ANALISIS DAN PERANCANGAN SISTEM
3.2. Perancangan Sistem
Perancangan sistem meliputi pembuatan use-case diagram, diagram aktivitas, diagram urutan, dan perancangan antarmuka.
3.2.1. Diagram use-case
Diagram use-case merupakan pemodelan untuk menggambarkan kelakuan (behavior) sistem yang akan dibuat. Diagram use-case digunakan untuk mengetahui fungsi apa saja yang ada di dalam sebuah sistem dan siapa saja yang berhak menggunakan fungsi tersebut (Yulianto, et al. 2009). Aktor adalah segala hal diluar sistem yang akan menggunakan sistem tersebut untuk melakukan sesuatu (Kurt Bittner, Ian Spence.
2002). Aktor dalam penelitian ini ialah pengguna atau peneliti. Diagram use-case dapat dilihat pada gambar 3.2.
Pengguna
Sistem
Pelatihan
Pengujian
Simpan
Hapus
K-NN
Naive Bayes
«extends»
«extends»
«uses»
«uses»
<<include>>
<<include>>
Gambar 3.2 Diagram use-case sistem
Setiap use-case dijelaskan dalam use-case narrative. Tabel 3.1, tabel 3.2, tabel 3.3, tabel 3.4, tabel 3.5, dan tabel 3.6 merupakan use-case narrative dari setiap use-case yang ada di gambar 3.2.
Tabel 3.1 Use-case narrative pelatihan Nama use-case Pelatihan
Aktor Pengguna
Deskripsi Singkat
Use-case ini mendeskripsikan bagaimana pengguna menggunakan system untuk membuka dan menampilkan halaman pelatihan.
Preconditions Aplikasi telah berhasil dibuka dan halaman utama telah muncul.
Basic Flow of Events
Aksi aktor Respon sistem
Langkah 1: Memilih tab
“Pelatihan”
Langkah 2 : Menampilkan tab
“Pelatihan”.
Langkah 3 : Menampilkan data pelatihan pada tabel sesuai dengan tempat pelatihan yang aktif.
Alternative Flows
langkah 3 :
a. Jika data pelatihan pada tabel tidak tampil, maka cek alamat dan koneksi database dengan benar.
b. Jika pengguna ingin mengganti tempat pelatihan atau melihat data tempat pelatihan lainnya, maka pengguna dapat memilih radio button tempat pelatihan.
Post-conditions
Data pelatihan siap untuk diperbaharui sesuai dengan tempat pelatihan.
Tabel 3.2 Use-case narrative simpan Nama use-case Simpan
Aktor Pengguna
Deskripsi Singkat
Use-case ini mendeskripsikan bagaimana pengguna dapat menyimpan atau menambahkan data baru ke dalam database dan ditampilkan pada tabel data pelatihan sesuai dengan tempat pelatihan.
Preconditions Pengguna memilih tab pelatihan, tempat pelatihan dan data pelatihan pada
tabel telah ditampilkan.
Basic Flow of Events
Aksi aktor Respon sistem
Langkah 1: Memasukkan nilai AP1, AP2, AP3, Posisi dan lokasi
a. Jika data masukan tidak valid, maka akan menampilkan pesan “Data tidak valid !”.
Post-conditions
Nilai RSS dari AP1, AP2, AP3 dan Posisi berhasil tersimpan di database sesuai dengan lokasi pelatihan.
Tabel 3.3 Use-case narrative hapus Nama use-case Hapus
Aktor Pengguna
Deskripsi Singkat
Use-case ini mendeskripsikan bagaimana pengguna dapat menghapus data yang telah tersimpan di database dan menampilkan data pelatihan terbaru pada tabel sesuai dengan tempat pelatihan.
Preconditions Pengguna memilih tab pelatihan, tempat pelatihan dan data pelatihan pada tabel telah ditampilkan.
Basic Flow of Aksi aktor Respon sistem
Events Langkah 1: Memasukkan nilai AP1,
b. Jika data inputan tidak tersimpan sebelumnya di database, maka akan menampilkan pesan “Data tidak ditemukan, cek kembali inputan Anda!”.
Post-conditions
Nilai RSS yang sesuai dengan data inputan AP1, AP2, AP3 dan Posisi terhapus sesuai dengan lokasi pelatihan.
Tabel 3.4 Use-case narrative pengujian Nama use-case Pengujian
Aktor Pengguna
Deskripsi Singkat
Use-case ini mendeskripsikan bagaimana pengguna menggunakan system untuk membuka dan menampilkan halaman pengujian.
Preconditions Aplikasi telah berhasil dibuka dan halaman utama telah muncul.
Basic Flow of Events
Aksi Aktor Respon sistem
Langkah 1: Memilih tab “Pengujian”
Langkah 2 : Menampilkan tab
“Pengujian”.
Alternative Flows
-
Post-conditions
Tab “Pengujian” berhasil ditampilkan.
Tabel 3.5 Use-case narrative K-NN Nama use-case K-NN
Aktor Pengguna
Deskripsi Singkat
Use-case ini mendeskripsikan perhitungan estimasi posisi objek dalam ruangan berdasarkan data inputan dengan menggunakan algoritma K-Nearest Neighbor.
Preconditions Tab “Pengujian” berhasil ditampilkan.
Basic Flow of Events
Aksi Aktor Respon sistem
Langkah 1: Memasukkan nilai RSS dari AP1, AP2, AP3 dan lokasi pengujian.
Langkah 2 : Menekan tombol “Uji”.
Langkah 3 : Mengecek valid tidaknya data masukan.
Langkah 4 : Jika valid maka asumsi posisi, running time dan jarak error hasil pengujian dari algoritma K-NN, koordinat data uji dan asumsi posisi akan ditampilkan.
b. Jika hasil pengujian tidak tampil, cek alamat atau koneksi database dengan benar.
Post-conditions
Asumsi posisi dan running time hasil pengujian dari algoritma K-NN ditampilkan.
Tabel 3.6 Use-case narrative Naive Bayes Nama use-case Naive Bayes
Aktor Pengguna
Deskripsi Singkat
Use-case ini mendeskripsikan perhitungan estimasi posisi objek dalam ruangan berdasarkan data inputan dengan menggunakan algoritma Naive Bayes.
Preconditions Tab “Pengujian” berhasil ditampilkan.
Basic Flow of Events
Aksi Aktor Respon sistem
Langkah 1: Memasukkan nilai RSS dari AP1, AP2, AP3 dan lokasi pengujian.
Langkah 2 : Menekan tombol “Uji”.
Langkah 3 : Mengecek valid tidaknya data masukan.
Langkah 4 : Jika valid maka asumsi posisi, running time dan jarak error hasil pengujian dari algoritma Naive Bayes, koordinat data uji dan
b. Jika hasil pengujian tidak tampil, cek alamat atau koneksi database dengan benar.
Post-conditions
Asumsi posisi dan running time hasil pengujian dari algoritma Naive Bayes ditampilkan.
3.2.2. Diagram aktivitas
Activity diagram (diagram aktivitas) menggambarkan aliran kerja atau aktifitas dari sebuah sistem. Yang perlu diperhatikan dalam pembuatan diagram aktivitas ialah diagram aktifitas menggambarkan aktivitas sistem bukan aktivitas aktor (Yulianto, et al. 2009). Dalam sistem ini, urutan aktivitas pelatihan ditunjukkan oleh gambar 3.3, urutan aktivitas simpan ditunjukkan oleh gambar 3.4, urutan aktivitas hapus ditunjukkan oleh gambar 3.5, urutan aktifitas pengujian ditunjukkan oleh gambar 3.6, urutan aktivitas K-NN ditunjukkan oleh gambar 3.7, dan urutan aktifitas Naive Bayes ditunjukkan oleh gambar 3.8.
Aktor Sistem
Pilih Tab "Pelatihan" Menampilkan Tab "Pelatihan"
Menampilkan data pelatihan sesuai tempat pelatihan
Gambar 3.3 Diagram aktivitas pelatihan
Sistem Aktor
Tampilkan Data nilai RSS
Pilih tempat Input Posisi
Input nilai RSS
Simpan
Menyimpan data nilai RSS dan posisi sesuai lokasi pelatihan
Tampilkan data ter-Update Mengecek validasi data inputan
valid
Tidak valid
Gambar 3.4 Diagram aktivitas simpan
Aktor Sistem
Tampilkan Data nilai RSS
Pilih tempat Input Posisi
Input nilai RSS
Hapus
Menghapus data nilai RSS dan posisi sesuai lokasi pelatihan
Tampilkan data ter-Update Mengecek validasi data inputan
valid
Tidak valid
Mengecek data inputan terdapat pada database
Ya
Tidak
Gambar 3.5 Diagram aktivitas hapus
Aktor Sistem
Pilih Tab "Pengujian" Menampilkan Tab "Pengujian"
Gambar 3.6 Diagram aktivitas pengujian
Sistem Aktor
Input Posisi Input nilai RSS
Uji Melakukan pengujian dengan Algoritma K-NN
Reset
Menampilkan Asumsi posisi, Running time dan jarak error pengujian Pilih tempat
Menghapus data inputan pada textbox
Gambar 3.7 Diagram aktivitas K-NN
Sistem Aktor
Input Posisi Input nilai RSS
Uji Melakukan pengujian dengan Algoritma Naive Bayes
Reset
Menampilkan Asumsi posisi, Running time dan jarak error pengujian Pilih tempat
Menghapus data inputan pada textbox
Gambar 3.8 Diagram aktivitas Naïve Bayes
3.2.3. Sequence Diagram
Sequence diagram (diagram urutan) menggambarkan perilaku objek pada use-case dengan mendeskripsikan waktu hidup objek dan pesan yang dikirimkan dan diterima antar objek (Yulianto, et al. 2009). Diagram urutan dari penelitian ini dapat dilihat di Gambar 3.9.
:tabPelatihan
Top Package::a
Buka form pelatihan
Ambil data pelatihan data pelatihan terupdate
Alt [tempat pelatihan di rumah]
[tempat pelatihan di gereja]
Alt [tempat pelatihan di rumah]
[tempat pelatihan di gereja]
:rssRumah
Isi form data pelatihan
Cek data pelatihan Simpan data pelatihan
Simpan data pelatihan Data pelatihan terupdate Tampilkan data pelatihan terupdate
Tampilkan data pelatihan terupdate
Simpan data pelatihan
:rssGereja
Data pelatihan terupdate
Tampilkan data pelatihan terupdate
Alt
Isi form data pelatihan
Cek data pelatihan Hapus data pelatihan
Hapus data pelatihan Data pelatihan terupdate
Tampilkan data pelatihan terupdate
Hapus data pelatihan Data pelatihan terupdate
Tampilkan data pelatihan terupdate
Alt
Pengguna
:tabPengujian
Gambar 3.9 Diagram urutan sistem
Alt [tempat pelatihan di rumah]
[tempat pelatihan di gereja]
Alt [tempat pelatihan di rumah]
[tempat pelatihan di gereja]
Buka form pengujian
Tampilkan data pelatihan terupdate
Isi form data pengujian
Cek data pengujian Uji data pengujian
Tampilkan asumsi posisi, running time, dan koordinat
uji data dengan algoritma K-NN
Tampilkan asumsi posisi, running time, dan koordinat
Alt
Isi form data pengujian
Cek data pengujian Uji data pengujian
Tampilkan asumsi posisi, running time, dan koordinat
uji data dengan algoritma Naive Bayes
Tampilkan asumsi posisi, running time, dan koordinat
Alt
:tabPelatihan :tabPengujian :rssRumah :rssGereja
uji data dengan algoritma Naive Bayes uji data dengan algoritma K-NN Top Package::aPengguna
Gambar 3.9 Diagram urutan sistem (lanjutan)
3.2.4. Diagram Alir Sistem
Diagram alir (flowchart) merupakan suatu diagram yang menggambarkan urutan proses secara terperinci dan hubungan antara proses dengan proses lainnya dalam suatu program. Diagram alir dinyatakan dengan simbol yang menggambarkan proses tertentu dan garis penghubung yang menyatakan hubungan dan arah aliran yang terjadi antar proses. Diagram alir pelatihan sistem dalam penelitian ini dapat dilihat pada gambar 3.10, pengujian sistem pada gambar 3.11, algoritma K-NN pada gambar 3.12 dan algoritma Naive Bayes pada gambar 3.13.
Mulai
Input nilai RSS AP1,AP2,AP3
,posisi dan tempat
Pilihan tindakan hapus Menghapus data Menyimpan data
Selesai Data berhasil
disimpan
simpan
Tampilkan status penyimpanan
Ya Tampilkan
peringatan kegagalan
Tidak
Tampilkan status penghapusan data Yakin data akan
dihapus?
Ya
Tidak
Gambar 3.10 Diagram alir pelatihan sistem
Mulai
Input nilai RSS AP1,AP2,AP3
posisi, dan tempat
Data yang diinputkan telah
sesuai
Ya
Proses algoritma
K-NN
Estimasi posisi dan running time
algoritma K-NN
Proses Algoritma Naive Bayes
Estimasi posisi, running time dan
jarak error algoritma Naive
Bayes
Selesai menguji tidak Reset data inputan
Selesai Ya Tidak
Gambar 3.11 Diagram alir pengujian sistem
Mulai
Gambar 3.12 Diagram alir K-NN dan Naive Bayes
3.2.5. Perancangan antarmuka
Perancangan antarmuka bertujuan untuk menggambarkan desain awal dari aplikasi sistem yang akan dibangun. Antarmuka didesain untuk memudahkan pengguna dalam menggunakan dan memahami aplikasi yang akan dibuat. Perancangan antarmuka sistem dalam penelitian ini akan dibangun atas empat bagian utama yaitu bagian beranda, bagian pelatihan, bagian pengujian dan bagian bantuan.
1) Antarmuka Utama (beranda)
Antarmuka utama merupakan halaman yang terlihat pertama sekali ketika sistem dijalankan. Rancangan antarmuka utama ditunjukkan oleh Gambar 3.13. Keterangan
dari komponen-komponen yang terdapat di gambar 3.13 dan dijelaskan dalam Tabel 3.7.
Tugas Akhir
Pengujian Pelatihan
Beranda Bantuan
PERBANDINGAN ALGORITMA K-NN (K-NEAREST NEIGHBOR) DAN NAIVE BAYES PADA METODE FINGERPRINTING BERBASIS WLAN
Sengli Egani 111401089
1
2
3
4
Gambar 3.13 Rancangan antarmuka beranda
Tabel 3.7 Keterangan rancangan antarmuka beranda
NO KETERANGAN
1
Tab control yang terdiri dari tab beranda untuk menampilkan halaman , tab pelatihan untuk menampilkan halaman pelatihan, tab pengujian untuk
menampilkan halaman pengujian dan tab bantuan untuk menampilkan halaman bantuan.
2 Label untuk menampilkan informasi sistem.
3 Picture box untuk menampilkan gambar logo Fakultas Ilmu Komputer dan Teknologi Informasi USU.
4 Label untuk menampilkan informasi peneliti.
2) Antarmuka pelatihan
Antarmuka pelatihan merupakan antarmuka yang berisi form yang digunakan untuk melakukan proses pelatihan terhadap masukan nilai RSS, posisi dan tempat dilakukannya pelatihan. Rancangan antarmuka pelatihan ditunjukkan oleh Gambar 3.
14 Keterangan dari komponen-komponen yang terdapat di gambar dijelaskan dalam table 3.8.
Tugas Akhir
Pengujian Bantuan Pelatihan
Beranda
Tahap Pelatihan pada Metode Fingerprinting 1
2
5 6
Rumah Gereja
Simpan Hapus
7 8
AP 1 AP 2 AP 3 AP 4
3 4
9
Gambar 3.14 Rancangan antarmuka pelatihan Tabel 3.8 Keterangan rancangan antarmuka pelatihan
NO KETERANGAN
1 Tab pelatihan untuk menampilkan halaman pelatihan.
2 Radio Button untuk memilih dan sebagai inputan tempat pelatihan.
3 Label untuk menampilkan informasi halaman.
4 Label untuk menampilkan informasi masukan.
5 Text Box untuk masukan nilai RSS dari tiga buah AP.
6 Text Box untuk masukan keterangan posisi dimana nilai RSS diukur.
7 Button untuk menyimpan data masukan ke dalam database.
8 Button untuk menghapus data yang telah tersimpan di dalam database.
9 Data Grid View untuk menampilkan data yang telah tersimpan di dalam database sesuai dengan tempat pelatihan.
3) Antarmuka pengujian
Antarmuka pengujian merupakan antarmuka yang berisi form yang digunakan untuk
melakukan proses pengujian sistem serta menampilkan hasil dari pengujian tersebut.
Rancangan antarmuka pengujian ditunjukkan oleh gambar 3.15. Keterangan dari komponen-komponen yang terdapat di gambar dijelaskan dalam tabel 3.9.
Tugas Akhir Tabel 3.9 Keterangan rancangan antarmuka pengujian
NO KETERANGAN
1 Tab pengujian untuk menampilkan halaman pengujian.
2 Radio Button untuk memilih dan sebagai inputan tempat pengujian.
3 Label untuk menampilkan informasi halaman.
4 Label untuk menampilkan informasi masukan.
5 Text Box untuk masukan nilai RSS dari tiga buah AP.
6 Label untuk menampilkan informasi posisi.
7 Text Box untuk masukan nilai posisi.
8 Button untuk menyimpan data masukan ke dalam database.
9 Button untuk menghapus data yang telah tersimpan di dalam database.
10 Group Box untuk menghimpun tampilan hasil pengujian menggunakan algoritma K-NN dan Naive Bayes
11 Label untuk menampilkan informasi hasil pengujian menggunakan algoritma K-NN dan Naive Bayes
12 Text Box untuk menampilkan hasil asumsi posisi hasil pengujian menggunakan algoritma K-NN dan Naive Bayes
13 Text Box untuk menampilkan hasil running time pengujian menggunakan algoritma K-NN dan Naive Bayes
14 Text Box untuk menampilkan hasil jarak error lokasi pengujian dengan lokasi prediksi menggunakan algoritma K-NN dan Naive Bayes
15 Label untuk menampilkan informasi posisi koordinat pengujian dan prediksi menggunakan algoritma K-NN dan Naive Bayes
16 Text Box untuk menampilkan hasil posisi koordinat pengujian dan prediksi menggunakan algoritma K-NN dan Naive Bayes
4) Antarmuka bantuan
Antarmuka bantuan merupakan antarmuka yang berisi mengenai cara peggunaan sistem untuk membantu pengguna dalam memahami langkah-langkah penggunaan sistem. Rancangan antarmuka bantuan ditunjukkan oleh gambar 3.16 Keterangan dari komponen-komponen yang terdapat di gambar dijelaskan dalam Tabel 3.10.
Tugas Akhir
Pengujian Bantuan Beranda Pelatihan
Aplikasi Perbandingan Algoritma K-NN (K-Nearest Neighbor) dan Naive Bayes pada Metode Fingerprinting Berbasis WLAN
Sengli Egani (111401089)
Bantuan
1
2
3
4
5 6
Gambar 3.16 Rancangan antarmuka bantuan
Tabel 3.10 Keterangan rancangan antarmuka bantuan
NO KETERANGAN
1 Tab bantuan untuk menampilkan halaman bantuan.
2 Label untuk menampilkan informasi halaman.
3 Panel untuk menampilkan item bantuan.
4 Label untuk menampilkan informasi judul penelitian dan informasi peneliti.
5 Label untuk menampilkan informasi bantuan pelatihan.
6 Label untuk menampilkan informasi bantuan pengujian.
BAB 4