Bab V
Implementasi, Pengujian dan Evaluasi Hasil
Pengujian
Bagian ini menjelaskan hasil implementasi perangkat lunak yang dibangun, pelaksanaan pengujian perangkat lunak dan evaluasi hasil pengujian.
V.1 Implementasi
V.1.1 Lingkungan Implementasi
Perangkat keras yang dipergunakan dalam implementasi dan dapat digunakan untuk menjalankan sistem ini mengacu pada spesifikasi kebutuhan perangkat keras FeatureCAMTM, yaitu sebuah komputer dengan spesifikasi minimum:
1. Intel Pentium 4 2. Memori 1 GB
3. Space harddisk 1 GB
4. Layar dengan resolusi 1024 x 768 dengan warna 24 bit
Lingkungan perangkat lunak juga mengacu pada spesifikasi kebutuhan perangkat lunak FeatureCAMTM, yaitu sistem operasi WindowsTM XP atau di spesifikasi yang lebih tinggi dengan perangkat lunak lain yang diperlukan adalah:
1. MySQLTM server 3.1 atau di atasnya 2. FeatureCAMTM Type Library
V.1.2 Konfigurasi
Untuk dapat menjalankan perangkat lunak pendukung keputusan estimasi biaya produksi, diperlukan konfigurasi awal. Konfigurasi ini berhubungan dengan lokasi penyimpanan data historis rancangan produk dan lokasi penyimpanan hasil
ekstraksi. Konfigurasi awal untuk perangkat lunak pendukung keputusan estimasi biaya meliputi:
1. Pembuatan tabel InfoProduct dan InfoOrder pada mysql, dapat dilakukan dengan mempergunakan perintah berikut:
CREATE TABLE InfoProduct (
OrderID varchar(4), ProductName varchar(50), MatLength double, MatWidth double, MatThick double, MatVolume double, NumFace int, NumHole int, NumPocket int, NumBoss int, NumSurface int, NumSide int,
PRIMARY KEY (OrderID,ProductName)); CREATE TABLE InfoOrder (
OrderID varchar(4), ProductName varchar(50), CustomerID varchar(10), OrderData date, DeliveryDate date, Amount int, Price int,
PRIMARY KEY (OrderID,ProductName));
2. Pengaturan koneksi terhadap database dilakukan dengan menentukan user, password dan lokasi server MySQL. Pengaturan ini dapat dilakukan dengan melakukan pengubahan nilai parameter yang tersimpan pada file C:\CSMConnect.txt
3. Jika lokasi direktori penyimpanan file SolidworksTM berada di komputer lain dalam jaringan, maka diperlukan mapping directory ke dalam ke dalam komputer lokal. Jika diperlukan otentifikasi pengguna, maka proses otentifikasi harus dilaksanakan sebelum menjalankan aplikasi.
V.2 Pengujian
V.2.1 Tujuan Pengujian
Pengujian adalah kegiatan untuk mencari kesalahan perangkat lunak sebelum dipergunakan oleh pengguna. Tujuan dari pengujian ini adalah untuk:
1. mencari kesalahan dari hasil proses ekseskusi suatu program
2. memastikan bahwa perangkat lunak telah memenuhi spesifikasi kebutuhannya
V.2.2 Ruang Lingkup Pengujian
Pengujian dilakukan pada seluruh proses dalam perangkat lunak melalui layar yang telah disediakan.
V.2.3 Strategi Pengujian
Sesuai dengan tujuan pengujian, maka pengujian difokuskan untuk mengetahui fungsionalitas perangkat lunak. Kesesuaian hasil implementasi dengan spesifikasi menjadi pertimbangan utama pelaksanaan pengujian. Karena itu pengujian dilaksanakan dengan mempergunakan antar muka pengguna pada tingkat pengujian unit dengan jenis pengujian black box.
Selain pengujian fungsional, juga dilakukan pengujian unit dengan jenis pengujian black box untuk proses-proses berikut:
1. Proses 2.2.1 Inisialisasi Titik Pusat Cluster 2. Proses 2.2.2 Clustering dengan K-Means
3. Proses 2.3.2 Pembuatan Transpose Matrik Variabel Dependen 4. Proses 2.3.3 Perkalian Matrik Dependen dan Transpose 5. Proses 2.3.4 Pembuatan Matrik Inversi
Untuk itu, disusun langkah-langkah pengujian yang terdiri dari kegiatan-kegiatan sebagai berikut:
1. Menyusun kasus uji sesuai dengan ruang lingkup pengujian
2. Melakukan pengujian untuk setiap kasus uji pada lingkungan pengujian yang ditetapkan
V.2.4 Kasus Uji
Kasus uji pengujian fungsional disusun mulai dari proses ekstraksi data dari file CAD sampai dengan pelaksanaan prediksi biaya produksi untuk data baru. Kasus uji dikembangkan sebagai berikut:
1. Ekstraksi Data
a. Disediakan data awal gambar produk yang tersimpan dalam direktori C:\PRODUK yang berisi sub direktori berikut:
7021 - SIZE ROLLER & TIMING PULLEY - PVM1 7030 - MOLD TUTUP KECIL - KNM
7034 - SMD COIL CONNECTOR - SET 7038 - ROLLER MEJA PRESS KARET - DPL 7042 - MATRES O RING HINO – RPS
Selanjutnya dilakukan ekstraksi data.
b. Buka menu CAD Data | Extract From Directory, dan pilih
direktori C:\PRODUK
c. Sesudah direktori C:\PRODUK dipilih, klik tombol Proceed
d. Hasil ekstraksi disimpan ke dalam database 2. Penyiapan Data
a. Berdasarkan data yang sudah disimpan di dalam database, dilakukan penyiapan data pada menu Data Mining | Data Preparation
b. Setelah Layar Feature Selection muncul, pilih atribut OrderID, ProductName, NumFace, NumHole, NumPocket, NumBoss, NumSurface dan NumSide dengan cara menekan tombol >> untuk memindahkan atribut-atribut tersebut ke sisi
sebelah kanan
c. Hasil penyiapan data disimpan dalam file sebagai relasi
data5order
a. Pilih menu Data Mining | Clustering Prediction
b. Pada layar Clustering, pilih relasi yang akan diminculkan dan pilih relasi data5order
c. Isikan angka 3 pada textbox NumberOfCluster(s)
d. Hasil aturan estimasi disimpan sebagai aturan1
e. Ulangi langkah 3.a sampai dengan 3.d sejumlah 5 kali dengan textbox NumberOfCluster(s) pada langkah 3.c bernilai [0, 1, 21,
5] serta disimpan sebagai rule aturan1 dan aturan5
4. Prediksi terhadap nilai baru
a. Pilih menu Predict New Product
b. Pada layar Predict New Price, pilih Rule melalui combobox
dan pilih file aturan1
c. Isikan angka [4,13,7,1,6,20] pada textbox [NumFace, NumHole, NumPocket, NumBoss, NumSurface, NumSide] dan klik tombol Predict Price
Kasus uji untuk pengujian unit dikembangkan sebagai berikut: 1. Pengujian Proses 2.2.1 Inisialisasi Titik Pusat Cluster
a. Diberikan data dengan dua atribut, sebegai berikut: ID X Y 1 3 9 2 1 5 3 3 3 4 4 0 5 8 7 6 3 1 7 6 9 8 2 5 9 7 9 10 8 1 11 8 7 12 4 1 13 4 2 14 3 5 15 9 4
b. Data dibagi menjadi 2 cluster, maka titik pusat awal cluster pertama adalah (4.33, 1.33) dan titik pusat awal cluster kedua adalah (5.2,6.7)
2. Pengujian Proses 2.2.2 Clustering dengan K-Means
a. Berdasarkan titik pusat awal tersebut, dilakukan clustering dengan
k-means
b. Hasil yang diharapkan, cluster pertama terdiri dari ID (4,6,12,10,13,3,15) sedangkan cluster kedua terdiri dari ID (2,8,14,5,11,1,7)
3. Pengujian Proses 2.3.2 Pembuatan Transpose Matrik Variabel Dependen a. Diberikan sebuah matrik berukuran 3 x 2 sebagai berikut
3 3 3 5 2 1 = A
b. Hasil yang diharapkan adalah matrik berukuran 2 x 3 sebagai berikut 3 3 2 3 5 1 = T A
4. Pengujian Proses 2.3.3 Perkalian Matrik Dependen dan Transpose a. Diberikan matrik 3 3 2 3 5 1 = T A , sehingga 3 3 3 5 2 1 = A
b. Diharapkan hasil perkalian di antara matrik berukuran 2 x 2 yaitu 22 26 26 35 = A AT
5. Pengujian Proses 2.3.4 Pembuatan Matrik Inversi a. Diberikan matrik 22 26 26 35 = A AT
b. Diharapkan hasil inversi adalah
( )
37 . 0 28 . 0 28 . 0 23 . 0 1 − − = − A AT
6. Pengujian Proses 2.3.6 Penyimpanan Aturan Estimasi Hasil. Dalam proses ini juga disertakan penghitungan MAPE dari model estimasi. Pengujian
khusus ini hanya ditujukan untuk melakukan verifikasi proses penghitungan MAPE.
a. Diberikan AT sebagai nilai aktual dan FT sebagai nilai prediksi sebagai berikut: AT FT 4 2 5 7 6 5 4 5 6 5 7 8 6 5 6 5
b. Diharapkan hasil MAPE sebesar 24.5% dengan nilai akurasi sebesar 75.5 %
V.3 Evaluasi Hasil Pengujian
Evaluasi terhadap hasil pengujian dilakukan untuk mengetahui kesesuaian spesifikasi kebutuhan dan rancangan telah dipenuhi berdasarkan hasil kasus uji yang telah dibangun. Hasil dari pengujian terhadap kasus uji untuk pengujian fungsionalitas disajikan pada Tabel V-1. Sedangkan pengujian unit untuk proses-proses tertentu disajikan pada Tabel V-2.
Tabel V-1 Kasus Uji Fungsionalitas
No Kasus Uji Hasil Pengujian Status
1 Ekstransi Data
1.b menu CAD Data | Extract From Directory
Menampilkan Layar Extract From Directory
OK
1.c klik tombol Proceed Menjalankan ekstraksi dan
menampilkan Layar Extraction Result OK
1d Penyimpanan hasil ekstraksi ke dalam database
Data disimpan dalam tabel InfoProduct OK
2 Penyiapan Data Layar Feature Selection Ditampilkan OK 2a menu Data Mining | Data Preparation OK
No Kasus Uji Hasil Pengujian Status
2b pilih atribut OrderID, ProductName, NumFace, NumHole, NumPocket, NumBoss, NumSurface dan NumSide
Atribut berpindah ke textbox sebelah kanan, menampilkan data sesuai atribut yang dipilih
OK
2c Simpan data dalam relasi data5order Data tersimpan dalam
C:\CSM\Dataset\data5order.arff
OK
3 Clustering dan Pembangkitan Aturan Estimasi
3a Pilih menu Data Mining | Data Prediction
Layar Clustering ditampilkan OK
3b Pilih relasi yang akan ditampilkan dengan memilih data5order
Data set yang tersimpan dalam C:\CSM\Dataset\data5order.arff ditampilkan
OK
3c Pengisian jumlah cluster 3 dan dilakukan clustering
Hasil clustering dimulai dari cluster 0, 1 dan 2
OK
3c Pengisian jumlah cluster 5 dan dilakukan clustering
Hasil clustering dimulai dari cluster 0, 1, 2, 3 dan 4
OK
3d Simpan ke dalam C:\PRODUK\aturan3.txt
File terbentuk dan berisi aturan estimasi
OK
4 Prediksi terhadap Nilai Baru
4a Pilih menu Predict New Product Layar Predict New Price ditampilkan OK 4b Pilih Rule melalui combobox Rule
Name dan pilih file aturan1
Isi file C:\CSM\rule\aturan1.rule ditampilkan
OK
4c Isikan angka [4,13,7,1,6,20] pada textbox [NumFace, NumHole, NumPocket, NumBoss, NumSurface, NumSide] dan klik tombol
PredictPrice
Hasil prediksi harga ditampilkan OK
Tabel V-2 Kasus Uji Pengujian Unit pada Proses Tertentu
No Kasus Uji Hasil Pengujian Status
1 Proses 2.2.1 Inisialisasi Titik Pusat Cluster
Menghasilkan (4.33, 1.33) dan (5.2,6.7)
OK
2 Proses 2.2.2 Clustering dengan K-Means
Menghasilkan (4,6,12,10,13,3,15) dan (2,8,14,5,11,1,7)
No Kasus Uji Hasil Pengujian Status
3 Proses 2.3.2 Pembuatan Transpose Matrik Variabel Dependen
Menghasilkan 3 3 2 3 5 1 OK
4 Proses 2.3.3 Perkalian Matrik
Dependen dan Transpose Menghasilkan 26 22 26
35 OK
5 Proses 2.3.4 Pembuatan Matrik
Inversi Menghasilkan 0.28 0.37 28 . 0 23 . 0 − − OK
6 Proses 2.3.6 Penyimpanan Aturan Estimasi
Menghasilkan MAPE = 24.5% dan akurasi = 75.5 %
OK
Berdasarkan hasil pengujian pada Tabel V-1 dan Tabel V-2, evaluasi terhadap hasil pengujian menunjukkan bahwa seluruh spesifikasi terpenuhi seperti ditampilkan pada Tabel V-3.
Tabel V-3 Evaluasi Hasil Pengujian
Kode Spesifikasi Spesifikasi Status
F - 1 Mampu melakukan identifikasi file CAD Dipenuhi F - 2 Mampu melakukan ekstraksi fitur geometri dan pemesinan
yang tersimpan dalam sebuah file CAD
Dipenuhi
F - 3 Mampu untuk melakukan pengolahan awal data Dipenuhi F - 4 Mampu melakukan clustering untuk keperluan
pengelompokan produk
Dipenuhi
F – 5 Mampu melakukan pembangkitan rumus estimasi dengan mempergunakan metode prediction untuk tiap-tiap kelompok produk yang dihasilkan pada spesifikasi 4
Dipenuhi
F – 6 Mampu melakukan pengelompokan produk baru dan membangkitkan prediksi biaya produksi
