Institutional Repository | Satya Wacana Christian University: Pemodelan Sistem Peramalan Produksi Tanaman Pangan Menggunakan Exponential Smoothing (Studi Kasus : Kabupaten Boyolali) T1 672008609 BAB IV

Hasil dan

4.1

Implementasi Sistem

Implementasi model siste dari perancangan basis data ya Berdasarkan rancangan ya diimplementasikan beberapa ta Agrometeorologi, table Cura SuhuUdara, table Pengguna, tabl

Untuk implementasi da diberikan contoh data unt diimplementasikan. Contoh da gambar berikut ini.

Gambar 4.1 Imp Pada Gambar 4.1 dapat dimana record pada table Pengg akan menggunakan sistem.

Gambar 4.2 Implem Pada Gambar 4.2 Agrometeorologi. Pada table tanaman yang digunakan pada pe

Bab 4

an Pembahasan

em Basis Data

stem basis data merupakan implementasi yang telah dibuat pada bab sebelumnya. yang telah dibuat maka akan tabel ke dalam database, yaitu : table urahHujan, table Kelembaban, table table Kecamatan.

dari tabel-tabel tersebut, maka akan untuk masing-masing tabel yang data tabel dapat terlihat pada

gambar-mplementasi table Pengguna

pat dilihat implementasi table Pengguna, ngguna akan mewakili seorang user yang

ementasi table Agrometeorologi

terlihat implementasi dari table Agrometeorologi terdapat 3 records da penelitian ini.

Gambar 4.3 Impl Pada Gambar 4.3 terliha Terdapat 3 kecamatan pada sebagai sample dalam penelitia bab sebelumnya.

Gambar 4.4 Impl Pada Gambar 4.4 dapa CurahHujan. Table CurahHuj perbulan tiap kecamatan. Bebe Gambar 4.4.

Gambar 4.5 Imple Pada Gambar 4.5 dapa Kelembaban. Table Kelembaba perbulan tiap kecamatan. Bebe Gambar 4.5.

plementasi table Kecamatan

hat implementasi dari table Kecamatan. da kabupaten Boyolali yang digunakan itian ini, sesuai dengan pembahasan pada

plementasi table CurahHujan

dapat dilihat implementasi dari table ujan berisikan data-data curah hujan eberapa diantaranya dapat dilihat pada

plementasi table Kelembaban

dapat dilihat implementasi dari table baban berisikan data-data kelembaban

Gambar 4.6 Impl Pada Gambar 4.6 dapa SuhuUdara. Table SuhuUdara b tiap kecamatan. Beberapa dianta

4.2

Hasil Pembuatan Apl

Aplikasi yang dibuat perta yang mengharuskan user untuk untuk menjamin keamanan dat user didalam sistem. User di password. Untuk memastikan dimasukkan benar-benar terdaft sebuah fungsi login.

Fungsi login tersebut aka masukkan user salah maka ak ditunjukkan oleh Gambar 4.7. user akan masuk kedalam form

Gambar 4.7 Tam

plementasi table SuhuUdara

dapat dilihat implementasi dari table a berisikan data-data suhu udara perbulan

ntaranya dapat dilihat pada Gambar 4.6.

Aplikasi

pertama kali akan memanggil Form Login, uk melakukan login. Hal ini dimaksudkan data yang ada serta membatasi aktivitas diharuskan mengisikan username dan n bahwa username dan password yang daftar di dalam database,maka digunakan

akan memvalidasi masukkan user. Jika akan muncul warning message seperti . Sedangkan jika login berhasil, maka orm utama.

Sesuai pada perancangan pembagian hak user ditujukan hanya dapat dilakukan oleh us dapat melihat peramalan tanam tertentu. Untuk memperjelas ma pada Kode Program 4.1.

Kode Program 4.1 Pembatasan Hak A

Pada Kode Program 4.1 t Manage Data berdasarkan pen saat pengecekan user pada fun seperti ini akan lebih efektif da untuk masing-masing tipe user.

Pada user admin, terdapa untuk menambahkan, menguba data agrometeorologi, dan da klimatologi ditunjukkan oleh Ga

Gambar 4.8 With f

Me._menuStrip.Visible = Tr _menuManageData.Visible = End With

gan sistem pada bab sebelumnya, maka ukan untuk memastikan bahwa input data user admin, sedangkan user PPL hanya naman yang cocok ditanam pada masa maka fungsi tersebut dapat dilihat dilihat

k Akses

terlihat jelas bahwa penghapusan menu pengembalian nilai yang dilakukan pada fungsi Login. Dengan melakukan hal daripada membuat dua aplikasi berbeda

.

dapat menu manage data yang berfungsi ubah atau menghapus data klimatologi, data kecamatan. Tampilan form data h Gambar 4.8.

Form Data Klimatologi rue

Form data agrometeorolog digunakan dalam penelitian dibutuhkan oleh tanaman tersebut agrometeorologi ditunjukkan ol

Gambar 4.9For

Form data kecamatan ber dalam penelitian ini. Tampilan Gambar 4.10.

Gambar 4

ologi berisikan data tanaman pangan yang n ini beserta unsur klimatologi yang sebut dapat tumbuh. Tampilan form data n oleh Gambar 4.9.

Form Data Agrometeorologi

berisikan data kecamatan yang digunakan an form data kecamatan ditunjukkan oleh

Pada form utama, terdapa oleh kedua tipe user. Tampila Gambar 4.11.

Gambar 4.

Pada form forecasting y memiliki fungsi memperkiraka kecamatan tertentu dan pada m user.

Proses peramalan pada si yang dibahas pada bab sebe Triple Exponential Smoothing. beberapa tahap untuk tiap unsur Proses pertama peram Exponential Smoothing adalah curah hujan, kelembaban, dan Kode Program 4.2.

pat menu Forecasting yang dapat diakses pilan form forecasting dapat dilihat pada

4.11Form Forecasting

yang digambarkan pada Gambar 4.11 kan tanaman yang cocok ditanam pada masa tertentu sesuai dengan masukkan

sistem sesuai dengan metode peramalan belumnya, yaitu menggunakan metode . Proses peramalan ini terbagi menjadi p unsur klimatologi yang digunakan.

amalan menggunakan metode Triple ah menghitung pemulusan pertama (S`t) dan suhu udara. Seperti ditunjukkan pada

Kode Program 4.2 Fungsi Penghitungan S`t Curah Hujan

Kode Program 4.2 adalah kode program untuk proses penghitungan pemulusan pertama curah hujan. Untuk proses penghitungan pemulusan pertama kelembaban dan suhu udara menggunakan logika yang sama dengan penghitungan pemulusan pertama curah hujan.

Proses penghitungan pemulusan pertama dengan menghitung satu persatu data iklim yang digunakan pada penelitian ini dengan menggunakan rumus (2.11). Untuk nilai awal pemulusan pertama dari data iklim ditentukan sama dengan nilai data iklim pertama (ditunjukkan pada baris ke 4). Baris ke 6 dan 7 merupakan penggalan rumus penghitungan pemulusan pertama curah hujan.

Langkah kedua adalah menghitung pemulusan kedua (S``t) data iklim yang digunakan. Seperti ditunjukkan pada Kode Program 4.3.

Kode Program 4.3 Fungsi Penghitungan S``t Curah Hujan

Kode Program 4.3 adalah kode program untuk proses penghitungan pemulusan kedua curah hujan. Untuk proses

For k = 1 To 9 ... 1

For l = 0 To _dataCurahHujan.Count() – 1 ... 2

If l = 0 Then ... 3

_s2t(k, l) = _dataCurahHujan(l) ... 4

Else ... 5

a = (k / 10) * _s1t(k, l) ... 6

b = (1 - (k / 10)) * _s2t(k, l - 1) ... 7

_s2t(k, l) = a + b ... 8

End If ... 9

Next ... 10

l = 0 ... 11

Next ... 12

For k = 1 To 9 ... 1

For l = 0 To _dataCurahHujan.Count() – 1 ... 2

If l = 0 Then ... 3

_s1t(k, l) = _dataCurahHujan(l) ... 4

Else ... 5

a = (k / 10) * _dataCurahHujan(l) ... 6

b = (1 - (k / 10)) * _s1t(k, l - 1) ... 7

_s1t(k, l) = a + b ... 8

End If ... 9

Next ... 10

l = 0 ... 11

penghitungan pemulusan kedua kelembaban dan suhu udara menggunakan logika yang sama dengan penghitungan pemulusan kedua curah hujan.

Proses penghitungan pemulusan kedua dengan menghitung satu persatu data hasil dari penghitungan pemulusan pertama dengan menggunakan rumus (2.12). Untuk nilai awal pemulusan kedua ditentukan sama dengan nilai awal dari hasil penghitungan pemulusan pertama atau sama dengan nilai data iklim pertama (ditunjukkan pada baris ke 4). Baris ke 6 dan 7 merupakan penggalan rumus penghitungan pemulusan kedua curah hujan.

Langkah ketiga adalah menghitung pemulusan ketiga (S```t) curah hujan, kelembaban, dan suhu udara. Seperti ditunjukkan pada Kode Program 4.4.

Kode Program 4.4 Fungsi Penghitungan S```t Curah Hujan

Kode Program 4.4 adalah kode program untuk proses penghitungan pemulusan ketiga curah hujan. Untuk proses penghitungan pemulusan ketiga kelembaban dan suhu udara menggunakan logika yang sama dengan penghitungan pemulusan ketiga curah hujan.

Proses penghitungan pemulusan ketiga dengan menghitung satu persatu data hasil dari penghitungan pemulusan kedua dengan menggunakan rumus (2.13). Untuk nilai awal pemulusan ketiga

For k = 1 To 9 ... 1

For l = 0 To _dataCurahHujan.Count() – 1 ... 2

If l = 0 Then ... 3

_s3t(k, l) = _dataCurahHujan(l) ... 4

Else ... 5

a = (k / 10) * _s2t(k, l) ... 6

b = (1 - (k / 10)) * _s3t(k, l - 1) ... 7

_s3t(k, l) = a + b ... 8

End If ... 9

Next ... 10

l = 0 ... 11

ditentukan sama dengan nilai awal dari hasil penghitungan pemulusan kedua atau sama dengan nilai data iklim pertama (ditunjukkan pada baris ke 4). Baris ke 6 dan 7 merupakan penggalan rumus penghitungan pemulusan ketiga curah hujan.

Setelah menghitung 3 kali pemulusan, maka langkah selanjutnya adalah menghitung konstanta pemulusan yang akan digunakan. Pada proses ini terdapat 3 kali penghitungan konstanta pemulusan (α_{t, bt,}

dan ct) untuk tiap unsur klimatologi yang digunakan. Penghitungan konstanta pemulusan pertama (α_{t) ditunjukkan oleh Kode Program}

4.5.

Kode Program 4.5 Fungsi Penghitungan α_{t Curah Hujan}

Kode Program 4.5 adalah kode program untuk menghitung konstanta pemulusan pertama pada data curah hujan. Untuk penghitungan konstanta yang digunakan pada data kelembaban dan suhu udara menggunakan logika yang sama dengan kode program penghitungan konstanta pemulusan pertama curah hujan.

Penghitungan konstanta pertama sesuai dengan rumus (2.14) pada metode Triple Exponential Smoothing yang dijelaskan pada bab sebelumnya (ditunjukkan pada baris ke 6). Baris ke 3 sampai baris ke 5 merupakan penggalan rumus penghitungan konstanta pemulusan pertama curah hujan.

Penghitungan konstanta pemulusan kedua (bt) ditunjukkan oleh Kode Program 4.6.

For k = 1 To 9 ... 1

For l = 0 To _dataCurahHujan.Count() – 1 ... 2

a = 3 * _s1t(k, l) ... 3

b = 3 * _s2t(k, l) ... 4

c = _s3t(k, l) ... 5

_a(k, l) = (a - b) + c ... 6

Next ... 7

l = 0 ... 8

Kode Program 4.6 Fungsi Penghitungan bt Curah Hujan

Kode Program 4.6 adalah kode program untuk menghitung konstanta pemulusan kedua pada data curah hujan. Untuk penghitungan konstanta yang digunakan pada data kelembaban dan suhu udara menggunakan logika yang sama dengan kode program penghitungan konstanta pemulusan pertama curah hujan.

Penghitungan konstanta kedua sesuai dengan rumus (2.15) pada metode Triple Exponential Smoothing yang dijelaskan pada bab sebelumnya (ditunjukkan pada baris ke 6). Baris ke 3 sampai baris ke 6 merupakan penggalan rumus penghitungan konstanta pemulusan kedua curah hujan.

Penghitungan konstanta pemulisan ketiga (ct) ditunjukkan oleh Kode Program 4.7.

Kode Program 4.7 Fungsi Penghitungan ct Curah Hujan

Kode Program 4.7 adalah kode program untuk menghitung konstanta pemulusan ketiga pada data curah hujan. Untuk penghitungan konstanta yang digunakan pada data kelembaban dan

For k = 1 To 9 ... 1

For l = 0 To _dataCurahHujan.Count() – 1 ... 2

a = ((k / 10) ^ 2) / ((1 - (k / 10)) ^ 2) ... 3

b = _s1t(k, l) ... 4

c = 2 * _s2t(k, l) ... 5

d = _s3t(k, l) ... 6

_c(k, l) = a * (b - c + d) ... 7

Next ... 8

l = 0 ... 9

Next ... 10

For k = 1 To 9 ... 1

For l = 0 To _dataCurahHujan.Count() – 1 ... 2

a = (k / 10) / (2 * ((1 - (k / 10)) ^ 2)) ... 3

b = (6 - (5 * (k / 10))) * _s1t(k, l) ... 4

c = (10 - (8 * (k / 10))) * _s2t(k, l) ... 5

d = (4 - (3 * (k / 10))) * _s3t(k, l) ... 6

_b(k, l) = a * (b - c + d) ... 7

Next ... 8

l = 0 ... 9

suhu udara menggunakan logika yang sama dengan kode program penghitungan konstanta pemulusan pertama curah hujan.

Penghitungan konstanta ketiga sesuai dengan rumus (2.16) pada metode Triple Exponential Smoothing yang dijelaskan pada bab sebelumnya (ditunjukkan pada baris ke 7). Baris ke 3 sampai baris ke 6 merupakan penggalan rumus penghitungan konstanta pemulusan ketiga curah hujan.

Setelah melakukan 3 kali penghitungan konstanta pemulusan, maka proses peramalan dapat dilakukan. Hasil proses penghitungan peramalan yang dilakukan oleh sistem akan dipilih lagi dengan menghitung ketepatan hasil peramalan tersebut. Ketepatan hasil peramalan dapat dihitung dengan menghitung error atau kesalahan terkecil. Pada sistem ini penghitungan kesalahan terkecil dilakukan dengan menghitung nilai tengah kesalahan mutlak (Mean Absolute Deviation). Proses penghitungan peramalan dan penghitungan kesalahan terkecil untuk tiap unsur klimatologi yang digunakan dapat dilihat pada Kode Program 4.21.

Kode Program 4.8 Fungsi Peramalan dan MAD terkecil Curah Hujan

Kode program 4.8 merupakan kode program untuk menghitung peramalan curah hujan yang akan terjadi untuk beberapa waktu kedepan, menghitung ketepatan hasil peramalan curah hujan dan memilih data peramalan curah hujan yang memiliki kesalahan paling kecil. Untuk peramalan kelembaban dan suhu udara menggunakan logika yang sama seperti dicontohkan pada Kode Program 4.8.

Baris pertama sampai dengan baris ke 9 pada Kode Program 4.8 merupakan kode program untuk meramalkan curah hujan yang akan terjadi beberapa waktu kedepan. Baris ke 10 sampai dengan baris ke 16 pada Kode Program 4.8 merupakan kode program untuk

For k = 1 To 9 ... 1

For i = 1 To _dataCurahHujan.Count – 1 ... 2

a = _a(k, i) ... 3

b = _b(k, i) * _m ... 4

c = (0.5 * _c(k, i)) * (_m ^ 2) ... 5

_forecasting(k, i) = a + b + c ... 6

If _forecasting(k, i) < 0 Then ... 7

_forecasting(k, i) = 0 ... 8

End If ... 9

_mad(k, i) = (_dataCurahHujan(i) - _forecasting(k, i)) ... 10

If _mad(k, i) < 0 Then ... 11

_mad(k, i) = (_mad(k, i) * -1) / _dataCurahHujan.Count ... 12

Else ... 13

_mad(k, i) = (_mad(k, i)) / _dataCurahHujan.Count ... 14

End If ... 15

_totalMadCH(k) = _totalMadCH(k) + _mad(k, i) ... 16

Next ... 17

Next ... 18

For k = 1 To 9 ... 19

If _totalMadCH(k) < _madCHKcl Then ... 20

_madCHKcl = _totalMadCH(k) ... 21

aplha = k ... 22

End If ... 23

Next ... 24

For x = _dataCurahHujan.Count - 14 To _dataCurahHujan.Count – 1. 25 m = m + 1 ... 26

_curahHujanKcl(m) = _forecasting(aplha, x) ... 27

_errorCurahHujan(m) = _mad(aplha, x) ... 28

_PCurahHujan(m) = _curahHujanKcl(m) ... 29

menghitung kesalahan peramalan curah hujan. Baris ke 19 sampai dengan baris ke 30 merupakan kode program untuk memilih hasil peramalan curah hujan dengan kesalahan terkecil tiap bulannya.

4.3

Software Testing

Pada pengujian perangkat lunak di sistem ini, akan digunakan metode black box testing. Dimana proses testing akan berfokus pada interface software. Rincian pengujian dapat dilihat pada Tabel 4.1 berikut :

a. Pengujian Login untuk melakukan pengecekan apakah fungsional dari halaman Login telah berjalan dengan baik. Dari pengujian yang dilakukan didapat kesimpulan bahwa halaman Login telah berjalan dengan baik.

Tabel 4.1 Pengujian Black box halaman Login

Aktivitas

dan Event Input Output

Status Pengujian Login PPL

dengan klik tombol login

Username dan

Password

a. Jika berhasil maka user masuk ke halaman menu dengan hak akses sebagai petugas. b. Jika username atau

password salah maka muncul peringatan kesalahan input username atau password

Valid

Login admin dengan klik tombol login

Username dan

Password

a. Jika berhasil maka user masuk ke

halaman menu dengan hak akses sebagai administrator. b.Jika username atau

password salah maka muncul peringatan kesalahan input

username atau password

b. Pengujian halaman menu-menu yang dapat diakses oleh petugas meliputi menu forecasting dan menu logout. Dari pengujian yang dilakukan didapat kesimpulan bahwa menu-menu yang ada telah berjalan dengan baik.

Tabel 4.2 Pengujian Black box halaman menupetugas Aktivitas

dan Event Input Output

Status Pengujian Pilih menu

Forecasting

Jika berhasil maka muncul halaman forecasting

Valid

Pilih menu Logout

Jika berhasil maka akan kembali ke halaman login

Valid

c. Pengujian halaman menu-menu yang dapat diakses oleh admin meliputi menu forecasting, menu manage data klimatologi, manage data agrometeorologi, manage data kecamatan, dan menu logout. Dari pengujian yang dilakukan didapat kesimpilan bahwa menu-menu yang ada telah berjalan dengan baik.

Tabel 4.3 Pengujian Black box halaman menu admin

Aktivitas dan

Event Input Output

Status Pengujian Pilih menu

Forecasting

Jika berhasil maka muncul halaman forecasting

Valid

Pilih menu manage data klimatologi

Jika berhasil maka muncul halaman data klimatologi

Valid

Pilih menu manage data agrometeorologi

Jika berhasil maka muncul halaman data agrometeorologi

Valid

Pilih menu manage data kecamatan

Jika berhasil maka muncul halaman data kecamatan

Pilih menu Logout

Jika berhasil maka akan kembali ke halaman login

Valid

d. Pengujian halaman forecasting untuk melakukan pengecekan apakah fungsional dari halaman Forecasting telah berjalan dengan baik. Dari pengujian yang dilakukan didapat kesimpulan bahwa halaman Forecasting telah berjalan dengan baik.

Tabel 4.4 Pengujian Black box halaman Forecasting

Aktivitas dan

Event Input Output

Status Pengujian Menampilkan peta beserta tanaman pangan yang cocok ditanam dan grafik peramalan curah hujan, kelembaban dan suhu udara beserta ketepatan peramalannya. Kecamatan, tahun, dan bulan yang akan diramalkan

Peta boyolali beserta simbol tanaman pangan yang cocok ditanam pada daerah tertentu sesuai dengan inputan dan grafik hasil

peramalan data curah hujan, kelembaban, dan suhu udara beserta tingkat ketepatannya

Valid

e. Pengujian halaman manage data untuk melakukan pengecekan apakah fungsional dari halaman manage data telah berjalan dengan baik. Dari pengujian yang dilakukan didapat kesimpulan bahwa halaman manage data telah berjalan dengan baik.

Tabel 4.5 Pengujian Black box halaman Manage Data Aktivitas dan

Event Input Output

Status Pengujian Insert data

klimatologi Kecamatan, tahun, bulan, dan nilai data klimatologi

a. Jika berhasil maka data akan tersimpan kedalam database

b. Jika gagal maka

akan muncul pesan data yang diinputkan salah Edit data

klimatologi Kecamatan, tahun, bulan, dan nilai data klimatologi

a. Jika berhasil maka data didalam database akan terubah

b. Jika gagal maka akan muncul pesan data yang diinputkan salah

Valid

Delete data klimatologi

Jika berhasil akan muncul halaman delete confirmation

Valid

Insert data agrometeorologi Nama tanaman, symbol, curah hujan min, curah hujan max, kelembaban min, kelembaban max, suhu udara min, suhu udara max

a. Jika berhasil maka data akan tersimpan

kedalam database b. Jika gagal maka

akan muncul pesan data yang diinputkan salah

Valid

Edit data agrometeorologi Nama tanaman, symbol, curah hujan min, curah hujan max, kelembaban min, kelembaban max, suhu udara min, suhu udara max

a.Jika berhasil maka data didalam database akan terubah b.Jika gagal maka

akan muncul pesan data yang diinputkan salah

Delete data agrometeorologi

Jika berhasil akan muncul halaman delete confirmation

Valid

Insert data kecamatan

Nama kecamatan, dan

wilayah

a.Jika berhasil maka data akan tersimpan

kedalam database b.Jika gagal maka

akan muncul pesan data yang diinputkan salah

Valid

Edit data kecamatan

Nama kecamatan, dan

wilayah

a.Jika berhasil maka data didalam database akan terubah b.Jika gagal maka

akan muncul pesan data yang diinputkan salah

Valid

Delete data kecamatan

Jika berhasil akan muncul halaman delete confirmation

Valid

4.4

Uji Responden

Dalam membangun sistem ini, data diperoleh dengan menyebarkan kuisioner terhadap mahasiswa Fakultas Pertanian Universitas Kristen Satya Wacana. Salah satu unsur terpenting dalam penelitian adalah menemukan validitas dan reliability suatu alat ukur. Alat ukur yg baik harus memenuhi persyaratan validitas dan reliability alat ukur tersebut. Dalam pengujian kuisioner ini, akan dihitung dengan skala likert dengan 5 kemungkinan jawaban.

Dalam perhitungan skala, angka 1 mempunyai arti nilai yang terbaik dan angka 5 mempunyai arti nilai yg terburuk. Data-data hasil jawaban responden dapat dilihat pada Tabel 4.6 dan hasil dari

penghitungan menggunakan skala likert dapat dilihat pada Gambar 4.14.

Tabel 4.6 Hasil Jawaban Responden

p11 p12 p21 p22 p23 p31 p32 p33

1 _{2 1 2 1 3 2 1 2}

2 2 2 2 2 3 3 3 1

3 1 1 1 2 2 2 3 3

4 2 1 2 2 1 1 2 1

5 _{2 2 1 2 2 2 1 2}

6 _{2 2 1 2 3 2 1 1}

7 _{2 2 1 2 1 1 1 2}

8 3 3 3 2 3 3 1 3

9 1 2 2 2 1 1 1 1

10 2 4 2 1 1 2 1 2

11 _{2 2 2 3 1 1 2 2}

12 _{2 3 3 1 2 1 3 1}

13 _{2 3 3 1 2 2 2 2}

14 2 1 1 2 1 3 2 2

15 2 2 2 3 3 2 2 2

16 3 1 2 2 2 3 2 3

17 2 2 2 2 3 3 3 2

18 2 3 4 4 4 2 3 1

19 _{2 4 4 3 3 3 3 3}

20 _{1 2 2 3 1 3 3 2}

21 _{2 1 3 2 1 2 1 2}

22 3 2 2 3 1 2 1 1

23 2 3 3 2 1 2 1 2

24 1 2 2 3 1 3 3 1

25 _{2 2 2 1 2 3 3 1}

26 _{4 3 3 3 4 3 3 2}

27 _{3 2 2 3 2 2 1 1}

28 2 2 4 3 2 2 3 3

29 4 2 2 3 1 3 3 3

30 2 1 3 2 1 2 3 1

31 _{2 3 2 2 3 2 3 2}

32 _{2 1 2 1 3 3 2 1}

33 _{2 3 3 2 3 1 2 3}

34 2 4 3 2 3 2 2 2

35 2 3 3 4 2 1 3 1

Pertanyaan Responden

36 _{2 2}

Hasil jawaban dari 36 res Universitas Kristen Satya Waca

• Design Interface

Tabel 4.7

Sangat Baik

Bagaimana design interface aplikasi pola tanam tersebut? (p11)

4

Gambar 4.12

Berdasarkan Tabel 4.7 da bahwa 11,11% responden meny pola tanam sangat baik, 72,22% responden menyatakan cukup, design interface aplikasi pola ta

2 3 2 3 3 2

responden mahasiswa Fakultas Pertanian cana dapat dirinci sebagai berikut:

.7 Tabel Jawaban p11

Baik Cukup Kurang Sangat Kurang

26 4 2 0

Persentase Jawaban p11

4.7 dan Gambar 4.12 dapat disimpulkan nyatakan bahwa design interface aplikasi % responden menyatakan baik, 11,11% ukup, dan 5,56% responden menyatakan

• Tingkat Kemudahan

Tabel 4.8

Sangat Baik

Bagaimana tingkat kemudahan

penggunaan aplikasi tersebut? (p12)

8

Gambar 4.13

Berdasarkan Tabel 4.8 da bahwa 22,22% responden me penggunaan aplikasi pola tana menyatakan baik, 25% responde responden menyatakan tingkat tanam kurang.

8 Tabel Jawaban p12

Baik Cukup Kurang Sangat Kurang

16 9 3 0

Persentase Jawaban p12

4.8 dan Gambar 4.13 dapat disimpulkan menyatakan bahwa tingkat kemudahan tanam sangat baik, 44,44% responden ponden menyatakan cukup, dan 8,33% kat kemudahan penggunaan aplikasi pola

• Peranan Peta Boyolali

Tabel 4.9

Sangat

Membantu Memb

Bagaimana peranan peta Boyolali dalam penyajian data hasil peramalan pemilihan tanaman? (p21)

5 18

Gambar 4.14

Berdasarkan Tabel 4.9 da bahwa 13,89% responden men dalam penyajian data hasil pe membantu, 50% responden responden menyatakan cukup, tidak membantu.

9 Tabel Jawaban p21

bantu Cukup Tidak Membantu

Sangat Tidak Membantu

18 10 3 0

Persentase Jawaban p21

4.9 dan Gambar 4.14 dapat disimpulkan enyatakan bahwa peranan peta Boyolali l peramalan pemilihan tanaman sangat onden menyatakan membantu, 27,78% ukup, dan 8,33% responden menyatakan

• Peranan Grafik Hasil Pera

Tabel 4.10

Sangat

Membantu Memba

Bagaimana peranan grafik hasil peramalan data klimatologi yang digunakan? (p22)

6 17

Gambar 4.15

Berdasarkan Tabel 4.10 bahwa 16,67% responden men peramalan data klimatologi s menyatakan membantu, 30,56% 5,56% responden menyatakan ti

eramalan

10 Tabel Jawaban p22

bantu Cukup Tidak Membantu

Sangat Tidak Membantu

17 11 2 0

Persentase Jawaban p22

4.10 dan Gambar 4.15 dapat disimpulkan enyatakan bahwa peranan grafik hasil sangat membantu, 47,22% responden 30,56% responden menyatakan cukup, dan

• Peranan Grafik Ketepatan P

Tabel 4.11

Sangat

Membantu Memb

Bagaimana peranan grafik hasil ketepatan metode peramalan pada sistem? (p23)

13 10

Gambar 4.16

Berdasarkan Tabel 4.11 bahwa 36,11% responden men ketepatan metode peramalan s menyatakan membantu, 30,56 5,56% responden menyatakan ti

tan Peramalan

11 Tabel Jawaban p23

bantu Cukup Tidak Membantu

Sangat Tidak Membantu

10 11 2 0

Persentase Jawaban p23

4.11 dan Gambar 4.16 dapat disimpulkan enyatakan bahwa peranan grafik hasil n sangat membantu, 27,78% responden 56% responden menyatakan cukup, dan n tidak membantu.

• Kecocokan Data Syarat T

Tabel 4.12

Sangat Tepat

Bagaimana perbandingan kecocokan data persyaratan tumbuh masing-masing tanaman pangan yang digunakan dengan ilmu pertanian? (p31)

7

Gambar 4.17

Berdasarkan Tabel 4.12 bahwa 19,44% responden kecocokan data persyaratan tum yang digunakan pada sistem ini 44,44% responden menyataka menyatakan perbandingan ke masing-masing tanaman pang dengan ilmu pertanian cukup.

t Tumbuh Tanaman

12 Tabel Jawaban p31

Tepat Rata-Rata

Tidak Tepat

Sangat Tidak Tepat

16 13 0 0

Persentase Jawaban p31

4.12 dan Gambar 4.17 dapat disimpulkan n menyatakan bahwa perbandingan tumbuh masing-masing tanaman pangan ini dengan ilmu pertanian sangat tepat, takan tepat, dan 36,11% responden kecocokan data persyaratan tumbuh ngan yang digunakan pada sistem ini

• Ketepatan Hasil Peramala

Tabel 4.13

Sangat Tepat

Bagaimana ketepatan hasil peramalan iklim pada aplikasi

tersebut? (p32)

11

Gambar 4.18

Berdasarkan Tabel 4.13 bahwa 30,56% responden m peramalan iklim sangat tepat, 25% 44,44% responden menyataka cukup.

• Ketepatan Pemilihan Tana

Tabel 4.14

Sangat Tepat

Bagaimana ketepatan pemilihan tanaman pangan pada aplikasi tersebut? (p33)

13

alan Iklim

13 Tabel Jawaban p32

Tepat Rata-Rata

Tidak Tepat

Sangat Tidak Tepat

9 16 0 0

Persentase Jawaban p32

4.13 dan Gambar 4.18 dapat disimpulkan n menyatakan bahwa ketepatan hasil t, 25% responden menyatakan tepat, dan akan ketepatan hasil peramalan iklim

anaman Pangan

14 Tabel Jawaban p33

Tepat Rata-Rata

Tidak Tepat

Sangat Tidak Tepat

Gambar 4.19

Berdasarkan Tabel 4.14 bahwa 36,11% responden me tanaman pangan oleh sistem menyatakan tepat, dan 19,44% pemilihan tanaman pangan oleh s

• Reliability Uji Responden

Gambar 4.20R

Persentase Jawaban p33

4.14 dan Gambar 4.19 dapat disimpulkan menyatakan bahwa ketepatan pemilihan tem sangat tepat, 44,44% responden 19,44% responden menyatakan ketepatan n oleh sistem cukup.

ponden

Berdasarkan Gambar 4.23 dapat disimpulkan bahwa hasil reliability uji responden (Ra) adalah 0,6172 yang menunjukkan bahwa sistem ini masuk dalam skala reliability cukup valid sehingga layak untuk digunakan.

4.5

Analisa

Pemodelan sistem peramalan produksi tanaman pangan ini sangatlah bergantung terhadap data input yang masukan oleh user. Sehingga hasil peramalan akan disesuaikan dengan data input dari user. Sistem akan memberikan hasil peramalan yang memanfaatkan metode Triple Exponential Smoothing untuk menghitung peramalan yang akan terjadi beberapa waktu kedepan dan memilih hasil peramalan tersebut dengan kesalahan peramalan terkecil. Sebagai contoh beberapa hasil penghitungan sistem seperti ditunjukkan oleh Tabel 4.15.

Tabel 4.15 Contoh Penggalan Hasil Penghitungan Sistem

Forecast Curah Hujan

MAD Curah Hujan

Forecast Kelembaban

MAD Kelembaban

Forecast SuhuUdara

MAD Suhu Udara

0,00 0,00 83,33 0,02 25,72 0,0028

48,30 1,84 84,20 0,01 25,64 0,0006

38,64 0,63 84,57 0,00 25,66 0,0038

30,59 0,50 84,84 0,01 25,78 0,0068

23,90 0,39 84,13 0,05 25,87 0,0053

Berdasarkan hasil pengujian yang dilakukan, maka dapat ditarik kesimpulan bahwa sistem yang dikembangkan sudah sesuai dengan alur yang seharusnya dan valid atau layak untuk digunakan. Hal tersebut dapat terlihat dari hasil pengujian sistem dan uji responden yang telah dilakukan.

• Peranan Grafik Hasil Pera

Tabel 4.10

Sangat

Membantu Memba

Bagaimana peranan grafik hasil peramalan data klimatologi yang digunakan? (p22)

6 17

Gambar 4.15

Berdasarkan Tabel 4.10 bahwa 16,67% responden men peramalan data klimatologi s menyatakan membantu, 30,56% 5,56% responden menyatakan ti

eramalan

10 Tabel Jawaban p22

bantu Cukup Tidak Membantu

Sangat Tidak Membantu

17 11 2 0

Persentase Jawaban p22

4.10 dan Gambar 4.15 dapat disimpulkan enyatakan bahwa peranan grafik hasil sangat membantu, 47,22% responden 30,56% responden menyatakan cukup, dan

• Peranan Grafik Ketepatan P

Tabel 4.11

Sangat

Membantu Memb

Bagaimana peranan grafik hasil ketepatan metode peramalan pada sistem? (p23)

13 10

Gambar 4.16

Berdasarkan Tabel 4.11 bahwa 36,11% responden men ketepatan metode peramalan s menyatakan membantu, 30,56 5,56% responden menyatakan ti

tan Peramalan

11 Tabel Jawaban p23

bantu Cukup Tidak Membantu

Sangat Tidak Membantu

10 11 2 0

Persentase Jawaban p23

4.11 dan Gambar 4.16 dapat disimpulkan enyatakan bahwa peranan grafik hasil n sangat membantu, 27,78% responden 56% responden menyatakan cukup, dan n tidak membantu.

• Kecocokan Data Syarat T

Tabel 4.12

Sangat Tepat

Bagaimana perbandingan kecocokan data persyaratan tumbuh masing-masing tanaman pangan yang digunakan dengan ilmu pertanian? (p31)

7

Gambar 4.17

Berdasarkan Tabel 4.12 bahwa 19,44% responden kecocokan data persyaratan tum yang digunakan pada sistem ini 44,44% responden menyataka menyatakan perbandingan ke masing-masing tanaman pang dengan ilmu pertanian cukup.

t Tumbuh Tanaman

12 Tabel Jawaban p31

Tepat Rata-Rata

Tidak Tepat

Sangat Tidak Tepat

16 13 0 0

Persentase Jawaban p31

4.12 dan Gambar 4.17 dapat disimpulkan n menyatakan bahwa perbandingan tumbuh masing-masing tanaman pangan ini dengan ilmu pertanian sangat tepat, takan tepat, dan 36,11% responden kecocokan data persyaratan tumbuh ngan yang digunakan pada sistem ini

• Ketepatan Hasil Peramala

Tabel 4.13

Sangat Tepat

Bagaimana ketepatan hasil peramalan iklim pada aplikasi

tersebut? (p32)

11

Gambar 4.18

Berdasarkan Tabel 4.13 bahwa 30,56% responden m peramalan iklim sangat tepat, 25% 44,44% responden menyataka cukup.

• Ketepatan Pemilihan Tana

Tabel 4.14

Sangat Tepat

Bagaimana ketepatan pemilihan tanaman pangan pada aplikasi tersebut? (p33)

13

alan Iklim

13 Tabel Jawaban p32

Tepat Rata-Rata

Tidak Tepat

Sangat Tidak Tepat

9 16 0 0

Persentase Jawaban p32

4.13 dan Gambar 4.18 dapat disimpulkan n menyatakan bahwa ketepatan hasil t, 25% responden menyatakan tepat, dan akan ketepatan hasil peramalan iklim

anaman Pangan

14 Tabel Jawaban p33

Tepat Rata-Rata

Tidak Tepat

Sangat Tidak Tepat

Gambar 4.19

Berdasarkan Tabel 4.14 bahwa 36,11% responden me tanaman pangan oleh sistem menyatakan tepat, dan 19,44% pemilihan tanaman pangan oleh s • Reliability Uji Responden

Gambar 4.20R

Persentase Jawaban p33

4.14 dan Gambar 4.19 dapat disimpulkan menyatakan bahwa ketepatan pemilihan tem sangat tepat, 44,44% responden 19,44% responden menyatakan ketepatan n oleh sistem cukup.

ponden

Berdasarkan Gambar 4.23 dapat disimpulkan bahwa hasil

reliability uji responden (Ra) adalah 0,6172 yang menunjukkan bahwa sistem ini masuk dalam skala reliability cukup valid sehingga layak untuk digunakan.

4.5

Analisa

Pemodelan sistem peramalan produksi tanaman pangan ini sangatlah bergantung terhadap data input yang masukan oleh user. Sehingga hasil peramalan akan disesuaikan dengan data input dari

user. Sistem akan memberikan hasil peramalan yang memanfaatkan metode Triple Exponential Smoothing untuk menghitung peramalan yang akan terjadi beberapa waktu kedepan dan memilih hasil peramalan tersebut dengan kesalahan peramalan terkecil. Sebagai contoh beberapa hasil penghitungan sistem seperti ditunjukkan oleh Tabel 4.15.

Tabel 4.15 Contoh Penggalan Hasil Penghitungan Sistem

Forecast Curah Hujan

MAD Curah Hujan

Forecast Kelembaban

MAD Kelembaban

Forecast SuhuUdara

MAD Suhu Udara

0,00 0,00 83,33 0,02 25,72 0,0028

48,30 1,84 84,20 0,01 25,64 0,0006

38,64 0,63 84,57 0,00 25,66 0,0038

30,59 0,50 84,84 0,01 25,78 0,0068

23,90 0,39 84,13 0,05 25,87 0,0053

Berdasarkan hasil pengujian yang dilakukan, maka dapat ditarik kesimpulan bahwa sistem yang dikembangkan sudah sesuai dengan alur yang seharusnya dan valid atau layak untuk digunakan. Hal tersebut dapat terlihat dari hasil pengujian sistem dan uji responden yang telah dilakukan.