BAB III

METODOLOGI PENELITIAN

3.1 Metodologi Penelitian

Metode penelitian yang digunakan dalam penelitian yang berjudul Penerapan
Metode Learning Vector Quantization Pada Pemilihan Tanaman Hortikultura Untuk
Lahan Sempit dengan pola sisklus hidup pengembangan system System Development
Life Cycle (SDLC). Pertimbangan menggunakan model ini karena mempunyai tahapan
yang cukup lengkap dan terstruktur. Informasi ini menyangkut langkah-langkah yang
diperlukan untuk merancang sistem tersebut. Berikut studi yang digunakan dalam
pengumpulan informasi:

Gambar 2. Metode Penelitian

3.1.1 Perencanaan Sistem

Perencanaan sistem adalah tahap dimana pembelajaran mengenai kasus atau
permasalahan yang akan diselesaikan. Dengan melakukan studi kelayakan yaitu,
penjadwalan, serta biaya operasional, setelah menetukan topik penelitian sebagai
pembahasan yang akan dikembangkan, dalam tahap perencanaan terdapat 2 tahap lagi
untuk mendapatkan data yang dibutuhkan yaitu:
1. Studi Lapang
Studi Lapang adalah pengumpulan data secara langsung ke lapangan dengan
mempergunakan teknik pengumpulan data sebagai berikut :
A. Observasi
Pada metode observasi, dilakukan penelitian dan pengamatan
langsung pada kebun Sabisa Farm dan pusat penelitian dan
pengembangan hortikultura dalam pengumpulan dan memperoleh
data yang dibutuhkan.

12
 B. Wawancara
Pada metode wawancara, dilakukan tanya jawab dan diskusi secara
langsung kepada pihak bersangkutan mengenai informasi yang akan
dibuat dalam penelitian.
2. Studi Kelayakan
Studi kelayakan disini dimaksudkan untuk mencari studi pustaka dengan cara
mencari referensi-referensi yang mendukung dalam menyelesaikan masalah.
Referensi yang digunakan dapat berupa buku, jurnal-jurnal, buku elektronik (e-book)
dan literatur-literatur yang ada dijaringan internet lainnya.

3.1.2. Analisis Sistem

Tahap analisis sistem dilakukan dengan teknik penjadwalan proyek, teknik
wawancara, teknik observasi, teknik daftar pertanyaan, teknik pengambilan sample,
teknik analisa biaya-manfaat, teknik rapat serta teknik inspektif-walthrough. Semua
itu diharapkan dapat memberikan informasi berupa kondisi awal sistem seperti
organisasi, personil, prosedur kerja dan lingkungan kerja dari sistem lama, sehingga
diketahui kelebihan dan kekurangan sistem tersebut dan setelah itu dilakukan
penyeleksian data dan pengolahan data, untuk menganalisis kebutuhan sistem yang
akan dibangun.

3.1.2.1 Analisis Metode Learning Vector Quantization

Tahapan proses pemilihan kriteria tanaman holtikultura dipengaruhi faktor-
faktor yang telah dijelaskan sebelumnya. Untuk dapat memilih tanaman holtikultura
tersebut digunakanlah metode LVQ, Algoritma pembelajaran pada LVQ bertujuan
mencari nilai bobot yang sesuai untuk mengelompokkan vektor-vektor input ke dalam
kelas yang sesuai dengan yang telah diinisialisasi pada saat pembentukan jaringan
LVQ. Tahapan pemilihan menggunakan metode tersebut digambarkan pada flowchart
yang dapat dilihat pada gambler 2.0.

13
 Gambar 3. Flowchart Metode LVQ

1. Tetapkan bobot (w),

Bobot (w) diambil dari penelitian tentang tanaman holtikultura sayuran seperti
bawang merah, kentang, selada, tomat, cabai rawit, cabai merah.yang didapatkan dari
data penelitian pusat penelitian dan pengembangan tanaman holtikultura dimana data
tersebut sudah dipublikasikan kepada masyarakat.

2. Masukkan:
a. Input : x(m,n); dimana m = jumlah input dan n = jumlah data
b. Target : T(1,n)

3. Maksimum iterasi/epoch MaxEpoch), Error minimum (Eps) dan learning rate .

Epoch adalah Suatu jangka waktu, dapat diartikan satu set putaran vektor-vektor
pelatihan. Beberapa Epoch diperlukan untuk pelatihan sebuah JST Backpropagation
sehingga kesalahan mendekati nol

14
4. Tetapkan kondisi awal: Epoch=0
Yaitu menentukan jumlah epoch atau iterasi maksimum yang boleh dilakukan
selama pelatihan. Iterasi akan dihentikan jika nilai epoch melebihi epoch maksimum.
Misalkan terdapat n buah data dengan m buah variabel input. Data-data tersebut
terbagi dalam K kelas. Motivasi dari algoritma LVQ adalah menemukan unit output
yang paling dekat dengan vektor input.

5. Kerjakan jika: (ephoch < MaxEpoch) atau(>Eps)

a. Ephoch=ephoch + 1
b. Kerjakan untuk i = 1 sampai n
i. Tentukan J sehingga ||x-wj|| adalah minimum
ii. Perbaiki wj dengan ketentuan:
Jika T = J, maka:
wj(baru)=wj(lama)+(x-wj(lama))
Jika T J, maka:
wj(baru)=wj(lama)-(x-wj(lama))

6. Kurangi nilai
Setelah epoch pertama didapatkan maka untuk epoch ke 2 nilai learning rate ()
diganti dengan rumus ( = -x* ) dengan x = nilai pengurangan. Contoh jika nilai
learning rate =0.05 dan x= 0.1 maka untuk 2=0.05-0.1*0.05 = 0.045.

7. Mendapatkan Bobot Akhir

Bobot akhir adalah bobot dimana nanti sebagai patokan nilai pada pengujian
pemilihan menggunakan metode LVQ.

Setelah dilakukan pelatihan, akan diperoleh bobot-bobot akhir (W). Bobot-bobot

ini selanjutnya digunakan untuk melakukan simulasi atau pengujian. Misalkan akan
diuji p buah data. Algoritma proses pengujian pada metode LVQ disajikan pada
Gambar berikut.

Gambar 4. Flowchart Pengujian Metode LVQ

15
3.1.2.2 Analisis Pemilihan Tanaman Hortikultura Menggunakan Metode
Learning Vector
Pada bagian ini dibahas pemilihan tumbuhan holtikultura sayuran
menggunakan metode LVQ. Untuk dapat memperkirakan jenis tanaman holtikulturra
sayuran yang cocok untuk ditanam dilahan dengan mencocokan faktor faktor yang
ada.
Menurut Yusep (2017), ketika kita ingin memilih tanaman holtikultura
sayuran, terdapat 6 kriteria yang harus diperhatikan dalam pemilihan tanaman tersebut
dapat dilihat pada table 2:
Tabel 2. Kriteria
No Nama Kriteria Keterangan Nilai
waku panen yang di inginkan 60-70 1
hari
waku panen yang di inginkan 71-80 2
hari
1 waktu penanaman hingga siap waku panen yang di inginkan 81-90 3
panen hari
waku panen yang di inginkan 91-100 4
hari
waku panen yang di inginkan 101- 5
140 hari
2 Total pemanenan total panen yang diinginkan 1 kali 1
total panen yang diinginkan > 1 kali 2
3 jika cara tanam menggunakan 1
Cara Tanam polybag
cara tanam Hidroponik 2
cara tanam membuat bedengan. 3
ketinggian tanah 0-400 mdpl 1
4 Ketinggian permukaan tanah ketinggian tanah 401-800 mdpl 2
ketinggian tanah 800-1200 mdpl 3
ketinggian tanah >1200 mdpl 4
Luas Lahan 5 1.000 meter2 1
5 Luas Lahan Luas Lahan 1.001 5.000 meter 2
2
Luas Lahan 5.001 10.000 meter2 3
2
Luas Lahan > 10.000 meter 4
6 Harga hasil Tanaman harga tanaman 3.000-10.000 rupiah 1
Perkilogram harga tanaman 10.001- 20.000 rupiah 2
harga tanaman 20.001-30.000 rupiah 3

Dalam pemilihan tanaman hortikultura pada system ini, memiliki 6 alternatif

tanaman hortikultura untuk dipilih, alternatif ini diubah menjadi sebuah kelas agar
dapat dihitung menggunakan proses LVQ. Daftar alternatif tersebut dapat dilihat
ditabel 3 seperti berikut:

16
 Tabel 3. Alternatif Tanaman
Kelas Nama Tanaman
1 Bawang Merah
2 Cabai Rawit
3 Cabai Merah
4 Tomat
5 Kentang
6 Seledri

Dari studi kasus diatas maka dapat disimpulkan arsitektur masalah sebagai berikut,

Gambar 5 Arsitektur Pemilihan Tanaman Hortikultura

Setelah melakukan penelitian didapatkan data dari pusat penelitian dan

pengembangan tanaman holtikultura dimana data tersebut sudah dipublikasikan
kepada masyarakat, data dari literature-literatur internet serta data dari petani yang
telah menanam tanaman hortikultura tersebut. Maka didapatkan nilai-nilai kriteria
pada tabel 4 sebagai berikut.
Tabel 4. Data Tanaman Hortikultura

No Nama Waktu Total Cara tanam Ketinggan Luas Harga

Tanaman Pemanenan Penanaman Lahan (M2)
1 Bawang 60-70 hari 1 kali Badengan 350 Mdpl 10.000 18.000
Merah per/kg
2 Bawang 55-70 hari 1 kali Badengan 600 Mdpl 20.000 18.000
Merah per/kg
3 Cabai 81-90 hari 15-18 kali Badengan 350 Mdpl 2.000 20.000
Rawit per/kg
4 Cabai 75-90 hari 15-21 kali Polybag 800 Mdpl 600 20.000
Rawit per/kg
17
5 Cabai 120-150 hari 21 kali Polybag 900 Mdpl 3.500 27.000
Merah per/kg
6 Cabai 70-75 hari 21 kali Bandengan 500 Mdpl 25.000 27.000
Merah per/kg
7 Tomat Sekitar 90 hari 9-13 kali Polybag 1200 Mdpl 700 5.000
per/kg
8 Tomat Sekitar 95 hari 9-13 kali Badengan 600 Mdpl 3.000 5.000
per/kg
9 Kentang 90 hari 1 Badengan 1000 Mdpl 10.000 15.000
per/kg
10 Kentang 95 hari 1 Badengan 1600 Mdpl 150.000 15.000
per/kg
11 Seledri 110 hari 1 Badengan 1.000 Mdpl 10.000 25.000
per/kg
12 Seledri 120 hari 1 Hidroponik 1.250 Mdpl 1.000 25.000
per/kg

Dari data diatas maka dapat dibuat Bobot awal dengan nilai yang diubah menjadi
nilai yang diklasifikasi dalam keriteria pada tabel 2. agar dikenali oleh jaringan yang
ditunjukkan pada Tabel 5. sebagai berikut.

Tabel 5. Bobot Awal Nilai

No Waktu Total Cara Ketinggan Luas Harga Kelas
tanam Penanaman tanamn Lahan
1 1 1 3 2 3 2 1
2 1 1 3 1 4 2 1
3 3 2 1 1 2 3 2
4 3 2 3 1 1 3 2
5 2 2 1 2 2 3 3
6 5 2 3 3 4 3 3
7 3 2 1 3 1 1 4
8 4 2 3 2 2 1 4
9 3 1 3 4 4 2 5
10 4 1 3 4 3 2 5
11 5 1 2 3 3 3 6
12 5 1 1 4 1 3 6
Nilai nilai di atas diubah menjadi sebuah nilai vector yang dimana, 6 input
pertama dimasing masing kelas akan dijadikan sebagai inisialisasi bobot sedangkan 6
input selanjutnya sebagai data yang dilatih :
Tabel 6. Nilai Inisialisasi Bobot
No Vektor (x) Kelas
1 (1,1,3,2,3,2) 1
2 (3,2,1,1,2,3) 2
3 (2,2,1,2,2,3) 3
4 (3,2,1,3,1,1) 4
5 (3,1,3,4,4,2) 5
6 (5,1,2,3,3,3) 6

18
Tabel 7. Data yang akan dilatih
No Vektor (x) Kelas
1 (1,1,3,1,4,2) 1
2 (3,2,3,1,1,3) 2
3 (5,2,3,3,4,3) 3
4 (4,2,3,2,2,1) 4
5 (4,1,3,4,3,2) 5
6 (5,1,1,4,1,3) 6

Dalam pencarian bobot awal sebagai nilai awal dipilih learning rate (=0.05),
dengan pengurangan sebesar 0,1* ; dan MaxEpoch=1 (pengulangan=1 kali).
Dengan rumus
Jarak baru =
=
diketahui W= inisialisasi bobot
X= data yang dilatih
Jika jarak terkecil pada bobot = target data maka :
w(baru)=w(lama)+(x-w(lama))
Jika jarak terkecil pada bobot target data maka, maka:
w(baru)=w(lama)-(x-w(lama))
Epoch ke-1:
Data ke-1: (1,1,3,1,4,2)
Jarak Pada :
Bobot ke-1
=(1 1)2 + (1 1)2 +(3 3)2 + (1 2)2 + (4 3)2 + (2 2)2 = 2
Bobot ke-2
=(1 3)2 + (1 2)2 +(3 1)2 + (1 1)2 + (4 2)2 + (2 3)2 = 14
Bobot ke-3
=(1 2)2 + (1 2)2 +(3 1)2 + (1 2)2 + (4 2)2 + (2 3)2 = 12
Bobot ke-4
=(1 3)2 + (1 2)2 +(3 1)2 + (1 3)2 + (4 1)2 + (2 1)2 = 23
Bobot ke-5
=(1 3)2 + (1 1)2 +(3 3)2 + (1 4)2 + (4 4)2 + (2 2)2 = 13
Bobot ke-6
=(1 5)2 + (1 1)2 +(3 2)2 + (1 3)2 + (4 3)2 + (2 3)2 = 23
Jarak terkecil pada bobot ke-1
Target data ke-1
Karena jarak terkecil = target data
Inisialisasi Bobot ke 1 Baru:
W11(baru)= W11(lama)+ * (X11 W11(lama)) = 1 + 0,05 * (1-1) = 1
W12(baru)= W12(lama)+ * (X12 W12(lama)) = 1 + 0,05 * (1-1) = 1

19
 W13 (baru)= W13(lama) + * (X13 W13(lama)) = 3 + 0,05 * (3-3) = 3
W14 (baru)= W14(lama) + * (X14 W14(lama)) = 2 + 0,05 * (1-2) = 1,95
W15 (baru)= W15(lama) + * (X15 W15(lama)) = 3 + 0,05 * (4-3) = 3,05
W26(baru) = W16(lama) + * (X16 W16(lama)) = 2 + 0,05 * (2-2) = 2
Jadi inisialisasi bobot 1 baru:
W1 = (1,1,3,1.95,3.05,2)

Data ke-2: (3,2,3,1,1,3)

Jarak Pada :
Bobot ke-1
=(3 1)2 + (2 1)2 +(3 3)2 + (1 1,95)2 + (1 3,05)2 + (3 2)2 = 11,11
Bobot ke-2
=(3 3)2 + (2 2)2 +(3 1)2 + (1 1)2 + (1 2)2 + (3 3)2 = 5
Bobot ke-3
=(3 2)2 + (2 2)2 +(3 1)2 + (1 2)2 + (1 2)2 + (3 3)2 = 7
Bobot ke-4
=(3 3)2 + (2 2)2 +(3 1)2 + (1 3)2 + (1 1)2 + (3 1)2 = 12
Bobot ke-5
=(3 3)2 + (2 1)2 +(3 3)2 + (1 4)2 + (1 4)2 + (3 2)2 = 20
Bobot ke-6
=(3 5)2 + (2 1)2 +(3 2)2 + (1 3)2 + (1 3)2 + (3 3)2 = 14
Jarak terkecil pada bobot ke-2
Target data ke-2
Karena jarak terkecil = target data
Inisialisasi bobot ke 2 Baru :
W21(baru)= W21(lama) + * (X21 W21(lama)) = 3 + 0,05 * (3-3) = 3
W22(baru)= W22(lama) + * (X22 W22(lama)) = 2 + 0,05 * (2-2) = 2
W23 (baru)= W23(lama) + * (X23 W23(lama)) = 1 + 0,05 * (3-1) = 1.1
W24 (baru)= W24(lama) + * (X24 W24(lama)) = 1 + 0,05 * (1-1) = 1
W25 (baru)= W25(lama) + * (X25 W25(lama)) = 2 + 0,05 * (1-2) = 1.95
W26(baru) = W26(lama) + * (X26 W26(lama)) = 3 + 0,05 * (3-3) = 3
Jadi inisialisasi bobot 1 baru:
W2 = (3, 2, 1.1, 1, 1.95, 3)

Data ke-3: (5,2,3,3,4,3)

Jarak Pada :
Bobot ke-1
=(5 1)2 + (2 1)2 +(3 3)2 + (3 1,95)2 + (4 3,05)2 + (3 2)2 = 20,01
Bobot ke-2
=(5 3)2 + (2 2)2 +(3 1,1)2 + (3 1)2 + (4 1,95)2 + (3 3)2 = 15,81
Bobot ke-3

20
=(5 3)2 + (2 2)2 +(3 1)2 + (3 2)2 + (4 2)2 + (3 3)2 =113
Bobot ke-4
=(5 3)2 + (2 2)2 +(3 1)2 + (3 3)2 + (4 1)2 + (3 1)2 = 21
Bobot ke-5
=(5 3)2 + (2 1)2 +(3 3)2 + (3 4)2 + (4 4)2 + (3 2)2 = 37
Bobot ke-6
=(5 5)2 + (2 1)2 +(3 2)2 + (3 3)2 + (4 3)2 + (3 3)2 = 3

Jarak terkecil pada bobot ke-6

Target data ke-3
Karena jarak terkecil target data
Inisialisasi bobot ke 6 Baru :
W61(baru) = W61 * (X31(baru) W61(lama)) = 5 - 0,05 * (5-5) = 5
W62(baru)= W62 * (X32(baru) W62(lama)) = 1 - 0,05 * (2-1) = 0.95
W63(baru)= W63 * (X33(baru) W63(lama)) = 2 - 0,05 * (3-2) = 1.95
W64(baru) = W64 * (X34(baru) W64(lama)) = 3 - 0,05 * (3-3) = 3
W65(baru) = W65 * (X35(baru) W65(lama)) = 3 - 0,05 * (4-3) = 2,95
W66 (baru)= W66 * (X36(baru) W66(lama)) = 3 - 0,05 * (3-3) = 3
Jadi :
W6(baru) = (5, 0.95, 1.95, 3, 2.95, 3)

Data ke-4: (4,2,3,2,2,1)

Jarak Pada :
Bobot ke-1
=(4 1)2 + (2 1)2 +(3 3)2 + (2 1,95)2 + (2 3,05)2 + (1 2)2 =12,11
Bobot ke-2
=(4 3)2 + (2 2)2 +(3 1,1)2 + (2 1)2 + (2 1,95)2 + (1 3)2 = 9,61
Bobot ke-3
=(4 2)2 + (2 2)2 +(3 1)2 + (2 2)2 + (2 2)2 + (1 3)2 = 12
Bobot ke-4
=(4 3)2 + (2 2)2 +(3 1)2 + (2 3)2 + (2 1)2 + (1 1)2 = 7
Bobot ke-5
=(4 3)2 + (2 1)2 +(3 3)2 + (2 4)2 + (2 4)2 + (1 2)2 = 11
Bobot ke-6
=(4 5)2 + (2 0,95)2 +(3 1,95)2 + (2 3)2 + (2 2,95)2 + (1 3)2 =9,11

Jarak terkecil pada bobot ke-4

Target data ke-4
Karena jarak terkecil = target data
Inisialisasi bobot ke 4 Baru :
W41(baru) = W41(lama) + * (X41 W41(lama)) = 3 + 0,05 * (4-3) = 3,05
21
 W42(baru)= W42(lama) + * (X42 W42(lama)) = 2 + 0,05 * (2-2) = 2
W43(baru)= W43(lama) + * (X43 W43(lama)) = 1 + 0,05 * (3-1) = 1,1
W44(baru) = W44(lama) + * (X44 W44(lama)) = 3 + 0,05 * (2-3) = 2,95
W45(baru) = W45(lama) + * (X45 W45(lama)) = 1 + 0,05 * (2-1) = 1,05
W46 (baru)= W46(lama) + * (X46 W46(lama)) = 1 + 0,05 * (1-1) = 1
Jadi :
W4(baru) = (3.05,2, 1.1, 2.95, 1.05, 1)

Data ke-5: (4,1,3,4,3,2)

Jarak Pada :
Bobot ke-1
=(4 1)2 + (1 1)2 +(3 3)2 + (4 1,95)2 + (3 3,05)2 + (2 2)2 = 13,21
Bobot ke-2
=(4 3)2 + (1 2)2 +(3 1,1)2 + (4 1)2 + (3 1,95)2 + (2 3)2 = 16,71
Bobot ke-3
=(4 2)2 + (1 2)2 +(3 1)2 + (4 2)2 + (3 2)2 + (2 3)2 = 15
Bobot ke-4
=(4 3.05)2 + (1 2)2 +(3 1,1)2 + (4 2,95)2 + (3 1,05)2 + (2 1)2=11,42
Bobot ke-5
=(4 3)2 + (1 1)2 +(3 3)2 + (4 4)2 + (3 4)2 + (2 2)2 = 2
Bobot ke-6
=(4 5)2 + (1 0,95)2 +(3 1,95)2 + (4 3)2 + (3 2,95)2 + (2 3)2 =4,1
Jarak terkecil pada bobot ke-5
Target data ke-5
Karena jarak terkecil = target data
Inisialisasi bobot ke 5 Baru :
W51(baru) = W51(lama) + * (X51 W51(lama)) = 3 +0,05 * (4-3) = 3,05
W52(baru) = W52(lama) + * (X52 W52(lama)) = 1 + 0,05 * (1-1) =1
W53(baru) = W53(lama) + * (X53 W53(lama)) = 3 + 0,05 * (3-3) =3
W54(baru) = W54(lama) + * (X54 W54(lama)) = 4 + 0,05 * (44) =4
W55(baru) = W55(lama) + * (X55 W55(lama)) = 4 + 0,05 * (3-4) = 3,95
W56(baru) = W56(lama) + * (X56 W56(lama)) = 2 + 0,05 * (2-2) =2
Jadi :
W5 = (3.05, 1, 3, 4, 3,95, 2)

Data ke-6: (5,1,1,4,1,3)

Jarak Pada :
Bobot ke-1
=(5 1)2 + (1 1)2 +(1 3)2 + (4 1,95)2 + (1 3,05)2 + (3 2)2 = 29,4
Bobot ke-2
=(5 3)2 + (1 2)2 +(1 1,1)2 + (4 1)2 + (1 1,95)2 + (3 3)2 = 14,91
22
 Bobot ke-3
=(5 2)2 + (1 2)2 +(1 1)2 + (4 2)2 + (1 2)2 + (3 3)2 = 15
Bobot ke-4
=(5 3,05)2 + (1 2)2 +(1 1,1)2 + (4 2,95)2 + (1 1,05)2 + (3 1)2 = 9,92
Bobot ke-5
(5 3,05)2 + (1 1)2 +(1 3)2 + (4 4)2 + (1 3,95)2 + (3 2)2 = 17,51
Bobot ke-6
=(5 5)2 + (1 0,95)2 +(1 1,95)2 + (4 3)2 + (1 2,95)2 + (3 3)2 = 5,71
Jarak terkecil pada bobot ke-6
Target data ke-6
Karena jarak terkecil = target data
Inisialisasi bobot ke 6 Baru :
W61(baru) = W61(lama) + * (X61 W51(lama)) = 5 + 0,05 * (5-5) =5
W62(baru) = W62(lama) + * (X62 W52(lama)) = 0,95 + 0,05 * (1-0,95) = 0,95
W63(baru) = W63(lama) + * (X63 W53(lama)) = 1,95 + 0,05 * (1-1,95) = 1,9
W64(baru) = W64(lama) + * (X64 W54(lama)) = 3 + 0,05 * (43) = 3,05
W65(baru) = W65(lama) + * (X65 W55(lama)) = 2,95 + 0,05 * (1-2,95) = 2,85
W66(baru) = W66(lama) + * (X66 W56(lama)) = 3 + 0,05 * (3-3) =3
Jadi :
W6 = (5, 0.95, 1.9, 3.05, 2.85, 3)

Setelah mencapai epoch 1 diperoleh bobot akhir seperti pada tabel 8 yaitu :
W1 (1,1,3,1.95,3.05,2)
W2 (3, 2, 1.1, 1, 1.95, 3)
W3 (2,2,1,2,2,3)
W4 (3.05,2, 1.1, 2.95, 1.05, 1)
W5 (3.05, 1, 3, 4, 3,95, 2)
W6 (5, 0.95, 1.9, 3.05, 2.85, 3)

Apabila ada contoh, seorang warga yang mempunyai keinginan untuk memilih
tanaman hortikultura dengan kriteria waktu panen 95 hari, total panen 1 kali, cara
menanam hidroponik, ketinggiannya 1300 Mdpl, luas lahan 700 dan dengan harga
25.000 , maka nilai dapat di klasiffikasikan sesuai tabel.2 menjadi (4,1,3,4,1,3) maka
kita cari terlebih dahulu jarak input tersebut dengan keenam bobot. Nomor dari bobot
dengan jarak yang terpendek akan menjadi kelasnya
Data : 4,1,3,4,1,3
Jarak pada :
Bobot ke-1
=(4 1)2 + (1 1)2 +(3 3)2 + (4 1,95)2 + (1 3,05)2 + (3 2)2 = 18,4
Bobot ke-2
=(4 3)2 + (1 2)2 +(3 1,1)2 + (4 1)2 + (1 1,95)2 + (3 3)2 =15,51

23
 Bobot ke-3
=(4 2)2 + (1 2)2 +(3 1)2 + (4 2)2 + (1 2)2 + (3 3)2 = 14
Bobot ke-4
=(4 3,05)2 + (1 2)2 +(3 1,1)2 + (4 2,95)2 + (1 1,05)2 + (3 1)2 =10.61

Bobot ke-5
(4 3,05)2 + (1 1)2 +(3 3)2 + (4 4)2 + (1 3,95)2 + (3 2)2 = 10.6

Bobot ke-6
=(4 5)2 + (1 0,95)2 +(3 1,9)2 + (4 3.05)2 + (1 2,85)2 + (3 3)2= 6.537

Bobot ke-1 = 18.4

Bobot ke-2 = 15.51
Bobot ke-3 = 14
Bobot ke-4 = 10,61
Bobot ke-5 = 10.6
Bobot ke-6 = 6.537
Untuk mencari nilai yang sesuai dengan metode LVQ maka nilai yang diambil
adalah nilai dari bobot yang terkecil yaitu bobot 6, sehingga input tersebut termasuk
dalam kelas ke-6, dan tanaman yang cocok ditanam yaitu tanaman SELEDRI (lihat
pada Tabel 2).

3.1.3. Tahap Perancangan

Subsistem data yang terorganisasi dalam suatu basis data. Untuk keperluan
sistem pendukung keputusan, diperlukan data yang relevan dengan permasalahan yang
hendak dipecahkan melalui simulasi.
Tahap perancangan sistem ini terdiri dari 3 (tiga) tahapan yaitu :

1. Perancangan Basis Data

Perancangan sistem secara basis data (database) dapat dilakukan menggunakan
Usecase dan Diagram class yang menggunakan pendekatan model UML (Unified
Modelling Language).
1. Usecase

24
 Gambar 6. Usecase
2. Diagram Class

Gambar 7. Diagram Class

2. Perancangan Sistem secara umum

Perancangan secara umum merupakan tahapan perancangan model yang
merepresentasikan permasalahan kedalam model kuantitatif sebagai dasar
pengambilan keputusan. Flowchart dibuat untuk menggambarkan alur system yang
dibuat kedalam sebuah diagram menggunakan symbol, gambar, dan keterangan untuk
menjelaskan informasi tersebut dimulai dari (start) untuk awal hingga selesai (end).
Berikut adalah rancangan Flowchart Program yang dapat dilihat pada gambar 8.

1. Flowchart Program

25
 Gambar 8. Flowchart Program

3. Perancangan Sistem Secara Detail

Merancang form-form yang digunakan sebagai media komunikasi sistem dengan
pengguna. Perancangan ini dimaksudkan agar system dapat mudah dimengerti oleh
penggunanya.

Rancangan Form Kriteria

Menu Kriteria berisi form tentang kriteria yang digunakan beserta nilai yang
diinputkan oleh admin, untuk mendapatkan bobot akhir, yang nantinya akan diujikan
pada data data yang baru untuk mendapatkan hasil keputusan. Rancangan form kriteria
dapat dilihat pada gambar 9 sebagai berikut.

Gambar 9. Form Kriteria

26
Rancangan Form Penilaian
Menu Penilaian berisi form untuk menginputkan nilai nilai kriteria yang ada, di
form ini diinputkan nilai yang nantinya akan menghasilkan keputusan pemilihan
tanaman hortikultura. Rancangan form penilaian dapat dilihat pada gambar 10 sebagai
berikut.

Gambar 10. Form Penilaian

Rancangan Form Hasil Penelitian
Menu hasil penelitian berisi form untuk melihat hasil pemilihan tanaman
hortikultura, disini dapat melakukan print hasil pemilihan yang telah di inputkan
sehingga menjadi sebuah laporan. Form hasil penelitian dapat dilihat digambar 11.

Gambar 11. Form Hasil Keputusan

3.1.4 Implementasi Sistem

Tahap implementasi pada penelitian ini merupakan tahap pembuatan sistem,
Sistem berbasis intranet yang dibangun dengan menggunakan bahasa pemprograman
PHP dan HTML, untuk database menggunakan MySQL(XAMPP) sebagai web server
(localhost), untuk program editor menggunakan Sublime

27
3.1.5 Uji Coba Sistem
Tahap uji coba ini dilakukan untuk memastikan apakah hasil dari sistem sesuai
dengan hasil sebenarnya. Tahap-tahap pengujian yang dilakukan adalah :
a. Uji Struktural
Uji coba untuk mengetahui apakah sistem telah terstruktur dengan baik yang
ditekankan pada fitur-fitur aplikasi yang memenuhi kebutuhan pengguna apakah
sudah baik dan benar sesuai dengan rancangan yang telah dibuat.
b. Uji Fungsional
Uji coba fungsional dilakukan untuk mengetahui proses navigasi dan validasi
apakah aplikasi yang dibuat dapat berfungsi dengan baik atau tidak.
c. Uji Validasi
Uji coba validasi dilakukan dengan uji coba data dan hasilnya, apakah hasil dari
sistem sesuai dengan hasil yang diharapkan.

3.1.6 Tahap Penggunaan

Tahap penggunaan adalah tahap dimana sebelumnya sistem sudah sesuai serta
lulus ujicoba dan sudah dapat digunakan untuk masyarakat, sistem ini nantinya akan
diimplementasikan untuk masyarakat sekitar yang mempunyai lahan dan berniat
menanam tanaman holtikutura sayuran dalam pemilihan tanaman holtikultura sayuran
di lahanya.

28