bab ii tinjauan pustaka - wisuda.unud.ac.id ii.pdf · bab ii tinjauan pustaka bab ini membahas...
TRANSCRIPT
5
BAB II
TINJAUAN PUSTAKA
Bab ini membahas tentang state of the art, pengertian kriminalitas, sistem
informasi, sistem informasi geografis, peta, Google Maps, perancangan sistem,
database, web service, bahasa pemrograman web, JSON, dan data statistik.
2.1 State of the Art
Penelitian tentang sistem informasi geografis pemetaan kriminalitas telah
dilakukan dan dibahas dalam beberapa perancangan sistem. Penulisan state of the
art ini mengacu pada beberapa contoh sistem terdahulu yang akan digunakan
sebagai dasar untuk perancangan sistem yang akan dibuat.
Sistem Informasi Pemetaan Profil Kriminalitas Berbasis Web (Studi
Kasus: Kejahatan Konvensional Kota Bogor) yang dibangun oleh Riza
Muhammad Nurman (2007), menghasilkan sebuah aplikasi web yang
menampilkan informasi berupa data teks, peta, dan grafik kejahatan di Kota
Bogor. Terdapat juga proses pewarnaan pada peta yang mencirikan tingkat
kerawanan setiap kecamatan dan kelurahan. Semakin tinggi intensitas warna maka
semakin banyak pula kejahatan yang terjadi. Sistem ini melakukan analisis
kriminalitas berdasarkan pewarnaan tersebut.
M.Vijaya Kumar dan C.Chandrasekar (2011) dalam penelitiannya yang
berjudul GIS Technologies in Crime Analysis and Crime Mapping, melakukan
kombinasi dari berbagai jenis informasi dalam mengidentifikasi pola kejahatan.
Sistem menampilkan peta yang menggabungkan database laporan lokasi kejadian
dengan peta digital. Hasil penelitian ini adalah memberikan rencana tentang posisi
terjadinya kejahatan mendatang. Penggunaan SIG dalam sistem ini membantu
pihak terkait untuk menganalisis hubungan spasial antara jenis kejahatan yang
berbeda dan untuk meramalkan kejadian kriminalitas berikutnya.
Dini Bagus Prasetyo (2014) merancang sistem yang diberi judul Sistem
Informasi Geografis Berbasis Google Maps Api untuk Pemetaan Profil
6
Kriminalitas Tipe Konvensional di Wilayah Hukum Polresta. Sistem ini mampu
menampilkan peta sebaran lokasi kasus tindak kriminal di wilayah Polresta
Yogyakarta secara online serta mampu menampilkan peta sebaran lokasi kantor
polisi dan pos polisi. Sistem mempunyai dukungan informasi berupa tabel dan
grafik. Kelemahan dari sistem ini adalah pemetaan masih menggunakan marker,
sehingga untuk menganalisa kriminalitas suatu wilayah masih kurang efektif.
Informasi pada grafik yang diberikan juga belum dilengkapi dengan filter data.
I Wayan Adi Mahendra (2012) dalam tugas akhirnya yang berjudul Sistem
Informasi Geografis Tindak Kriminal di Wilayah Polresta Denpasar Berbasis Web
Menggunakan Google Maps API merancang sebuah sistem yang memberikan
informasi mengenai penyebaran lokasi tindak kriminal di Denpasar. Terdapat juga
fitur clustering untuk membantu menentukan daerah yang rawan, serta
menampilkan grafik dan summary report berdasarkan kecamatan dan tahun.
Kelemahan dari sistem ini sama seperti sistem sebelumnya yaitu menggunakan
marker dalam pemetaannya. Kajian jenis kejahatan yang diberikan juga masih
tergolong sedikit.
Gilang Yudistira H, Bandi Sasmito, dan Arwan Putra W (2015) dalam
penelitannya yang berjudul Pemetaan Daerah Rawan Kriminalitas di Wilayah
Hukum Poltabes Semarang Tahun 2013 dengan Menggunakan Metode
Clustering, menampilkan dan memetakan tindak kejahatan yang terjadi di Kota
Semarang. Metode cluster digunakan untuk menentukan tingkat kerawanan suatu
daerah berdasarkan kerapatan TKP dari tindak kejahatan, dengan klasifikasi
tingkat kerawanan yaitu aman, cukup rawan, rawan, dan sangat rawan.
Perancangan sistem di atas memiliki kesamaan konsep dan metode sistem,
yaitu pemetaaan dan data statistik. Sistem yang akan dibangun menggunakan
perpaduan perancangan sistem tersebut, menitik beratkan pada data kuantitatif dan
dengan konsep pemetaan wilayah. Perbedaan sistem ini dengan sistem yang telah
dibuat sebelumnya adalah pemetaan wilayahnya bukan hanya titik melainkan
pemetaan wilayah dengan metode polygon (area). Analisis data dalam sistem yang
akan dibangun berdasarkan hasil pewarnaan polygon wilayah dan hasil dari
perhitungan peramalan menggunakan Metode Single Exponential Smoothing
7
(SES). Metode ini menghitung jumlah kriminalitas yang akan terjadi selanjutnya
dengan mengacu pada data histori 3 periode sebelumnya. Saat ini belum ada
perancangan Sistem Informasi Geografis Kriminalitas di Kota Denpasar
menggunakan pemetaan polygon dan peramalan jumlah kriminalitas dengan
Metode SES.
2.2 Kriminalitas
Definisi kejahatan dibagi menjadi 2 pengertian, yaitu secara yuridis dan
secara kriminologi berbasis sosiologis. Pengertian secara yuridis menyebutkan
bahwa kejahatan merupakan perilaku yang bertentangan dengan nilai dan norma
yang telah disahkan oleh hukum tertulis. Secara kriminologi berbasis sosiologi
menjelaskan kejahatan adalah suatu pola tingkah laku yang dapat merugikan
orang lain secara ekonomis ataupun psikologis, serta mendapat reaksi sosial dari
masyarakat (M. Mustafa 2007, h.16). Reaksi sosial yang diberikan berupa reaksi
formal, informal, dan non-formal. Pelaku kriminalitas disebut kriminal. Kriminal
disebut seorang terdakwa bila kesalahannya belum terbukti dan belum ditetapkan
oleh hakim. Pelaku kriminal yang terbukti bersalah oleh pengadilan disebut
dengan narapidana dan harus menjalani hukuman yang diterima.
Kriminalitas terjadi karena beberapa faktor, misalnya faktor ekonomi.
Faktor ekonomi mungkin sangat berpengaruh dalam terjadinya tindakan kriminal
dan dapat bertambah parah pada situasi tertentu. Faktor lain pemicu tindakan
kriminalitas dan kekerasan adalah sebagai berikut:
1. Faktor pertentangan dan persaingan budaya yang akan memicu tindakan
kriminal bermotif SARA (Suku, Agama Ras, Aliran).
2. Faktor kepadatan dan komposisi penduduk yang dapat mengakibatkan
tingkat stres sehingga berpotensi membuat seseorang atau kelompok untuk
melakukan tindakan kriminal.
3. Faktor perbedaan distribusi kebudayaan dari daerah atau negara luar yang
tidak berdampak positif jika diterapkan pada suatu daerah atau negara,
misalnya budaya menggunakan busana yang minim untuk wanita.
8
4. Faktor mentalitas yang labil dapat membuat seseorang memiliki jalan
pikiran yang singkat dalam melakukan tindakan kriminalitas, tanpa
memikirkan dampak yang akan terjadi.
5. Faktor pengangguran yang tinggi memicu untuk melakukan tindakan
kriminalitas dengan jalan pintas karena pendapatan yang tidak merata dan
sangat rendah pada suatu daerah.
Melakukan suatu tindakan tidak lepas dari dampak yang dihasilkan dari
perbuatan tersebut, termasuk juga dalam melakukan tindalan kriminalitas.
Dampak negatif dari tindakan kriminalitas dan kekerasan adalah sebagai berikut:
1. Merugikan pihak lain (korban atau masyarakat) secara material atau non
material
2. Membuat trauma kepada korban
3. Mengganggu stabilitas keamanan masyarakat
4. Merugikan negara
Peran penegak hukum sangat diandalkan untuk menanggulangi tindakan
kriminal. Peran masyarakat juga dapat membantu pihak polisi seperti memberi
informasi dan melakukan pengamanan di lingkungan sekitarnya dengan cara
mengadakan siskamling (sistem keamanan lingkungan) yang terintegrasi dengan
tokoh masyarakat dan polisi.
2.3 Sistem
Sistem adalah kumpulan hal yang saling bekerja sama sehingga
membentuk kesatuan untuk melakukan suatu fungsi sehingga mencapai tujuan.
Karakteristik yang dimiliki sistem yaitu komponen sistem, lingkungan luar sistem,
masukan sistem, keluaran sistem, penghubung sistem, batasan sistem, sasaran
sistem, dan pengolahan sistem (Edhy Sutanta, 2003).
2.4 Informasi
Data yang telah diolah menjadi bentuk yang lebih bermanfaat bagi
penerima disebut dengan informasi (Jogiyanto, 2005). Informasi berguna untuk
9
mengurangi ketidakpastian dalam proses pengambilan keputusan, dan dikatakan
bernilai jika manfaat yang didapat lebih efektif dibanding biaya untuk
mendapatkan informasi tersebut. Kualitas sebuah informasi ditentukan oleh
beberapa hal yaitu keakuratan, relevansi, efisiensi, tepat waktu, konsisten, dapat
dipercaya, dan ketersediaanya (Edhy Sutanta, 2003).
2.5 Sistem Informasi
Menurut Jogiyanto (2005), sistem informasi memiliki pengertian
sekumpulan prosedur yang dilakukan dengan tujuan memberi informasi. Ciri
informasi dalam sistem informasi yaitu:
1. Informasi yang didapat adalah baru bagi penerima.
2. Informasi dapat memberikan tambahan pada informasi yang telah ada.
3. Informasi bisa menjadi koreksi untuk informasi sebelumnya yang salah.
4. Iinformasi dapat mempertegas informasi yang telah ada.
2.6 Geografis
Sistem informasi geografis dibangun berdasarkan spasial atau geografi.
Objek ini mengarah pada spesifikasi lokasi dalam suatu space. Objek bisa berupa
fisik, budaya, atau ekonomi alamiah. Penampakan tersebut ditampilkan pada suatu
peta untuk memberikan gambaran yang representatif dari spasial suatu objek
sesuai dengan kenyataannya di bumi. Simbol, warna dan gaya garis digunakan
untuk mewakili setiap spasial yang berbeda pada peta dua dimensi (Denny
Charter, 2004).
2.7 Sistem Informasi Geografis
Sistem Informasi Geografis adalah sebuah sistem yang didesain untuk
menangkap, menyimpan, memanipulasi, menganalisa, mengatur dan
menampilkan seluruh jenis data geografis (Edy Irwansyah, 2013). Teknologi
komputer mampu menangani berbagai informasi secara cepat dan akurat sehingga
SIG yang berbasis teknologi komputer menjadi pilihan bagi banyak pengguna
pada saat ini.
10
2.7.1 Jenis Data Sistem Informasi Geografis
Kamus Besar Bahasa Indonesia menyebutkan data adalah keterangan yang
dapat dijadikan dasar kajian (KBBI, 2007). Data dalam SIG ada 2, yaitu data
spasial atau keruangan dan data atribut atau deskripsi (Denny Charter, 2004).
2.7.1.1 Data Spasial
Data spasial menampilkan aspek keruangan fenomena atau
mengidentifikasikan posisi geografis suatu fenomena. Contoh data spasial yaitu
letak suatu wilayah. Data spasial memiliki bentuk-bentuk sebagai berikut:
1. Titik (dot), contoh: posisi kantor polisi
2. Garis (polyline), contoh: jalan raya
3. Area (polygon), contoh: kecamatan dan kelurahan
2.7.1.2 Data Atribut
Data atribut menampilkan aspek deskripsi atau penjelasan dari suatu
fenomena di permukaan bumi dalam bentuk kata-kata, angka, atau tabel. Contoh
data atribut misalnya kepadatan penduduk. Adapun bentuk-bentuk data atribut
adalah:
1. Data kuantitatif (angka-angka atau statistik), contoh: jumlah kriminalitas
2. Data kualitatif (kualitas atau mutu), contoh: tingkat kesuburan tanah
2.7.2 Kemampuan Sistem Informasi Geografis
Sistem informasi geografis mempunyai kemampuan untuk
menghubungkan berbagai data pada suatu titik tertentu di bumi,
menggabungkannya, menganalisis dan akhirnya memetakan hasilnya (Eddy
Prahasta, 2009).
1. Memasukkan dan mengumpulkan data geografis (spasial dan atribut)
2. Mengintegrasikan data geografis.
3. Memeriksa, mengubah data geografis.
4. Menyimpan atau memanggil kembali data geografis.
5. Mempresentasikan atau menampilkan data geografis.
6. Mengelola, memanipulasi dan menganalisis data geografis.
11
7. Menghasilkan output data geografis dalam bentuk peta tematik (view dan
layout), tabel, grafik (chart) laporan, dan lainnya baik dalam bentuk
hardcopy maupun softcopy.
2.7.3 Metode Sistem Informasi Geografis
Sistem informasi geografis yang baik memiliki keserasian antara rencana
desain yang baik dan aturan dunia nyata, di mana metode, model dan
implementasi akan berbeda untuk setiap permasalahan (Eddy Prahasta, 2009).
Metode pemetaan dapat dikategorikan atas 3 metode, yaitu (Hasanuddin Z.
Abidin, 2001):
1. Metode Terestris
2. Metode Fotogrametris
3. Metode Inderaja
Setiap metode pada prinsipnya akan memerlukan titik kontrol berupa titik
horisontal dan vertikal, serta koordinat titik-titik obyek relatif terhadap titik
kontrol. Pemetaan dalam metode terestis dilakukan dengan melakukan
pengamatan terhadap target atau objek yang terletak di permukaan bumi. Metode
ini biasanya digunakan dalam pengaplikasian sistem informasi geografis
berbentuk 2 dimensi. Terdapat beberapa metode dalam metode terestris, salah
satunya adalah metode poligon.
Penentuan posisi horisontal dengan metode poligon untuk menentukan
posisi titik yang belum diketahui koordinatnya dari titik yang sudah diketahui
koordinatnya, semua jarak dan sudut dalam poligon diukur. Poligon digunakan
untuk merepresentasikan obyek-obyek dua dimensi, misalnya kepulauan dan
wilayah administrasi. Poligon mempunyai sifat spasial luas, keliling terisolasi atau
terkoneksi dengan yang lain, bertakuk (intended), dan overlapping.
2.8 Peta
Peta merupakan gambaran wilayah geografis, bagian permukaan bumi
yang disajikan dalam berbagai cara yang berbeda, mulai dari peta konvensional
12
yang tercetak hingga peta digital yang tampil di layar komputer. Peta dapat
digambarkan dengan berbagai gaya, masing-masing menunjukkan permukaan
yang berbeda untuk subjek yang sama untuk menvisualisasikan dunia dengan
mudah, informatif dan fungsional.
Peta berbasis komputer (digital) lebih serba guna dan dinamis karena bisa
menunjukkan banyak view yang berbeda dengan subjek yang sama. Peta ini juga
memungkinkan perubahan skala, animasi gabungan, gambar, suara, dan bisa
terhubung ke sumber informasi tambahan melalui internet. Peta digital dapat di-
update ke peta tematik baru dan ditambahkan detail informasi geografi lainnya.
(Denny Charter, 2004)
2.9 Google Maps
Google Maps adalah sebuah layanan yang diberikan oleh Google untuk
menampilkan dan menunjukkan peta sebuah wilayah atau lokasi secara digital.
Melalui fitur Google Maps, pengguna internet dapat browsing informasi grafis
berikut (Faya Mahdia, Fiftin Noviyanto, 2013).
1. Satellite Map
Pengguna dapat menikmati gambar satelit planet bumi. Pengguna juga
dapat menikmati foto satelit lebih detail lengkap dengan cara zooming
pada bagian peta yang diinginkan.
2. Hasil Pencarian Integrasi
Mencari lokasi, bisnis, peta buatan pengguna dan real estate.
3. Draggable Maps
Peta digital mapping yg dragable (bisa digeser) dengan bantuan mouse.
4. Terrain Maps (Peta Topograpi)
Terrain Maps menyediakan informasi fitur peta fisik atau peta topograpi
yg biasa disediakan buku peta Atlas.
5. Earth Map
Earth Map menyediakan informasi peta bumi di mana akan tampak bumi
secara utuh dan bila di-zoom akan terlihat awan yang menyelimuti bumi
beserta pulau dan lautan yang tampak nyata dari ketinggian.
13
6. My Location
Dengan fitur ini pengguna dapat mengetahui letak di mana lokasi dari
pengguna tersebut.
2.9.1 Google Maps API
Fitur Google Maps yang digunakan dalam sebuah web adalah Google
Maps API yang merupakan library JavaScript. Google Maps API adalah
kumpulan API yang memungkinkan menghamparkan data di peta khusus Google.
Menggunakan Google Maps API, dapat dibuat aplikasi web dan seluler menarik
dengan platform pemetaan canggih dari Google, termasuk database citra satelit,
street view, profil ketinggian, petunjuk arah, peta dengan sentuhan gaya,
demografi, analisis, dan database yang besar. Langkah-langkah menuliskan
program Google Maps API adalah sebagai berikut (Google Maps Developers).
1. Memasukkan Maps API JavaScript ke dalam HTML.
2. Membuat elemen div untuk menampilkan peta.
3. Membuat beberapa objek literal untuk menyimpan properti-properti pada
peta.
4. Menuliskan fungsi JavaScript untuk membuat objek peta.
5. Menginisiasi peta dalam tag body HTML dengan event onload.
Google Maps API memiliki 4 jenis pilihan model peta yang disediakan
oleh Google, diantaranya adalah:
1. Roadmap: untuk menampilkan peta biasa 2 dimensi
2. Satellite: untuk menampilkan foto satelit
3. Terrain: untuk menunjukkan relief fisik permukaan bumi dan
menunjukkan seberapa tingginya suatu lokasi
4. Hybrid: akan menunjukkan foto satelit yang diatasnya tergambar pula apa
yang tampil pada roadmap (jalan dan nama kota)
2.10 Perancangan Sistem
Perancangan sistem adalah merancang atau mendesain suatu sistem yang
baik, yang isinya adalah langkah-langkah operasi dalam proses pengolahan data
14
dan prosedur untuk mendukung operasi sistem (Betha Sidik, 2014). Langkah-
langkah dalam perancangan sistem meliputi physical sistem dan logical model,
berikut adalah penjelasannya.
1. Physical Sistem
Physical sistem berupa bagan alir sistem (Sistem Flowchart) ataupun
bagan alir dokumen (Document Flowchart).
2. Logical Model
Logical Model dapat digambarkan dengan menggunakan diagram arus
data atau DFD. DFD digunakan untuk menggunakan sistem yang telah ada
atau sistem baru yang akan dikembangkan secara logika.
2.10.1 Diagram Konteks
Diagram konteks memuat gambaran umum sistem yang akan dibangun
secara garis besar. Diagram konteks membutuhkan informasi sebagai berikut:
1. Siapa saja yang memberikan data ke sistem
2. Data apa saja yang diberikan ke sistem
3. Kepada siapa sistem harus memberi informasi
4. Apa saja isi laporan yang harus dihasilkan sistem
Tabel 2.1 Lambang pada Diagram Konteks
Lambang Keterangan
Pihak yang berada di luar sistem, tetapi
secara langsung berhubungan dengan
sistem dalam hal memberi data atau
menerima informasi
Di dalam diagram konteks, berisi
mengenai sistem yang akan dibuat
Berisi data atau informasi yang
mengalir dari satu pihak ke sistem dan
sebaliknya.
Sumber: Edhy Sutanta, 2009
Terminator
Process
Data Flow
15
Tabel 2.1 menyajikan lambang yang digunakan dalam pembuatan diagram
konteks. Secara kalimat, dikatakan bahwa diagram konteks berisi siapa dan apa
saja data yang diberikan ke sistem, serta kepada siapa dan informasi apa saja yang
harus dihasilkan sistem. Kata “siapa” dilambangkan dengan kotak persegi
(terminator). Kata “apa” dilambangkan dengan aliran data (data flow). Kata
“sistem” dilambangkan dengan lingkaran (process) (Edhy Sutanta, 2009).
2.10.2 Entity Relationship Diagram
Entity Relationship Diagram (ERD) adalah model konseptual yang
mendeskripsikan hubungan antara penyimpanan dalam DFD nantinya (data store)
(Edhy Sutanta, 2009). ERD digunakan untuk memodelkan struktur data dan
hubungan antar data. Model tersebut dapat diuji dengan mengabaikan proses yang
dilakukan. Notasi yang digunakan dalam ERD dapat dilihat pada Tabel 2.2 di
bawah ini.
Tabel 2.2 Notasi ERD
Notasi Keterangan
Entitas adalah suatu objek yang dapat diidentifikasi
dalam lingkungan pemakai
Relasi menunjukkan adanya hubungan diantara
sejumlah entitas yang berbeda
Atribut berfungsi mendeskripsikan karakter entitas
(atribut yang berfungsi sebagai key diberi garis
bawah)
Garis sebagai penghubung antara relasi dengan
entitas, relasi dan entitas dengan atribut Sumber : Edhy Sutanta, 2009
ERD dikembangkan untuk memberikan fasilitas dalam perancangan
database dengan memberikan kesempatan untuk membuat spesifikasi dari suatu
skema yang merepresentasikan keseluruhan struktur logika dari database.
2.10.2.1 Kardinalitas Relasi
Dalam ERD hubungan (relasi) dapat terdiri dari sejumlah entitas yang
disebut dengan derajat relasi. Derajat relasi maksimum disebut dengan
Entitas
Relasi
Atribut
16
kardinalitas sedangkan derajat minimum disebut dengan modalitas. Kardinalitas
relasi menunjukkan jumlah maksimum entitas yang dapat berelasi dengan entitas
pada himpunan entitas lain.
1. One to One Relationship
Hubungan antara file pertama dan file kedua adalah satu berbanding satu.
Contohnya pada seorang polisi memiliki satu jabatan.
2. One to Many atau Many to One Relationship.
Hubungan antara file pertama dan file kedua adalah satu berbanding
banyak atau banyak berbanding satu. Contohnya satu kelurahan memiliki
banyak kriminalitas.
3. Many to Many Relationship
Hubungan file pertama dan file kedua adalah banyak berbanding banyak.
Contoh, satu kejadian kriminalitas dilakukan oleh banyak pelaku. Satu
pelaku dapat melakukan lebih dari satu kejahatan.
2.10.2.2 Langkah Perancangan Teknik Entity Relationship
Sumber awal data teknik perencanaan database dengan entity
relationship adalah data dictionary (kumpulan data). Langkah-langkah
perancangan entity relationship:
1. Memilih kelompok atribut yang sama untuk dijadikan sebuah entitas dan
menentukan primary key dengan syarat unik dan mewakili entitas.
2. Menggambarkan cardinality dari ERD berdasarkan analisa relasi yang
didapat. Relasi yang terjadi dapat One to One, One to Many dan Many to
Many Relationship.
3. Membentuk skema database atau LRS (Logical Record Structure)
berdasarkan ERD.
Keterangan penjelasan dalam membuat perancangan entity relationship
adalah sebagai berikut:
1. Relasi One to One
Foreign key diletakkan pada salah satu dari 2 entitas yang ada atau
menyatukan ke dua entitas tersebut.
17
2. Relasi One to Many
Foreign key diletakkan di entitas yang many.
3. Relasi many to many
Perlu dibuat “file konektor” yang berisi 2 foreign key yang berasal dari
kedua entitas.
4. Membentuk tabel-tabel berdasarkan primary key yang terpilih dengan
syarat sudah mencapai aturan normalisasi sekurang-kurangnya 3NF dari
skema DB/LRS yang ada.
2.10.3 Data Flow Diagram
Data Flow Diagram (DFD) merupakan diagram yang mengunakan notasi
atau simbol untuk mengambarkan sistem jaringan kerja antar fungsi-fungsi yang
berhubungan satu sama lain dengan aliran dan penyimpanan data (Edhy Sutanta,
2009).
DFD sering digunakan untuk menggambarkan suatu sistem yang telah ada
atau sistem baru yang akan dikembangkan secara logika tanpa
mempertimbangkan lingkungan fisik di mana data tersebut mengalir atau di mana
data tersebut akan disimpan. Salah satu keuntungan menggunakan diagram aliran
data adalah memudahkan pemakai (user) yang kurang menguasai bidang
komputer untuk mengerti sistem yang akan dikerjakan.
DFD terdiri dari diagram konteks (context diagram) dan diagram rinci
(level diagram) (Edhy Sutanta, 2009). Diagram konteks adalah diagram yang
terdiri dari suatu proses dan menggambarkan ruang lingkup suatu sistem. Diagram
konteks merupakan level tertinggi dari DFD yang menggambarkan seluruh input
ke sistem atau output dari sistem. Terdapat hanya satu proses dalam diagram
konteks, dan tidak boleh ada store di dalamnya. Diagram rinci adalah diagram
yang menguraikan proses apa yang ada dalam diagram level di atasnya.
2.10.3.1 Komponen Data Flow Diagram
Komponen DFD terdiri atas 4 notasi atau simbol, yaitu entitas eksternal,
aliran data, proses, dan penyimpanan data. Penjelasannya adalah sebagai berikut.
18
1. Entitas Eksternal (External Entity)
Entitas Eksternal (entity) di lingkungan luar sistem yang dapat berupa
orang, organisasi atau sistem lainnya yang berada di lingkungan luarnya
yang akan memberikan input atau menerima output dari sistem.
2. Aliran data
Aliran data mengalir diantara proses (process), simpanan data (data
store) dan kesatuan luar (external entity). Aliran data ini menunjukkan
arus dari data yang dapat berupa masukan untuk sistem atau hasil dari
proses sistem.
3. Proses
Suatu proses adalah kegiatan atau kerja yang dilakukan oleh orang, mesin
atau komputer dari hasil suatu aliran data yang masuk ke dalam proses
untuk dihasilkan aliran data yang akan keluar dari proses.
4. Penyimpan Data (Data Store)
Penyimpan data (data store) merupakan penyimpan data yang dapat
berupa:
a. Suatu file atau database di sistem komputer.
b. Suatu arsip atau catatan manual.
c. Suatu tabel acuan manual.
d. Suatu agenda atau buku.
2.11 Database
Database adalah kumpulan informasi yang disimpan di dalam komputer
secara sistematik sehingga dapat diperiksa menggunakan suatu program komputer
untuk memperoleh informasi dari database tersebut (Achmad Solichin, 2014).
Alasan diperlukannya database adalah data dapat diterjemahkan ke dalam sebuah
aplikasi program, dibandingkan terpisah atau diolah masing-masing. Kontrol
akses luas dan manipulasi pada data juga dapat dilakukan oleh sebuah aplikasi
program. Perangkat lunak yang digunakan untuk mengelola dan memanggil query
database disebut sistem manajemen database (database management sistem,
DBMS). Gambaran umumnya adalah sebagai berikut:
19
1. Koleksi data dapat diakses bersama secara logika data pun berhubungan
satu sama lain, dan sengaja dirancang khusus untuk informasi yang
dibutuhkan sebuah perusahaan.
2. Pemetaan data disediakan bebas untuk diolah satu sama lain di sebuah
database.
3. Secara logika data merupakan kesatuan, memiliki atribut yang lengkap dan
saling berhubungan dari suatu organisasi atau data perusahaan.
2.11.1 Proses Perancangan Database
Perancangan database merupakan upaya untuk membangun sebuah
database dalam suatu lingkungan bisnis. Terdapat enam (6) tahap untuk proses
perancangan suatu database (Achmad Solichin, 2014).
1. Pengumpulan data dan analisis
2. Perancangan database secara konseptual
3. Pemilihan sistem manajemen database
4. Perancangan database secara logika
5. Perancangan database secara fisik
6. Implementasi sistem database
2.11.2 Structure Query Language (SQL)
Structure Query Language SQL adalah bahasa standar untuk meminta
informasi yang berasal dari database (Achmad Solichin, 2014). SQL dapat
digunakan pada bahasa-bahasa seperti C, Delphi dan PHP, memiliki sekitar 30
pernyataan SQL yang digunakan untuk melakukan request ke DBMS untuk
melakukan suatu tindakan. Terdapat 3 jenis kelompok pernyataan SQL, yaitu
DDL (Data Definition Language), DML (Data Manipulation Language), dan
DCL (Data Control Language). Ketiga kelompok pernyataan SQL tersebut
memiliki perintah yang berbeda-beda, tergantung dari pengertian masing-masing
kelompok pernyataan.
20
2.11.2.1 Data Definition Language (DDL)
DDL merupakan kelompok perintah yang berfungsi untuk
mendefinisikan atribut-atribut database, tabel, atribut (kolom), batasan-batasan
terhadap suatu atribut serta hubungan antar tabel. Kelompok DDL ini adalah:
1. Create untuk menciptakan tabel ataupun indeks
2. Alter untuk mengubah struktur tabel
3. Drop untuk menghapus tabel ataupun indeks
2.11.2.2 Data Manipulation Language (DML)
DML adalah kelompok perintah yang berfungsi untuk memanipulasi
data, misalnya untuk pengambilan, penyisipan pengubahan dan penghapusan data.
Kelompok DML ini adalah:
1. Select untuk memilih data
2. Insert untuk menambah data
3. Delete untuk menghapus data
4. Update untuk mengubah data
2.11.2.3 Data Control Language (DCL)
Berisi perintah-perintah untuk mngendalikan pengaksesan data.
Kelompok DCL ini adalah:
1. Grant untuk memberikan kendali pada pengaksesan data.
2. Revoke untuk mencabut kemampuan pengaksesan data
3. Lock Table untuk mengunci tabel
2.12 Web Service
Web service adalah suatu sistem perangkat lunak yang dirancang untuk
mendukung interoperabilitas dan interaksi antar sistem pada suatu jaringan. Web
service digunakan sebagai fasilitas yang disediakan oleh suatu Website untuk
menyediakan layanan (dalam bentuk informasi) kepada sistem lain (Edi
Irwansyah, 2013). Sistem lain dapat berinteraksi dengan sistem tersebut melalui
layanan-layanan (service) yang disediakan oleh suatu sistem yang menyediakan
web service. Web service menyimpan data informasi dalam format XML,
21
sehingga data ini dapat diakses oleh sistem lain walaupun berbeda platform,
sistem operasi, maupun bahasa compiler.
Web service bertujuan untuk meningkatkan kolaborasi antar pemrogram
dan perusahaan, yang memungkinkan sebuah fungsi di dalam web service dapat
dipinjam oleh aplikasi lain tanpa perlu mengetahui detil pemrograman yang
terdapat di dalamnya. Beberapa alasan mengapa digunakannya web service adalah
sebagai berikut:
1. Web service dapat digunakan untuk mentransformasikan satu atau
beberapa bisnis logic atau class dan objek yang terpisah dalam satu ruang
lingkup yang menjadi satu, sehingga tingkat keamanan dapat ditangani
dengan baik.
2. Web service memiliki kemudahan dalam proses deployment-nya, karena
tidak memerlukan registrasi khusus ke dalam suatu sistem operasi. Web
service cukup di-upload ke web server dan siap diakses oleh pihak-pihak
yang telah diberikan otorisasi.
3. Web service berjalan di port 80 yang merupakan protokol standar HTTP,
dengan demikian web service tidak memerlukan konfigurasi khusus di sisi
firewall.
2.13 Bahasa Pemrograman Web
Pemrograman web atau dalam Bahasa Inggris web programming terdiri
dari dua kata yaitu pemrograman dan web. Pemrograman adalah kumpulan
instruksi atau perintah tertulis yang dibuat oleh manusia secara logis untuk
memerintahkan komputer agar melakukan langkah atau proses tertentu dalam
menyelesaikan suatu masalah (Achmad Solichin, 2014). Pemrograman biasanya
menghasilkan sebuah perangkat lunak baru yang dapat dijalankan dengan mudah
oleh orang lain tanpa harus mengetahui tahapan-tahapan detail dalam melakukan
tugas tersebut. Kata web, dapat diartikan sebagai halaman atau media informasi
yang dapat diakses dengan perangkat lunak browser melalui jaringan komputer
atau internet. Sehingga dapat disimpulkan bahwa pemrograman web adalah proses
22
membuat aplikasi komputer yang dapat digunakan/ditampilkan dengan bantuan
browser.
2.13.1 PHP
PHP (PHP Hypertext Preprocessor) adalah bahasa program yang
digunakan untuk membuat aplikasi berbasis web. PHP hanya dapat berjalan pada
sisi server (side server language) dan program yang dibuat oleh PHP tidak dapat
berjalan tanpa adanya server web (Bunafit Nugroho, 2013). Hasil instal PHP
hanya berbentuk folder compiler, tidak ada aplikasi nyata yang bisa dijalankan
untuk menuliskan kode PHP. Membuat Kode Program PHP dapat dilakukan
melalui editor, yaitu Notepad atau memakai Editor PHPEditor dan sebagainya.
Database yang digunakan untuk PHP adalah MySQL yang juga termasuk free
software.
PHP adalah bahasa pemrogramannya, dalam membuat website atau
aplikasi berbasis web, tidak hanya membutuhkan kode PHP saja, tetapi juga akan
menggunakan HTML (Hyper Text Markup Language) dan CSS. HTML
digunakan untuk desain tampilan, dan CSS sebagai kode pemanis web. Penulisan
kode program PHP harus dimulai menggunakan perintah “<?php” dan diakhiri
dengan perintah “?>”. Seluruh aplikasi berbasis web dapat dibuat dengan PHP,
namun kekuatan yang paling utama PHP adalah pada konektivitasnya dengan
sistem database di dalam web. Sistem database yang dapat didukung oleh PHP
adalah Oracle, MySQL, Sybase, PostgreSQL, dan lainnya (Bunafit Nugroho,
2013).
2.13.2 Javascript
Javascipt adalah bahasa skrip populer, digunakan untuk menciptakan
halaman web yang dapat berinteraksi dengan pengguna, serta dapat merespon
event yang terjadi pada halaman (R.H. Sianipar, 2015). Javascript dapat
dijalankan hampir di semua platform. Javascript merupakan bahasa sisi klien
(client side) yang dibangun secara langsung ke dalam browser. Sintak Javascript
mirip dengan Perl, C, dan Java. Javascript berperan sebagai bahasa pemrograman
yang memiliki konstruksi dasar seperti variabel dan tipe data, look control,
23
statement if/else, statement switch, fungsi, dan objek. Javascipt dapat digunakan
untuk perhitungan aritmatik, manipulasi tanggal dan waktu, pemodifikasian array,
string, dan objek. Javascript dapat menangani event yang diinisiasi pengguna, dan
dapat menetapkan pewaktu. Kombinasi dari HTML, CSS, dan Javascript dapat
menghasilkan halaman web yang terstruktur dan interaktif, serta ketiganya
merupakan bagian penting dari sebuah halaman web.
Javascript terkait dengan browser, maka ia sangat terintegrasi dengan
HTML. Saat browser memuat sebuah halaman, server mengirim konten utuh dari
dokumen, termasuk HTML dan statement Javascript. Konten HTML dibaca dan
diinterpretasi baris demi baris hingga tag pembuka Javascript dibaca. Interpreter
Javascript mengambil alih, dan ketika tag penutup Javascript diraih, pemrosesan
HTML berlanjut (R.H. Sianipar, 2015)
2.14 JSON
JSON (Javascript Object Notation) adalah salah satu stuktur data
Javascript untuk mendefinisikan objek (Betha Sidik, 2014). Model struktur data
JSON ini telah menjadi standar untuk pertukaran data baku yang terbuka (open
standart) dan ringan, sama seperti XML. Pendefinisian JSON lebih sederhana
daripada XML, sehingga ukuran file JSON lebih kecil. JSON secara defakto
menjadi format untuk pertukaran data karena parsing data dari file JSON lebih
cepat dan mudah.
JSON berawal dari Bahasa Pemrograman Javascript. JSON bukan hanya
ada di dalam Javascript saja, tetapi sudah didukung pada banyak bahasa
pemrograman dengan implementasi JSON yang berbeda-beda. JSON akan
dipertukarkan sebagai string JSON, dari JSON inilah data yang ada di dalamnya
akan diproses (Betha Sidik, 2014)
2.14.1 JSON dalam Javascript
Data objek didefinisikan menggunakan notasi objek {} atau dinyatakan
sebagai string terlebih dahulu dalam Javascript. Notasi objek dalam Javascript
diawali dengan tanda {, lalu string atribut, titik dua (colon), nilai, dan ditutup
24
dengan tanda } (json.org). Berikut adalah contoh script dalam Javascript untuk
mendefinisikan objek JSON.
<html>
<head>
<title> Contoh </title>
</head>
<body>
<script type=”text/javascript”>
var cobajson = {“jurusan”:”Teknologi Informasi”}
alert(cobajson.jurusan);
</script>
</body>
</html>
Kode Program 2.1 Contoh Script untuk Mendefinisikan JSON
Kode program 2.1 membuat sebuah variabel objek dengan atribut
“jurusan” yang diisi dengan data “Teknologi Informasi”. Perintah “alert()”
digunakan untuk menampilkannya. Hasil eksekusinya adalah sebagai berikut:
Gambar 2.1 Hasil Pendefinisian Objek JSON
Tampilan Gambar 2.1 menunjukkan isi dari variabel “contohjson” dengan
atribut “jurusan“, diakses menggunakan “contohjson.jurusan”, dan ditampilkan
dengan perintah “alert()”.
2.15 Peramalan
Peramalan adalah alat bantu yang penting dalam sebuah perusahaan
sebagai dasar dalam merencanakan perumusan strategi perusahaan tersebut di
masa mendatang. Menurut Makridakis (1999), teknik peramalan dibagi menjadi 2,
yaitu metode peramalan subjektif dan metode peramalan objektif. Metode
peramalan subjektif memiliki model kualitatif, sedangkan metode peramalan
objektif mempunyai 2 model, yaitu model time series dan model kausal.
25
1. Model kualitatif berupaya memasukkan faktor subjektif dalam peramalan.
Model ini sangat bermanfaat jika data kuantitatif diperoleh secara akurat.
Contoh dari metode ini adalah Metode Delphi atau opini juri eksekutif.
2. Model time series adalah model yang digunakan untuk memprediksi masa
depan dengan menggunakan data historis. Model time series mencoba
melihat apa yang terjadi pada kurun waktu tertentu dan menggunakan data
masa lalu untuk memprediksi. Contoh dari model time series adalah
Exponential Smoothing, Moving Average, dan proyeksi trend.
3. Model kausal memasukkan dan menguji variabel yang diduga akan
mempengaruhi variabel dependen. Model ini menggunakan analisis regresi
atau ARIMA untuk menentukan mana variabel yang signifikan
mempengaruhi variabel dependen dan mencari model terbaik yang dapat
digunakan dalam peramalan.
2.15.1 Metode Exponential Smoothing
Metode Exponential Smoothing adalah prosedur perbaikan terus-menerus
pada peramalan terhadap objek pengamatan terbaru (Makridakis, 1999). Metode
ini menitik beratkan pada penurunan prioritas secara eksponensial pada objek
pengamatan yang lebih tua. Terdapat satu atau lebih parameter pemulusan yang
ditentukan secara eksplisit, dan hasil ini menentukan bobot yang dikenakan pada
nilai observasi. Observasi terbaru akan diberikan prioritas lebih tinggi bagi
peramalan daripada observasi yang lebih lama. Metode Exponential Smoothing
dibagi menjadi Single Exponential Smoothing, Double Exponential Smoothing,
dan Triple Exponential Smoothing.
2.15.1.1 Single Exponential Smoothing
SES digunakan untuk peramalan jangka pendek. Model mengasumsikan
bahwa data berfluktuasi di sekitar nilai mean yang tetap, tanpa trend atau pola
pertumbuhan konsisten (Makidrakis, 1999). Rumus untuk metode ini adalah
sebagai berikut:
𝑆𝑡 = 𝛼 ∗ 𝑋𝑡 + ( 1 − 𝛼 ∗ 𝑆𝑡−1) (2.1)
26
di mana :
St = Peramalan untuk periode t
Xt + (1-α) = Nilai aktual time series
St – 1 = Peramalan pada waktu sebelumnya
α = Konstanta perataan antara 0 dan 1
Hasil peramalan yang akurat adalah peramalan yang bisa meminimalkan
kesalahan meramal, maka digunakan pencarian rata-rata kesalahan dengan metode
sebagai berikut.
1. Mean Absolute Error (MAE)
MAE adalah rata-rata absolut dari kesalahan meramal tanpa
menghiraukan tanda positif atau negatif. Rumusnya adalah sebagai
berikut:
𝑀𝐴𝐸 = 𝑋𝑡−𝐹𝑡
𝑛𝑡=1
𝑛 (2.2)
2. Mean Squared Error (MSE)
MSE adalah rata-rata kesalahan meramal yang dikuadratkan. Rumusnya
adalah:
𝑀𝑆𝐸 = 𝑋𝑡− 𝐹𝑡
2𝑛𝑡=1
𝑛 (2.3)
3. Mean Absolute Percentage Error (MAPE)
MAPE adalah nilai tengah kesalahan persentase absolute dari suatu
peramalan.
𝑀𝐴𝑃𝐸 =
𝑋𝑡−𝐹𝑡𝑋 𝑡
𝑛𝑡=1
𝑛 (2.4)
Keterangan:
Xt = Nilai data periode ke-t
Ft = Nilai ramalan periode ke-t
n = Banyak data
27
2.15.1.2 Contoh Peramalan dengan SES
Terdapat data permintaan susu yogurt per-bulan adalah seperti pada
Tabel 2.3, yaitu dari bulan Januari hingga Desember. Akan dilakukan peramalan
untuk bulan Januari pada tahun berikutnya.
Tabel 2.3 Data Permintaan Susu Yogurt
Bulan Index
(t)
Data Aktual
(X)
Januari 1 52
Februari 2 40
Maret 3 56
April 4 48
Mei 5 43
Juni 6 50
Juli 7 52
Agustus 8 47
September 9 51
Oktober 10 42
November 11 40
Desember 12 48
Januari 13 ??
Digunakan α = 0.1 s/d 0.9 karena data aktual cenderung stabil.
Perhitungan SES pada α = 0.1 dengan rumus 𝑆𝑡 = 𝛼 ∗ 𝑋𝑡 + 1 − 𝛼 ∗ 𝑆𝑡−1
adalah sebagai berikut (Tabel 2.4).
Tabel 2.4 SES Alpha 0.1
Bulan Index (t) Data Aktual (X) SES 0.1 error mae
Januari 1 52 52 0 0
Februari 2 40 52 12 0
Maret 3 56 51 5,2 6
April 4 48 52 3,32 5,73
Mei 5 43 52 7,99 5,13
Juni 6 50 51 0,19 5,7
Juli 7 52 51 1,83 4,78
Agustus 8 47 51 3,35 4,36
28
September 9 51 51 0,98 4,24
Oktober 10 42 51 8,12 3,87
November 11 40 50 9,3 4,3
Desember 12 48 49 0,37 4,75
Januari 13 ?? 49
4,39
Dapat dijelaskan perhitungan SES α = 0.1 adalah sebagai berikut:
1. Januari memiliki nilai SES yang sama seperti data aktual karena sebelum
januari tidak terdapat data historis lainnya.
2. Februari memiliki nilai SES sama seperti Januari, karena konsep dari
SES sendiri adalah menggunakan data historis 2-3 bulan terakhir. Error
yang didapat pada bulan Februari dihitung dengan rumus:
𝐸𝑟𝑟𝑜𝑟 = |𝑋𝑡 − 𝑆𝐸𝑆𝑡 | (2.5)
Sehingga:
Error_Februari = | 40-52 |
= 12
Hasil MAE baru bisa diterapkan pada bulan Maret, karena membutuhkan
data error dari 2-3 bulan sebelumnya.
3. Perhitungan untuk bulan Maret hingga seterusnya sudah dapat dilakukan
karena sudah mendapatkan 2 data historis yang mencangkup SES sebagai
dasar perhitungan SES berikutnya dan Error sebagai dasar perhitungan
MAE. Nilai SES yang didapat dibulatkan ke satuan terkecil.
4. Perhitungan SES untuk bulan Maret adalah sebagai berikut:
SES_Maret = (α * Data_Aktual_Februari) + ((1 - α) * SES_Februari)
= (0.1 * 40) + ((1 – 0.1) * 52)
= 50.8 (dibulatkan menjadi 51)
Error_Maret = 56 – 50.8
= 5.2
MAE = 𝐸𝑟𝑟𝐽𝑎𝑛 + 𝐸𝑟𝑟𝐹𝑒𝑏
𝐼𝑛𝑑𝑒 𝑥𝐹𝑒𝑏𝑟𝑢𝑎𝑟𝑖
= 0+12
2
= 6
29
5. Perhitungan untuk bulan selanjutnya menggunakan rumus yang sama
seperti perhitungan pada bulan Maret, sehingga didapatkan hasil seperti
pada Tabel 2.5. Bulan Januari yang menjadi objek peramalan, hanya
dapat dihitung SES dan MAE saja, tidak dapat menghitung Error karena
tidak memiliki data aktual.
Alpha yang digunakan adalah 0.1 s/d 0.9, sehingga proses pencarian
SES, Error, dan MAE harus dilakukan sampai alpha terakhir. Perhitungan yang
dilakukan untuk SES pada α = 0.2 adalah sama dengan SES pada α = 0.1.
Perhitungan SES, Error, dan MAE tetap dilakukan pada bulan Maret. Tabel 2.5
adalah hasil perhitungan dengan alpha 0.2 hingga 0.9.
32
Tabel 2.5 Hasil SES Alpha 0.2 – 0.9
Bulan Index
(t)
Data
Aktual (X)
SES
0.2 error mae
SES
0.3 error mae
SES
0.4 error mae
SES
0.5 error mae
Januari 1 52 52 0 0 52 0 0 52 0 0 52 0 0
Februari 2 40 52 12 0 52 12 0 52 12 0 52 12 0
Maret 3 56 50 6,4 6 48 7,6 6 47 8,8 6 46 10 6
April 4 48 51 2,88 6,13 50 2,68 6,53 51 2,72 6,93 51 3 7,33
Mei 5 43 50 7,3 5,32 49 6,88 5,57 50 6,63 5,88 50 6,5 6,25
Juni 6 50 49 1,16 5,72 47 2,19 5,83 47 3,02 6,03 47 3,75 6,3
Juli 7 52 49 2,93 4,96 48 3,53 5,23 48 3,81 5,53 49 3,88 5,88
Agustus 8 47 50 2,66 4,67 49 2,53 4,98 50 2,71 5,28 51 3,06 5,59
September 9 51 49 1,87 4,42 48 2,23 4,68 49 2,37 4,96 49 2,47 5,27
Oktober 10 42 49 7,5 4,13 49 7,44 4,4 50 7,58 4,67 50 7,77 4,96
November 11 40 48 8 4,47 47 7,21 4,71 47 6,55 4,96 46 5,88 5,24
Desember 12 48 46 1,6 4,79 45 2,95 4,94 44 4,07 5,11 43 5,06 5,3
Januari 13 ?? 46
4,53 46
4,77 46
5,02 46
5,28
30
33
Bulan Index
(t)
Data
Aktual (X)
SES
0.6 error mae
SES
0.7 error mae
SES
0.8 error mae
SES
0.9 error mae
Januari 1 52 52 0 0 52 0 0 52 0 0 52 0 0
Februari 2 40 52 12 0 52 12 0 52 12 0 52 12 0
Maret 3 56 45 11,2 6 44 12,4 6 42 13,6 6 41 14,8 6
April 4 48 52 3,52 7,73 52 4,28 8,13 53 1,12 8,53 55 0,68 8,93
Mei 5 43 50 6,41 6,68 49 6,28 7,17 49 0,78 6,68 49 0,43 6,87
Juni 6 50 46 4,44 6,63 45 5,11 6,99 44 1,24 5,5 44 0,66 5,58
Juli 7 52 48 3,77 6,26 49 3,53 6,68 49 0,65 4,79 49 0,27 4,76
Agustus 8 47 50 3,49 5,91 51 3,94 6,23 51 0,87 4,2 52 0,47 4,12
September 9 51 48 2,6 5,6 48 2,82 5,94 48 0,63 3,78 48 0,35 3,66
Oktober 10 42 50 7,96 5,27 50 8,15 5,6 50 1,67 3,43 51 0,86 3,3
November 11 40 45 5,18 5,54 44 4,45 5,85 44 0,73 3,26 43 0,29 3,05
Desember 12 48 42 5,93 5,51 41 6,67 5,72 41 1,45 3,03 40 0,77 2,8
Januari 13 ?? 46
5,54 46
5,8 47
2,9 47
2,63
31
32
Setelah mendapatkan nilai SES, Error, dan MAE berdasarkan alpha,
langkah selanjutnya adalah mencari nilai MAE yang paling minimal dari masing-
masing hasil perhitungan error. Nilai minimal MAE ini akan menjadi hasil akhir
untuk peramalan data yang dicari. Tabel 2.6 adalah tabel nilai minimal per
periode.
Tabel 2.6 Hasil akhir Peramalan
Bulan
Index
(t)
Data Aktual
(X) MAE SES
Januari 1 52 0 52
Februari 2 40 0 52
Maret 3 56 6 41
April 4 48 5,73 51
Mei 5 43 5,13 52
Juni 6 50 5,5 44
Juli 7 52 4,76 49
Agustus 8 47 4,12 52
September 9 51 3,66 48
Oktober 10 42 3,3 51
November 11 40 3,05 43
Desember 12 48 2,8 40
Januari 13 X 2,63 47
Tabel 2.6 di atas menjabarkan hasil akhir, yaitu nilai error dan MAE
yang paling minimal, sehingga didapatkan hasil peramalan untuk bulan Januari
index ke-13 adalah 47 permintaan susu yogurt.
2.16 Pengukuran Kesalahan
Kesalahan pengukuran terkadang terjadi ketika data aktual dan data hasil
pengukuran tidak memiliki hasil yang sama, bahkan terkadang terpaut jauh dari
data asli. Pengukuran kesalahan dilakukan untuk mencari akurasi ketepatan hasil
pengukuran dengan data asli. Langkah untuk menghitung persentase kesalahan
adalah sebagai berikut.
33
1. Mencari kesalahan absolut
Kesalahan absolut adalah perhitungan akurasi untuk mencari selisih data
asli dan data hasil pengukuran. Hasil ini tidak harus menjadi satuan persen.
2. Mencari kesalahan relatif
Kesalahan relatif adalah perhitungan akurasi dengan cara membandingkan
kesalahan absolut dengan data asli, yang nantinya diubah menjadi satuan
persen.
Contoh menghitung kesalahan adalah sebagai berikut. Tabel 2.7
menampilkan data asli dan data hasil pengukuran, yang akan dicari kesalahannya.
Tabel 2.7 Tabel Contoh Pengukuran Kesalahan
PENGUKURAN DATA ASLI HASIL UKUR
I 15 13
II 10 11
III 13 8
IV 17 15
V 10 9
Langkah untuk mengukur kesalahannya adalah sebagai berikut:
1. Kesalahan absolut, mencari selisih data asli dan data hasil ukur,
ditunjukkan dalam Tabel 2.8.
Tabel 2.8 Tabel Kesalahan Absolut
PENGUKURAN DATA ASLI HASIL UKUR KESALAHAN ABSOLUT
I 15 13 2
II 10 11 1
III 13 8 5
IV 17 15 2
V 10 9 1
34
2. Kesalahan relatif, hasil kesalahan absolut dibagi dengan data asli,
ditunjukkan dalam Tabel 2.9.
Tabel 2.9 Tabel Kesalahan Relatif
PENGUKUR
AN DATA ASLI
HASIL
UKUR
KESALAHAN
ABSOLUT
KESALAHAN
RELATIF
I 15 13 2 0,133333333
II 10 11 1 0,1
III 13 8 5 0,384615385
IV 17 15 2 0,117647059
V 10 9 1 0,1
3. Hasil dari kesalahan relatif tersebut dijadikan satuan persen, ditunjukkan
pada Tabel 2.10.
Tabel 2.10 Hasil Pengukuran Kesalahan
PENGU
KURAN
DATA
ASLI
HASIL
UKUR
KESALAHAN
ABSOLUT
KESALAHAN
RELATIF
PERSEN
TASE
KESALA
HAN
I 15 13 2 0,133333333 13%
II 10 11 1 0,1 10%
III 13 8 5 0,384615385 38%
IV 17 15 2 0,117647059 12%
V 10 9 1 0,1 10%
Pengukuran kesalahan telah dilakukan dengan hasil persentase kesalahan
tertinggi yaitu 38% dimana data asli adalah 13 dan hasil ukur 8, serta persentase
kesalahan terendah yaitu 10% pada 2 data dengan data asli adalah 10 dan hasil
ukur 9 serta 11.