Fakultas Ilmu Komputer
Pengembangan Aplikasi Safety Flying Drone Map (Syndrone Map) pada
Perangkat Mobile Android dengan Menggunakan Metode Spatial
Multi-Criteria Evaluation
Lukas Sada Arihta1, Fatwa Ramdani2, Mochamad Chandra Saputra3
Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1lukasari95@gmail.com, 2fatwaramdani@ub.ac.id, 3andra@ub.ac.id
Abstrak
Kegiatan mengoperasikan drone telah menjadi salah satu kegiatan yang sangat digemari akhir-akhir ini. Sifatnya yang dapat terbang dan dikendalikan dari jarak jauh, menjadi salah satu alasan banyak yang menggunakan drone dalam berbagai bidang. Karena itu, dibutuhkan aturan khusus yang mengatur penerbangan drone agar tidak diterbangkan sembarangan. Pemerintah telah menerbitkan peraturan yang mengkategorikan daerah-daerah penerbangan drone menjadi lima area, yakni daerah terlarang, daerah terbatas, kawasan keselamatan operasi penerbangan (KKOP), ruang udara terbatas, dan ruang udara tidak terbatas. Namun kurangnya informasi mengenai peraturan yang telah dikeluarkan, banyak pengguna drone yang menerbangkannya secara asal. Pada akhirnya banyak terjadi kecelakaan yang melibatkan drone seperti drone menabrak pesawat, drone tersangkut pada gadung dan masih banyak lagi. Sistem Informasi Geografis (SIG), menawarkan beberapa solusi seperti metode Spatial
Multi-Criteria Evaluation (SMCE). Dengan metode ini, faktor-faktor permasalahan dijadikan kriteria serta
parameter secara hirarki, diagregasikan sehingga menjadi sebuah model spasial terbaru yang memberikan yang informasi dan rekomendasi. Untuk lebih lanjut model tersebut diimplentasikan menjadi aplikasi mobile sehingga pengguna drone dengan lebih mengetahui infromasi mengenai daerah penerbangan drone dari model yang telah diolah. Dari hasil pengujian akurasi didapatkan angka 62.5%. Artinya model pada peneletian ini memiliki kesesuaian dengan sebesar 62% dengan fakta sebenarnya. Kata kunci: Drone, SIG, SMCE, Malang, Mobile GIS;
Abstract
Drone becomes a popular hobby among drone community lately. Because it can be flown and operated from the distance, many drone pilots use this technology in many sectors for their work. Because of that reason, the regulation about flying drone are needed.The Indonesian Goverment have been released a regulation about drone area into several categories, (i.e prohibited area, restricted area, safety flight operation zone, controlled airspace and uncontrolled airspace). However because many drone pilots have lack of information about the regulation that been released, many cases cause drone accident. As example drone get crashed into airplane, or drone get stucked on the building rooftop, and many more. With Geo Information System (GIS), offers several solutions like Spatial Multi-Criteria Evaluation. With this method, factors that cause a problem become criteria and parameters hierarchically, and then compose together to become a new spatial model that contains information and recommendation. For furthermore this model can be implemented on mobile application, so drone Penggunas can obtain an information from this apps. In the future this research hopefully could decrease many drone cases. From accuracy assessment, this model have 62.5% overall accuracy. This mean that 62% of the info generated from this model is in suitable with the facts in the field.
Keywords: Drone, SIG, SMCE, Malang, Mobile GIS;
1. PENDAHULUAN
Saat ini, penggunaan drone bukan saja sebagai alat yang hanya digunakan oleh instansi
tertentu. Drone telah menjadi salah satu hobi yang digemari oleh masyarakat umum. Penggunaan drone sudah masuk diberbagai bidang seperti penggunaan drone sebagai
Fakultas Ilmu Komputer, Universitas Brawijaya
drone telah menjadi populer saat ini. Untuk itu diperlukan keahlian khusus serta pengetahuan yang cukup mengenai daerah-daerah yang aman dan tepat untuk menerbangkan drone.
Seiring dengan bertambahnya jumlah pengguna drone, diperlukan aturan khusus yang mengatur penerbangan drone tersebut agar tidak dioperasikan secara sembarangan. Pemerintah Indonesia telah mengeluarkan Undang-undang penerbangan drone melalui Kementerian Perhubungan. Undang-undang tersebut tertulis dalam Peraturan Mentri no 90. Pada intinya, undang-undang tersebut mengkategorikan daerah penerbangan drone menjadi 5 kategori. Kategori tersebut terdiri dari area terlarang, area terbatas, kawasan keselamatan operasi penerbangan, ruang udara terkendali, dan ruang udara tidak terkendali (Menhub, 2015). Namun dikarenakan kurangnya informasi mengenai peraturan tersebut, banyak pengguna drone yang menerbangkan drone-nya secara asal. Dari kelalaian tersebut, beberapa kasus telah terjadi seperti drone tersangkut di gedung (Nawangwulan, 2015), drone menabrak pesawat lepas landas (Nistanto, 2016), dan masih banyak lagi.
Oleh karena itu diperlukan sebuah solusi yang dapat menyelesaikan permasalahan tersebut. Salah satunya adalah dengan memanfaatkan teori Sistem Informasi Geografis (SIG). Dengan adanya SIG permasalahan-permasalahan spasial seperti yang telah disebutkan, dapat diselesaikan secara sistematis dan ilmiah. Dalam konsep SIG, terdapat banyak metode yang dapat digunakan untuk mengatasi permasalahan spasisal. Salah satunya adalah metode Spatial Multi-Criteria Evaluation (SMCE). SMCE menguraikan faktor-faktor yang menjadi permasalahan menjadi kriteria dan parameter tertentu dan disusun secara hirarki, diagregasi atau digabungkan sehingga menjadi sebuah model spasial baru yang berisi informasi dan rekomendasi berdasarkan kriteria yang telah ditentukan(Alkema et al., 2012). Pada proses agregasi data, sebelumnya harus dilakukan tahap
Saat ini pemanfaatan SIG dapat diterapkan di berbagai bidang teknologi. Salah satunya dengan memanfaatkan perangkat bergerak atau
mobile. Teknologi mobile saat ini sudah
dilengkapi dengan fitur geolocation. Fitur
geolocation memungkinkan pengguna untuk
mencari dan mengetahui posisinya pada sebuah peta (Gargenta, 2011). Dengan adanya Mobile
GIS juga, informasi beserta rekomendasi yang
berkaitan dengan keruangan, lebih mudah dicari dan didapatkan. Pada peneleitian ini, data yang telah diolah menggunakan SMCE sehingga menjadi model spasial yang baru, akan diterapkan menjadi sebuah aplikasi mobile. Dengan menggabungkan teknologi geolocation dengan model ini, pengguna drone diharapkan mengetahui serta dapat menentukan daerah mana saja yang berbahaya dan daerah mana saja yang aman untuk menerbangkanya dari ponsel mereka. Diharapkan dari kecelakaan-kecelakaan yang melibatkan drone, dapat diminimalisir sehingga tidak membahayakan pihak lain.
Konsep ini sebelumnya pernah diterapkan pada perusahaan Da-Jiang Innovation (DJI, 2015). DJI merupakan perusahaan pengembang teknologi, khususnya teknologi drone. DJI juga pernah mengembangkan aplikasi serupa dengan penelitian ini. Kriteria-kriteria daerah penerbangan drone pada aplikasi tersebut, didasarkan dari ketentuan federasi internasional seperti Federal Aviation Administration (DJI, 2015). Memang dalam hal kredibilitas, aplikasi ini sudah tidak diragukan lagi karena bekerja sama dengan badan hukum internasional. Namun kriteria-kriteria tersebut hanya dapat berlaku di beberapa negara saja seperti Amerika dan China. Di Indonesia sendiri, terdapat banyak daerah dengan kondisi geografis yang bermacam-macam. Oleh karena itu, model penelitian yang Peneliti ajukan, didasarkan dari kriteria yang dikeluarkan pemerintah Indonesia, sehingga informasi dari model ini dapat digunakan oleh para penerbang drone di Indonesia.
Gambar 1. Lokasi Studi Malang Raya (Kota Malang, Kota Batu, dan Kabupaten Malang) 2. STUDI AREA
Seperti yang terlihat pada Gambar 1, peneliti melakukan studi area di daerah Malang Raya, Jawa Timur. Di daerah Malang, banyak komunitas yang biasanya menerbangkan drone-nya. Hal ini dikarenakan Malang merupakan salah satu destinasi wisata, sehingga sangat menarik untuk menerbangkan drone di daerah ini.
3. METODOLOGI
Gambar 2. Metodologi penelitian
Alur pada peneletian ini dapat dilihat
pada Gambar 2.
3.1 Identifikasi Permasalahan
Pada tahap ini peneliti melakukan perumusan masalah dengan mengamati kejadian-kejadian yang melibatkan penerbangan
berdasarkan pengalaman pengguna drone dan juga mencari berita terkait dengan kecelakaan drone.
3.2 Tinajauan Pustaka
Pada tahap ini peneliti mencoba mencari pustaka terkait dari penelitian sebelumnya. Pustaka terdiri dari buku-buku, paper, dan juga
website-website yang berisi info mengenai.
3.3 Pengunpulan Data
Pada tahap ini peneliti melakukan pengumpulan-pengumpulan data-data yang akan dibutuhkan. Data-data yang akan diolah adalah berdasarkan kriteria-kriteria dari peraturan pemerintah. Data tersebut meliputi data militer (https://ngalam.id), data instalasi nasional (https://opencellid.com), data kepadatan penduduk (https://opencellid.com), data Kawasan Keselamatan Operasi Penerbangan (KKOP)
(http://www.naturalearthdata.com/downloads/1 0m-cultural-vectors/airports/), dan area lahan kosong (https://earthexplorer.usgs.gov/). 3.4 Pengolahan Data
Setelah data-data tersebut dikumpulkan, maka tahap selanjutnya adalah pengolahan data. pengolahan data dilakukan pada software QGIS dan ILWIS. Pengolahan data meliputi klasifikasi, raster analisis proximity, standarisasi, dan proses SMCE.
3.5 Analisis Kebutuhan
Model dari data yang telah diolah pada tahap seblumnya, akan dimplementasikan pada aplikasi mobile. Aplikasi mobile berupa hybrid
application yang berarti aplikasi website diubah
menjadi aplikasi mobile. Sebelumnya dilakukan analisis kebuthan untuk menentukan
fungsi-Fakultas Ilmu Komputer, Universitas Brawijaya
aplikasi didasarkan dari analisis kebuthan yang telah dilakukan. Setelah aplikasi berhasil diimplementasikan, dilakukan pengujian untuk menemukan bug. Pengujian meliputi blackbox
testing dan compatibility testing.
3.7 Pengerjaan Dokumen
Setelah semua tahap sebelumnya diselesaikan, semua tahap-tahap tersebut di dokumentasikan dalam bentuk paper.
4. ANALISIS dan PENGOLAHAN DATA 4.1 Analisis Kriteria Data
Kriteria dan parameter yang telah dikumpulkan selanjutnya akan dianalisis dan diolah menggunakan software QuantumGIS dan ILWIS. Analisis dan pengolahan data dipisah menjadi dua proses berdasarkan tipe datanya, data vektor dan data raster.
A. Data Vektor
Data vektor pada penelitian ini terdiri dari data kawasan militer, data kawasan instalasi nasional, dan data KKOP. Salah satu data yang akan diolah adalah data militer. Masing-masing dari data tersebut harus memiliki kolom atribut
value. Atribut tersebut diberi nilai 1.Hal ini
diperlukan agar nantinya data ini akan diolah mejadi data raster. Setiap cell pada raster harus memiliki nilai. Data–data ini akan diimport kedalam software QGIS. Data ini akan melewati beberapa tahap-tahap pengolahan, yaitu analisis
rasterize proximity dan standarisasi.
1. Rasterize Proximity
Tahap ini mengubah data vektor menjadi data raster, sekaligus membuat sebuah buffer yang berisi jarak antar titik. Pada Gambar 3, diperlihatkan data militer yang berupa titik koordinat yang telah dimasukan ke QGIS.
Gambar 3. Data Militer dalam QGIS
Lalu data tersebut diubah kebentuk data raster, dan dibentuk sebuah buffer yang diklasifikasikan berdasarkan jarak antar titiknya seperti yang terlihat pada Gambar 4. Hasil dari analisis proximity membentuk buffer yang direpresentasikan dalam bentuk warna
Gambar 4. Hasil Analisis Proximity dalam Gradasi Warna
2. Standarisasi
Tahap ini dilakukan agar semua data yang menjadi parameter mempunyai nilai yang setara. Tiap data memiliki satuan yang berbeda, oleh karena itu dilakukan standarisasi. Nilai yang dihasilkan dari standarisasi mempunya range 0 hingga 1. Pada data militer ini, proses standarisasi menggunakan logika fuzzy linear. Pada QGIS, proses analisis fuzzy linear dilakukan dengan menginputkan 4 domain. Dari hasil input ini, data akan membentuk sebuah buffer yang sesuai dengan input domain. Dalam hal ini Peneliti menginputkan nilai domain berdasarkan radius atau jarak dari titik sesuai dengan peraturan. Maka dari itu input nilai domainya adalah :
A = 100 m B = 600 m C = 400.000 m D = 400.0
Gambar 5. Hasil dari Standarisasi
Untuk mengecek atau memeriksa apakah hasil dari standarisasi sudah tepat dapat dilakukan perhitungan fuzzy linear. Fuzzy linear mempunyai 2 jenis, fuzzy linear naik, fuzzy linear turun. Pada tahap ini, digunakan analisis fuzzy linear turun dikarenakan nilai domain maximum harus berderajat 1 dan nilai domain minimum harus berderjat 0. Untuk fuzzy linear naik dihitung dengan persamaan 1 :
𝜇[𝑥] = { 0; 𝑥 ≤ 𝑎 (𝑥 − 𝑎 𝑏 − 𝑎) ; 𝑎 ≤ 𝑥 ≤ 𝑏 1; 𝑥 ≥ 𝑏 Keterangan :
a = nilai domain yang mempunyai derajat nol
b = nilai domain yang mempunyai derejat satu
x = nilai input yang akan diubah kedalam bilangan fuzzy
Misalkan ingin mencari derajat dari nilai 500 m. Diketahui :
a = 100; b = 600;
Maka dilakukan perhitungan dari persamaan 1 :
𝜇[500] = { 0; 𝑥 ≤ 𝑎 (500 − 100 600 − 100) ; 𝑎 ≤ 𝑥 ≤ 𝑏 1; 𝑥 ≥ 𝑏 𝜇[500] = 0.8
Derajat dari nilai 600 m adalah 0.8. Jika digambarkan dalam grafik linear, maka diperlihatkan seperti Gambar 6.
Gambar 6. Grafik Linear Data Militer Untuk menyesuaikan dengan hasil yang telah diolah dapat dilihat pada Gambar 7.
Gambar 7. Kesesuaian Perhitungan Dengan Model Jika pada perhitungan fuzzy linear derajat dari nilai 600 m adalah 0,8. Jika dibandingkan pada gambar 8, diperlihatkan radius > 600 m, mempunyai warna krem keabu-abuan. Warna tersebut mewakili derajat 0,75 hingga 0,99. Dapat dikatakan bahwa model ini telah sesuai dengan perhitungan fuzzy linear turun.
B. Data Raster 1. Perhitungan raster
Untuk pengolahan data raster, seperti data kekosongan lahan dan data kepadatan penduduk dilakukan dengan melakukan perhitungan raster. Dalam hal ini data yang akan diolah adalah data kekosongan lahan. Data keksosongan diambil dari citra Landsat 8. Untuk menggunakan data landsat perlu mengetahui jenis-jenis sensor dan kanalnya terlebih dahulu. Kanal tersebut dapat dilihat pada tabel 1.
Tabel 1. Sensor Kanal pada Landsat
Sensor Kanal
Onboard Operational Land Imager
(OLI)
Band 1 – Biru ultra Band 2 – Biru Band 3 – Hijau Band 4 – Merah
Band 5 – Near Infrared (NIR) Band 6 – Shortwave Infrared (SWIR 1) Band 7 - Shortwave Infrared (SWIR 2) Band 8 – Panchromatic Band 9 – Cirrus Thermal Infrared Sensor (TIRS)
Band 10 – Thermal Infrared (TIRS 1)
Band 11 – Thermal Infrared (TIRS 2)
Lalu dilakukan perhitungan Normalized
Difference Bareness Index (NDBaI). Persamaan (1)
Fakultas Ilmu Komputer, Universitas Brawijaya
nama lain Band 6 dan TIR mempunyai nama lain Band 10. Jika persamaan 2 diterapkan maka :
𝑁𝐷𝐵𝑎𝐼 = 𝐵𝑎𝑛𝑑 6 − 𝐵𝑎𝑛𝑑 10 𝐵𝑎𝑛𝑑 6 + 𝐵𝑎𝑛𝑑 10
Pada QGIS, perhitungan NDBaI dapata dilakukan dengan melakukan raster calculator. Kanal-kanal yang dibtuhkan dimasukan kedalam raster expressions, dan akan menghasilkan data raster baru. Data tersebut memiliki nilai yang baru. Hasil dari NDBaI yang belum terklasifikasi dapat dilihat pada Gambar 8.
Gambar 8. Hasil Perhitungan NDBaI pada QGIS Hasilnya berupa data raster yang memiliki nilai baru dan mempunyai gradasi warna. Untuk lebih jelasnya dapat dilihat pada Gambar 9. Terlihat pada Gambar 9 mempunya range nilai -0.61 hingga 0.011. Nilai yang mewakili keksongan lahan adalah nilai minimum yang direpresentasikan warna merah.
Gambar 9. Data Landsat Hingga Menjadi Data Kekosongan Lahan
2. Standarisasi
Data hasil yang telah dilakukan perhitungan raster selanjutnya akan distandarisasi agar mempunyai derajat yang sama dengan data lainya. Proses standarisasi dilakukan pada software ILWIS. Hasil standarisasi dapat dilihat pada Gambar 10.
Gambar 10. Hasil dari Standarisasi
Untuk memastikan data tersebut telah sesuai dengan teori linear turun, dapat dilakukan perhitungan fuzzy linear turun. Perhitungan tersebut dapat dilakukan pada persamaan 3.
𝜇[𝑥] = {( 𝑏 − 𝑥
𝑏 − 𝑎) ; 𝑎 ≤ 𝑥 ≤ 𝑏 0; 𝑥 ≥ 𝑏
Keterangan :
a = nilai domain yang mempunyai derejat satu
b = nilai domain yang mempunyai derejat nol
x = nilai input yang akan diubah kedalam bilangan fuzzy
Misal nilai minimum dari data NDBaI adalah (-0,613345) seperti yang terlihat pada gambar 10(b). Nilai tersebut harus mempunyai derajat 1. Oleh karena itu dilakukan persamaan 3 :
𝜇[𝑥] = {(
0,011886 − (−0,613345)
0,011886 − (−0,613345)) ; 𝑎 ≤ 𝑥 ≤ 𝑏 0; 𝑥 ≥ 𝑏 𝜇[𝑥] = 1
Dapat dikatakan bahwa data yang distandararisasi telah sesuai dengan perhitungan.
4.2 Proses Spatial Multi-Criteria Evaluation Dari data-data yang telah distandarisasi, selanjutnya adalah memproses data tersebut dengan metode SMCE. Proses ini dilakukan pada software ILWIS. ILWIS mendukung operasi SMCE. Pada ILWIS proses SMCE dilakukan melalui dua tahap, pembobotan dan agregasi.
A. Pembobotan
Pembobotan dilkakukan denga tujuan memprioritaskan daerah mana yang paling berbahaya. Dasar dari pembobotan ini adalah dari prioritas daerah paling berbahaya menurut Peraturan Menteri Perhubungan. Hasil dari pembobotan dapat dilihat pada Gambar 11.
Gambar 11. Pembobotan Data pada ILWIS Dari pembobotan tersebut akan menghasilkan pohon kriteria yang memiliki nilai pembobotan. Data dengean bobot nilai tertinggi adalah data kawasan bandara, data militer, dan data instalasi nasional. Hal ini diprioritaskan karena daerah ini adalah daerah yang paling berbahaya. Untuk keseluruhan data yang telah di Standarisasi dapat dilihat pada Gambar 12.
Gambar 12. Seluruh Data yang Akan Diolah B. Agregasi
Tahap ini adalah menggabungkan semua data-data seperti pada Gambar 12, sehingga menjadi model baru yang berisi rekomendasi daerah-daerah yang berbahya utnuk menerbangkan drone. Daerah tersebut dikategorikan menjadi lima yaitu, daerah sangat tidak aman, tidak aman, terbatas, aman, sangat aman. Kategori ini berdasarkan jarak radius dari sebuah objek yang telah ditetapkan dan diolah. Daerah yang paling berbahya direpresentasikan dalam warna merah dan daerah yang aman direpresentasikan dengan warna hijau seperti yang terlihat pada Gambar 13.
5. PERANCANGAN, IMPELMENTASI SISTEM dan PENGUJIAN
5.1 Perancangan Sistem
Model data yang telah diolah, akan diimplementasikan menjadi sebuah aplikasi mobile. Sebagai gambaran umum alur kerja aplikasi ini, digambarkan arsitektur sistem seperti yang terlihat pada Gambar 14.
Gambar 14. Arsitektur Sistem Aplikasi Syndrone Map Seperti yang terlihat pada Gambar 14, pengguna drone yang mengakses aplikasi dari smartphone mereka harus terkoneksi dengan Internet. Jika terkoneksi dengan internet, smartphone dapat terhubung dengan satelit. Satelit akan menentukan lokasi smartphone, sehingga pengguna drone dapat mengetahui lokasi mereka. Lalu jika pengguna ingin melihat daerah mana saja untuk penerbangan drone, smartphone akan mencari data pada data store. Data store berbentuk notasi GeoJSON. Untuk melakukan perancangan ini, dilakukan dalam dua tahap yaitu analisa kebutuhan fungsional dan analisa perancangan.
A. Analisa kebutuhan
Sebagai acuan untuk melihat fitur-fitur yang ada pada aplikasi, maka pada Tabel 2 dideskripsikan kebutuhan fungsional pengguna.
Tabel 2. Deskripsi Kebutuhan Fungsional Pengguna No Nama Fungsi Deskripsi
1 Peta Drone Menampilkan peta drone di Malang
2 Peta Dasar
Mengganti dan menampilkan peta dasar. Terdapat peta
Open Street Map dan
Fakultas Ilmu Komputer, Universitas Brawijaya
layer Kecamatan
yang terpilih
B. Analisa Perancngan
Aplikasi ini dilakukan dengan pendekatan pemrograman terstruktur. Perancangan dimodelkan dalam bentuk data flow diagram (DFD). DFD aplikasi inidapat dilihat pada Gambar 15.
Gambar 15. DFD Level 1 Aplikasi Syndrone Map Gambar 15 memperlihatkan aliran data pada aplikasi Syndrone Map. Fungsi utama pada aplikasi ini adalah melakukan pencarian berdasarkan Kecamatan di Malang dan melihat detail tiap Kecamatan. User memasukan kata kunci pada field yang tersedia. Lalu sistem akan menjalankan prosedur pencarian. Pada prosedur pencarian sistem meminta data berdasarkan inputan kata kunci user ke data storage yang berupa GeoJson. Data Kecamatan tersebut akan ditampilkan dalam betuk layer yang mewakili daerah Kecamatan yang diinput. Jika user ingin melihat detail dari Kecamatan tertentu, Kecamatan yang dipilih oleh user akan diteruskan ke modul lihat detail. Data yang
5.2 Implementasi Sistem
Berdasarkan analisa dan perancangan yang telah dilakukan, maka selanjutnya adalah tahap implementasi sistem. Aplikasi ini adalah aplikasi
hybrid. Artinya aplikasi ini merupakan sebuah
aplikasi web yang berjalan di sebuah browser, dan dijadikan aplikasi yang berjalan pada platform android. Aplikasi ini ditulis dalam bahasa pemrograman html,css, dan javascript. Untuk implentasi sistemnya dapat dilihat pada gambar 16.
Gambar 16. Implementasi Sistem Menjadi Aplikasi Mobile; (a) Halaman Awal;(b)Halaman Pencarian;(c)
Halaman Geolocation;(d) Halaman Tampil Kecamatan; (e) Halaman Lihat Detail
Tabel 3. Klasifkasi Error Matirx No Klasifikasi Sangat Tidak Aman Tidak Aman Terbat as Aman Sangat Aman Total Correct Sample 1 Sangat Tidak Aman 5 1 0 3 2 11 5 2 Tidak Aman 0 5 2 0 0 7 5 3 Terbatas 1 2 5 0 0 8 5 4 Aman 0 0 1 6 3 10 6 5 Sangat Aman 0 0 0 0 4 4 4 Total 6 8 8 9 9 40 25
Tabel 4. Blackbox Testing Aplikasi Syndrone Map
No Test Name Test case Expected Result Result Status 1 Pengujian pencarian bedasarkan Kecamatan Mengisi form dengan nama Kecamatan di Malang Sistem menampilkan Kecamatan yang diinputkan Sistem menampilkan Kecamatan yang diinput oleh user
Valid 2 Pengujian pencarian bedasarkan Kecamatan Mengisi form dengan nama yang tidak sesuai dengan Kecamatan di Malang Sistem tidak menampilkan inputan user dan tetap berada dihalaman utama
Sistem tidak menampilkan inputan dari user dan berada di halaman utama Valid 3 Pengujian lihat detail info User menekan salah satu Kecamatan yang ada dimalan pada peta Sistem menampilkan poup berisi detail informasi Sistem menampilkan poup berisi detail informasi Valid 4 Pengujian geolocation dengan mode gps menyala User menekan tombol geolocation dan mengaktifkan mode geolocation Sistem mencari lokasi pengguna dan menampilkan tag lokasi pengguna
Sistem mencari lokasi pengguna dan menampilkan tag lokasi pengguna Valid 5 Pengujian geolocation dengan mode gps tidak menyala User menekan tombol geolocation dan tidak mengaktifkan mode geolocation
Sistem tidak dapat mencari dan menampilkan tag lokasi pengguna Sistem tetap mencari lokasi pengguna dan menampilkan tag lokasi pengguna Valid 5.3 Pengujia Sistem A. Pengujian Akurasi
Dapat dilihat pada Tabel 3, dilakukan
pengelompokan titik titik berdasarkan klasifikasinya. Semisal data survei merupakan data dari klasifikasi tidak aman dan titiknya
Fakultas Ilmu Komputer, Universitas Brawijaya
Setelah semua selesai dilakukan, dihiting dengan persamaan 4 untuk menentukan akurasinya. Persamaan tersebut dapat dirumuskan sebagai berikut.
𝐶𝐴 = 𝑡𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎 𝑏𝑒𝑛𝑎𝑟 𝑡𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎 𝑘𝑒𝑠𝑒𝑙𝑢𝑟𝑢ℎ𝑎𝑛(4)
Maka didapat hasil :
𝐶𝐴 =25
40 𝑥 100% 𝐶𝐴 = 62,5%
Maka akurasi dari model ini adalah 62,5%. B. Pengujian Blackbox
Seperti yang terlihat pada Tabel 4, dari hasil pengujian ini, maka didapatkan bahwa sebagian besar sistem ini mempunyai fungsi-fungsi yang valid.
6. KESIMPULAN
Daerah penerbangan drone yang berbahaya paling banyak ditemukan di daerah Kota Malang. Seperti yang terlihat dari gambar 14, daerah berbahya direpresentasikan dalam warnah merah tua. Hal ini disebabkan karena daerah kota malang merupakan daerah yang padat penduduk. Di Kota Malang terdapat banyak bangunan serta infrastruktur lain seperti instalasi nasional, bandara, markas militer, dan zona bandara
Lalu berdasarkan hasil uji akurasi yang telah dilakukan, akurasi yang didapatkan adalah 62.6%. Dari hasil survei yang dilakukan, terdapat beberapa lokasi yang tidak sesuai atau sedikit melenceng dengan klasifikasi yang didapat.
Berdasarkan hasil uji yang dilakukan oleh dua orang pengguna drone dengan menggunakan blackbox testing, aplikasi Syndrone Map telah tervalidasi. Pengujian bedasarkan fungsi-fungsi atau fitur-fitur yang terdapat pada aplikasi ini dengan menggunakan test case yang telah ditentukan.
and Risk Management Strategies.
Revision: 3. [journal]. Safe Land.
DJI (Dà-Jiāng Innovations). 2015. GeospatialEnvironment Online. [online] Tersedia di :
<http://www.dji.com/flysafe/geo-system> Gargenta, M. 2011. Learning Android. [e-book].
Sebastopol : O’Reilly Media
Hui, Li., Wang, C & Zhong. 2017. Mapping
Urban Bare Land Automatically from Landsat Imagery with a Sample Index.
[pdf]. MDPI.
Omahdrone. 2016. Yang Harus Diperhatikan
Sebelum Menerbangkan Drone. [online].
Tersedia di :
<http://www.omahdrones.com/2016/05/se belum-menerbangkan-drone.html>
Menteri Perhubungan (MENHUB). 2015.
Peraturan Menteri Perhubungan Republik Indonesia Nomor PM 90 Tahun 2015 tentang Pengendalian Pengoperasian Pesawat Udara Tanpa Awak di Ruang Udara yang Dilayani Indonesia. Jakarta :
Menteri Perhubungan Republik Indonesia. [online]
Nawangwulan, M. 2015. Drone Jatuh di Menara
BCA Bundaran HI. Tempo.Co. [online].
Tersedia di :
<https://m.tempo.co/read/news/2015/08/04 /064689137/drone-jatuh-di-menara-bca-bundaran-hi-ini-isi-gambarnya>
Nistanto, R. 2016 Kekhawatiran Pesawat Komersial Tabrak "Drone" Akhirnya Terjadi. [online]. Tersedia di : < http://tekno.kompas.com/read/2016/04/18/ 09185527/Kekhawatiran.Pesawat.Komersi al.Tabrak.Drone.Akhirnya.Terjadi>
