ESTIMASI DAYA LISTRIK PADA LABORATORIUM KOMPUTER MENGGUNAKAN REGRESI LINIER.

(1)

ESTIMASI DAYA LISTRIK PADA LABORATORIUM

KOMPUTER MENGGUNAKAN REGRESI LINIER

SKRIPSI

Disusun oleh :

NOPITRIANTO HERDIAWAN

NPM. 0834010029

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL "VETERAN"

JAWA TIMUR

(2)

SKRIPSI

Diajukan Untuk Memenuhi Sebagai Persyaratan

Dalam Memperoleh Gelar Sarjana Komputer

Jurusan Teknik Informatika

Disusun oleh :

NOPITRIANTO HERDIAWAN

NPM. 0834010029

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”

JAWA TIMUR

(3)

LEMBAR PENGESAHAN

ESTIMASI DAYA LISTRIK PADA LABORATORIUM

Disusun Oleh :

NOPITRIANTO HERDIAWAN

NPM. 0834010029

Telah disetujui untuk mengikuti Ujian Negara Lisan Gelombang I Tahun Akademik 2012/2013

Pebimbing

Hudan Studiawan, S.Kom, M.Kom. NPT. 3 8705 11 03411

Mengetahui,

Ketua Jurusan Teknik Informatika Fakultas Teknologi Industri UPN ”Veteran” Jawa Timur

(4)

ESTIMASI DAYA LISTRIK PADA LABORATORIUM

Disusun Oleh :

Nopitrianto Herdiawan

NPM. 0834010029

Telah dipertahankan di hadapan dan diterima oleh Tim Penguji Skripsi Jurusan Teknik Informatika Fakultas Teknologi Industri

Universitas Pembangunan Nasional ”Veteran” Jawa Timur Pada Tanggal 5 Oktober 2012

Pembimbing : 1.

Hudan Studiawan, S.Kom, M.Kom NPT. 3 8705 11 03411

Tim Penguji : 1.

I Gede Susrama, ST, M.Kom NPT. 3 7006 06 02111

2.

Rinci Kembang Hapsari, S.Si, M.Kom NPT. 37712 080 1681

3.

Ir. Kindriari Nurma W., MT NPT. 19600228 198803 2 001 Mengetahui,

Dekan Fakultas Teknologi Industri

Universitas Pembangunan Nasional ”Veteran” Jawa Timur

(5)

YAYASAN KESEJAHTERAAN PENDIDIKAN DAN PERUMAHAN UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAWA TIMUR

FAKULTAS TEKNOLOGI INDUSTRI PANITIA UJIAN SKRIPSI / KOMPREHENSIF

KETERANGAN REVISI Mahasiswa di bawah ini :

Nama : Nopitrianto Herdiawan NPM : 0834010029

Jurusan : Teknik Informatika

Telah mengerjakan revisi/ tidak ada revisi*) pra rencana (design)/ skripsi ujian lisan gelombang I, TA 2012/2013 dengan judul:

”ESTIMASI DAYA LISTRIK PADA LABORATORIUM KOMPUTER

MENGGUNAKAN REGRESI LINIER”

Surabaya, 25 Oktober 2012 Dosen Penguji yang memerintahkan revisi:

1) I Gede Susrama, ST, M.Kom NPT. 3.7006.06 02 111

2) Rinci Kembang Hapsari, S.Si, M.Kom NPT. 37712 080 1681

3) Ir. Kindriari Nurma W., MT NPT. 19600228 198803 2 001

Mengetahui, Dosen Pembimbing

Hudan Studiawan, S.Kom, M.Kom NPT. 3 8705 11 03411

{

}

{

}

(6)

PENYUSUN : Nopitrianto Herdiawan

ABSTRAK

Dalam era global saat ini perkembangan teknologi semakin tinggi dan semakin canggih terutama di bidang informatika. Untuk mengikuti perkembangannya dunia pendidikan mulai memasukkan Teknologi Informasi dan Komputer dalam kurikulum pembelajaran, bahkan mulai dari sekolah dasar. Untuk menunjang proses belajar mengajar dibuatlah laboratorium komputer di setiap sekolah. Dalam sebuah laboratorium komputer tentunya terdapat banyak perangkat komputer yang membutuhkan banyak daya listrik. Oleh karena itu dibutuhkan aplikasi yang bisa mengontrol besar daya listrik yang digunakan oleh semua perangkat komputer melalui komputer server. Diharapkan nantinya melalui aplikasi ini dapat membantu pengelola laboratorium mengontrol penggunaan daya listrik yang mempengaruhi besar biaya yang akan dikeluarkan untuk tagihan listrik.

Dimana dalam pembuatan aplikasi ini sendiri nantinya dibangun dengan menggunakan 4 tools yaitu Python yang merupakan bahasa pemrogram yang digunakan untuk membuat suatu program yang dapat mengambil data utilitas CPU dan memori pada komputer, persamaan regresi linier berganda yang digunakan untuk mencari estimasi daya listrik yang digunakan, PHP sebagai bahasa pemograman untuk membuat tampilan yang menunjukkan besar daya listrik yang digunakan dan MySQL sebagai database server yang manampung data utilitas CPU dan memory serta estimasi daya listrik yang selanjutnya ditampilkan menggunakan halaman web yang telah dibuat dengan bahasa pemrograman PHP.

Sehubungan dengan adanya tugas akhir ini penulis mencoba memberikan pandangan dan solusi dengan membuat aplikasi estimasi daya listrik yang mudah dipakai dan digunakan oleh pengelola laboratorium komputer untuk mengontrol penggunaan daya listrik sehingga dapat mengatur pengeluaran biaya tagihan listrik.

Adapun hasil yang didapat atau diperoleh dalam hasil uji coba ini nantinya adalah besar daya listrik yang digunakan oleh semua komputer dalam laboratorium komputer.

(7)

KATA PENGANTAR

Bersyukur kepada Tuhan Yesus Kristus untuk berkat, kasih karunia dan hikmat yang dilimpahkan-Nya sehingga dengan segala keterbatasan waktu, tenaga, pikiran yang dimiliki penyusun, akhirnya penyusun dapat menyelesaikan Skripsi yang berjudul “ESTIMASI DAYA LISTRIK PADA LABORATORIUM KOMPUTER MENGGUNAKAN REGRESI LINIER” tepat waktu.

Skripsi dengan beban 4 SKS ini disusun guna diajukan sebagai salah satu syarat untuk menyelesaikan program Strata Satu (S1) pada jurusan Teknik Informatika, Fakultas Teknologi Industri, UPN ”VETERAN” Jawa Timur.

Melalui Skripsi ini penyusun merasa mendapatkan kesempatan emas untuk memperdalam ilmu pengetahuan yang diperoleh selama di bangku perkuliahan, terutama berkenaan tentang penerapan teknologi perangkat bergerak. Namun, penyusun menyadari bahwa Skripsi ini masih jauh dari sempurna. Oleh karena itu penyusun sangat mengharapkan saran dan kritik dari para pembaca untuk pengembangan aplikasi lebih lanjut.

Surabaya, 24 September 2012

(8)

Ucapan terima kasih ini saya persembahkan sebagai perwujudan rasa syukur atas terselesaikannya Laporan Skripsi. Ucapan terima kasih ini saya tujukan kepada : 1. Tuhan Yesus Kristus untuk kasih karunia dan hikmat yang dari pada-Nya saja

sehingga saya dapat menyusun dan menyelesaikan Laporan Skripsi ini hingga selesai.

2. Bapak Prof. Dr. Ir. Teguh Soedarto, MP selaku Rektor Universitas

Pembangunan Nasional “Veteran” Jawa Timur.

3. Bapak Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN “Veteran” Jawa Timur.

4. Ibu Dr. Ir. Ni Ketut Sari, MT. selaku Ketua Jurusan Teknik Informatika UPN “Veteran” Jawa Timur yang telah dengan sabar membimbing dengan segala kerendahan hati dan selalu memberikan kemudahan dan kesempatan bagi saya untuk berkreasi.

5. Bapak Firza Prima Aditiawan, S.Kom., Selaku PIA Tugas Akhir Teknik

Informatika UPN “Veteran” Jawa Timur.

6. Bapak Hudan Studiawan S.Kom. , M.Kom. selaku dosen pembimbing pada

Proyek Skripsi ini di UPN “Veteran” Jawa Timur atas kesediaan waktu dan kesabarannya sudah banyak memberikan petunjuk, masukan, bimbingan, dorongan serta kritik yang bermanfaat sejak awal hingga terselesainya Skripsi ini.

7. Bapak dan Ibu tercinta terima kasih atas semua doa, dukungan serta

(9)

penulis minta hanya doa restunya, sehingga penulis bisa membuat sesuatu yang lebih baik dari laporan ini

8. Terima kasih untuk kakak-kakakku, mas Aan sekeluarga, mas Bangkit sekeluarga untuk semua dukungan dari awal study hingga saat ini dan segala kebaikannya selama ini

9. Terima kasih untuk Rizka, Wibi dan saudara-saudara yang lainnya yang selalu mensuport agar tugas akhir dapat diselesaikan dengan baik dan benar

10. Terima kasih untuk kak Anthon Katobba, kak Ria Agustina, kak Estie Wahyuningtyas, kak Iis Achsa, kak Akhung Berithel Ina, ko Yudy Sushanto, kak Eri Iwantoko, kak Marlia Ernawati, ko Milhan Kahandik Santoso dan kakak-kakak pembimbing semuanya atas doa, nasehat, dukungan dan bantuannya selama ini.

11. Terima kasih untuk teman-teman terkasih Bravel Hendri Almawijaya Sigalingging, Deny Kurnia Adiputra, Kristin Nita Maria Puspa, Arif Wibowo, Ida Anggraini, Efmi Julistiana, Bayu Pandu Purwadianto, Ferick Nagafendi yang selalu mendoakan, menemani, mendukung dan memberi semangat sehingga skripsi ini bisa terselesaikan

12. Keluarga besar Perkantas yang sebagai keluarga kedua yang selalu mendoakan dan mendukungku.

13. Teman-teman seangkatan dan seperjuangan.

(10)

Kata Pengantar ... ii

Ucapan Terima Kasih ... iii

Daftar Isi ... v

Daftar Gambar ... viii

Daftar Tabel ... x

BAB I Pendahuluan ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 3

1.3 Batasan Masalah ... 3

1.4 Tujuan Penelitian ... 4

1.5 Manfaat Penelitian ... 4

1.6 Metode Penelitian ... 4

BAB II Tinjauan Pustaka ... 6

2.1 Estimasi ... 6

2.2 Daya Listrik ... 6

2.2.1 Daya Aktif ... 7

2.2.2 Daya Reaktif ... 7

2.2.3 Daya Nyata ... 7

2.3 Regresi Linier ... 7

2.3.1 Regresi Linier Sederhana ... 10

(11)

2.4 Python ... 14

2.5 Pemrograman PHP ... 20

2.6 MySQL ... 22

2.7 XAMPP ... 25

2.8 Watts Up? Pro ... 26

BAB III Perancangan ... 28

3.1 Dasar Analisis Sistem ... 28

3.2 Analisis Sistem ... 28

3.3 Perancangan Sistem ... 29

3.3.1 Pengambilan Data Persentase Penggunaan CPU dan memori 30 3.3.2 Pengambilan Data Penggunaan Daya Listrik ... 31

3.3.3 Penghitungan Estimasi Daya Listrik ... 32

3.3.4 Memasukkan dan Menampilkan Data ... 34

3.3.5 Mengubah Persamaan Regresi Linier Berganda ... 35

3.3.6 Struktur Tabel ... 36

3.3.6.1 Tabel Penggunaan ... 36

3.3.6.2 Tabel Rumus ... 38

3.4 Topologi Jaringan ... 39

3.5 Proses Sistem ... 40

BAB IV Implementasi ... 43

4.1 Implementasi Sistem ... 43

4.1.1 Pengambilan Data Pada Komputer ... 43

(12)

4.2 Implementasi Tampilan ... 53

4.2.1 Menu Home ... 53

4.2.2 Menu Utility ... 55

4.2.3 Menu All Utility ... 56

4.2.4 Menu Update Persamaan ... 57

4.3 Cara Kerja Sistem ... 58

4.4 Kebutuhan Perangkat Keras ... 59

4.5 Kebutuhan perangkat Lunak ... 60

BAB V Pengujian dan Analisis ... 62

5.1 Skenario Uji Coba ... 62

5.2 Lingkungan Pengujian ... 62

5.3 Pelaksanaan Uji Coba ... 63

5.3.1 Uji Coba Akurasi ... 64

5.3.2 Uji Coba Tampilan pada Halaman Web ... 65

BAB VI Penutup 6.1 Kesimpulan ... 66

6.2 Saran ... 66

(13)

DAFTAR GAMBAR

Gambar 2.1. Tampilan Idle (python GUI) ... 17

Gambar 2.2. Tampilan Python (command line) ... 17

Gambar 2.3. Kotak dialog agreement ... 18

Gambar 2.4. Kotak dialog penentuan directory ... 19

Gambar 2.5. Kotak dialog siap install ... 19

Gambar 2.6. Installasi selesai ... 20

Gambar 2.7. Interface program watts up?pro ... 26

Gambar 2.8. Alat ukur watts up?pro ... 27

Gambar 3.1. Diagram alir perancangan sistem ... 29

Gambar 3.2. Diagram alir pengambilan data persentase penggunaan CPU dan memori ... 30

Gambar 3.3. Rangkaian penggunaan Watts Up? Pro ... 31

Gambar 3.4. Diagram alir pengambilan data penggunaan daya listrik ... 32

Gambar 3.5. Diagram alir penghitungan estimasi daya listrik ... 33

Gambar 3.6. Diagram alir memasukkan dan menampilkan data ... 34

Gambar 3.7. Diagram alir mengubah persamaan regresi linier berganda 35

Gambar 3.8. CDM tabel penggunaan ... 37

Gambar 3.9. PDM tabel penggunaan ... 37

Gambar 3.10. Bentuk Tabel Penggunaan ... 37

Gambar 3.11. CDM tabel rumus ... 38

Gambar 3.12. PDM tabel rumus ... 38

Gambar 3.13. Bentuk tabel rumus ... 39

Gambar 3.14. Topologi jaringan ... 39

Gambar 3.15. Kotak dialog Data Analysis ... 40

Gambar 3.16. Kotak dialog “Input” regression... 41

Gambar 3.17. Kotak dialog “Range” regression ... 41

Gambar 4.1. Input Y Range ... 45

Gambar 4.2. Input X Range ... 46

Gambar 4.3. Tampilan menu Home ... 53

Gambar 4.4. Tampilan menu Utility ... 56

(14)

(15)

DAFTAR TABEL

(16)

PENDAHULUAN

1.1. Latar Belakang

Penggunaan teknologi semakin berkembang dan dibutuhkan seiring dengan berkembangnya jaman saat ini. Hampir semua lapisan masyarakat baik perorangan maupun sebuah institusi sudah bisa dibilang sangat membutuhkan perangkat komputer untuk mengerjakan segala kebutuhannya.

Dengan kondisi tersebut, dunia pendidikan sudah mulai mengajarkan Teknologi Informasi dan Komputer pada para siswa dan bahkan sudah memasukkannya dalam kurikulum pembelajaran mulai dari jenjang Sekolah Dasar sampai Sekolah Tinggi. Untuk menunjang proses belajar mengajar mata pelajaran tersebut otomatis sekolah-sekolah atau universitas-universitas sangat membutuhkan laboratorium komputer dengan perangkat komputer dalam jumlah banyak di dalamnya. Semakin banyaknya komputer yang digunakan makin banyak pula daya listrik yang digunakannya. Sampai saat ini belum ada suatu perkiraan yang mengukur berapa daya listrik yang dipakai tiap perangkat komputer sehingga biayanya pun tidak bisa diperkirakan. Alhasil ketika tiba waktunya untuk membayar tagihan listrik pengguna terkejut betapa banyaknya tagihan yang harus dibayar.

(17)

2

kondisi tersebut maka dirasa perlu adanya suatu aplikasi yang setidaknya bisa mengestimasi seberapa banyak daya yang dipakai oleh setiap perangkat komputer.

Sehingga, bisa diperkirakan berapa banyak biaya penggunaan listrik yang harus dibayar. Berbagai riset untuk mengestimasi daya telah diajukan. Estimasi daya pada seluruh sistem menggunakan penghitung kinerja mikroprosesor. Akses ke chipset, mikroprosesor, memori, disk, dan input/output (I/O) dicatat oleh mikroposesor dan data ini digunakan untuk memperkirakan daya (Studiawan dkk, 2011).

Utilisasi CPU tanpa menghitung penggunaan komponen server yang lain terbukti cukup akurat untuk menghitung daya. Pendekatan dengan memanfaatkan penghitung kinerja pada mikroprosesor dan hanya memperhitungkan frekuesi prosesor juga telah diajukan dan memberikan hasil yang baik pula. Hal ini disebabkan oleh daya CPU yang mencapai 58% dari konsumsi total daya.

Menghitung daya tanpa menggunakan alat pengukur perangkat keras juga telah dilakukan pada lingkungan mesin virtual. Cara yang lebih sederhana untuk memodelkan konsumsi daya bisa diimplementasikan dengan mengestimasi konsumsi daya puncak untuk seluruh system pada beban kerja maksimum.

(18)

1.2. Rumusan Masalah

Dari latar belakang yang telah dipaparkan sebelumnya di atas maka dibuatlah sebuah aplikasi untuk mengestimasi daya pada laboratorium komputer dengan menggunakan perhitungan regresi linier. Adapun beberapa permasalahan yang ada sebagai berikut:

a. Bagaimana membangun sebuah sistem yang bisa mengestimasi penggunaan daya pada perangkat komputer?

b. Bagaimana memanfaatkan utilitas perangkat keras dalam komputer seperti CPU dan memori untuk mengestimasi daya pada perangkat komputer?

c. Bagaimana menghubungkan beberapa perangkat komputer kedalam sebuah

server untuk memantau panggunaan daya pada masing-masing client?

1.3. Batasan Masalah

Dalam penyusunan tugas akhir ini, untuk mengatasi permasalahan yang ada maka dibuatlah batasan masalah sebagai berikut:

a. Data yang digunakan hanya dari utilitas CPU, memori, dan besar daya keseluruhan

b. Diasumsikan terdapat beberapa PC desktop dalam sebuah laboratorim

komputer

c. Dalam penelitian ini menggunakan sediktinya 2 unit PC desktop yang

(19)

4

1.4. Tujuan Penelitian

Tujuan dari skripsi ini adalah bagaimana mengestimasikan penggunaan daya dalam sebuah laboratorium komputer tanpa menggunakan perangkat keras pengukur daya yang terintegrasi dalam sebuah jaringan komputer. Serta sebagai syarat pelengkap untuk memenuhi tugas akhir untuk memperoleh gelar sarjana di Universitas Pembangunan Nasional “Veteran” Jatim.

1.5. Manfaat Penelitian

Manfaat dibuatnya sebuah estimasi penggunaan daya listrik perangkat computer ini adalah:

a. Mempermudah pengukuran penggunaan daya listrik tanpa menggunakan alat ukur

b. Mengetahui penggunaan daya listrik oleh setiap perangkat komputer c. Memantau penggunaan daya listrik dalam sebuah laboratorium komputer d. Mengontrol pengeluaran biaya untuk tagihan listrik dari penggunaan daya

listrik yang sudah diketahui.

1.6. Metode Penelitian

Metode yang dilaksanaka dalam penelitian ini adalah: a. Studi Literatur

Dilakukan dengan cara mencari segala macam informasi secara riset keperpustakaan dan mempelajari buku-buku yang berhubungan dengan masalah yang dihadapi.

(20)

Pengumpulan data-data yang berhubungan dengan masalah yang dihadapi dengan cara observasi, identifikasi, klasifikasi serta data analisa masalah sesuai dengan fakta-fakta yang ada. Maka dari pengumpulan data tersebut dapat dilakukan analisa data yaitu dalam proses pembuatan estimasi daya listrik.

c. Perancangan Program

Melakukan analisis awal tentang estimasi daya yang akan dibuat yaitu suatu pemecahan masalah yang dilakukan melalui data-data yang diperoleh dari utilitas CPU dan memori.

d. Pengujian dan Analisa

Pengujian dan analisa dimaksudkan untuk mengetahui sejauh mana sistem yang dibuat pada proyek akhir ini dapat berfungsi sesuai dengan proses sistem yang diharapkan.

e. Kesimpulan

(21)

BAB II

TINJAUAN PUSTAKA

2.1. Estimasi

Estimasi merupakan keseluruhan proses yang menggunakan sebuah

estimator untuk menghasilkan sebuah perkiraan dari suatu parameter. Terdapat

dua jenis estimasi, yaitu (Harinaldi, 2005):

• Estimasi Titik

Sebuah titik perkiraan (point estimate) dari sebuah parameter θ adalah suatu angka tunggal yang dapat dianggap sebagai nilai yang masuk akal

bagi θ. Estimasi titik diperoleh dengan memilih statistik yang tepat dan menghitung nilainya dari dua sampel. Statistik yang dipilih disebut sebagai

estimator titik (point estimator) dan proses mengestimasi dengan suatu angka tunggal disebut sebagai estimasi titik (point estimation).

• Estimasi Interval

Sebuah perkiraan interval (interval estimate) dari sebuah parameter θ adalah suatu sebaran nilai-nilai yang digunakan untuk mengestimasi θ. Proses mengestimasi dengan suatu sebaran nilai-nilai ini disebut estimasi

interval (interval estimation).

2.2. Daya Listrik

Daya listrik didefinisikan sebagai laju hantaran energi listrik dalam

rangkaian listrik. Satuan SI daya listrik adalah watt. Arus listrik yang mengalir

(22)

bentuk energi listrik yang mampu diubah oleh alat-alat pengubah energi menjadi berbagai bentuk energi lain, misalnya energi gerak, energi panas, energi suara, dan

energi cahaya. Selain itu, daya listrik ini juga mampu disimpan dalam bentuk energi kimia. Baik itu dalam bentuk kering (baterai) maupun dalam bentuk basah (aki). Daya listrik terbagi menjadi tiga jenis yaitu daya aktif, daya reaktif dan daya

nyata (http://id.wikipedia.org/wiki/Daya_listrik, 2009). 2.2.1. Daya Aktif

Daya aktif merupakan daya yang berupa daya kerja seperti daya mekanik, panas, cahaya, dan sebagainya. Daya ini diperlukan supaya mesin dapat melakukan kerja real sesuai kapasitas dayanya. Daya aktif dinyatakan dalam

satuan watt (W). 2.2.2. Daya reaktif

Daya reaktif merupakan daya yang diperlukan oleh peralatan listrik yang bekerja dengan sistem elektromagnet. Daya ini dibutuhkan oleh mesin untuk mempertahankan medan magnetnya agar mesin dapat beroperasi dengan baik.

Daya reaktif dinyatakan dalam satuan Var. 2.2.3. Daya nyata

Daya nyata merupakan penjumlahan vektor dari daya aktif dan daya reaktif. Daya ini dinyatakan dalam satuan VA.

2.3. Regresi Linier

Regresi linier adalah metode statistika yang digunakan untuk membentuk

(23)

8

bebas hanya ada satu, disebut sebagai regresi linier sederhana, sedangkan apabila

terdapat lebih dari 1 variabel bebas, disebut sebagai regresi linier berganda (Deny

Kurniawan, 2008).

Analisis regresi setidak-tidaknya memiliki 3 kegunaan, yaitu untuk tujuan

deskripsi dari fenomena data atau kasus yang sedang diteliti, untuk tujuan kontrol,

serta untuk tujuan prediksi. Regresi mampu mendeskripsikan fenomena data

melalui terbentuknya suatu model hubungan yang bersifatnya numerik. Regresi

juga dapat digunakan untuk melakukan pengendalian (kontrol) terhadap suatu

kasus atau hal-hal yang sedang diamati melalui penggunaan model regresi yang

diperoleh. Selain itu, model regresi juga dapat dimanfaatkan untuk melakukan

prediksi untuk variabel terikat. Namun yang perlu diingat, prediksi di dalam

konsep regresi hanya boleh dilakukan di dalam rentang data dari variabel-variabel

bebas yang digunakan untuk membentuk model regresi tersebut. Misal, suatu

model regresi diperoleh dengan mempergunakan data variabel bebas yang

memiliki rentang antara 5 s.d. 25, maka prediksi hanya boleh dilakukan bila suatu

nilai yang digunakan sebagai input untuk variabel X berada di dalam rentang

tersebut. Konsep ini disebut sebagai interpolasi.

Data untuk variabel independen X pada regresi linier bisa merupakan data

pengamatan yang tidak ditetapkan sebelumnya oleh peneliti (observational data)

maupun data yang telah ditetapkan (dikontrol) oleh peneliti sebelumnya

(experimental or fixed data). Perbedaannya adalah bahwa dengan menggunakan

fixed data, informasi yang diperoleh lebih kuat dalam menjelaskan hubungan

sebab akibat antara variabel X dan variabel Y. Sedangkan, pada observational

(24)

Untuk fixed data, peneliti sebelumnya telah memiliki beberapa nilai variabel X yang ingin diteliti. Sedangkan, pada observational data, variabel X yang diamati

bisa berapa saja, tergantung keadaan di lapangan. Biasanya, fixed data diperoleh dari percobaan laboratorium, dan observational data diperoleh dengan menggunakan kuesioner.

Di dalam suatu model regresi akan menemukan koefisien-koefisien. Koefisien pada model regresi sebenarnya adalah nilai duga parameter di dalam

model regresi untuk kondisi yang sebenarnya (true condition), sama halnya dengan statistik mean (rata-rata) pada konsep statistika dasar. Hanya saja, koefisien-koefisien untuk model regresi merupakan suatu nilai rata-rata yang

berpeluang terjadi pada variabel Y (variabel terikat) bila suatu nilai X (variabel bebas) diberikan. Koefisien regresi dapat dibedakan menjadi 2 macam, yaitu: • Intersep (intercept)

Intersep, definisi secara metematis adalah suatu titik perpotongan antara

suatu garis dengan sumbu Y pada diagram/sumbu kartesius saat nilai X = 0. Sedangkan definisi secara statistika adalah nilai rata-rata pada variabel Y apabila nilai pada variabel X bernilai 0. Dengan kata lain, apabila X tidak memberikan

kontribusi, maka secara rata-rata, variabel Y akan bernilai sebesar intersep. Perlu diingat, intersep hanyalah suatu konstanta yang memungkinkan munculnya

koefisien lain di dalam model regresi. Intersep tidak selalu dapat atau perlu untuk diinterpretasikan. Apabila data pengamatan pada variabel X tidak mencakup nilai 0 atau mendekati 0, maka intersep tidak memiliki makna yang berarti, sehingga

(25)

10

Secara matematis, slope merupakan ukuran kemiringan dari suatu garis.

Slope adalah koefisien regresi untuk variabel X (variabel bebas). Dalam konsep statistika, slope merupakan suatu nilai yang menunjukkan seberapa besar kontribusi (sumbangan) yang diberikan suatu variabel X terhadap variabel Y. Nilai slope dapat pula diartikan sebagai rata-rata pertambahan (atau pengurangan) yang terjadi pada variabel Y untuk setiap peningkatan satu satuan variabel X.

Ada dua macam regresi linier, yaitu regresi linier sederhana dan regresi linier berganda.

2.3.1. Regresi Linier Sederhana

Dalam analisis regresi linier sederhana ini akan ditentukan persamaan yang menghubungkan dua variabel yang dapat dinyatakan sebagai bentuk persamaan pangkat satu (persamaan linier/persamaan garis lurus).

Persamaan umum garis regresi untuk regresi linier sederhana adalah :

ỷ = a + bx

Dimana:

ỷ = nilai perkiraan variabel terikat

a = titik potong garis regresi pada sumbu y atau nilai estimate ỷ bila x = 0 b = gradien garis regresi (perubahan nilai estimateỷ per satuan perubahan nilai x)

(26)

2.3.2. Regresi Linier Berganda

Dalam regresi linier barganda, persamaan regresinya mempunyai lebih dari

satu variabel independen (bebas). Untuk memberi simbol variabel independen

yang terdapat dalam persamaan regresi berganda adalah dengan melanjutkan

simbol yang digunakan pada regresi sederhana, yaitu dengan menambah tanda

bilangan pada masing-masing variabel independen tersebut.

Pembahasan akan meliputi regresi linier dengan 2 Variabel Bebas (X

1 dan

X

2) dan 1 Variabel Tak Bebas (Y).

Bentuk Umum: Y = a + b

1 X 1 + b 2 X 2

Y : peubah takbebas a : konstanta

X

1 : peubah bebas ke-1 b1 : kemiringan ke-1

X

2 : peubah bebas ke-2 b2 : kemiringan ke-2

a , b

1 dan b2 didapatkan dengan menyelesaikan tiga persamaan Normal berikut:

•

n a + b

1

∑

x

1i

+ b

2

∑

x

2i

=

∑

y

i

•

a

∑

x

1i

+ b

1

∑

x

1i

2

+ b

2

∑

x

2i

x

1i

=

∑

x

1i

y

i

•

a

∑

x

2i

+ b

1

∑

x

2i

x

1i

+ b

2

∑

x

2i 2

=

∑

x

2i

y

i

n i = n i = n i =

n n n n

i = i = i = i =

n n n n

(27)

12

n : banyak pasangan data y

i : nilai peubah takbebas Y ke-i x

1i : nilai peubah bebas X1 ke-i x2i : nilai peubah bebas X2 ke-i Contoh :

Berikut adalah data Volume Penjualan (juta unit) Mobil dihubungkan dengan

variabel biaya promosi (X

1 dalam juta rupiah/tahun) dan variabel biaya penambahan asesoris (X

2 dalam ratusan ribu rupiah/unit). x

1 x2 y x1 x2 x1y x2y x1² x2² y²

2 3 4 6 8 12 4 9 16

3 4 5 12 15 20 9 16 25

5 6 8 30 40 48 25 36 64

6 8 10 48 60 80 36 64 100

7 9 11 63 77 99 49 81 121

8 10 12 80 96 120 64 100 144

Σx1=3 1

Σx2= 40

Σy=50 Σx1x2= 239

Σx1y= 296

Σx2y= 379

Σx12= 187

Σx22= 306

Σy2= 470

Tetapkan Persamaan Regresi Linier Berganda = a + b

1 X1 + b2 X2

n = 6

Σ

x1 = 31

Σ

x2 = 40

Σ

y = 50

Σ

x1x2 = 239

Σ

x1y = 296

Σ

x2y = 379

Σ

x12 = 187

Σ

x22 = 306

Σ

y2 = 470

Masukkan notasi-notasi ini kedalam ketiga persamaan normal, sehingga

didapatkan tiga persamaan berikut :

(i) 6a + 31 b

1 + 40 b2 = 50 (ii) 31a + 187b

1 + 239b2 = 296 (iii)40 a + 239 b

(28)

Lakukan eliminasi untuk menghilangkan (a)

(ii) 31 a + 187 b_{1 + 239 b2} = 296 × 6

(i) 6a + 31 b_{1 + 40 b2} = 50 × 31

(ii) 189 a + 1122 b_{1 + 1434 b2} = 1776

(i) 189 a + 961 b

1 + 1240 b2 = 1550

(iv) 161b

1 + 194 b2 = 226

Lalu

(iii) 40a + 239 b

1 + 306 b2 = 379 × 6

(i) 6a + 31 b

1 + 40 b2 = 50 × 40

(iii) 240a + 1434 b

1 + 1836 b2 = 2274

(i) 240a + 1240 b

1 + 1600 b2 = 2000

(v) 194 b

1 + 236 b2 = 274

Selanjutnya, eliminasi (b1) dan dapatkan nilai (b2)

(v) 194 b

1 + 236 b2 = 274 × 161

(iv) 161 b

1 + 194 b2 = 226 × 194

(v) 31234 b

1 + 37996 b2 = 44114

(iv) 31234 b

1 + 37636 b2 = 43844

360 b

2 = 270

b

2 = 0.75

(29)

14

(v) 194 b

1 + 236 b2 = 274

Perhatikan b2 = 0.75

194 b

1 + 236 (0.75) = 274

194 b

1 + 177 = 274

194 b

1 = 97

b

1 = 0.50

(i) 6a + 31 b

1 + 40 b2 = 50

Perhatikan b1 = 0.50 dan b2 = 0.75

6a + 31(0.50) + 40 (0.75) = 50

6a + 15.5 + 30 = 50

6a = 4.5

a = 0.75

Sehingga persamaan regresi linier berganda

a + b 1 X 1 + b 2 X

2 dapat ditulis sebagai

0.75 + 0.50 X 1

+ 0.75X 2

2.4. Python

Python adalah bahasa pemrograman interpretatif multi guna dengan filosofi

perancangan yang berfokus pada tingkat keterbacaan kode. Python diklaim

sebagai bahasa yang menggabungkan kapabilitas, kemampuan, dengan sintaksis

kode yang sangat jelas, dan dilengkapi dengan fungsionalitas pustaka standar

yang besar serta komprehensif

(30)

Python mendukung multi paradigma pemrograman, utamanya; namun tidak

dibatasi; pada pemrograman berorientasi objek, pemrograman imperatif, dan

pemrograman fungsional. Salah satu fitur yang tersedia pada Python adalah

sebagai bahasa pemrograman dinamis yang dilengkapi dengan manajemen

memori otomatis. Seperti halnya pada bahasa pemrograman dinamis lainnya,

Pyhton umumnya digunakan sebagai bahasa skrip meski pada prakteknya

penggunaan bahasa ini lebih luas mencakup konteks pemanfaatan yang umumnya

tidak dilakungan dengan menggunakan bahasa skrip. Python dapat digunakan

untuk berbagai keperluan pengembangan perangkat lunak dan dapat berjalan di

berbagai platform sistem operasi.

Python dikembangkan oleh Guido van Rossum pada tahun 1990 di CWI,

Amsterdam sebagai kelanjutan dari bahasa pemrograman ABC. Versi terakhir

yang dikeluarkan CWI adalah 1.2. Tahun 1995, Guido pindah ke CNRI sambil

terus melanjutkan pengembangan Python.

Versi terakhir yang dikeluarkan adalah 1.6. Tahun 2000, Guido dan para

pengembang inti Python pindah ke BeOpen.com yang merupakan sebuah

perusahaan komersial dan membentuk BeOpen PythonLabs. Python 2.0

dikeluarkan oleh BeOpen. Setelah mengeluarkan Python 2.0, Guido dan beberapa

anggota tim PythonLabs pindah ke DigitalCreations.

Saat ini pengembangan Python terus dilakukan oleh sekumpulan

pemrogram yang dikoordinir Guido dan Python Software Foundation. Python

Software Foundation adalah sebuah organisasi non-profit yang dibentuk sebagai

(31)

16

mencegah Python dimiliki oleh perusahaan komersial. Saat ini distribusi Python

sudah mencapai versi 2.6.1 dan versi 3.0.

Nama Python dipilih oleh Guido sebagai nama bahasa ciptaannya karena

kecintaan Guido pada acara televisi Monty Python's Flying Circus. Oleh karena

itu seringkali ungkapan-ungkapan khas dari acara tersebut seringkali muncul

dalam korespondensi antar pengguna Python. Beberapa fitur yang dimiliki Python

adalah:

• Memiliki kepustakaan yang luas; dalam distribusi Python telah disediakan

modul-modul 'siap pakai' untuk berbagai keperluan.

• Memiliki tata bahasa yang jernih dan mudah dipelajari.

• Memiliki aturan layoutkode sumber yang memudahkan pengecekan,

pembacaan kembali dan penulisan ulang kode sumber.

• Merorientasi obyek.

• Memiliki sistem pengelolaan memori otomatis (garbage collection,

seperti java)

• Modular, mudah dikembangkan dengan menciptakan modul-modul baru;

modul-modul tersebut dapat dibangun dengan bahasa Python

maupun C/C++.

• Memiliki fasilitas pengumpulan sampah otomatis, seperti halnya pada

bahasa pemrograman Java, python memiliki fasilitas pengaturan

penggunaan ingatan komputer sehingga para pemrogram tidak perlu

(32)

• Memiliki banyak faslitas pendukung sehingga mudah dalam

pengoprasiannya.

Python memiliki dua jenis tampilan yaitu Idle (python GUI) dan Python

(command line), adapun tampilannya ditunjukkan pada gambar di bawah ini :

Gambar 2.1 Tampilan Idle (python GUI)

(33)

18

Aplikasi Python ini masih butuh program pendukung lagi untuk bisa

membaca utilitas dari perangkat komputer. Program pendukungnya adalah psutil.

Psutil merupakan libraty yang dibutuhkan untuk dapat mengenali utilitas dalam

sistem operasi komputer. Psutil ini di-install dalam komputer setelah selesai

meng-install pyhthon. Peng-install-an psutil ini sangat mudah tinggal klik next

sampai selesai. Berikut cara install psutil:

• Buka file installer psutil kemudain langsung muncul kotak dialok installasi

Psutil

Gambar 2.3 Kotak dialog agreement

(34)

Gambar 2.4 Kotak dialog penentuan directory

• Psutil siap di-install, klik next untuk proses installasi dan tunggu sampai

selesai proses

Gambar 2.5 Kotak dialog siap install

(35)

20

Gambar 2.6 Installasi selesai

Untuk file installer psutil ini bisa diunduh di link

http://code.google.com/p/psutil/downloads/list.

2.5. Pemrograman PHP

PHP adalah bahasa pemorgraman yang memungkinkan para web developer

untuk membuat aplikasi web yang dinamis dengan cepat. PHP merupakan

singkatan dari “PHP: Hypertext Preprocessor”. PHP ditulis dan diperkenalkan

pertama kali sekitar tahun 1994 oleh Rasmus Lerdorf melalui situsnya untuk

mengetahui siapa saja yang telah mengakses ringkasan online-nya. Pada waktu itu

PHP masih bernama Form Interpreted (FI), yang wujudnya berupa sekumpulan

skrip yang digunakan untuk mengolah data formulir dari web

(http://id.wikipedia.org/wiki/PHP).

Selanjutnya Rasmus merilis kode sumber tersebut untuk umum dan

(36)

terbuka, maka banyak pemrogram yang tertarik untuk ikut mengembangkan PHP.

Pada November 1997, dirilis PHP/FI 2.0. Pada rilis ini, interpreter PHP sudah

diimplementasikan dalam program C.

Dalam rilis ini disertakan juga modul-modul ekstensi yang meningkatkan

kemampuan PHP/FI secara signifikan. Pada tahun 1997, sebuah perusahaan

bernama Zend menulis ulang interpreter PHP menjadi lebih bersih, lebih baik, dan

lebih cepat. Kemudian pada Juni 1998, perusahaan tersebut merilis interpreter

baru untuk PHP dan meresmikan rilis tersebut sebagai PHP 3.0 dan singkatan

PHP diubah menjadi akronim berulang PHP: Hypertext Preprocessing.

Pada pertengahan tahun 1999, Zend merilis interpreter PHP baru dan rilis

tersebut dikenal dengan PHP 4.0. PHP 4.0 adalah versi PHP yang paling banyak

dipakai pada awal abad ke-21. Versi ini banyak dipakai disebabkan

kemampuannya untuk membangun aplikasi web kompleks tetapi tetap memiliki

kecepatan dan stabilitas yang tinggi. Pada Juni 2004, Zend merilis PHP 5.0.

Dalam versi ini, inti dari interpreter PHP mengalami perubahan besar. Versi ini

juga memasukkan model pemrograman berorientasi objek ke dalam PHP untuk

menjawab perkembangan bahasa pemrograman ke arah paradigma berorientasi

objek.

PHP merupakan salah satu bahasa script yang terbilang baru dan tersedia

secara bebas dan masih memungkinkan untuk dikembangkan lebih lanjut. PHP

dapat diintegrasikan (embedded) ke dalam web server, atau dapat berperan

sebagai program CGI yang terpisah. Karakteristik yang paling unggul dan paling

(37)

22

Database yang didukung PHP adalah: Oracle, Adabas-D, Sybase, FilePro, mSQL,

Velocis, MySQL, Informix, Solid, dBase, ODBC, Unix dbm, dan PostgreSQL.

2.6. MySQL

MySQL adalah suatu sistem manajemen database. Suatu database adalah

suatu koleksi data terstruktur. Data tersebut dapat berupa apa saja, dari list

sederhana sampai sebuah galeri gambar. Untuk menambah, mengakses, dan

memproses data yang tersimpan dalam sebuah database, dibutuhkan suatu sistem

manajemen database seperti halnya MySQL. Sejak komputer menjadi suatu alat

yang digunakan untuk menanggulangi data dalam ukuran besar, manajemen

database memegang peranan utama dalam perhitungan, sebagai utilitas tunggal

maupun sebagai bagian dari aplikasi lain (http://id.wikipedia.org/wiki/MySQL).

MySQL adalah suatu sistem manajemen database relasional. Suatu

database relasional menyimpan data dalam tabel yang terpisah. Hal ini menambah

kecepatan dan fleksibilitas. Tabel-tabel tersebut terhubungkan oleh suatu relasi

terdefinisi yang memungkinkan memperoleh kombinasi data dari beberapa tabel

dalam suatu permintaan. SQL (Structured Query Language) adalah bahasa standar

yang digunakan untuk mengakses database.

MySQL adalah perangkat lunak open source. Open source berarti dapat

digunakan dan dimodifikasi oleh siapa saja. Semua orang dapat men-download

MySQL dari internet dan menggunakannya secara gratis. Untuk administrasi

database, seperti pembuatan database, pembuatan tabel, dan sebagainya, dapat

(38)

MySQL dikembangkan oleh sebuah perusahaan Swedia bernama MySQL

AB, yang kala itu bernama TcX DataKonsult AB, sejak sekitar 1994–1995, meski

cikal bakal kodenya bisa disebut sudah ada sejak 1979. Tujuan mula-mula TcX

membuat MySQL pada waktu itu juga memang untuk mengembangkan aplikasi

Web untuk klien (TcX adalah perusahaan pengembang software dan konsultan

database). Kala itu Michael Widenius, atau “Monty”, pengembang satu-satunya

di TcX, memiliki aplikasi UNIREG dan rutin ISAM yang dibuat sendiri dan

sedang mencari antarmuka SQL untuk ditempelkan di atasnya.

Mula-mula TcX memakai mSQL, atau “mini SQL”. Namun ternyata,

menurut Monty, mSQL tidaklah cukup cepat maupun fleksibel. Versi pertama

mSQL bahkan tidak memiliki indeks. Setelah mencoba menghubungi David

Hughes (pembuat mSQL) dan ternyata mengetahui bahwa David tengah sibuk

mengembangkan versi dua, maka keputusan yang diambil Monty yaitu membuat

sendiri mesin SQL yang antarmukanya mirip dengan mSQL tapi memiliki

kemampuan yang lebih sesuai kebutuhan. Lahirlah MySQL.

Nama MySQL tidak jelas diambil dari mana. Ada yang bilang ini diambil

dari huruf pertama dan terakhir nama panggilan Michael Widenius, Monty. Ada

lagi yang bilang kata My diambil dari nama putri Monty, yang memang diberi

nama My (karena Monty memang aslinya seorang Finlandia). Tapi sebetulnya

kalau source code MySQL dilirik, prefiks my memang sudah terbubuhi di

mana-mana (prefiks ini sering menjadi prefiks umum kalau seseorang membuat kode

kustom tersendiri untuk sesuatu).

MySQL versi 1.0 dirilis Mei 1996 secara terbatas kepada empat orang. Baru

(39)

24

diberikan di bawah lisensi General Public License, melainkan lisensi khusus yang

intinya kurang lebih begini: “Source code MySQL dapat dilihat dan gratis, serta

server MySQL dapat dipakai tanpa biaya tapi hanya untuk kebutuhan

nonkomersial. Untuk kebutuhan komersial (mis: mengemas dan menjual MySQL,

atau menyertakan MySQL dalam program komersial lain) harus bayar lisensi.”

Sementara distribusi Windows MySQL sendiri dirilis secara shareware.

Barulah pada Juni 2000 MySQL AB mengumumkan bahwa sejak versi

3.23.19, MySQL adalah software bebas berlisensi GPL. Artinya, “Source code

MySQL dapat dilihat dan gratis, serta server MySQL dapat dipakai tanpa biaya

untuk kebutuhan apa pun. Tapi jika memodifikasi source code, harus melepasnya

di bawah lisensi yang sama, yaitu GPL.” Kini perusahaan MySQL AB, yang

beranggotakan sekitar 10 programer dan 10 karyawan lain itu, memperoleh

pemasukan terutama dari jasa konsultasi seputar MySQL.

Versi publik pertama, yang hanya berjalan di Linux dan Solaris serta

sebagian besar masih belum terdokumentasi itu, dengan berangsur-angsur

diperbaiki dan ditambah fitur demi fiturnya (tapi tetap dengan fokus utama

pengembangan pada kelangsingan dan kecepatan). Artinya, fitur yang

menyebabkan MySQL menjadi lambat tidaklah ditambahkan, atau ditunda dulu,

atau ditambahkan tapi menjadi fitur yang opsional.

Versi awal MySQL ini, meski sudah bisa dipakai untuk aplikasi Web

sederhana, belumlah memadai sama sekali untuk aplikasi bisnis. Contohnya, JOIN

sederhana sudah ada, tapi tidak ada HAVING (baru di bulan Desember

ditambahkan). Sudah ada tipe data TIMESTAMP dan kolom autoupdate, tapi

(40)

ditambahkan modifier kolom AUTO_INCREMENT. Sudah ada LIMIT tapi

GROUP BY dan ORDER BY memiliki keterbatasan. Dan seterusnya.

Barulah di versi-versi akhir 3.22—sepanjang 1998–1999—MySQL menjadi

semakin popular dan dilirik orang. Stabilitasnya sudah baik. Kecepatannya

meningkat. Sudah tersedia di berbagai platform, termasuk Windows. Seri 3.22 ini

banyak dipakai di berbagai instalasi, mungkin hingga sekarang, sehingga MySQL

AB tetap memberikan dukungan technical support untuk seri ini.

2.7. XAMPP

XAMPP merupakan singkatan X (empat sistem operasi apapun), Apache,

MySQL, PHP, Perl. XAMPP merupakan tool yang menyediakan paket perangkat

lunak ke dalam satu buah paket. Dalam paketnya sudah terdapat Apache (web

server), MySQL (database), PHP (server side scripting), Perl, FTP server,

phpMyAdmin dan berbagai pustaka bantu lainnya. Dengan meng-install XAMPP

maka tidak perlu lagi melakukan instalasi dan konfigurasi web server Apache,

PHP dan MySQL secara manual. XAMPP akan menginstalasi dan

mengkonfigurasikannya secara otomatis. Dalam XAMPP versi 1.7.3 yang terdiri

atas (http://blog.duniascript.com/pengertian-tentang-xampp.html):

• Apache 2.2.14 (IPv6 enabled) + OpenSSL 0.9.8I

• MySQL 5.1.41 + PBXT engine

• PHP 5.3.1

• phpMyAdmin 3.2.4

• Perl 5.10.1

(41)

26

• Mercury Mail Transport System 4.72

2.8. Watts Up? Pro

Watts up? Adalah alat analisis daya canggih dan data logger. Digunakan di

laboratorium oleh perusahaan rekayasa besar seperti Inter, Dell, EPRI, GM,

Honeywell, Cisco, IBM dan Microsoft. Watts up? lebih cepat dan lebih mudah

digunakan daripada DVM standar atau bahkan meter Fluke. Ini dirancang khusus

untuk memantau sirkuit 120 volt sehingga lebih cepat daripada menggunakan

scope ketika menjelaskan load profiles, kualitas saluran atau remote aplikasi

(https://www.wattsupmeters.com/secure/uses.php?pn=5).

Alat ini tidak hanya bisa mengukur watt saja namun juga bisa digunakan

untuk mengukur satuan-satuan yang lain seperti volt, ampare dan watt hours.

(42)

Untuk penggunaannya alat ini bisa mendukung berbagai bidang di teknologi perindustrian antara lain listrik, pertanian, IT, manufaktur.

(43)

BAB III

PERANCANGAN

3.1. Dasar Analisis Sistem

Sebelum sistem dikembangkan perlu dilakukan analisis sistem untuk menjamin bahwa sistem yang dibuat sesuai dengan kebutuhan pemakai dan layak untuk dikembangkan. Tahapan analisis sistem dapat dirinci menjadi beberapa tahap guna mempermudah proses analisis secara keseluruhan. Tahapan-tahapan ini sangat penting untuk menjamin keberhasilan pengembangan sistem secara keseluruhan.

3.2. Analisis Sistem

Untuk menjamin bahwa sistem pengestimasi daya yang dibangun ini sesuai dengan kebutuhan di lapangan maka dilakukan analisis terhadap kondisi lapangan saat ini terutama di sebuah laboratorium komputer. Dari hasil analisis dijumpai masalah sebagai berikut:

a. Di setiap laboratorium komputer saat ini tidak memiliki suatu sistem yang dapat mengestimasi bahkan mengukur jumlah daya yang dipakai oleh laboratorium tersebut. Kebanyakan pengukuran masih dengan sistem manual menggunakan sebuah alat ukur namun itu juga tidak semua tempat menggunakannya.

(44)

memperkirakan berapa daya yang dipakai sehingga biaya yang dikeluarkan juga tidak bisa terkontrol dengan baik.

3.3. Perancangan Sistem

Dalam sub-bab ini menjelaskan proses perancangan sistem dimulai dari awal perancangan sistem ini. Dalam hal ini ada empat proses perancangan untuk terbentuknya sistem ini. Gambar 3.1 merupakan diagram alir perancangan keseluruhan sistem:

(45)

30

3.3.1. Pengambilan Data Persentase Penggunaan CPU dan Memori

Dalam sistem ini yang memerankan sebagai program utama yang digunakan adalah bahasa pemrograman Python. Dengan menggunakan bahasa pemrograman Python ini dibuat sebuah program untuk mengambil data persentase penggunaan CPU dan memori dari masing-masing komputer. Program ini ditaruh dalam setiap perangkat komputer yang digunakan dan kemudian program itu akan mencatat fluktuasi persentase penggunaan CPU dan memori setiap tiga detik dari masing-masing perangkat komputer tersebut. Hasil yang didapat langsung disimpan dalam database.

Dalam program ini juga sekalian dibuat untuk mendapatkan hostname dari masing-masing perangkat komputer. Gambar 3.2 adalah diagram alir dari proses pengambilan data persentase penggunaan CPU dan memori :

Gambar 3.2 Diagram alir pengambilan data persentase penggunaan CPU dan memori

(46)

3.3.2. Pengambilan Data Penggunaan Daya Listrik

Untuk mengambil data dari daya yang digunakan masih harus dengan cara manual yaitu dengan menggunakan sebuah alat pengukur daya. Alat pengukur daya yang digunakan adalah Watts Up? Pro yang mana penggunaan alat ini memerlukan tegangan listrik sebesar 110 V, sedangkan tegangan yang tersedia sebesar 220 V oleh karena itu tegangannya harus diturunkan, maka menggunakan cara seperti contoh rangkaian di bawah ini :

Gambar 3.3 Rangkaian penggunaan Watts Up? Pro

(47)

32

Gambar 3.4 Diagram alir pengambilan data penggunaan daya listrik

3.3.3. Penghitungan Estimasi Daya Listrik

Karena pada pembahasan ini acuan yang digunakan untuk membuat estimasi daya listrik didasarkan dari persentase penggunaan CPU dan memori maka untuk selanjutnya data dari hasil pengukuran daya digabungkan dengan data persentase penggunaan CPU dan memori yang telah didapatkan sebelumnya.

Dari ketiga data tersebut dihitung menggunakan metode regresi linier barganda untuk mencari suatu persamaan dan perhitungan ini dikerjakan menggunakan Microsoft Excel. Dari persamaan yang dihasilkan itu kemudian digunakan untuk mencari suatu nominal yang menunjukkan hasil akhir dari estimasi daya yang diharapkan. Berikut merupakan diagram alir penghitungan estimasi daya listrik:

(48)

(49)

34

3.3.4. Memasukkan dan Menampilkan Data

Dari data-data yang telah didapatkan kemudian semuanya dimasukkan kedalam sebuah database dan kemudian ditampilkan. Untuk tampilannya ini penulis menggunakan sebuah halaman web. Web ini hanya diakses pada komputer server saja. Berikut merupakan diagram alir memasukkan dan menampilkan data:

(50)

3.3.5. Mengubah Persamaan Regresi Linier Berganda

Dalam penerapannya, di setiap laboratorium komputer yang berbeda sangat besar kemungkinan laboratorium-laboratorium tersebut menggunakan komputer dengan spesifikasi antara laboratorium yang satu dengan laboratorium yang lainnya. Dengan adanya perbedaan spesifikasi tersebut maka persamaan regresi liniernya kemungkinan besar juga berbeda. Karena hal itu, persamaan regresi liniernya perlu dirubah.

Dalam halaman ini disediakan sebuah form untuk mengubah persamaan regresi linier tersebut. Sehingga user bisa langsung mengubah regresi linier sesuai dengan persamaan yang sesuai dengan spesifikasi komputer yang ada di laboratorium. Hasil perubahan persamaan ini dimasukkan dalam sebuah tabel diberi nama “Tabel Rumus”. Data dari tabel ini diambil untuk menghitung estimasi daya listrik dan hasilnya langsung dimasukkan dan disimpan dalam tabel penggunaan. Berikut diagram alir yang menggambarkan proses sistem pada bagian ini:

Gambar 3.7 Diagram alir mengubah persamaan regresi linier berganda

(51)

36

3.3.6. Struktur Tabel

Dalam sistem ini menggunakan dua tabel. Tabel yang pertama dengan nama “Tabel Penggunaan” dan tabel yang kedua dengan nama “Tabel Rumus”. Kedua tabel ini dibuat menggunakan phpMyAdmin. Dari inilah merupakan isi dari tampilan dalam halaman web.

3.3.6.1. Tabel Penggunaan

Dalam sistem ini tabel dibutuhkan untuk menyimpan data dan menampilkannya dalam sebuah halaman web. Di dalam tabel ini terdapat enam atribut yaitu ID, NAME, WAKTU, CPU, MEM, WATT. Atribut ID dijadikan sebagai premier key dan dugunakan untuk membantu shorting dalam menampilkannya. Untuk kolom NAME berisi hostname yang merupakan identitas dari tiap-tiap perangkat komputer yang dipakai. Dan untuk kolom WAKTU berisi waktu, yang mana waktu ini sesuai dengan waktu yang ada dalam sistem operasi dari masing-masing perangkat komputer yang digunakan. Waktu ini berfungsi untuk menunujukkan periode penggunaan baik CPU, memori maupun daya listrik tiap satuan waktu.

(52)

Gambar 3.8 CDM tabel penggunaan

Gambar 3.9 PDM tabel penggunaan

Gambar 3.10 Bentuk Tabel Penggunaan

penggunaan ID name waktu cpu mem watt <pi> Integer

Variable characters (50) Date & Time

(53)

38

3.3.6.2. Tabel Rumus

Tabel ini digunakan untuk menyimpan dan mengubah persamaan regresi linier. Seperti yang sudah dijelaskan di atas, data dari tabel ini diambil untuk menghitung estimasi daya listrik. Dalam tabel ini menggunakan tiga atribut, yaitu: ‘a’, ‘b’, dan ‘c’.

Atribut itu mewakili lambang pada persamaan umum regresi linier berganda. Persamaan umumnya yaitu: Y = aX1 + bX2 + c. Yang mana ‘a’ melambangkan nilai kemiringan ke-1, ‘b’ melambangkan nilai kemiringan yang ke-2, dan ‘c’ melambangkan konstanta. Sedangkan ‘X1’ melambangkan peubah

bebas ke-1 dan ‘X2’ melambangkan peubah bebas ke-2.

Gambar 3.10 dan 3.11 CDM dan PDM, serta gambar contoh tabel ditunjukkan pada gambar 3.12:

Gambar 3.11 CDM tabel rumus

Gambar 3.12 PDM tabel rumus Rumus

a b c

Variable characters (10) Variable characters (10) Variable characters (10)

Rumus

a b c

(54)

Gambar 3.13 Bentuk tabel rumus

3.4. Topologi Jaringan

Seperti yang sudah dijelaskan sebelumnya, pada penelitian ini penulis menggunakan dua unit PC dekstop dan satu unit laptop. Dengan ketersediaan perangkat tersebut maka dapat dibuat sebuah topologi jaringan model star. Dalam topologi ini masing-masing unit komputer dan laptop dihubungkan dengan menggunakan switch/hub.

(55)

40

3.5. Proses Sistem

Dari perancangan sistem yang telah dipaparkan diatas, selanjutnya dalam sub-bab ini akan dijelaskan bagaimana proses kerja sistem ini.

Program Python akan mengambil data persentase penggunaan CPU dan memory serta hostname dari sistem operasi masing-masing komputer. Kemudian data-data tersebut dimasukkan kedalam database menggunakan pemrograman PHP dan pengiriman data dari Python menggunakan POST_methode.

Dari data persentase penggunaan CPU dan memori yang diperoleh kemudian digabungkan dengan data daya yang diperoleh dari alat ukur Watts Up?Pro untuk dihitung dengan menggunakan regresi linier untuk mencari sebuah persamaan baru. Penghitungan regresi linier ini menggunakan Microsoft Excel. Berikut adalah cara penghitungannya:

• Dari Microsoft Excel pilih toolbar “Data”, lalu dari dalam toolbar itu pilih

menu “Data Analysis”.

• Dari “Data Analysis” kemudian pilih “Regression”.

(56)

• Setelah itu barulah muncul kotak dialog dari menu “Regression” yang

digunakan untuk menghitung regresi linier.

Gambar 3.16 Kotak dialog “Input” regression

• Dari kotak dialog “Regression” tersebut kemudian data yang mau dihitung

dimasukkan kedalam baris “Input Y Range” dan baris “Input X Range” dengan mengklik ikon yang terletak di kanan kotak putih pada baris “Input Range”.

Gambar 3.17 Kotak dialog “Range” regression

• Setelah semua input range sudah terisi lalu klik ok dan akan muncul hasil

regresinya. Dan persamaan umumnya adalah: Y = a + bx1 + cx2

Melalui persamaan yang diperoleh tersebut langsung dihitung untuk mencari estimasi daya yang dipakai oleh setiap komputer dengan menggunakan

(57)

42

(58)

IMPLEMENTASI

4.1. Implementasi Sistem

Dari perancangan sistem yang telah dijelaskan pada bab 3 maka pada bab ini dijelaskan implementasi dalam sistem ini.

4.1.1. Pengambilan Data Pada Komputer

Program Python mengambil data persentase penggunaan CPU dan memori serta hostname dari sistem operasi masing-masing komputer. Supaya program Python ini bisa mengenali utilitas CPU dan memori yang ada dalam komputer maka dibutuhkan sebuah library yang namanya Psutil. Library ini belum ada dalam bawaan aplikasi Python jadi perlu di-install terpisah dari aplikasi Python ini. Untuk cara pemasangannya sudah dijelaskan dalam bab 3.

Untuk pengaktifan fungsi library ini, diaktifkan dalam code-nya dengan syntax “import psutil”. Sedangkan untuk mendapatkan host name, library-nya sudah tersedia dalam Python dan tinggal mengaktifkannya dalam code-nya dengan syntax “import socket”.

(59)

44

4.1.2. Mencari Persamaan Regresi Linier Berganda

Dari data persentase penggunaan CPU dan memori yang diperoleh dari program Python diatas juga digabungkan dengan data daya yang diperoleh dari

import psutil

import socket

import urllib

import urllib2

import time

while 1:

name = socket.gethostname()

cpu = psutil.cpu_percent(interval=1)

mem = psutil.phymem_usage()

mem = mem.percent

url = 'http://localhost/insert.php'

parameters = {'name' : name, 'cpu' : cpu, 'mem' : mem}

data = urllib.urlencode(parameters) # Use urllib to encode the parameters

request = urllib2.Request(url, data)

response = urllib2.urlopen(request) # This request is sent in HTTP POST

page = response.read()

print page

(60)

alat ukur Watts Up?Pro kemudian dihitung dengan menggunakan regresi linier untuk mencari sebuah persamaan baru.

Seperti cara perhitungan regresi linier menggunakan Microsoft Excel yang telah dijelaskan pada bab sebelumnya, maka dalam bab ini penulis menjelaskan bagaimana perhitungan yang dilakukan pada penelitian ini. Berikut contoh perhitungannya:

• Dalam penelitian ini ada tiga variabel yang digunakan yaitu data persentase

penggunaan CPU, data persentase penggunaan memori, dan data besar daya listrik dari komputer yang diperoleh dari alat ukur Watts Up?Pro. Masing-masing variabel diberi nama CPU (%), memory (%) dan watt.

• Data besar daya listrik (watt) dimasukkan dalam “Input Y Range”. Maka

kolom watt diklik dan geser sampai pada akhir baris

Gambar 4.1 Input Y Range

(61)

46

• Data persentase penggunaan CPU dan memory dimasukkan dalam “Input X

Range”. Maka kolom cpu (%) dan memory (%) keduanya diklik dan geser sampai pada akhir baris.

Gambar 4.2 Input X Range

• Setelah input range sudah terisi semua langsung klik ok, maka akan muncul

hasilnya sebagai berikut:

(62)

Tabel 4.1 Hasil perhitungan regresi

Regression Statistics Multiple R 0.13082622 R Square 0.0171155 Adjusted R

Square 0.013120034 Standard

Error 14.5722192

Observations 495

ANOVA

df SS MS F Significance F

Regression 2 1819.296962 909.648481 4.283731164 0.014309078 Residual 492 104475.9896 212.3495724

Total 494 106295.2866

Coefficients

Standard

Error t Stat P‐value Lower 95% Intercept 76.6763241 13.03768736 5.88112922 7.53218E‐09 51.05991045

X Variable 1 ‐0.010449074 0.026261677 ‐0.397882956 0.690889045

‐

0.062047947

X Variable 2 ‐1.154393257 0.411325511 ‐2.806519961 0.005206602

‐

1.962564533

Upper 95% Lower 95.0% Upper 95.0% 102.2927378 51.05991045 102.2927378

0.0411498 ‐0.062047947 0.0411498

‐0.346221981 ‐1.962564533 ‐0.346221981

Dari data yang didapat di atas yang dipakai dalam persamaan regresi linier berganda yaitu pada kolom coefficients. Sehingga diperolehlah persemaannya adalah : y = 76.677 + (-0.011) * X1 + (-1.155) * X2

Dimana X1 sebagai persentase penggunaan CPU dan X2 sebagai

(63)

48

Berikut rekap data yang diperoleh dan hasil perhitungannya (data yang ada disini hanya sebagian, untuk data lengkapnya berada di lapiran) :

Tabel 4.2 Rekap data dan perhitungan Name Waktu X1

(CPU (%))

X2

(mem (%)) Daya dari alat ukur (watt) Daya bersih (watt)

Daya hasil dari persamaan

Akurasi (%)

pktas‐ f50316e99

2012‐07‐11 18:47:05

0 31 33.9 28.9 40.872 58.57439446

pktas‐ f50316e99

2012‐07‐11 18:47:07

0 31 34.1 29.1 40.872 59.54639175

pktas‐ f50316e99

2012‐07‐11 18:47:09

0 31 34.3 29.3 40.872 60.50511945

pktas‐ f50316e99

2012‐07‐11 18:47:11

1.6 31 34.2 29.2 40.8544 60.08767123

pktas‐ f50316e99

2012‐07‐11 18:47:13

0 31 35.1 30.1 40.872 64.21262458

pktas‐ f50316e99

2012‐07‐11 18:47:16

0 31 35.1 30.1 40.872 64.21262458

pktas‐ f50316e99

2012‐07‐11 18:47:18

9.4 31 35.2 30.2 40.7686 65.00463576

pktas‐ f50316e99

2012‐07‐11 18:47:20

37.5 31 35.8 30.8 40.4595 68.63798701

pktas‐ f50316e99

2012‐07‐11 18:47:22

3.1 31 36 31 40.8379 68.26483871

pktas‐ f50316e99

2012‐07‐11 18:47:24

0 31 36.2 31.2 40.872 69

pktas‐ f50316e99

2012‐07‐11 18:47:26

4.7 31 36.5 31.5 40.8203 70.41174603

pktas‐ f50316e99

2012‐07‐11 18:47:28

4.7 31 36.2 31.2 40.8203 69.16570513

pktas‐ f50316e99

2012‐07‐11 18:47:30

3.1 31 35.7 30.7 40.8379 66.97752443

pktas‐ f50316e99

2012‐07‐11 18:47:33

4.7 31 55.8 50.8 40.8203 80.35492126

pktas‐ f50316e99

2012‐07‐11 18:47:35

14.1 31 56.4 51.4 40.7169 79.21575875

pktas‐ f50316e99

2012‐07‐11 18:47:46

9.4 31 56.3 51.3 40.7686 79.47095517

pktas‐ f50316e99

2012‐07‐11 18:47:53

1.6 31 55.4 50.4 40.8544 81.06031746

(64)

f50316e99 18:47:55 pktas‐

f50316e99

2012‐07‐11 18:47:57

0 31 55.7 50.7 40.872 80.61538462

“Daya bersih” pada tabel 4.2 diatas diperoleh dari “daya dari alat ukur” dikurangi 5 watt. 5 watt tersebut merupakan besar daya dari stavolt yang digunakan untuk menaikkan dan menurunkan arus listrik untuk rangkaian alat ukur Watts Up?Pro.

Selanjutnya dari persamaan yang diperoleh dari perhitungan regresi linier berganda sebelumnya seperti yang telah dijelaskan diatas maka bisa dicari estimasi daya listrik yang digunakan oleh masing-masing perangkat komputer.

4.1.3. Memasukkan Data ke dalam Database

Hasil estimasi daya listrik yang diperoleh dari persamaan regresi linier berganda dimasukkan kedalam database bersama dengan data persentase penggunaan CPU dan memori. Ketiga data tersebut digabungkan dalam sebuah tabel database MySql dengan nama tabel penggunaan. Untuk memasukkannya kedalam database penulis menggunakan pemrograman PHP. Utilitas CPU dan memori dikirimkan langsung dari pemrograman Python seperti yang dijelaskan pada sub-bab diatas.

(65)

50

masing-masing komputer. Host name ini juga dikirimkan langsung dari pemrograman Python seperti halnya utilitas CPU dan memori.

File PHP yang digunakan sebagai sarana untuk memasukkan data-data ke dalam database bernama “insert.php”. Melalui file inilah data-datanya dimasukkan ke dalam database dengan menggunakan query insert MySql. Berikut potongan sourcecode serta query insert database-nya :

mysql_connect("localhost","root","123456") or die("Tidak bisa koneksi db");

mysql_select_db("test") or die("Tidak bisa memilih db");

error_reporting(E_ALL);

$name = "";

$cpu = "";

$mem = "";

if (isset($_POST["name"], $_POST["cpu"], $_POST["mem"])){

$name = $_POST['name'];

$cpu = $_POST['cpu'];

$mem = $_POST['mem'];

}

$a = mysql_query ("SELECT `a` FROM `rumus` WHERE 1");

$b = mysql_query ("SELECT `b` FROM `rumus` WHERE 1");

$c = mysql_query ("SELECT `c` FROM `rumus` WHERE 1");

$row1 = mysql_fetch_array($a);

$row2 = mysql_fetch_array($b);

$row3 = mysql_fetch_array($c);

(66)

Data-data yang sudah didapat dari masing-masing perangkat komputer dikirimkan ke server dan ditampilkan. Untuk menampilkan data-data tersebut, dalam sistem ini penulis menggunakan sebuah halaman web yang dibuat menggunakan sebuah bahasa pemrograman web yaitu PHP dan sebuah template CSS untuk sedikit memperindah desain tampilannya.

4.1.4. Mengubah Persamaan Regresi Linier Berganda

Untuk menyesuaikan kondisi di tiap-tiap laboratorium komputer yang hampir pasti menggunakan spesifikasi komputer yang berbeda-beda yang mempengaruhi persamaan regresi linier yang digunakan. Maka pada bagian ini user bisa langsung mengubah sendiri persamaannya dengan memasukkan nilai yang sesuai untuk menghasilkan persamaan baru.

Untuk mengubah persamaan ini menggunakan pemrograman web PHP. Dengan program PHP ini hasil perubahan persamaan regresi linier disimpan dalam sebuah tabel. Dari tabel program PHP yang digunakan untuk menghitung estimasi daya mengambil data untuk persamaan regresi liniernya yang digunakan dalam perhitungan. Berikut potongan sourcecode-nya:

$watt = ($row1['a'] * $cpu) + ($row2['b'] * $mem) + $row3['c'];$sql = mysql_query ("insert into penggunaan (name,waktu,cpu,mem,watt) values

('$name','$tanggal_hari_ini','$cpu','$mem','$watt')") or die("Tidak bisa query insert");

(67)

52

</tr>

</tr>

</table>

</form>

<?php

echo "Persamaan Umum regresi linier berganda adalah: y = a * X1 + b * X2 + c<br>";

echo "X1 = CPU<br>";

echo "X2 = mem<br>";

mysql_select_db("test") or die("Tidak bisa memilih db");

@$d=$_POST['a'];

@$e=$_POST['b'];

@$f=$_POST['c'];

if(@$_POST['submit'])

{

$sql = mysql_query ("UPDATE `rumus` SET `a`='$d',`b`='$e',`c`='$f' WHERE 1") or die("Tidak bisa query update");

}

?>

(68)

4.2. Implementasi Tampilan

Dari sistem yang telah dibuat sebelumnya terdapat empat menu yang mana disetiap menunya terdapat tampilan yang menunjukkan data persentase penggunaan CPU, persentase penggunaan memori dan konsumsi daya dalam satuan watt dari perangkat komputer yang ditampilkan dalam berbagai bentuk. Hanya yang keempat sedikit berbeda. Kempat tampilannya adalah sebagai berikut:

4.2.1. Menu Home

Gambar di bawah ini merupakan tampilan yang pertama dalam sistem.

Gambar 4.3 Tampilan menu Home

Tampilan ini terdapat dalam menu “Home” yang mana dalam tampilan ini menyajikan tiga buah tabel yang dipisahkan menurut host name dari masing-masing perangkat komputer yang digunakan. Pada masing-masing-masing-masing tabel hanya

(69)

54

menampilkan lima data terakhir dari masing-masing komputer yang terekam. Dalam menu ini menggunakan auto refresh yang akan me-refresh halaman ini setiap tiga detik sehingga fluktuasi data penggunaan dari setiap perangkat komputer yang dipakai bisa terus dipantau.

Halaman ini dibuat dalam satu file pemrograman PHP dengan judul file “new.php”. Untuk memisahkan tabel sesuai dengan host name masing-masing komputer dilakukan dengan cara menyortir berdasarkan kolom host name. Misalkan, ada sebuah komputer dengan host name “wawan_uchiha-PC”, maka untuk membuat tabel yang berisi data utilitas dan daya komputer tersebut harus disortir dahulu dan dikumpulkan menjadi satu. Semua host name “wawan_uchiha-PC” dari berbagai host name yang ada kemudian baru ditampilkan ke dalam tabel tersebut. Berikut potongan sourcecode dan query-nya:

<h2>Utility 1</h2>

<tr>

<th> WAKTU </th>

<th> MEMORY (%) </th>

</tr>

<?php

(70)

Yang juga tidak kalah pentingnya, dalam halaman ini juga ditampilkan jumlah total daya yang digunakan oleh semua komputer yang masuk dalam server. Jumlah total daya yang digunakan ditampilkan di sebelah kanan tabel. Data ini diambil dari kolom “watt” dari masing-masing komputer kemudian dijumlahkan.