianto, 2011).
Berbeda dengan barang, jasa memiliki karakteristiknya sendiri terdapat
empat karakteristik jasa yang dikenal dengan paradigma IHIP (Intangibility,
Heterogenity, Inseparability dan Perishability). Keempat karakteristik dapat
di jelaskan sebagai berikut :
1. Intangibility
Jasa berbeda dengan barang. Bila barang merupakan suatu objek, alat,
material, atau benda; maka jasa justru merupakan perbuatan, tindakan,
pengalaman, proses, kinerja, atau usaha . Jasa bersifat intangible, artinya jasa
tidak dapat dilihat, dirasa, dicium, didengar, atau diraba sebelum dibeli dan
dikonsumsi. Bagi para pelanggan, ketidak pastian dalam pembelian jasa
relative tinggi karena terbatasnya pencarian kualitas yakni karateristik fisik
yang dapat di evaluasi pembeli sebelum melakukan pembelian. Selain itu,
jasa biasanya mengandung unsur Experience quality dan Credence quality
yang tinggi. Experience quality adalah karateristik yang hanya dapat dinilai
pelanggan setelah melakukan pembelian, misalnya kualitas, efisiensi dan
kesopanan. Sedangkan Credence quality merupakan aspek – aspek yang sulit
dievaluasi bahkan setelah pembelian dilakukan (Fibrianto, 2011) .

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

9

2. Heterogenity/Variability
Jasa memiliki banyak variasi bentuk, kualitas, dan jenis, bergantung pada
siapa, kapan, dan di mana jasa tersebut diproduksi. Variasi jasa ini timbul
karena konsumen biasanya tidak bisa diprediksi dan cenderung tidak
konsisten dalam hal sikap dan perilakunya (Fibrianto, 2011). Terdapat tiga
faktor yang menyebabkan variabilitas kualitas jasa yaitu Kerja sama atau
partisipasi pelanggan selama penyampaian jasa , moral/motivasi karyawan
dalam melayani pelanggan dan Beban kerja perusahaan.
3. Inseparability
Barang biasannya diproduksi, kemudian dijual lalu dikonsumsi.
Sedangkan jasa pada umumnya dijual terlebih dahulu, baru kemudian
diproduksi dan dikonsumsi pada waktu dan tempat yang sama. Tantangan
bagi penyedia jasa adalah mencari berbagai cara untuk mengelola dan
mengembangkan sumber daya langka tersebut guna mencapai tingkat
produktivitas yang lebih tinggi. Implikasi karakteristik inseparability bagi
penyedia jasa meliputi tiga aspek utama. Pertama adalah melatih staf agar
dapat berinteraksi secara efektif dengan para klien. Termasuk didalamnya,
cara mendengarkan pelanggan, sikap empati dan berperilaku sopan. Kedua,
mengupayakan berbagai cara untuk mencegah agar jangan sampai ada
pelanggan yang mengggangu atau menghambat kepuasan pelanggan lainnya.
Ketiga, pertumbuhan dapat memfasilitasi dengan berbagai cara : pelatihan,
melayani kelompok pelanggan yang lebih besar , bekerja lebih cepat dan
mendirikan multi-site locations (membentuk waralaba/franchising)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

10

4. Perishability
Jasa merupakan komoditas yang tidak tahan lama, tidak dapat disimpan
untuk pemakaian ulang, dijual kembali, atau dikembalikan. Karater jasa yang
seperti ini membuat jasa yang tidak terpakai pada suatu waktu akan berlalu
atau hilang begitu saja. Hal inilah yang menyebabkan pemasaran jasa lebih
sulit daripada pemasaran barang karena permintaan konsumen terhadap
sebagian besar jasa sangat fluktuatif dan dipengaruhi faktor musiman.
Kualitas J asa
Pada prinsipnya, definisi kualitas jasa berfokus pada upaya pemenuhan
kebutuhan dan keinginan pelanggan, serta ketepatan penyampaiannya untuk
mengimbangi

harapan

pelanggan.

Kualitas

jasa

merupakan

tingkat

keunggulan yang diharapkan dan pengendalian atas keunggulan tersebut
untuk memenuhi keinginan pelanggan (Fibrianto, 2011) . Implikasi baik
buruknya kualitas jasa tergantung kepada kemampuan penyedia jasa
memenuhi harapan pelanggannya secara konsisten. Kualitas jasa menjadi
senjata kompetitif yang paling kuat oleh banyak organisasi dalam hal
pelayanan.
Manajer organisasi bekerja keras untuk memelihara kualitas pelayanan
sebagai upaya menciptakan loyalitas pelanggan ,oleh karena itu perusahaan
yang ingin sukses dalam jangka panjang dan mencapai pangsa pasar
ditentukan oleh kemampuannya untuk memperluas dan memelihara loyalitas
pelanggan. ,loyalita pelanggan adalah sangat penting bagi kelangsungan

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

11

hidup bisnis. Secara relative hubungan antara loyalitas pelanggan dan kualitas
jasa belum berkembang (Fibrianto, 2011) .
Dari beberapa hasil pengertian diatas, mengenai pengaruh dimensi
kualitas jasa kesemuannya menemukan bahwa dimensi kualitas jasa
berpengaruh pada perusahaan. Lebih lanjut, pada dasarnya kualitas suatu jasa
yang dipersepsikan pelanggan terdiri atas dua dimensi utama. Dimensi
pertama adalah, Technical quality (outcome dimension) berkaitan dengan
kualitas output jasa yang dipersepsikan pelanggan. Komponen ini dijabarkan
menjadi tiga jenis Search quality (dapat dievaluasi sebelum dibeli, misalnya
harga), Experience quality (hanya bisa dievaluasi setelah dikonsumsi,
contohnya ketepatan waktu, kecepatan layanan dan kerapian hasil) serta
Credency quality merupakan aspek–aspek yang sulit dievaluasi bahkan
setelah pembelian dilakukan. Dimensi kedua, Functional quality (processrelated dimension) berkaitan dengan kualitas cara penyampaian jasa atau
menyangkut proses transfer kualitas teknis, output atau hasil akhir jasa dari
penyedia jasa kepada pelanggan. Kualitas jasa pada umumnya tidak dilihat
dalam konstruk yang terpisah, melainkan secara agregat dimana dimensi –
dimensi individual dimasukkan untuk mendapatkan kualitas jasa secara
keseluruhan. Layanan tidak bisa disimpan, diinventorikan, atau dilihat
sebagai barang jadi. Jika sebuah layanan tidak dikonsumsi secara cepat
setelah produksi, layanan tersebut akan menghilang (Gintoro, Suharto,
Rachman., Dan Halim,2010). Pengertian dari kualitas jasa merupakan sesuatu
yang sangat luas (atau bahkan dapat dikatakan tidak ada, tergantung pada

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

12

jenis industri dimana suatu perusahaan beroperasi dan konsumen pada
masing–masing industri memiliki kriteria atau standard yang berbeda dalam
menilai kualitas suatu jasa. Kualitas jasa yang tinggi yang diberikan oleh
perusahaan akan membuatpelanggan puas terhadap produk atau jasa yang
perusahaan sampaikan (Wicaksono, 2010). Oleh sebab itu, baik tidaknya
kualitas jasa atau layanan tergantung pada kemampuan penyedia jasa dalam
memenuhi harapan pelanggannya secara konsisten.

2.3.

Metode Naïve Bayes
Metode Naive Bayes adalah sebuah algoritma pengklasifikasian dengan

menggunakan probabilitas dan perhitungan statistik. Algoritma naive bayes
digunakan untuk memprediksi peluang yang akan terjadi di masa yang akan
datang berdasarkan data – data masa lalu.
2.3.1. Pengertian Metode Naive Bayes
Metode Naive Bayes berdasarkan probabilitas dan Teorema Bayesian
dengan asumsi bahwa setiap variabel bersifat bebas (independence) dan
mengansumsikan bahwa keberadaan sebuah fitur (variabel) tidak ada
kaitannya dengan beradaan fitur (variabel) yang lain. Naïve Bayes adalah
model penyederhanaan dari metode bayes.Naïve Bayes inilah yang digunakan
di dalam macine learning sebagai metode untuk mendapatkan hipotesis untuk
suatu keputusan.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

13

Algoritma naive bayes sangat cocok digunakan untuk mengolah data
yang tidak konsisten dan bias. Algoritma naive bayes mempunyai beberapa
kelebihan dan kekurangan, yaitu:
Metode Naïve Bayes umumnya memiliki karakteristik sebagai berikut.
•

Kokoh untuh titik noise yang diisolasi seperti titik yang dirata- ratakan ketika
mengestimasi peluang bersyarat data. Naive bayes classifier dapat menangani
missing value dengan mengabaikan contoh selama pembuatan model dan
klasifikasi.

•

Kokoh untuk atribut tidak relevan, jika X i adalah atribut yang tidak relevan,
maka P

2.3.2. Kelebihan metode Naive Bayes

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2.3.3 Kelemahan metode Naive Bayes

p(I=ij|C=ci)
p(C=ci|I=ij)
p(I=ij)
p(C=ci)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

Vnb = P(kelas) ∏ (input|kelas)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2.4. Sistem berorientasi Objek

2.4.1 Karakteristik Objek dan Kelas Objek

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

Message
Message

2.4.2 Metodologi Berorientasi Objek

Encapsulation
Encapsulation

Inheritance

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

Inheritance

Polymorphism
Polymorphism

2.4.2

Pemodelan Berorientasi

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

state diagram

flow diagram

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB III
METODOLOGI PENELITIAN

Pada bab ini akan dijelaskan

mengenai bagaimana implementasi

pengembangan sistem mulai dari tahap melakukan analisa sistem hingga
perancangan sistem, untuk memproses penginputan kriteria di dalam sistem yang
akan dikelola oleh manajer dengan penentuan data.
3.1. Dataset
Pada sub bab ini berisikan dataset yang akan dihitung menggunakan metode
Naïve Bayes untuk menentukan persentase nilai probabilitas dalam memprediksi
penggunaan jasa taksi Silver.
Tabel 3.1. Pengelompokkan Data Banyak
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Har i
Kerja
Kerja
Kerja
Kerja
Kerja
Kerja
Kerja
Kerja
Kerja
Kerja
Libur
Libur
Libur
Libur

Waktu
Pagi
Pagi
Pagi
Siang
Siang
Siang
Sore
Malam
Malam
Malam
Pagi
Siang
Sore
Malam

Cuaca
Cerah
Mendung
Hujan
Cerah
Mendung
Hujan
Cerah
Cerah
Mendung
Hujan
Cerah
Cerah
Cerah
Cerah

J umlah pengguna
dalam 1 tahun
140468
11049
10723
180181
13703
12346
112895
163679
14168
12310
70889
101657
53748
77360

Sumber : Lampiran 1

20
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

Keter angan
Banyak
Banyak
Banyak
Banyak
Banyak
Banyak
Banyak
Banyak
Banyak
Banyak
Banyak
Banyak
Banyak
Banyak

21

Tabel 3.1. merupakan tabel yang akan dihitung berdasarkan perhitungan
Naïve Bayes, dimana tabel diatas dikelompokkan berdasarkan jumlah yang
melebihi 10000 pengguna per-tahun.
Tabel 3.2. Pengelompokkan Data Sedikit
No.
1
2
3
4
5
6
7
8
9
10

Har i
Kerja
Kerja
Libur
Libur
Libur
Libur
Libur
Libur
Libur
Libur

Waktu
Sore
Sore
Pagi
Pagi
Siang
Siang
Sore
Sore
Malam
Malam

Cuaca
Mendung
Hujan
Mendung
Hujan
Mendung
Hujan
Mendung
Hujan
Mendung
Hujan

J umlah pengguna
dalam 1 tahun
9512
9108
4017
3700
5959
4751
3253
2539
4912
3350

Keter angan
Sedikit
Sedikit
Sedikit
Sedikit
Sedikit
Sedikit
Sedikit
Sedikit
Sedikit
Sedikit

Sumber Lampiran 1
Tabel 3.2. merupakan tabel yang akan dihitung berdasarkan perhitungan
Naïve Bayes, dimana tabel diatas dikelompokkan berdasarkan jumlah yang
kurang dari 10000 pengguna per-tahun.

3.2. Analisa Sistem
Sistem ini merupakan suatu sistem yang dapat membantu manajer dalam
mengambil keputusan dengan kemampuan analisis penentuan data menggunakan
metode Naïve Bayes. Sebuah parameter akan menjadi faktor penilaian atau
perhitungan untuk memberikan sebuah output yang dapat dijadikan sebagai acuan
keputusan. Parameter yang akan dijadikan tolak ukur adalah cuaca, waktu dan
hari.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

22

Sistem ini membantu menentukan banyaknya atau sedikitnya pengguna jasa
taksi serta menentukan area armada taksi. Sistem ini memberikan hasil berupa
informasi penggunaan jasa taksi yang dapat mudah dimengerti oleh pengguna.
Informasi yang dihasilkan berupa laporan data penggunaan jasa taksi dan area
armada taksi, dimana dihitung berdasarkan data yang sudah dimasukkan ke
sistem.
Pengguna sistem pada penelitian ini adalah Tim EDP selaku sebagai admin .
Dimana Tim EDP ( Electronic Data Processing ) bertugas melakukan inputan
data-data mentah berupa laporan penggunaan jasa taksi kedalam aplikasi dimana
data-data mentah tersebut didapatkan dari operator, serta Tim EDP menjalankan
sistem berdasarkan data yang akan diproses dengan aplikasi untuk memprediksi
penggunaan jasa taksi menggunakan metode Naive Bayes, Operator bertugas
memberikan laporan banyaknya penggunaan jasa taksi kepada Tim EDP serta
meminta data yang sudah diolah untuk menentukan armada taksi pada pool yang
tersedia, Manajer bertugas menerima laporan-laporan penggunaan jasa taksi dari
tim EDP. Alur kerja pada sistem penggunaan jasa taksi Silver dapat dilihat pada
sistem flow gambar 3.1.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

23

Gambar 3.1. System Flow
3.3. Perancangan Sistem
Dalam melakukan perancangan sistem terdapat beberapa tahapan yang
harus dilakukan agar aplikasi yang dibuat dapat berfungsi sesuai dengan yang
diharapkan. Adapun tahap-tahap dalam perancangan sistem antara lain Flowchart
Diagram, Use Case Diagram, Activity Diagram, Collaboration Diagram,
Sequence Diagram dan Class Diagram.
3.3.1. Flowchart Diagram
Flowchart Diagram menjelaskan alur kerja dari suatu sistem, alur tersebut
dibuat kedalam suatu diagram yang dapat mempermudah dalam menjelaskan

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

24

maksud dan tujuan dari sebuah sistem. Flowchart Diagram pada penelitian ini
menjelaskan tentang alur dari Algoritma Naïve Bayes . Flowchart Diagram ini
dapat dilihat pada gambar 3.2.

Gambar 3.2. Flowchart Diagram
3.3.2. Use Case Diagram
Use Case Diagram menjelaskan kerja setiap aktor di dalam sebuah sistem
dengan menggunakan bahasa yang terkomputerisasi. Use Case Diagram yang
terdapat pada system ini memiliki satu aktor yaitu Tim EDP . Aktor tersebut
melakukan sebuah kegiatan yang digambarkan dalam sebuah Use Case. Use Case
Diagram ini dapat dilihat pada gambar 3.3.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

25



Memasukkan Data Pool Taksi



Login



Memasukkan Data Prediksi
Tim EDP

Memasukkan Data Parameter
prediksi

Gambar 3.3. Use Case Diagram

3.3.3. Activity Diagram
Pembuatan Activity Diagram digunakan untuk mengetahui alur sistem
yang berada di dalam setiap Use Case. Activity Diagram yang dibuat berdasarkan
jumlah Use Case yang telah dibuat pada Use Case Diagram, sehingga aktivitas
yang dibuat antara lain : login, memasukkan data prediksi (hari, waktu dan cuaca)
, memasukkan data pool taksi dan memasukkan data variabel prediksi.
-

Activity Diagram (login)
Tabel 3.3. Activity Diagram (login)
Nama Use case

login

Deskripsi

Pengguna terlebih dahulu melakukan login sebelum
masuk ke halaman utama

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

26

Aktor

Tim EDP

Kondisi Awal

Pengguna belum masuk ke dalam halaman utama
aplikasi

Kondisi Akhir

Pengguna berhasil masuk ke dalam halaman utama
aplikasi

Alur Normal

1. Sistem menampilkan halaman login.
2. Pengguna memasukkan akun berupa username
dan password.
A1. Akun tidak ada atau pengisian field akun
belum terisi.
3. Sistem menampilkan halaman utama aplikasi.

Alur Alternatif

A1. Akun tidak ada atau pengisian field akun belum
terisi.
1.1. Sistem menampilkan pesan bahwa akun
tidak ada ataupun field belum terisi dan
pesan login kembali.
1.2. Kembali ke alur normal nomor 1.

Activity Diagram pada tabel 3.3 menjelaskan alur dari use case login yang
dilakukan oleh Tim EDP pada aplikasi memprediksi penggunaan jasa taksi.
Alur aktivitas login pada aplikasi memprediksi penggunaan jasa taksi ini
dapat dilihat pada gambar 3.4.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

27

Tim EDP

Sis tem

Data bas e

menampilkan
halaman login

mengecek
akun

mengisikan username
dan password

ya
login kembali
tidak

menampilkan pemberitahuan
kesalahan pengisian
tidak
data valid
ya
menampilkan halaman
utama aplikasi

Gambar 3.4. Activity Diagram (login)
-

Activity Diagram (memasukkan data prediksi)
Tabel 3.4. Activity Diagram (memasukkan data prediksi)
Nama Use case

Memasukkan data hari

Deskripsi

Pengguna terlebih dahulu memasukkan data prediksi
sebelum menjalankan prediksi.

Aktor

Tim EDP

Kondisi Awal

Pengguna sukses login dan belum memasukkan data
prediksi pada aplikasi

Kondisi Akhir

Pengguna berhasil memasukkan data prediksi pada
aplikasi

Alur Normal

1. Sistem menampilkan halaman utama aplikasi.
2. Pengguna memilih menu data prediksi
3. Sistem menampilkan halaman data prediksi.
4. Pengguna memasukkan data hari.
A1. Pengguna batal memasukkan data prediksi

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

28

5. Sistem

menampilkan

pemberitahuan

penyimpanan sukses
Alur Alternatif

A1. Pengguna batal memasukkan data prediksi.
1.1. Pengguna menekan tombol cancel.
1.2. Sistem menampilkan Halaman Utama.

Activity Diagram pada tabel 3.4 menjelaskan alur dari use case
memasukkan data hari yang dilakukan oleh Tim EDP pada aplikasi
memprediksi penggunaan jasa taksi. Alur aktivitas memasukkan data hari
pada aplikasi memprediksi penggunaan jasa taksi ini dapat dilihat pada
gambar 3.5.

Tim EDP

Si s tem

Databas e

menampilkan
halaman utama
memilih menu
data prediksi

menampilkan halaman
data prediksi

memasukkan
data
ya
memasukkan
data prediksi

menyimpan
data prediksi

tidak
menampilkan pemberitahuan
penyimpanan sukses

Gambar 3.5. Activity Diagram (memasukkan data prediksi)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

29

-

Activity Diagram (memasukkan data pool taksi)
Tabel 3.5. Activity Diagram (memasukkan data pool taksi)
Nama Use case

Memasukkan data pool taksi

Deskripsi

Pengguna terlebih dahulu memasukkan data pool
taksi sebelum menjalankan prediksi.

Aktor

Tim EDP

Kondisi Awal

Pengguna sukses login dan belum memasukkan data
pool taksi pada aplikasi

Kondisi Akhir

Pengguna berhasil memasukkan data pool taksi pada
aplikasi

Alur Normal

1. Sistem menampilkan halaman utama aplikasi.
2. Pengguna memilih menu data pool taksi.
3. Sistem menampilkan halaman data pool taksi.
4. Pengguna memasukkan data pool taksi.
A1. Pengguna batal memasukkan data pool taksi.
5. Sistem

menampilkan

pemberitahuan

penyimpanan sukses
Alur Alternatif

A1. Pengguna batal memasukkan data pool taksi.
1.1. Pengguna menekan tombol cancel.
1.2. Sistem menampilkan Halaman Utama.

Activity Diagram pada tabel 3.5 menjelaskan alur dari use case
memasukkan data pool taksi yang dilakukan oleh Tim EDP pada aplikasi
memprediksi penggunaan jasa taksi. Alur aktivitas memasukkan data pool
taksi pada aplikasi memprediksi penggunaan jasa taksi ini dapat dilihat pada
gambar 3.6.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

30

Tim EDP

Sis tem

PDE

membuka
halaman utama

memilih menu
data pool taksi

menampilkan halaman
data pool taksi
memasukkan
data
ya
memasukkan
data pool taksi

menyimpan
data pool taksi

menampilkan pemberitahuan
penyimpanan sukses

tidak

Gambar 3.6. Activity Diagram (memasukkan data pool taksi)
-

Activity Diagram (memasukkan data variabel pr ediksi)
Tabel 3.6. Activity Diagram (memasukkan data variabel pr ediksi)
Nama Use case

Memasukkan data variabel prediksi

Deskripsi

Pengguna terlebih dahulu memasukkan data untuk
menentukan prediksi penggunaan jasa taksi.

Aktor

Tim EDP

Kondisi Awal

Pengguna belum mengetahui prediksi penggunaan
taksi

Kondisi Akhir

Pengguna

berhasil

mendapatkan data

prediksi

penggunaan jasa taksi
Alur Normal

1. Sistem menampilkan halaman utama aplikasi.
2. Pengguna

memilih

data

sesuai

permintaan

aplikasi berupa data bervariabel hari, waktu dan
cuaca.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

31

3. Sistem menampilkan hasil penggunaan jasa taksi
beserta pool taksi berupa presentase sesuai
dengan variabel data yang dimasukkan.
Alur Alternatif

-

Activity Diagram pada tabel 3.6 menjelaskan alur dari use case
memasukkan data variabel prediksi yang dilakukan oleh Tim EDP pada
aplikasi memprediksi penggunaan jasa taksi. Alur aktivitas memasukkan data
variabel prediksi pada aplikasi memprediksi penggunaan jasa taksi ini dapat
dilihat pada gambar 3.7.

Tim EDP

Sis tem

PDE

menampilkan
halaman utama

memasukkan data bervariabel
hari, waktu dan cuaca

memproses
data
menampilkan hasil prediksi
penggunaan jasa taksi

Gambar 3.7. Activity Diagram (memasukkan data variabel prediksi)
3.3.4. Sequence Diagram
Sequence Diagram digunakan untuk mengetahui alur sistem secara
langsung berdasarkan waktu. Sequence Diagram dibuat berdasarkan jumlah Use
Case yang telah dibuat pada Use Case Diagram, sehingga sequence yang dibuat

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau