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

(1)

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.

(2)

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

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

baban berisikan data-data kelembaban

(3)

Gambar 4.6 Impl

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

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.

(4)

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

(5)

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

(6)

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)

(7)

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

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

If l = 0 Then ... 3

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

(8)

penghitungan pemulusan kedua kelembaban dan suhu udara

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

penghitungan pemulusan ketiga curah hujan. Untuk proses

penghitungan pemulusan ketiga kelembaban dan suhu udara

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

If l = 0 Then ... 3

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

(9)

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_{, b}_t_,

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

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

(10)

Kode Program 4.6 Fungsi Penghitungan bt Curah Hujan

konstanta pemulusan kedua pada data curah hujan. Untuk

Penghitungan konstanta kedua sesuai dengan rumus (2.15) pada

metode Triple Exponential Smoothing yang dijelaskan pada bab

kedua curah hujan.

Penghitungan konstanta pemulisan ketiga (ct) ditunjukkan oleh

Kode Program 4.7.

Kode Program 4.7 Fungsi Penghitungan ct Curah Hujan

konstanta pemulusan ketiga pada data curah hujan. Untuk

For k = 1 To 9 ... 1

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

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

(11)

Penghitungan konstanta ketiga sesuai dengan rumus (2.16) pada

metode Triple Exponential Smoothing yang dijelaskan pada bab

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

(12)

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

(13)

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

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

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

(14)

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

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

Jika berhasil maka muncul halaman

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

(15)

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 dan suhu udara beserta

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

a. Jika berhasil maka data akan tersimpan kedalam database

b. Jika gagal maka

(16)

akan muncul pesan data yang diinputkan salah

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

a. Jika berhasil maka data akan tersimpan

kedalam database b. Jika gagal maka

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

(17)

Delete data agrometeorologi

Jika berhasil akan muncul halaman

a.Jika berhasil maka data akan tersimpan

kedalam database b.Jika gagal maka

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

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

(18)

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

(19)

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

(20)

• Tingkat Kemudahan

Tabel 4.8

Sangat Baik

Bagaimana tingkat kemudahan

penggunaan aplikasi tersebut? (p12)

8

Gambar 4.13

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

menyatakan bahwa tingkat kemudahan

tanam sangat baik, 44,44% responden

ponden menyatakan cukup, dan 8,33%

(21)

• 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

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

enyatakan bahwa peranan peta Boyolali

l peramalan pemilihan tanaman sangat

onden menyatakan membantu, 27,78%

(22)

• 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

peramalan data klimatologi s

menyatakan membantu, 30,56%

5,56% responden menyatakan ti eramalan

10 Tabel Jawaban p22

bantu Cukup Tidak Membantu

17 11 2 0

enyatakan bahwa peranan grafik hasil

sangat membantu, 47,22% responden

30,56% responden menyatakan cukup, dan

(23)

• 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

ketepatan metode peramalan s

menyatakan membantu, 30,56

5,56% responden menyatakan ti

tan Peramalan

bantu Cukup Tidak Membantu

10 11 2 0

enyatakan bahwa peranan grafik hasil

n sangat membantu, 27,78% responden

56% responden menyatakan cukup, dan

(24)

• 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

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

Tepat Rata-Rata

Tidak Tepat

Sangat Tidak Tepat

16 13 0 0

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

(25)

• Ketepatan Hasil Peramala

Tabel 4.13

Bagaimana ketepatan hasil peramalan iklim pada aplikasi

tersebut? (p32)

11

Gambar 4.18

bahwa 30,56% responden m

peramalan iklim sangat tepat, 25%

44,44% responden menyataka

cukup.

• Ketepatan Pemilihan Tana

Tabel 4.14

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

n menyatakan bahwa ketepatan hasil

t, 25% responden menyatakan tepat, dan

akan ketepatan hasil peramalan iklim

(26)

Gambar 4.19

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

menyatakan bahwa ketepatan pemilihan

tem sangat tepat, 44,44% responden

19,44% responden menyatakan ketepatan

n oleh sistem cukup.

ponden

(27)

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