Skripsi
i
LEMBAR PENGESAHAN
Judul Skripsi:
Ditulis oleh:
Gustitia Putri Perdana
I 0306003
Mengetahui,
Pembimbing 1 Pembimbing 2
ii
LEMBAR VALIDASI
Judul Skripsi:
Ditulis oleh:
Gustitia Putri Perdana
I 0306003
Dosen Penguji
Dosen Pembimbing
iii
ABSTRAK
Kata kunci : data antropometri, variabilitas, program aplikasi, basis data, uji
statistik
iv
ABSTRACT
v
KATA PENGANTAR
vi
DAFTAR ISI
ABSTRAK .......................................................................................................... vi
ABSTRACT ....................................................................................................... vii
KATA PENGANTAR ...................................................................................... viii
DAFTAR ISI ....................................................................................................... ix
DAFTAR TABEL .............................................................................................. xii
DAFTAR GAMBAR .........................................................................................xiii
DAFTAR LAMPIRAN ........................................................................................ xv
BAB I PENDAHULUAN
1.1 Latar Belakang ............................................................................. I-1
1.2 Perumusan Masalah ..................................................................... I-4
1.3 Tujuan Penelitian .......................................................................... I-4
1.4 Manfaat Penelitian ........................................................................ I-5
1.5 Batasan Masalah .......................................................................... I-5
1.6 Asumsi ......................................................................................... I-6
1.7 Sistematika Penulisan ................................................................... I-6
BAB II TINJAUAN PUSTAKA
2.1 Program Aplikasi ........................................................................ II-1
2.2 Desain Sistem .............................................................................. II-3
2.2.1 Data Flow Diagram (DFD) ................................................. II-3
2.2.2 Diagram Alir (Flowchart) ................................................... II-6
2.3 Basis Data ................................................................................... II-8
2.3.1 Sistem Basis Data ............................................................. II-10
2.3.2 Abstraksi Basis Data......................................................... II-12
2.3.3 Pemodelan Basis Data ....................................................... II-13
2.3.4 Model Entity Relationship ................................................. II-13
2.3.5 Bahasa yang Disediakan oleh Sistem Basis Data ............... II-14
2.3.6 Database Administrator ..................................................... II-15
2.4 Kamus Data ............................................................................... II-16
2.5 Perancangan User Interface ........................................................ II-17
2.6 Antropometri ........................................................................ .... II-18
vii
2.6.1 Pengertian Antropometri .................................................. II-18
2.6.2 Aplikasi Distribusi Normal dan Persentil dalam Penetapan
Data Antropometri ........................................................... II-23
2.6.3 Pengolahan Data Antropometri ......................................... II-25
2.3 Penelitian Sebelumnya .......................................................... .... II-28
BAB III METODE PENELITIAN
3.1 Tahap Identifikasi Masalah ........................................................ III-2
3.1.1 Studi Lapangan ................................................................. III-2
3.1.2 Perumusan masalah ........................................................... III-2
3.1.3 Penentuan tujuan penelitian ............................................... III-2
3.1.4 Studi Pustaka .................................................................... III-3
3.2 Tahap Pengumpulan dan Pengolahan Data ............................ .... III-3
3.2.1 Identifikasi dan Analisis Kebutuhan Informasi
Antropometri ..................................................................... III-4
3.2.2 Perancangan Basis Data .................................................... III-4
3.2.3 Perancangan Query dan User Interface .............................. III-4
3.2.4 Pembuatan Program Aplikasi............................................. III-5
3.3 Tahap Analisis Dan Interpretasi Hasil .................................... .... III-5
3.3.1 Pengujian Program Aplikasi ............................................. III-5
3.3.2 Analisis dan Interpretasi Hasil ........................................... III-5
3.4 Tahap Kesimpulan dan Saran ................................................. .... III-6
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Identifikasi dan Analisis Kebutuhan Informasi Antropometri ..... IV-1
4.1.1 Identifikasi Data Antropometri yang Dibutuhkan............... IV-4
4.1.2 Identifikasi Proses Pengolahan Data Antropometri ............ IV-7
4.2 Perancangan Basis Data Antropometri ......................................IV-12
4.2.1 Tahap Penentuan Entitas dan Atribut pada Basis Data .....IV-13
4.2.2 Pembuatan Relasi Antar Tabel .........................................IV-15
4.2.3 Pembuatan Kamus Data ...................................................IV-17
4.3 Perancangan Query dan User Interface ......................................IV-19
4.3.1 Perancangan Query .........................................................IV-19
4.3.2 Perancangan user interface ..............................................IV-21
viii
4.4 Pembuatan Program Aplikasi Pengelolaan Data Antropometri ...IV-26
BAB V ANALISIS DAN INTERPRETASI HASIL ........................................ V-1
BAB VI KESIMPULAN DAN SARAN
6.1 Kesimpulan ................................................................................ VI-1
6.2 Saran .......................................................................................... VI-1
DAFTAR PUSTAKA
ix
DAFTAR TABEL
x
DAFTAR GAMBAR
xi
Gambar 4.14 Rancangan Form Kategori Data Antropometri dan Uji Statistik
Gambar 4.15 Rancangan Output Report Data Personal
Gambar 4.16 Rancangan Output Report Data Antropometri
Gambar 4.17 Rancangan Output Report Kategori Data Antropometri dan Uji
Statistik
Gambar 5.1 Hasil Perhitungan Uji Kenormalan dengan Prolaktri
Gambar 5.2 Detail Perhitungan Uji Kenormalan dengan Prolaktri
Gambar 5.3 Hasil Perhitungan Uji Keseragaman dengan Prolaktri
Gambar 5.4 Detail Perhitungan Uji Keseragaman dengan Prolaktri
Gambar 5.5 Hasil Perhitungan Uji Kecukupan dengan Prolaktri
Gambar 5.6 Detail Perhitungan Uji Kecukupan dengan Prolaktri
Gambar 5.7 Hasil Perhitungan Persentil dengan Prolaktri
xii
DAFTAR LAMPIRAN
xiii
BAB I
PENDAHULUAN
Pada bab ini diuraikan beberapa hal pokok mengenai penelitian ini, yaitu
latar belakang, perumusan masalah, tujuan penelitian, manfaat penelitian, batasan
masalah, asumsi penelitian dan sistematika penulisan.
1.1. LATAR BELAKANG MASALAH
Antropometri semakin memegang peran penting dalam penelitian dan
perancangan produk berbasis prinsip ergonomi, terutama dalam bidang kesehatan,
olahraga, industri, dan bahkan area teknologi informasi. Hal ini dikarenakan
semakin pentingnya aspek ergonomi dalam suatu proses rancang bangun fasilitas
kerja sebagai penunjang peningkatan pelayanan jasa produksi (Ferreira, 2003).
Untuk merancang produk ergonomis, harus diperhatikan penggunaan data
antropomteri berdasarkan variabilitasnya. Hal ini dikarenakan data antropometri
berbeda-beda akibat beberapa faktor yang mempengaruhi ukuran tubuh manusia
yaitu: umur, jenis kelamin, suku bangsa, sosio ekonomi dan posisi tubuh
(Wignjosoebroto, 2000). Faktor pembeda tiap data antropometri tubuh juga bisa
disebabkan oleh cacat tubuh, jenis pekerjaan, dan kondisi hamil pada wanita
(Nurmianto, 1999). Dengan memilih data antropometri yang tepat, maka seorang
peneliti atau perancang produk akan mampu menyesuaikan bentuk dan geometris
ukuran dari produk rancangannya dengan bentuk maupun ukuran segmen-segmen
bagian tubuh operator yang nantinya akan mengoperasikan produk tersebut.
Dengan demikian juga dapat dipastikan kalau sebagian besar populasi dari
konsumen produk tersebut nantinya akan dapat menggunakan/mengoperasikan
produk secara efektif, efisien, nyaman dan hanya sebagian kecil saja yang tidak
dapat menggunakan.
Berdasarkan pengamatan tentang penelitian atau perancangan produk
berbasis prinsip ergonomi yang terdapat di Jurusan Teknik Industri UNS, dapat
dikatakan bahwa data antropometri sangat bermanfaat dan telah banyak
digunakan. Akan tetapi setiap kali akan menggunakan data antropometri,
I-1
peneliti/perancang harus melakukan survey pengambilan data baru. Hal ini tentu
memperlambat proses kerja dan menambah penggunaan waktu. Apabila setelah
survey ternyata data yang diambil tidak mencukupi kebutuhan, maka harus
melakukan pengambilan data kembali hingga data sesuai dengan yang
dibutuhkan. Permasalahan juga terjadi jika data antropometri yang digunakan
merupakan campuran dari beberapa kategori variabilitas data, misalnya data
antropometri usia dewasa bercampur dengan data usia lanjut usia. Apabila hal ini
terjadi maka akan berpengaruh pada hasil rancangan atau penelitian yang
dilakukan. Proses pengolahan data antropometri yang meliputi uji statistik, juga
menjadi salah satu pertimbangan pada hasil penelitian atau perancangan produk
yang dilakukan. Perhitungan yang masih manual tentu tidak menjamin hasil
penelitian yang benar-benar valid. Masalah lain yang muncul adalah ketika
penelitian selesai, data antropometri tersebut seolah-olah sudah kadaluarsa, atau
data yang telah diambil ada bagian atau bahkan semuanya hilang setelah selesai
digunakan, sehingga data menjadi tidak layak untuk penelitian yang baru.
Berdasarkan uraian diatas dapat dinyatakan bahwa data antropometri belum
didokumentasikan dengan baik. Selama ini dokumentasi data antropometri hanya
menggunakan aplikasi Microsoft Excel dan kertas kerja yang rentan terkena virus
dan data hilang. Penambahan data antropometri yang terjadi hampir setiap tahun
menjadi pertimbangan diperlukannya suatu sistem yang lebih baik untuk
menyimpan/ mendokumentasikannya. Khususnya data yang dibagi berdasarkan
kategori variabilitasnya. Sistem yang dimaksud adalah program aplikasi
pengelolaan data antropometri. Jadi, jika akan melakukan penelitian atau
perancangan produk berbasis ergonomi, peneliti dapat dengan mudah
memanfaatkannya tanpa harus melakukan pengambilan data ulang. Karena
menurut Panero (1979) dalam penelitian atau perancangan produk berbasis
ergonomi yang bersifat umum, pengambilan data berdasarkan data populasi yang
ada di pasaran pada umumnya atau dengan kata lain bisa menggunakan data yang
sudah terdokumentasi. Berbeda jika penelitian atau perancangan produk yang
tujuannya untuk perseorangan atau sekelompok kecil orang saja, maka
dimungkinkan untuk mengembangkan data antropometri sendiri dengan cara
I-2
benar-benar melakukan pengukuran tubuh dari calon pemakai yang bersangkutan
(Panero,1979).
Program aplikasi data antropometri sudah pernah diciptakan pada
diantaranya ‘WHO Anthro’, RAPIL, dan WEAR (Komalina,2009; Ferreira dkk.,
2004; Mollarda dkk., 2006). Akan tetapi program-program tersebut belum bisa
digunakan sebagai sarana pengelolaan data antropometri yang mendukung
penelitian dan perancangan produk berbasis ergonomi karena fungsinya hanya
mengumpulkan data antropometri anak untuk kegiatan analisis status gizi dan
tumbuh kembang anak. Sehingga perlu dirancang suatu program baru dengan
menambahkan fitur-fitur yang mengakomodasi kebutuhan data antropometri
secara umum dan bisa melakukan uji statistik untuk membantu mengurangi
tingkat kesalahan dalam pengolahan data antropometri. Dasar dari perancangan
program aplikasi ini adalah basis data, dengan keuntungan antara lain: reduksi
duplikasi data yang mencegah inkonsistensi data; kemudahan, kecepatan, dan
efisiensi akses atau pemanggilan data; kemudahan untuk mengorganisasi dan
mengelola data dalam jumlah besar; dan meningkatkan faktor keamanan data
(Fathansyah,1999).
1.2. PERUMUSAN MASALAH
Perumusan masalah penelitian ini adalah bagaimana merancang program
aplikasi pengelolaan data antropometri sebagai pendukung penelitian dan
perancangan produk berbasis ergonomi?
1.3. TUJUAN PENELITIAN
Tujuan dari penelitian ini adalah merancang program aplikasi pengelolaan
data antropometri sebagai pendukung penelitian dan perancangan produk berbasis
ergonomi yang dapat menampung semua kategori variabilitas data antropometri,
dapat diperbaharui isi datanya setiap saat sesuai dengan kondisi data terbaru, serta
dapat melakukan uji statistik meliputi uji kenormalan, uji keseragaman, uji
kecukupan dan persentil data.
1.4. MANFAAT PENELITIAN
Perancangan program aplikasi pengelolaan data antropometri ini bermanfaat
dalam membantu para peneliti atau perancang produk yang akan melakukan
I-3
penelitian atau perancangan produk berbasiskan prinsip ergonomi yang:
1. Memudahkan peneliti/perancang produk dalam mengumpulkan data
antropometri yang dibutuhkan pada saat penelitian atau perancangan
berbasis ergonomi.
2. Program aplikasi mampu melakukan uji statistik dan dapat memilih data
antropometri berdasarkan kategori variabilitas sesuai keinginan peneliti/
perancang.
3. Bagian administrasi basis data dapat memperbaharui data antropometri
sesuai keadaan terbaru dengan mudah.
1.5. BATASAN MASALAH
Agar penelitian dapat sesuai dengan tujuan, maka diberikan batasan pada
penelitian ini. Adapun batasan permasalahan dalam penelitian ini adalah :
1. Program aplikasi ini digunakan untuk mendukung penelitian atau
perancangan produk berbasis ergonomi yang didalamnya menggunakan
prinsip antropometri.
2. Penelitian ini fokus pada permasalahan data antropometri dengan
mengambil contoh data dari Jurusan Teknik Industri Universitas Sebelas
Maret.
3. Data yang diambil berupa data antropometri statis dengan 66 atribut data
yang sering digunakan dalam pengukuran.
4. Program aplikasi yang dirancang bisa memuat kategori data antropometri
antara lain: jenis kelamin, usia, cacat tubuh pengguna kursi roda, dan
kehamilan pada wanita, dan suku bangsa.
5. Uji statistik yang digunakan untuk mengolah data antara lain uji
kenormalan, uji keseragaman, uji kecukupan, dan persentil.
1.6. ASUMSI PENELITIAN
Asumsi penelitian diperlukan untuk menyederhanakan kompleksitas
permasalahan yang diteliti. Asumsi yang digunakan adalah nilai persentil yang
digunakan pada setiap penelitian atau perancangan produk adalah 5, 50, dan 95.
I-4
1.7. SISTEMATIKA PENULISAN
Pada bagian ini menguraikan gambaran umum mengenai tata cara
penyusunan laporan penelitian dan isi pokok dari laporan penelitian ini.
BAB I : PENDAHULUAN
Bab ini menguraikan berbagai hal mengenai latar belakang penelitian, perumusan
masalah, tujuan penelitian, manfaat penelitian, batasan masalah, dan sistematika
penulisan. Uraian bab ini menjelaskan latar belakang penelitian yang dilakukan
sehingga memberikan pengetahuan sesuai tujuan penelitian dan batasan-batasan
yang digunakan.
I-5
BAB V : ANALISIS DAN INTERPRETASI HASIL
Bab ini menguraikan analisis dan interpretasi hasil serta mengevaluasi
perancangan program aplikasi pengelolaan data antropometri.
I-6
BAB II
TINJAUAN PUSTAKA
Pada bab ini dibahas mengenai landasan teori yang dipakai dalam penelitian
ini, yaitu basis data, sistem basis data, abstraksi data, bahasa pemrograman,
administrator basis data, dan antropometri. Landasan teori ini digunakan peneliti
sebagai pedoman dalam melaksanakan penelitian.
II-1
tersebut. Beberapa aplikasi menawarkan kekuatan komputasi dengan
memfokuskan diri pada pekerjaan tunggal, seperti memproses kata, mengolah
grafik, ataupun memanipulasi angka, misalnya program Abiword, Blender 3D dan
lain-lain. Beberapa aplikasi lainnya disebut aplikasi integrasi menawarkan
kekuatan yang memiliki beberapa aplikasi word prosesor, spreadsheet, ataupun
program data base. Contohnya adalah Microsoft office.
Program aplikasi dibagi menjadi beberapa kategori antara lain adalah
(www.wikipedia.com, 2008) :
1. Enterprise Software
Enterprise software muncul berdasarkan kebutuhan organisasi akan proses
organisasi serta aliran data dalam skala yang luas.
2. Enterprise Infrastucture Software
Mendukung kemampuan pada sistem enterprise software
3. Information Worker Software
Information worker software muncul didasarkan pada kebutuhan individu
untuk menciptakan dan mengatur informasi.
4. Content Access Software
Content access software digunakan untuk mengakses sebuah content tanpa
mengubahnya, tetapi adapula beberapa aplikasi yang menyediakan fitur untuk
mengubah content.
5. Simulation Software
Digunakan untuk mensimulasikan sistem fisik atau abstrak untuk keperluan
penelitian, pelatihan, maupun hiburan.
6. Media Development Software
Muncul karena kebutuhan individu guna menghasilkan karya elektronik untuk
keperluan komersil.
7. Educational Software
Berhubungan dengan fungsi media dan hiburan, tetapi memiliki tujuan khusus
untuk pendidikan.
8. Product Engineering Software
Digunakan untuk mengembangkan hardware dan produk software.
II-2
2.2 DESAIN SISTEM
Desain sistem suatu fase dimana diperlukan suatu keahlian perencanaan
untuk elemen-elemen komputer yang akan menggunakan sistem baru (Kristanto,
2003). Ada dua hal yang perlu diperhatikan dalam desain sistem yaitu pemilihan
peralatan dan program komputer untuk sistem yang baru. Alat bantu yang
digunakan dalam desain sistem adalah Data Flow Diagram (DFD), kamus data
(Data Dictionary), diagram konteks, daftar kejadian, dan lain – lain.
Desain sistem merupakan proses penyiapan spesifik yang terperinci untuk
pengembangan sistem baru. Dimulai dari spesifikasi output sistem yang
diperlukan, mencakup isi format, volume dan frekuensi laporan – laporan dan
dokumen – dokumen (Kristanto, 2003).
Data flow diagram (DFD) adalah suatu model logika yang menggambarkan
proses – proses yang berlangsung dalam sistem dan juga aliran data dari proses
input sampai proses output. Data flow diagram (DFD) merupakan alat yang cukup
populer sekarang, karena dapat menggambarkan entitas, proses dan arus data di
dalam suatu sistem dengan terstruktur dan jelas. DFD memiliki simbol – simbol
untuk menggambarkan sistem, berikut ini simbol-simbol yang digunakan dalam
data flow diagram (DFD).
1. Entitas luar
Setiap sistem pasti memiliki batas sistem yang memisahkan suatu sistem
dengan lingkungan luarnya. Sistem akan menerima input dan menghasilkan
output bagi lingkuangan luarnya. Entity luar merupakan kesatuan di lingkungan
luar sistem yang dapat berupa orang, organisasi atau sistem lain yang berada di
lingkungan luarnya yang akan memberikan input serta menerima output dari
sistem. Suatu entity luar dapat disimbolkan dengan notasi kotak dapat dilihat
seperti pada gambar 2.1.
II-3
2. Aliran data (data flow)
Arus data pada diagram arus data diberi simbol panah. Arus data ini mengalir
diantara proses, penyimpanan data dan kesatuan luar. Arus data ini
menunjukkan arus atau aliran data yang dapat berupa masukan untuk sistem
atau hasil dari proses sistem dan dapat berbentuk sebagai berikut ini :
a. Formulir atau dokumen yang digunakan.
b. Laporan tercetak yang dihasilkan oleh sistem.
c. Tampilan atau output di layar komputer yang dihasilkan oleh sistem.
d. Masukan oleh komputer.
e. Komunikasi ucapan.
f. Surat-surat atau memo.
g. Data yang dibaca atau direkam pada suatu file.
h. Surat isian yang dicatat pada buku agenda.
i. Transmisi data dari satu komputer ke komputer yang lain.
Arus data sebaiknya diberi nama yang jelas dan mempunyai arti. Nama dari
arus data dituliskan di samping garis panahnya. Simbol untuk arus data dapat
dilihat pada gambar 2.2.
3. Proses (Process)
Suatu proses adalah kegiatan atau kerja yang dilakukan orang, mesin atau
komputer dari hasil suatu arus data yang masuk ke dalam proses untuk
dihasilkan arus data yang akan keluar dari proses. Untuk physical data flow
diagram (PDFD), proses dapat dilakukan oleh orang, mesin atau komputer.
Sedangkan untuk logical data flow diagram (LDFD), suatu proses hanya
menunjukkan proses dari komputer. Suatu proses dapat ditunjukkan dengan
simbol lingkaran atau dengan simbol empat persegi panjang. Simbol proses
dapat dilihat pada gambar 2.3.
II-4
Gambar 2.3 Simbol proses di DFD
Sumber : Kristanto, 2003
II-5
Nama dari data store menunjukkan nama dari file. Untuk PDFD, supaya
memperjelas simpanan data ini, penjelasan mengenai media dari simpanan data
perlu dicantumkan seperti misalnya buku atau arsip atau suatu kotak dan lain
sebagainya. Sedangkan untuk LDFD, penjelasan ini dapat digunakan untuk
identifikasi dari simpanan data yang berguna sebagai acuan dalam merancang
database.
2.2.2 Diagram Alir (Flowchart)
Flowchart adalah penggambaran secara grafik dari langkah-langkah dan
urut-urutan prosedur dari suatu program. Flowchart menolong analis dan
programer untuk memecahkan masalah kedalam segmen-segmen yang lebih kecil
dan menolong dalam menganalisis alternatif-alternatif lain dalam pengoperasian.
Flowchart biasanya mempermudah penyelesaian suatu masalah khususnya
masalah yang perlu dipelajari dan dievaluasi lebih lanjut. Berikut ini adalah jenis–
jenis flowchart.
1. Diagram Alir Sistem (System Flowchart)
2. Diagram Alir Paperwork/Diagram Alir Dokumen (Document Flowchart)
3. Diagram Alir Skematik (Schematic Flowchart)
4. Diagram Alir Program (Program Flowchart)
5. Diagram Alir Proses (Process Flowchart)
Bila seorang analisis dan programer akan membuat flowchart, ada beberapa
petunjuk dan pedoman yang harus diperhatikan, seperti :
1. Flowchart digambarkan dari halaman atas ke bawah dan dari kiri ke kanan.
2. Aktivitas yang digambarkan harus didefinisikan secara hati-hati dan definisi ini
harus dapat dimengerti oleh pembacanya.
3. Kapan aktivitas dimulai dan berakhir harus ditentukan secara jelas.
4. Setiap langkah dari aktivitas harus diuraikan dengan menggunakan deskripsi
kata kerja.
5. Setiap langkah dari aktivitas harus berada pada urutan yang benar.
6. Lingkup dan range dari aktifitas yang sedang digambarkan harus ditelusuri
dengan hati-hati. Percabangan-percabangan yang memotong aktivitas yang
sedang digambarkan tidak perlu digambarkan pada flowchart yang sama.
II-6
Simbol konektor harus digunakan dan percabangannya diletakan pada halaman
yang terpisah atau hilangkan seluruhnya bila percabangannya tidak berkaitan
dengan sistem.
7. Gunakan simbol-simbol flowchart yang standar. Simbol-simbol flowchart yang
biasanya dipakai adalah simbol-simbol flowchart standar yang dikeluarkan
oleh ANSI dan ISO.
Tabel 2.1. Simbol Flowchart Standar ANSI dan ISO
Simbol Arti Contoh
Keputusan Keputusan dalam program
Apakah
A<b
=
>
start
II-7
Tabel 2.2. Simbol Flowchart Standar ANSI dan ISO (lanjutan)
Simbol Arti Contoh
Anak panah Merepresentasikan alur kerja
Hitung
upah kotor
3
Penjelasan Untuk komentar tambahan
Urutkan sblm berdasarkan
pembayaran no pelanggan
II-8
utama maupun di memori sekunder) yang harus disediakan. Dengan basis data
efisiensi dan optimalisasi penggunaan ruang penyimpanan dapat dilakukan
karena dapat melakukan penekanan jumlah redundansi, baik dengan
menerapkan sejumlah pengkodean maupun dengan membuat relasi-relasi antar
kelompok data yang saling berhubungan.
c. Keakuratan (accuracy)
Pemanfaatan pengkodean atau pembentukan relasi antar data bersama dengan
penerapan aturan/batasan tipe data, domain data, keunikan data dan
sebagainya yang secara ketat dapat diterapkan dalam sebuah basis data sangat
berguna untuk menekan ketidakakuratan penyimpanan data.
d. Ketersediaan (availability)
Pertumbuhan data sejalan dengan waktu akan semakin membutuhkan ruang
penyimpanan yang besar. Padahal tidak semua data itu selalu dibutuhkan.
Karena itu harus dilakukan pemilahanan antara data utama, data transaksi,
data histori dan data kadaluwarsa. Data yang sudah jarang dipakai dapat diatur
sebagai offline baik dengan cara penghapusan maupun dengan cara
memindahkan ke media offline lainnya.
e. Kelengkapan (completeness)
Untuk mengakomodasi kebutuhan kelengkapan data yang semakin
berkembang maka tidak hanya menambahkan record-record data, tetapi juga
dapat melakukan perubahan struktur dalam basis data baik dalam bentuk
penambahan objek baru atau dengan penambahan field-field baru pada setiap
tabel.
f. Keamanan (Security)
Dengan menggunakan basis data dapat ditentukan siapa saja yang dapat
memakai basis data tersebut beserta objek-objek didalamnya dan menentukan
jenis-jenis operasi apa saja yang boleh dilakukan.
g. Kebersamaan pemakaian (shareability)
Basis data yang dikelola oleh sistem mendukung lingkungan multiuser tetapi
tetap menjaga terhadap munculnya inkonsistensi data (karena data yang
samadiubah oleh banyak pemakai pada saat bersamaan) atau kondisi deadlock
II-9
(karena banyak pemakai yang saling menunggu untuk menggunakan data ).
II-10
cara mereka berinteraksi terhadap sistem :
1. Programmer aplikasi
Pengguna yang berinteraksi dengan basis data melalui Data Manipulation
Language (DML), yang disertakan dalam program yang ditulis dengan
bahasa pemrograman induk (misalnya C, Pascal, dan Cobol).
2. User mahir (casual user)
Pengguna yang berinteraksi dengan sistem tanpa menulis modul program.
Mereka menyatakan query (untuk akses data) dengan bahasa query yang
telah disediakan oleh DBMS.
3. User Umum (end user naive user)
Pengguna yang berinteraksi dengan sistem basis data melalui pemanggilan
satu program aplikasi permanen (executable program) yang telah
ditulis/disediakan sebelumnya.
4. User khusus (spesialized user)
Pengguna yang menulis aplikasi basis data nonkonvensional tetapi untuk
keperluan-keperluan khusus, seperti aplikasi AI, sistem pakar, pengolahan
citra, dan sebagainya yang bisa mengakses basis data dengan/tanpa DBMS
bersangkutan.
II-11
b. Conceptual/Logical Level
Level ini lebih tinggi dari level sebelumnya. Menghubungkan antara internal
& eksternal level. Conceptual level adalah sebuah representasi seluruh muatan
informasi yang dikandung oleh basis data dan hubungan apa yang ada diantara
data tersebut. Administrator basis data dapat menggunakan tingkatan abstraksi
logika ini untuk memutuskan informasi apa yang disimpan di dalam basis data.
c. External/View Level
Merupakan level tertinggi dan yang paling sederhana dibanding level
sebelumnya. Berhubungan dengan bagaimana data direpresentasikan dari sisi
setiap pengguna.Yang dimaksud dengan pengguna adalah programmer, enduser
atau DBA. Setiap pengguna mempunyai ‘bahasa’ yang sesuai dengan
kebutuhannya. Programmer: bahasa yang digunakan adalah bahasa
pemrograman seperti C, COBOL, atau PL/I. Enduser: bahasa yang digunakan
adalah bahasa query atau menggunakan fasilitas yang tersedia pada program
aplikasi pada level eksternal ini, user dibatasi pada kemampuan perangkat keras
dan perangkat lunak yang digunakan aplikasi basis data.
II-12
pandangan basis data jaringan dan relasional. Kegunaan model ini adalah:
a. Mampu memetakan model relasional dengan baik dengan membangun
tabel relasional.
b. Sederhana dan mudah dipahami hanya dengan sedikit palatihan.
c. Bisa digunakan sebagai suatu rencana perancangan oleh pengembang basis
data untuk menerapkan suatu model data dalam perangkat lunak
manajemen basis data spesifik.
Dasar-dasar membuat pemodelan E-R antara lain harus memahami tentang :
a. Entitas. Adalah objek data prinsip tentang informasi yang dikumpulkan.
Entitas umumnya berupa konsep yang bisa dikenal, baik konkret maupun
abstrak, seperti orang, tempat, benda, atau peristiwa yang memiliki
keterkaitan dengan basis data.
b. Relasi. Suatu relasi menyajikan asosiasi antara dua entitas atau lebih.
c. Atribut. Menguraikan entitas dimana mereka dihubungkan. Kejadian dari
suatu atribut tertentu adalah suatu nilai (value). Domain suatu atribut
merupakan koleksi dari segala kemungkinan atas nilai-nilai atribut yang
dimiliki.
Notasi diagram relasi dikembangkan oleh Peter Chen pada tahun 1976.
Notasi dasar ERD ditabelkan sebagai berikut :
Tabel 2.3. Notasi Dasar ERD
Notasi Keterangan
Suatu entity merupakan suatu objek atau konsep
Entity mengenai tempat yang diinginkan untuk
menyimpan informasi.
Atribut adalah sifat-sifat atau karakteristik dari
atribut
suatu entitas.
Suatu key atribut adalah unik dan memiliki
Key
karakteristik pembeda dari entitas.
atribut
Relationship mengilustrasikan bagaimana dua
relationship entitas berbagi informasi di dalam struktur basis
data.
Sumber: Simarmata, 2007
II-13
2.3.5 Bahasa yang Disediakan oleh Sistem Basis Data
Sebuah sistem basis data menyediakan dua tipe bahasa yaitu: tipe untuk
menyepesifikasikan skema basis data, disebut DDL, dan tipe untuk
mengekspresikan query atau update basis data, disebut MDL.
II-14
Design (kadang-kadang disebut Conceptual Database Design). Setelah DBA
menentukan muatan dari basis data maka DBA akan menyusun skema
konseptual menggunakan DDL (Data Definition Language). Kemudian
dengan DBMS, skema tersebut diimplementasikan.
b. Mendefinisikan skema internal
Selain menentukan skema konseptual dari basis data, DBA juga bertanggung
jawab terhadap desain penyimpanan data secara fisik.
c. Mensosialisasikan hasil rancangan baik konseptual dan internal ke user
d. Mendefinisikan aturan-aturan sekuriti dan integritas data
Dalam hal ini tugas DBA adalah menyakinkan user bahwa data-data yang
mereka perlukan semua telah tersedia dan membantu user untuk
mengimplementasikan rancangan tersebut dalam DDL.
e. Mendefinisikan prosedur-prosedur back-up dan recovery.
f. Memonitor performansi sistem dan menangani perubahan-perubahan yang
ada.
II-15
Menjelaskan file dan struktur data mengenai model sistem yang digambarkan
dalam pemodelan sistem.
3. Kamus data arus data
Menggambarkan data yang mengalir dari satu proses ke proses lainnya, dari
entitas luar ke proses, dan dari proses ke entitas luar.
4. Kamus data terminologi bisnis
Menjelaskan istilah-istilah khusus dalam bisnis yang dijalankan.
II-16
pekerjaan. Bisa pula tampilan yang ada hanya untuk satu pekerjaan saja. Misal
untuk mengirim email, maka user harus membuka tampilan tersendiri untuk
daftar alamat.
e. Konsisten. Contohnya seperti jika menggunakan istilah save yang berarti
simpan, maka istilah tersebut harus selalu digunakan.
f. Familiarity, misalnya icon disket akan lebih familiar jika digunakan untuk
perintah menyimpan.
g. Simplicity, aplikasi harus menyediakan pilihan default untuk suatu pekerjaan.
h. Direct Manipulation, user interface mampu manipulasi secara langsung
misalnya untuk mempertebal huruf, cukup dengan ctrl+B.
i. Control, memberikan kontrol penuh kepada user, yang biasanya memiliki
tipikal tidak mau terlalu banyak aturan.
j. WYSIWYG, What You See Is What You Get, membuat tampilan mirip seperti
kehidupan nyata user dan memastikan fungsionalitas yang ada berjalan sesuai
tujuan.
k. Flexibility, tool/alat yang bisa digunakan user tidak hanya terpaku pada
keyboard atau mouse saja.
l. Responsiveness, tampilan yang dibuat harus disertai tampilan respon missal
yang sering dilihat yaitu tampilan “please wait... 68%... “
m. Invisible Technology. User tidak penting mengetahui algoritma apa yang
digunakan. Contohnya untuk mengurutkan pengguna tidak perlu mengetahui
algoritma yang digunakan programmer (max sort, bubble sort, quick sort, dan
seterusnya)
n. Robustness, handal yakni dapat mengakomodasi kesalahan user.
o. Protection, melindungi user dari kesalahan yang umum dilakukan. Misalnya
dengan memberikan fitur back atau undo.
p. Ease of Learning, aplikasi mudah dipelajari.
q. Ease of use, aplikasi harus mudah digunakan.
II-17
2.6 ANTROPOMETRI
II-18
mempunyai kecenderungan untuk menurun yang antara lain disebabkan oleh
berkurangnya elastisitas tulang belakang (invertebral discs). Selain itu juga
dikarenakan penurunan dinamika gerak tangan dan kaki.
c. Suku bangsa (etnic)
Setiap suku bangsa ataupun kelompok etnic akan memiliki karakteristik fisik
yang berbeda satu dengan yang lainnya. Dimensi tubuh suku bangsa negara
Barat pada umumnya mempunyai ukuran yang lebih besar daripada dimensi
tubuh suku bangsa negara Timur.
d. Jenis Pekerjaan
Beberapa jenis pekerjaan tertentu menuntut adanya persyaratan dalam seleksi
karyawannya. Misalnya pekerjaan buruh mengharuskan orang-orang yang
berpostur lebih besar dibanding pekerja kantoran. Sedangkan menurut
Wignjosoebroto (2003) dimensi tubuh manusia juga dipengaruhi oleh tingkat
sosio ekonomi. Pada negara-negara maju dengan tingkat sosio ekonomi tinggi,
penduduknya mempunyai dimensi tubuh yang besar dibandingkan dengan
negara-negara berkembang.
e. Posisi tubuh (posture)
Sikap ataupun posisi tubuh akan berpengaruh terhadap ukuran tubuh oleh
karena itu harus posisi tubuh standar harus diterapkan untuk survei
pengukuran. Berkaitan dengan posisi tubuh manusia dikenal dua cara
pengukuran, yaitu:
1. Antropometri Statis (Structural Body Dimensions)
Pengukuran manusia pada posisi diam atau yang dibakukan. Disebut juga
pengukuran dimensi struktur tubuh dimana tubuh diukur dalam berbagai
posisi standart dan tidak bergerak (tetap tegak sempurna). Pengukuran
antropometri statis menjadi penting karena pengukuran ini menjadi dasar
dalam perancangan produk dan lingkungan kerja yang digunakan. Contoh
sederhana dari pengukuran ini adalah proses pembuatan pintu.
Perancangan pintu memerlukan ukuran statis jangkauan tangan ke atas
dalam posisi berdiri dan menentukan lebar pintu diperlukan ukuran statis
lebar bahu.
II-19
2. Antropometri Dinamis (Functional Body Dimensions)
Yang dimaksud antropometri dinamis adalah pengukuran keadaan dan
ciri-ciri fisik manusia dalam keadaan bergerak atau memperhatikan
gerakan-gerakan yang mungkin terjadi saat pekerja tersebut melaksanakan
kegiatannya.
Selanjutnya untuk memperjelas mengenai data antropometri yang tepat
diaplikasikan dalam berbagai rancangan produk ataupun fasilitas kerja, diperlukan
pengambilan ukuran dimensi anggota tubuh. Penjelasan mengenai pengukuran
dimensi antropometri tubuh yang diperlukan dalam perancangan dijelaskan pada
gambar berikut :
Keterangan gambar :
1. Dimensi tinggi tubuh dalam posisi tegak
2. Tinggi mata dalam posisi berdiri tegak
3. Tinggi bahu dalam posisi berdiri tegak
4. Tinggi siku dalam posisi berdiri tegak
5. Tinggi kepalan tangan yang terjulur lepas dalam posisi berdiri tegak
(dalam gambar tidak ditunjukkan)
6. Tinggi tubuh dalam posisi duduk
7. Tinggi mata dalam posisi duduk
II-20
8. Tinggi bahu dalam posisi duduk
9. Tinggi siku dalam posisi duduk
10. Tebal atau lebar paha
11. Panjang paha yang diukur dari pantat s/d ujung lutut
12. Panjang paha yang diukur dari pantat s/d bagian belakang dari ujung lutut
13. Tinggi lutut yang bisa diukur baik dalam posisi berdiri ataupun duduk
14. Tinggi tubuh dalam posisi duduk yang diukur dari lantai sampai dengan
paha
15. Lebar dari bahu
16. Lebar pinggul/pantat
17. Lebar dari dada dalam keadaan membusung
18. Lebar perut
19. Panjang siku yang diukur dari siku sampai ujung jari dalam posisi siku
tegak lurus
20. Kebar kepala
21. Panjang tangan diukur dari pergelangan sampai dengan ujung jari dalam
posisi tegak
22. Lebar telapak tangan
23. Lebar tangan dalam posisi terbentang
24. Tinggi jangkauan tangan dalam posisi berdiri tegak
25. Tinggi jangkauan tangan dalam posisi duduk tegak
26. Jarak jangkauan tangan yang terjulur ke depan
Pengukuran dimensi wajah dapat dilihat pada gambar 2.6 di bawah ini.
II-21
Keterangan gambar 2.2 diatas, yaitu:
1 = panjang kepala
2 = lebar kepala
3 = diameter maksimum dagu
4 = dagu ke puncak kepala
5 = telinga ke puncak kepala
6 = telinga ke belakang kepala
7 = antara dua telinga
8 = mata ke belakang kepala
9 = mata ke puncak kepala
10 = antara dua pupil mata
11 = hidung ke puncak kepala
12 = hidung ke belakang kepala
13 = mulut ke puncak kepala
14 = lebar mulut
II-22
sehingga data-data yang bernilai kurang lebih sama akan terkumpul dibagian
tengah grafik.
Persentil menunjukkan jumlah bagian per-seratus orang dari suatu
populasi yang memiliki ukuran tubuh tertentu. Tujuan penelitian, dimana sebuah
populasi dibagi-bagi berdasarkan kategori-kategori dengan jumlah keseluruhan
100% dan diurutkan mulai dari populasi terkecil hingga terbesar berkaitan dengan
beberapa pengukuran tubuh tertentu. Sebagai contoh bila dikatakan persentil ke-
95 dari suatu pengukuran tinggi badan berarti bahwa hanya 5% data merupakan
data tinggi badan yang bernilai lebih besar dari suatu populasi dan 95% populasi
merupakan data tinggi badan yang bernilai sama atau lebih rendah pada populasi
tersebut.
II-23
Keterangan tabel 2.2 di atas, yaitu:
x = mean data σ x = standar deviasi dari data x
− ∑x i
x= i =1
n
…………………………………………………....….persamaan 2.1
SD =
∑ ( x − x) 2
………………………………………………persamaan2.2
n −1
−
BKA = x + 2SD ……………………………………................…..persamaan 2.3
−
BKB = x − 2SD ………………………………………….........….persamaan 2.4
dengan;
SD = standar deviasi
xi = data ke-i
−
x = mean data
n = jumlah data
BKA = batas kendali atas
II-24
BKB = batas kendali bawah
Jika ada data yang berada di luar batas kendali atas maupun batas kendali
bawah, maka data tersebut harus dieliminasi atau dihilangkan. Untuk dapat
melihat keseragaman data dapat digunakan peta kendali.
X 2 c < df , α maka data dikatakan normal. Uji normalitas bisa pula menggunakan
uji Geary (Geary, 2008) dengan prosedur diantaranya adalah:
1. Menghitung mean ( X ), sample sum of square (SSS), dan sample of absolute
deviation (SAD) dengan menggunakan persamaan berikut :
n
− ∑ x ………………………………………………....………..persamaan 2.5
i
x = i =1
n
n
n −2 n
( ∑ xi ) 2
SSS = (n − 1)s 2 = ∑ xi2 − n x = ∑x i
2
− i −1
….….……….persamaan 2.6
i −1 i −1 n
n
SAD = ∑
i =1
x1 − x ……………………………………………...persamaan 2.7
II-25
2. Menghitung uji statistik Geary
SAD
a' = ………………………………………………………persamaan 2.8
n ( SSS )
(∑ X ) − (∑ X )
2
k / s N 2 2
N'= …………………………….……persamaan 2.10
i i
(∑ X )
i
Dengan ;
k = tingkat kepercayaan
s = derajat ketelitian
xi = data ke-i
N = jumlah data pengamatan.
N’ = jumlah data teoritis
Data dianggap telah mencukupi jika memenuhi persyaratan N’<N, dengan
kata lain jumlah data secara teotitis lebih kecil daripada jumlah data pengamatan
(Wignjosoebroto, 2000).
II-26
d. Perhitungan Persentil 5 dan 95
Pada penentuan dimensi rancangan fasilitas kerja pengecapan dibutuhkan
beberapa persamaan berdasarkan pendekatan antropometri. Perhitungan nilai
persentil 5 dan persentil 95 dari setiap jenis data yang diperoleh, dilanjutkan
dengan perhitungan untuk penentuan ukuran rancangan dan pembuatan rancangan
berdasarkan ukuran hasil rancangan.
Menurut Sritomo Wignjosoebroto (2000), untuk menghitung persentil 5 dan
persentil 95 menggunakan rumus pehitungan yang terdapat pada tabel 2.3
sebelumnya, misalnya :
−
II-27
integrasi dari berbagai jenis sistem basis data. Pendekatan yang dilakukan yaitu
mengembangkan ontologi untuk menggambarkan domain antropometri dan
sebagai pedoman dalam desain sistem basis data yang lebih besar. Alat
pengembangan ontologi disebut "Protégé" yang dikembangkan oleh Stanford
Medical Informatika. Untuk usaha awal pengembangan ontologi dimulai dengan
mengumpulkan dokumen-dokumen yang menggambarkan petunjuk antropometri
yang dibuat oleh John Roebuck. Digambarkan sebagai berikut.
II-28
manusia. Antropometri membantu mengetahui kesehatan, pertumbuhan, level
gerakan tubuh dan status gizi.
Pengukuran antropometri dapat digunakan pada kelompok besar populasi
seperti wanita hamil dan menyusui, janin dan bayi yang baru lahir, anak-anak,
remaja, dewasa yang overweight maupun kurus, atlet, induvidu diatas 60 tahun
dan lain sebagainya (Ferreira, dkk., 2004).
Dunia industri dan kesehatan sangat erat kaitannya dengan data
antropometri. Masih sedikit basis data antropometri yang mengakumulasi tentang
data kecacatan dan lansia (Brown,1995). Sehingga ia membangun basis data bagi
orang-orang lansia dan orang cacat untuk mendesain berbagai produk yang sesuai
dengan keadaan mereka. Fungsi alat ini adalah aplikasi software yang
menyediakan tempat penyimpanan dan percobaan dari sejumlah besar data secara
efisien dan dengan waktu yang singkat.
Basis data dalam software RAPIL menyimpan banyak sekali variasi
informasi dan diorganisasikan kedalam tabel-tabel yang saling berhubungan
dimana data disimpan dalam tipe biososial, rutinitas kehidupan sehari-hari, data
antropometri, prestasi sekolah, maturasi/kedewasaan. Pada penelitian ini data
antropomteri hanya digunakan untuk menaksir status pertumbuhan anak-anak. Hal
terpenting ditunjukkan dengan adanya referensi standar pertumbuhan untuk
membandingkan hasil yang diperoleh secara nyata dengan data yang disimpan di
program.
Software antropometri yang sudah ada adalah buatan WHO yaitu WHO
Anthro yang dikembangkan dari 6 wilayah melalui mekanisme WHO Multicetre
Growth Reference Study (1997-2003). Growth reference yang digunakan
software ini bermanfaat untuk: 1) pada tingkat individu dapat digunakan untuk
menilai pertumbuhan anak balita (0-5 tahun) melalui proses monitoring
pertumbuhan dan screening secara antropometris untuk kepentingan intervensi. 2)
pada tingkat masyarakat dapat digunakan untuk menilai status kesehatan
masyarakat (Komalyna, 2009). Fasilitas yang disediakan software ini dapat dibagi
menjadi tiga program utama yaitu sebagai kalkulator antropometri, program
individual assessment, dan nutritional survey.
II-29
Gambar 2.10 Software aplikasi antropometri dari WHO
Sumber : Komalyna, 2009
II-30
Gambar 2.12 Fitur “Nutricional Survey”
Sumber : Komalyna, 2009
Software-software sejenis WHO Anthro masih ada lagi yaitu EPI INFO,
Nutrisurvey for SMART (Komalyna, 2009). Tetapi karena fungsinya hanya
sebagai evaluator perkembangan motorik dan keadaan gizi anak, software-
software tersebut ini tidak bisa digunakan sebagai acuan untuk menyimpan data
antropometri dari kelompok individu secara umum. Hanya saja dengan adanya
software ini bisa dijadikan acuan dasar perancangan software aplikasi sebagai
basis data antropometri dari populasi individu yang lebih luas.
II-31
BAB III
METODE PENELITIAN
III-1
Diagram alir metode penelitian pada gambar 3.1 dapat diuraikan sebagai
berikut.
Tahap awal dari penelitian ini yaitu studi lapangan. Tahap ini dilakukan
dengan mengamati penggunaan data antropometri dengan mengambil contoh studi
kasus di jurusan Teknik Industri UNS serta mengumpulkan data tersebut.
III-2
3.1.4 Studi Pustaka
III-3
(object-oriented analysis) dan DFD (data flow diagram). Metode tersebut
menggunakan teknik diagram untuk mengorganisasi dan menampilkan
kebutuhan proses informasi. Dokumentasi tambahan dalam bentuk teks,
tabel, grafik dan keputusan melengkapi diagram tersebut.
III-4
user interface, yaitu :
1. Merancang interface input,
Interface input merupakan halaman untuk memasukkan data. Halaman ini
dibuat untuk membantu pengguna dalam meng-input data kedalam database.
2. Merancang interface output,
Langkah selanjutnya adalah merancang interface output. Output yang
dihasilkan meliputi laporan dalam bentuk output form dan output report form.
Output form yaitu berupa form yang menyajikan pengkategorian data
antropometri berdasarkan aturan query dan hasil perhitungan uji statistik data
antropometri. Output tersebut masih dalam bentuk form. Sedangkan output
report form merupakan bentuk output dari output form yang nantinya bisa
dijadikan printout.
III-5
pemrogramannya apakah sudah mampu bekerja seperti tujuan yang diharapkan
atau belum.
Tools atau media untuk menguji program aplikasi bisa berupa pertanyaan-
pertanyaan yang mewakili kriteria keberhasilan kinerja program, hal ini seperti
yang pernah dilakukan oleh Indra Permana (2001) dalam “Perancangan Software
Sistem Informasi Akademik FTUI”. Adapun proses pengujian dilakukan oleh
perancang program aplikasi, baik untuk pengujian unit maupun sistem.
Bagian ini berisi tentang analisis dan interpretasi hasil perancangan program
aplikasi pengelolaan data antropometri untuk keperluan penelitian dan
perancangan produk berbasis ergonomi. Analisis hasil juga akan menjawab
apakah sistem yang dibuat telah menyelesaikan permasalahan yang ada atau
belum.
3.4.1 Kesimpulan
3.4.2 Saran
III-6
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
IV-1
menggunakan data antropometri terdapat kurang lebih 27%, digambarkan pada
grafik berikut:
IV-2
ini, yaitu program aplikasi WHO Anthro, Rapil, dan WEAR. Ketiga program
aplikasi antropometri tersebut mempunyai karakteristik dan kegunaan yang
berbeda-beda.
Penggunaan WHO Anthro adalah untuk membantu ibu-ibu yang ingin
memantau perkembangan dan pertumbuhan anaknya. Termasuk didalamnya
adalah memantau status gizi, perkembangan motorik, dan pertumbuhan beberapa
ukuran tubuhnya. Sehingga didalam aplikasi ini diberikan beberapa patokan
ukuran antropometri yang bisa menjadi indikator ketiga hal tersebut. Data
antropometri yang harus dimasukkan diantaranya berat badan menurut umur
(BB/U), panjang badan atau tinggi badan menurut umur (TB/U), berat badan
menurut tinggi badan (BB/TB), Basal Mass Index (BMI), lingkar kepala (HC atau
LIKA), dan lingkar lengan (MUAC atau LILA). Selain itu didalam program
aplikasi ini juga ditampilkan hasil perhitungan persentil data yang bisa diplot ke
grafik yang bisa digunakan sebagai pendukung analisis kesehatan anak. Di
Indonesia WHO Anthro digunakan sebagai Kartu Menuju Sehat (KMS) digital,
sehingga ibu-ibu yang ingin memantau perkembangan anaknya bisa melihat pada
menu Individual assessment yang dapat dipantau setiap kali kunjungan. Selain itu
untuk menu Antropometric calculator berguna bagi petugas gizi yang
mengadakan konseling, karena bisa langsung melihat status gizi yang di-entry saat
itu. Kelemahan dari program ini adalah hanya bisa digunakan untuk menyimpan
dan mengolah data antropometri balita hingga anak-anak (usia 0-60 bulan). Selain
itu data antropometri yang tersimpan tidak bisa digunakan untuk acuan dalam
perancangan produk berbasiskan prinsip ergonomi, karena data yang dimasukkan
hanya diolah sebagai analisis tumbuh kembang serta status gizi anak.
Program aplikasi lain yang menyediakan fasilitas penyimpanan dan
pengolahan data antropometri adalah RAPIL dan WEAR. The World Engineering
and Antropometric Resource atau WEAR juga merupakan program aplikasi
antropometri, tetapi berbasis sumber daya web. Pengguna data antropometri dapat
mengakses data yang tersedia melalui portal pusat. Syarat utama dalam
pembuatannya adalah mengumpulkan data-data berupa: File data terorganisasi
dari data mentah 1-D dan 3-D, metode analisis bentuk, file data biomekanik, file
IV-3
data bibliografis dan sintesis file ergonomi, metode dan/atau alat untuk uji
kecukupan, contoh-contoh hasil desain, alat bantuan online. Kelemahan dari
aplikasi ini adalah harus selalu diakses dalam kondisi online dengan internet, dan
yang bisa mengakses aplikasi ini hanya orang-orang tertentu yang diijinkan oleh
pemilik aplikasi. Hal ini dikarenakan data-data yang tersimpan didalam aplikasi
ini sangat sensitif apabila terdapat perubahan data.
Software RAPIL juga menyimpan banyak sekali variasi informasi dan
diorganisasikan kedalam tabel-tabel yang saling berhubungan yaitu sebagai
berikut: 1. Biososial; 2. Rutinitas kehidupan sehari-hari; 3. Data antropometri; 4.
Prestasi sekolah; 5. Maturasi/kedewasaan. Walaupun menu dari program ini
terbilang lengkap, tetapi untuk aplikasi pengelolaan data antropomteri bukan yang
paling utama dan hanya diisi oleh data anak-anak yang kemudian dihitung
persentilnya untuk menganalisis status pertumbuhan dan perkembangannya.
Sehingga program aplikasi ini juga belum bisa membantu menyediakan data
antropometri yang sesuai dengan kebutuhan pada penelitian atau perancangan
produk berbasis ergonomi.
Sedangkan program aplikasi antropometri yang akan dirancang ini
diharapkan mampu menyimpan serta mengolah data antropometri untuk semua
kategori variabilitas data. Sehingga ketika seorang perancang produk akan
membuat produk ergonomis untuk populasi orang usia dewasa, program aplikasi
ini mampu memberikan data yang dibutuhkan sekaligus dengan perhitungan
statistiknya.
IV-4
daripada wanita. Perbedaan antropometri berdasarkan jenis kelamin telah
diteliti oleh Nurmianto (2004) dengan melakukan interpolasi dari data
antropometri masyarakat Inggris dan masyarakat Hongkong yang
dikemukakan oleh Pheasant (1986), terhadap data orang Indonesia yang
dikemukaan oleh Sumakmur (1989).
2. Kelompok Usia
Data antropometri berdasarkan kategori usia bisa dikelompokkan berdasarkan
pendapat dari Nurmianto (2008) menjadi balita, anak-anak, remaja, dewasa,
dan lanjut usia. Usia balita adalah merupakan singkatan bawah lima tahun,
lebih tepatnya dengan rentang usia dua hingga lima tahun (AnneAhira.com,
2009), usia anak-anak rentang 6-12 tahun, remaja 13-19 tahun, dewasa 20-64
tahun, dan lanjut usia 65 tahun keatas (www.wikipedia.com, 2009).
Berdasarkan data statistik Indonesia seseorang dibagi menjadi tiga yaitu
kelompok usia muda (0-14 tahun), kelompuk usia kerja 15-64 tahun (usia
produktif) dan kelompok usia tua (65 tahun ke atas). Dari keterangan tersebut
dikatakan bahwa usia 15-64 tahun adalah usia produktif yaitu usia saat
seseorang sudah bisa melakukan suatu kegiatan yang bermanfaat bagi dirinya
dan orang lain atau merupakan usia aktif seseorang, sedangkan usia muda dan
lanjut usia termasuk kedalam kategori usia tidak produktif yaitu saat seseorang
sudah tidak bisa melakukan hal-hal yang bermanfaat bagi dirinya maupun
sekitarnya, pada usia ini seseorang cenderung pasif.
3. Faktor Kehamilan
Faktor ini sudah jelas akan mempunyai pengaruh perbedaan yang berarti
dibandingkan dengan wanita yang tidak hamil, terutama dalam analisis
perancangan produk dan analisis perancangan kerja.
4. Faktor Kecacatan
Sesuai perkembangan pada dekade terakhir ini yaitu diberikannya skala
prioritas pada rancang bangun fasilitas akomodasi untuk para penderita cacat
tubuh secara fisik sehingga mereka dapat ikut serta merasakan kesamaan
dalam penggunaan jasa dari hasil ilmu ergonomi di dalam pelayanan untuk
masyarakat. Perancangan basis data antropometri dengan kategori faktor
IV-5
kecacatan dibatasi pada kecacatan kaki (pengguna kursi roda) baik pria
maupun wanita.
5. Suku bangsa (etnic)
Setiap suku bangsa ataupun kelompok etnic akan memiliki karakteristik fisik
yang berbeda satu dengan yang lainnya.
IV-6
antropometri kategori usia, cacat tidak cacat, ataupun kategori hamil tidak
hamil. Pengumpulan data dilakukan secara langsung yaitu melakukan
pengukuran dimensi tubuh terhadap beberapa individu yang mewakili kategori
data. Kemudian data yang sudah terkumpul direkap untuk dilakukan
pengolahan data.
2. Uji Keseragaman Data Antropometri
Uji keseragaman data berfungsi untuk memperkecil varian yang ada dengan
membuang data ekstrim. Jika ada data yang berada di luar batas kendali atas
ataupun batas kendali bawah maka data tersebut dibuang. (Wignjosoebroto,
2003). Diagram alir uji keseragaman digambarkan sebagai berikut:
x=
∑x
n
SD =
∑ ( x − x) 2
n −1
− −
BKA = x + 2 SD BKB = x − 2 SD
IV-7
3. Uji Kenormalan Data
Penerapan data anthropometri akan dapat digunakan jika tersedia nilai mean
(rata-rata) dan SD (Standard Deviasi) dari suatu distribusi normal. Untuk
menguji kenormalan data digunakan rumus Geary dengan nilai -za/2 <z < za/2
maka data dikatakan normal. Diagram alir uji kenormalan data adalah :
x =
∑ x
n
n −2 n
(∑ xi )2
SSS = (n −1)s2 = ∑ xi2 − n x = ∑ xi2 − i −1
i −1 i−1 n
n
SAD = ∑ x1 − x
i =1
SAD
a' =
n ( SSS )
a '−0.7979
z=
0.2123 / n
IV-8
menentukan derajat kebebasan s = 0.05 yang menunjukkan penyimpangan
maksimum hasil penelitian. Selain itu juga ditentukan tingkat kepercayaan
95% dengan k = 2 yang menunjukkan besarnya keyakinan pengukur akan
ketelitian data antropometri, artinya bahwa rata-rata data hasil pengukuran
diperbolehkan menyimpang sebesar 5% dari rata-rata sebenarnya (Barnes,
1980). Menurut Wignjosoebroto (2000) data dianggap telah mencukupi jika
memenuhi persyaratan N’<N, dengan kata lain jumlah data secara teotitis lebih
kecil daripada jumlah data pengamatan. Diagram alir uji kecukupan data
adalah :
(∑ X ) − (∑ X )
2
k / s N 2 2
N'=
i i
(∑ X ) i
IV-9
jenis data yang diperoleh, dilanjutkan dengan perhitungan untuk penentuan
ukuran rancangan dan pembuatan rancangan berdasarkan ukuran hasil
rancangan (Wignjosoebroto,2003). Alur logika perhitungan persentil adalah
sebagai berikut:
Mulai
Uji Persentil data
Pengumpulan data
antropometri
x=
∑x
n
SD =
∑ ( x − x) 2
n −1
Selesai
IV-10
4.2.1. Tahap Penentuan Entitas dan Atribut pada Basis Data
Basis data juga merupakan kumpulan tabel atau files yang saling berelasi,
sehingga langkah awal pada penyusunan basis data adalah merancang tabel-tabel
apa saja yang dibutuhkan. Adapun pada perancangan basis data antropometri tabel
yang dibutuhkan antara lain adalah tabel data personal dan tabel data master
antropometri.
A. Tabel Data Personal
Tabel data personal adalah tabel yang berisikan identitas seseorang yang
diukur antropometri tubuhnya. Data personal yang dipakai diantaranya data
kategori usia meliputi balita, anak-anak, remaja, dewasa, dan lansia; data kategori
jenis kelamin; data kategori cacat atau tidak cacat, khusus kategori ini dibatasi
pada jenis kecacatan pada kaki (pengguna kursi roda); serta data kategori hamil
atau tidak hamil pada wanita usia dewasa saja. Selain identitas personal, pada
tabel ini juga dicantumkan tanggal pengambilan ukuran antropometeri, sebagai
bukti nyata dan ilmiah dari data yang diambil. Adapun tabel tersebut dapat dilihat
pada keterangan dibawah ini.
Tabel 4.1 Tabel Data Personal
No. Atribut kunci keterangan
1 id_personal PK kode atau nomor identitas seseorang yang diukur
antropometri tubuhnya
2 tgl_pengukuran tanggal saat pengukuran antropometri dilakukan
3 jns_kelamin jenis kelamin
4 kat_usia kategori usia seseorang yang diukur antropometri
tubuhnya
5 cacat_tdkcacat keterangan apakah orang tersebut cacat atau tidak
6 hamil_tdkhamil keterangan apakah orang tersebut hamil atau tidak
7 Usia kehamilan Keterangan tentang berapa usia kehamilan seseorang
8 Suku bangsa Keterangan termasuk dalam suku bangsa apa
IV-11
Tabel 4.2 Tabel Data Master Antropometri
No. atribut keterangan
1 id_personal Kode data antropometri
2 tdt tinggi duduk tegak
3 tdn tinggi duduk normal
4 lk lebar kepala
5 jdpk jarak dagu ke puncak kepala
6 jhpk jarak hidung ke puncak kepala
7 jmapk jarak mata ke puncak kepala
8 imlpk jarak mulut ke puncak kepala
9 jt jarak antara dua telinga
10 jtpk jarak telinga ke puncak kepala
11 lm lebar mulut
12 jtbk jarak telinga ke belakang kepala
13 jhbk jarak hidung ke belakang kepala
14 jmabk jarak mata ke belakang kepala
15 pk panjang kepala
16 tmd tinggi mata duduk
17 tbd tinggi bahu duduk
18 tsd tinggi siku duduk
19 tsp tinggi sandaran punggung
20 tpg tinggi pinggang
21 tpd tebal perut duduk
22 tp tebal paha
23 tpo tinggi plopiteal
24 pp pantat plopiteal
25 pkl pantat ke lutut
26 sks siku ke siku
27 lpg lebar pnggang
28 lb lebar bahu
29 lp lebar pinggul
30 lsd lebar sandaran duduk
31 tbt tinggi badan tegak
32 tmb tinggi mata berdiri
33 tbb tinggi bahu berdiri
34 tsb tinggi siku berdiri
35 tpb tinggi pinggang berdiri
36 plb panjang lengan bawah
37 tlb tinggi lutut berdiri
38 td tebal dada berdiri
39 tp tebal perut berdiri
IV-12
Tabel 4.3 Tabel Data Master Antropometri (lanjutan)
No. atribut keterangan
40 ll lingkar leher
41 lpgb lingkar pantat berdiri
42 lpggb lingkar penggang berdiri
43 lgdb lingkar dada berdiri
44 lpb lebar pinggul berdiri
45 ldb lebar dada berdiri
46 lprb lebar perut berdiri
47 jta jangkauan tangan ke atas
48 jtd jangkauan tangan ke depan
49 rt rentangan tangan
50 pj1 panjang jari 1
51 pj2 panjang jari 2
52 pj3 panjang jari 3
53 pj4 panjang jari 4
54 pj5 panjang jari 5
55 pkt pengkal telapak tangan ke pangkal jari
56 lj lebar jari ke 2-3-4-5
57 lt lebar tangan
58 ptt panjang telapak tangan
59 skjt siku ke ujung jari tengah
60 ltk lebar telapak kaki
61 ptk panjang telapak kaki
62 tj tinggi jongkok
63 tlt tinggi lutut
64 tjr tebal jari
65 spd sudut putaran kaki ke depan
66 spb sudut putaran kaki ke belakang
67 bb berat badan
Dalam merancang basis data setelah tabel-tabel yang dibutuhkan ada maka
hal selanjutnya yang dilakukan adalah (Fathansyah, 1999):
1. Menerapkan normalisasi terhadap struktur tabel yang telah diketahui,
atau dengan
2. Langsung membuat model Entity-Relationship atau relasi antar tabel.
IV-13
Untuk memperoleh struktur basis data sistem perlu dilakukan normalisasi.
Proses normalisasi merupakan proses pengelompokkan data ke dalam bentuk tabel
atau relasi file untuk menyatakan entitas dan hubungan sehingga terwujud satu
bentuk basis data yang mudah dimodifikasi. Normalisasi juga bertujuan
meminimalkan terjadinya duplikasi. Namun pada perancangan basis data
antropometri ini tidak dilakukan normalisasi karena struktur tabel awal yang
sudah sederhana dan tidak mengalami duplikasi. Sehingga dapat langsung
dilakukan pembuatan model Entity-Relationship-nya, dimana pada tahap ini tabel
yang telah dirancang digambarkan kedalam bentuk skema relasi yang
menunjukkan hubungan antartabel.
Hubungan antar tabel bisa dilihat dengan memperhatikan key-key yang
ada. Relasi antar tabel dari basis data yang telah dirancang bisa dilihat pada
gambar 4.9. Gambar tersebut merupakan penggambaran secara visual hubungan
antar tabel dalam basis data yang akan dipakai dalam aplikasi komputer.
Hubungan antara tabel data_personal dengan tabel master_antro adalah satu ke
satu, yakni untuk satu personal hanya boleh memiliki satu paket data atribut
antropometri.
IV-14
4.2.3. Pembuatan Kamus Data
Berdasarkan tabel-tabel yang sudah direlasikan, tahap selanjutnya adalah
membuat kamus data berkaitan dengan field yang ada pada masing-masing tabel.
Kamus data ini meliputi komponen tabel beserta tipe datanya, ukuran, keterangan,
dan contoh data.
IV-15
Tabel 4.6 Kamus Data Tabel Data Master Antropometri (lanjutan)
No. atribut Tipe Data Ukuran Contoh Data
21 tpd number integer 17
22 tp number integer 13
23 tpo number integer 37,5
24 pp number integer 42,5
25 pkl number integer 55
26 sks number integer 37
27 lpg number integer 28
28 lb number integer 29
29 lp number integer 34,5
30 lsd number integer 23
31 tbt number integer 157,5
32 tmb number integer 145,5
33 tbb number integer 127
34 tsb number integer 94
35 tpb number integer 93
36 plb number integer 24
37 tlb number integer 39,5
38 td number integer 22,5
39 tp number integer 17
40 ll number integer 31
41 lpgb number integer 91
42 lpggb number integer 66,5
43 lgdb number integer 84
44 lpb number integer 32
45 ldb number integer 28,5
46 lprb number integer 26,5
47 jta number integer 194
48 jtd number integer 67
49 rt number integer 153,5
50 pj1 number integer 6
51 pj2 number integer 7,5
52 pj3 number integer 9
53 pj4 number integer 8,5
54 pj5 number integer 6,5
55 pkt number integer 10
56 lj number integer 7
57 lt number integer 9
58 ptt number integer 18
59 skjt number integer 43
IV-16
Tabel 4.7 Kamus Data Tabel Data Master Antropometri (lanjutan)
No. atribut Tipe Data Ukuran Contoh Data
60 ltk number integer 6
61 ptk number integer 23
62 tj number integer 94
63 tlt number integer 42
64 tjr number integer 2
65 spd number integer 50
66 spb number integer 60
67 bb number integer 50,5
IV-17
Adapun contoh-contoh query yang dirancang diperlihatkan pada tabel 4.8
sampai dengan 4.12.
Tabel 4.8 Tabel query data antropometri berdasarkan jenis kelamin, kategori
usia, kategori cacat atau tidak dan kategori hamil atau tidak hamil
id_pers tgl_penguku jenis_kela kat_u cacat_tdkc hamil Usia Suku imlp
tdt tdn lk jdpk jhpk
onal ran min sia acat _tdkha Kehamilan bangsa k
mil
tidak
1 22/02/2010 Laki-laki D tidak cacat - jawa 86 83 13 25 11 8
hamil
Perempua tidak
2 22/02/2010 R tidak cacat - batak 88 86 16 25 12 9
n hamil
Tabel 4.9 Tabel query data antropometri berdasarkan kategori jenis kelamin
id_pers tgl_penguku jenis_kela kat_u cacat_tdkc hamil usia suku tdt tdn lk jdpk imlp jhpk
onal ran min sia acat _tdkha keham bangs k
1 22/02/2010 Laki-laki D tidak cacat mil
tidak ilan a 86 83 13 25 11 8
hamil - jawa
tidak
1 22/02/2010 Laki-laki D hamil - 86 83 13 25 11 8 15
IV-18
A. Merancang Interface Menu Utama
Menu utama merupakan halaman awal yang muncul saat program aplikasi
pengelolaan data antropometri dijalankan. Form menu utama merupakan form
induk menuju form-form lainnya sehingga perlu dirancang semenarik mungkin
pada tampilannya. Menu utama memuat empat submenu yang masing-masing
mempunyai form yang berbeda, yaitu meliputi :
1. Input data personal
2. Input data antropometri
3. Form kategori data dan uji statistik
4. Profil program aplikasi antropometri
Untuk menjalankan submenu-submenu tersebut user tinggal mengklik
tombol yang menunjukkan judulnya. Penggambaran rancangan interface menu
utama program aplikasi antropometri adalah :
IV-19
yang diukur antropometri tubuhnya. Form ini dikoneksikan dengan tabel Data
Personal yang terdapat pada basis data. Informasi yang harus di-input-kan pada
form ini antara lain ID Personal, tanggal pengukuran, kategori usia, jenis kelamin,
kategori cacat atau tidak cacat, dan kategori hamil atau tidak hamil pada wanita
dewasa. Hasil rancangan form input data personal diperlihatkan pada gambar
berikut.
IV-20
Gambar 4.10 Rancangan Form Input Data Antropometri (tab 1)
IV-21
dan 66 kolom isian data atribut antropometri. Kemudian pada tab detail data
antropometri merupakan rekapitulasi data yang telah di-input yang ditampilkan
dalam tabel listview. Jadi ketika tombol simpan pada tab input data antropometri
di-klik maka tabel listview akan menampilkan data yang disimpan tersebut. Tab
Detail Data antropometri digambarkan pada gambar 4.13.
C. Merancang Interface Output
Perancangan interface output meliputi perancangan hasil keluaran setelah
aplikasi didalam program dijalankan baik dalam bentuk report form maupun
report dalam aplikasi. Report dalam aplikasi berupa hasil analisis yang
diterjemahkan dalam angka, bentuk hitungan sesuai aplikasi yang dibuat. Secara
umum interface output berguna untuk menampilkan data-data yang tersimpan
didalam database sehingga diperoleh informasi yang berguna bagi pemakainya.
1. Output Aplikasi
Output aplikasi merupakan keluaran dari aplikasi, tetapi masih dalam
bentuk form yaitu form kategori data dan uji statistik data antropometri. Form
ini mempunyai dua fungsi utama yaitu sebagai penyaring data berdasarkan
kategori yang diinginkan oleh user dan sebagai aplikasi perhitungan statistik
data antropometri yang belum atau telah dikategorikan. Sehingga pada form
ini terdapat komponen combo box pada kolom-kolom pilihan dari tiap
kategori. Misalnya kolom kategori usia memuat pilihan laki-laki dan
perempuan. Selain itu terdapat kolom isian yang meminta user untuk
memasukkan jumlah data yang ingin dikategorikan atau ingin diuji. Kemudian
apabila tombol OK diklik maka tabel listview akan menampilkan data
antropometri yang diinginkan.
Uji statistik yang dilakukan oleh program aplikasi ini ada empat macam
yaitu uji kenormalan, uji keseragaman, uji kecukupan, dan uji persentil data.
Uji-uji tersebut dilakukan berdasarkan data yang tertampil pada tabel kategori
data. Ketiga uji pertama bekerja jika tanda cek diisi dan tombol kontrol OK
ditekan. Sedangkan untuk uji persentil, user diminta untuk memasukkan nilai
persentil yang diinginkan, kemudian diklik tombol kontrol OK maka program
akan menjalankan uji tersebut. Gambaran output aplikasi pada form kategori
IV-22
data dan uji statistik adalah sebagai berikut :
2. Output Report
Output report merupakan keluaran aplikasi tetapi berbentuk report form
yang telah terformat dan langsung bisa dicetak oleh user. Selain sebagai
laporan hasil analisis program dalam bentuk printout, report ini juga sebagai
alat dokumentasi karena terdapat fitur save dalam beberapa format
penyimpanan yang ada didalam program. Pada Visual Basic 6 format file yang
didukung adalah .xls dan .txt. Sehingga saat user mencetak report akan
ditawarkan apakah report langsung dicetak dalam bentuk printout atau dicetak
dalam bentuk file .xls atau .txt. Terdapat 3 macam Output report yang
dirancang, diperlihatkan seperti gambar berikut.
IV-23
REPORT DATA PERSONAL
NO. ID Pesonal Tgl Pengukuran Jenis Kelamin Kategori Usia Kat Cacat/ Tdk Cacat Kat Hamil/Tdk Hamil
1
2
3
4
5
6
7
8
9
10
NO. ID tdt tdn lk jdpk jhpk jmapkimlpk jt jtpk lm jtbk jhbk jmabkpk tmd tbd tsd tsp tpg tpd tp tpo
1
2
3
4
5
6
7
8
9
10
1. Uji Kenormalan
tdt tdn lk jdpk jhpk jmapkimlpk jt jtpk lm jtbk jhbk jmabkpk tmd tbd tsd tsp tpg tpd tp tpo
2. Uji Keseragaman
tdt tdn lk jdpk jhpk jmapkimlpk jt jtpk lm jtbk jhbk jmabkpk tmd tbd tsd tsp tpg tpd tp tpo
3. Uji Kecukupan
tdt tdn lk jdpk jhpk jmapkimlpk jt jtpk lm jtbk jhbk jmabkpk tmd tbd tsd tsp tpg tpd tp tpo
4. Uji Persentil ke = …
tdt tdn lk jdpk jhpk jmapkimlpk jt jtpk lm jtbk jhbk jmabkpk tmd tbd tsd tsp tpg tpd tp tpo
IV-24
REPORT DATA ANTROPOMETRI
NO. ID Pesonal tdt tdn lk jdpk jhpk jmapkimlpk jt jtpk lm jtbk jhbk jmabkpk tmd tbd tsd tsp tpg tpd tp tpo
1
2
3
4
5
6
7
8
9
10
Gambar 4.15 Rancangan Output Report Data Antropometri
IV-25
BAB V
ANALISIS DAN INTERPRETASI HASIL
Pada bab ini membahas tentang analisis dan interpretasi hasil perancangan
dalam penelitian yang telah dilakukan pada bab sebelumnya. Tujuan bab ini
adalah memberikan informasi yang lebih jelas mengenai hasil perancangan sistem
dan mampu memberikan solusi dari permasalahan penelitian.
5. 1 ANALISIS
V-1
5.1.2 Kelemahan Program Aplikasi
Sebagai program aplikasi pengelolaan data antropometri pertama di
Indonesia, Prolaktri masih memiliki beberapa kelemahan. Kelemahan tersebut
diantaranya adalah pertama, waktu akses yang relatif lama yaitu kurang lebih 5
detik, terutama terjadi ketika pengguna mengakses bagian output form yang
berupa pengategorian data dan perhitungan uji statistik. Hal tersebut disebabkan
oleh beberapa perintah pilihan yang harus dipilih oleh pengguna. Ketika
pengguna memilih salah satu jenis pilihan, misalnya memilih kategori data
antropometri berdasarkan usia, maka sistem akan menggunakan beberapa detik
sebagai waktu akses (loading). Kedua, perhitungan uji statistik terutama untuk uji
keseragaman hanya sampai penentuan apakah data yang dipilih seragam atau
tidak. Artinya ketika ditemukan data yang tidak seragam, program akan
menampilkan hasil perhitungannya apa adanya akan ketidakseragamannya
tersebut, sehingga pada program dilengkapi detail perhitungan nilai keseragaman
untuk mendeteksi apa yang menyebabkan data tidak seragam. Kelemahan lainnya
adalah daya tampung basis data masih terbatas pada kapasitas dua gigabyte karena
masih menggunakan software Microsoft Access sebagai dasarannya. Program
juga tidak memberikan hasil analisis berupa grafik uji statistik.
Selain hal-hal yang telah disebutkan, Prolaktri juga belum memberikan
fasilitas kemudahan akses kapan saja dan dimana saja atau sistem online. Karena
program ini dirancang sebagai stand alone yakni harus diinstal pada komputer
yang akan digunakan untuk mengakses data antropometri. Walaupun begitu, basis
data yang mendasari pembuatan program ini sudah mampu mendukung
perancangan program aplikasi berbasis web yang bisa diakses kapan pun dan
dimana pun.
V-2
Verifikasi dan validasi harus memberikan kepastian bahwa program
aplikasi atau perangkat lunak sesuai dengan tujuannya. Hal ini bukan berarti
benar-benar bebas dari kekurangan. Karena pengujian yang sukses adalah
pengujian yang mengungkap semua kesalahan yang belum pernah ditemukan
sebelumnya. Data yang dikumpulkan pada saat pengujian dilakukan memberikan
indikasi yang baik mengenai reliabilitas perangkat lunak dan beberapa
menunjukkan kualitas perangkat lunak secara keseluruhan, tetapi ada satu hal
yang tidak dapat dilakukan oleh pengujian, yaitu pengujian tidak dapat
memperlihatkan tidak adanya cacat, pengujian hanya dapat memperlihatkan
bahwa ada kesalahan perangkat lunak.
Proses verifikasi dan validasi pertama kali dilakukan adalah pada unit
terkecil dari program aplikasi yaitu modul. Proses pengujian tersebut
menggunakan metode unit testing. Bagian modul yang diuji diantaranya adalah
interface beserta komponennya. Interface diuji coba untuk menjamin informasi
yang masuk atau yang ke luar dari unit program telah tepat atau sesuai dengan
yang diharapkan. Interface juga diperlukan untuk jalannya informasi.
Pengujian unit pada program Prolaktri merupakan pengujian pada tiga
jenis modul yang menyusun program, yakni modul input data personal, modul
input data antropometri, modul kategori dan uji statistik. Pengujian dilakukan
dengan cara memastikan kesesuaian atau mencoba menjalankan semua komponen
penyusun modul, seperti tampilan interface, tombol-tombol kendali, form-form
isian, dan tabel listview. Pengujian dilakukan oleh pembangun/ pembuat program
aplikasi dengan menggunakan checklist berisi pertanyaan yang menunjukkan
kriteria keberhasilan program aplikasi. Pengujian unit dinilai berhasil
menunjukkan bahwa program dapat bekerja dengan baik jika kriteria-kriteria yang
diuji menghasilkan jawaban ‘ya’. Beberapa kriteria yang duji beserta hasilnya
ditampilkan pada tabel berikut.
V-3
Tabel 5.1 Hasil Pengujian Unit Prolaktri
Hasil
No. Unit yang diuji
Ya Tidak
Interface Menu Utama
Jumlah dan nama tombol pada interface menu utama sudah sesuai v
1.
dengan modul yang menyusunnya
2. Jumlah modul utama sesuai dengan entitas pada basis data v
3. Penataan tombol-tombol menu rapi v
4. Tombol menu dapat bekerja dengan baik v
Modul Input Data Personal
Atribut pada entitas yang akan ditampilkan program sesuai dengan v
1.
yang ada didalam basis data
Atribut entitas dalam bentuk kolom isian sesuai dengan yang berada v
2.
dalam bentuk tabel/listview
3. Kolom isian atribut dapat diisi data dengan baik dan dapat disimpan v
Hasil pengisian kolom isian atribut dapat ditampilkan dengan baik v
4.
pada tabel listview
5. Tombol-tombol kendali sesuai dengan fungsinya dan logis v
6. Tombol-tombol kendali dapat bekerja dengan baik v
7. Tombol dan kolom pencarian dapat bekerja dengan baik v
Pemberian tombol navigasi ke menu Data Antropometri sesuai dan v
8.
logis
9. Tombol navigasi ‘selanjutnya’ dapat bekerja dengan baik v
Tombol perintah ‘cetak’ dapat menjalankan perintah dengan baik
10.
dengan berhasil menampilkan preview cetaknya
Hasil cetak report sesuai dengan yang ditampilkan oleh tabel listview
11.
data personal
Tata letak tombol, kolom, dan tabel yang menyusun modul Input Data v
12.
Personal sudah baik dan rapi
Modul Input Data Antropometri
Atribut entitas yang akan ditampilkan pada program sudah sesuai v
1. dengan yang ada didalam basis data, yaitu 66 data atribut dengan nama
kependekan yang berbeda-beda
Penambahan atribut ‘nomor data’ dan ‘ ID personal’ adalah hal yang v
2.
logis
Kolom atribut ‘ID Personal’ dapat memilih dengan baik dan sesuai v
3.
dengan ‘ID Personal’ pada modul Input Data Personal
Atribut entitas dalam bentuk kolom isian sesuai dengan yang berada v
4.
dalam bentuk tabel/listview yang berada di tab selanjutnya
5. Kolom isian atribut dapat diisi dengan baik dan dapat disimpan v
Hasil pengisian kolom isian atribut dapat ditampilkan dengan baik v
6.
pada tabel listview
7. Tombol-tombol kendali sesuai dengan fungsinya dan logis v
V-4
8. Tombol-tombol kendali dapat bekerja dengan baik v
9. Tombol dan kolom pencarian dapat bekerja dengan baik v
10. Pemberian tombol navigasi sesuai dengan fungsinya dan logis v
11. Tombol navigasi ‘kembali’ dan ‘selesai’ dapat bekerja dengan baik v
Tombol perintah ‘cetak’ dapat menjalankan perintah dengan baik v
12.
dengan berhasil menampilkan preview cetaknya
Hasil cetak report sesuai dengan yang ditampilkan oleh tabel listview v
13.
kategori dan uji statistik
14. Tata letak tombol, kolom, dan tabel yang menyusun modul Input Data v
Antropometri sudah baik dan rapi
Modul Kategori dan Uji Statistik
Atribut entitas yang dibutuhkan sudah terpenuhi; seperti jenis kelamin, v
1. usia, kategori cacat/tidak cacat, kategori hamil tidak hamil, usia
kehamilan, dan suku bangsa
Penambahan atribut tanggal pengambilan data sesuai dengan v
2.
kebutuhan pengategorian data
Atribut tanggal pengambilan data dapat bekerja dengan baik dan selalu v
3.
up to date
Kolom isian ‘jumlah data’ sesuai dengan tujuan pengategorian data v
4.
dan dapat bekerja dengan baik
Ketika dimasukkan jumlah data tertentu, modul dapat menampilkan v
5.
sejumlah data tertentu tersebut pada tabel listview yang tersedia
6. Kolom isian atribut kategori data dapat bekerja dengan baik v
Tabel listview dapat menampilkan data sesuai dengan kategori data v
7.
yang dipilih pada kolom atribut kategori data
Tabel uji statistik (uji normal, uji keseragaman, uji kecukupan, dan v
8.
persentil) dapat menampilkan hasil pengujian yang dilakukan
Tabel uji statistik dapat bekerja bersamaan maupun bergantian tanpa v
9.
terjadi eror
Tabel detail perhitungan pengujian statistik dapat menampilkan hasil v
10.
hitungan dengan baik
Tombol-tombol kendali dapat bekerja dengan baik dan sesuai dengan v
11.
perintah yang diberikan
Tombol perintah ‘cetak’ dapat menjalankan perintah dengan baik v
12.
dengan berhasil menampilkan preview cetaknya
Hasil cetak report sesuai dengan yang ditampilkan oleh tabel listview v
13.
kategori dan uji statistik
Tata letak tombol, kolom, dan tabel yang menyusun modul Kategori v
14.
dan Uji Statistik sudah baik dan rapi
V-5
pengujian sistem. Tujuan dari pengujian ini adalah memverifikasi semua elemen
secara langsung untuk memastikan bahwa semua fungsi dan performance sistem
diterima dalam lingkungan target (Baskoro, 2006).
Pengujian sistem pada Prolaktri yang dilakukan pertama kali adalah
memastikan bahwa program dapat diinstal dengan baik, setelah itu program dapat
dijalankan dengan baik tanpa terjadi kesalahan. Hal ini ditandai dengan bentuk
tampilan interface yang tetap sesuai dengan rancangan setelah penginstalan,
tombol-tombol modul dapat bekerja dengan baik ketika di-klik dengan indikasi
dapat menampilkan modul sesuai yang dipilih, serta program dapat ditutup
kembali dengan baik. Hal kedua yaitu memastikan bahwa program dapat
menginput data dengan baik lalu mengeluarkannya sesuai dengan data inputan
baik dalam bentuk ouput program maupun output report.
Pengujian sistem secara khusus dilakukan pada bagian pengolahan data
yang terdiri dari pengategorian data dan uji statistik. Hal ini dilakukan karena
pada bagian ini, program dilengkapi kode-kode khusus yang disesuaikan dengan
rumusan pada uji statistik. Untuk bagian pengategorian, output harus dipastikan
benar-benar sesuai dengan ketegori yang diinginkan serta data yang ditampilkan
sesuai dan konsisten dengan data yang telah diinputkan pada modul data personal
dan data antropometri.
Langkah yang dilakukan untuk menguji kebenaran hitungan statistik
Prolaktri adalah dengan membandingkan hasilnya dengan hasil hitungan statistik
secara manual menggunakan Microsoft Excel. Adapun rekap data yang diuji
statistik ditampilkan pada tabel berikut.
Tabel 5.2 Data Antropometri yang Diuji Hitungan Statistiknya
id pesonal
jmapk
jmabk
imlpk
jdpk
jhpk
jhbk
jtbk
jtpk
tmd
tdn
tbd
tpg
no.
tsd
lm
tdt
pk
lk
jt
10 010 85 84 17 20 17 15 10 16 8 11 5 16 17 15 70 58 22 24
8 008 89 87 17 20 17 12 11 20 7 13 5 21 18 19 73 57 21 21
9 009 87 83 17 21 17 13 10 18 7 13 5 22 18 19 74 60 21 21
1 001 85 83 16 25 15 11 8 18 12 14 5 21 15 20 75 53 23 23
2 002 88 85 19 25 15 12 9 21 10 13 6 22 18 17 77 61 26 22
5 005 83 81 15 20 19 14 11 15 8 14 6 19 19 18 70 50 20 25
6 006 88 83 16 26 20 16 11 21 10 15 6 20 17 20 17 60 32 22
7 007 84 82 16 20 16 12 9 16 11 12 6 20 16 17 73 53 20 23
3 003 78 77 19 23 19 15 12 18 11 12 5 20 19 20 68 49 20 23
4 004 85 83 19 23 15 10 9 21 9 13 5 21 18 20 75 56 21 20
V-6
Uji pertama yang dilakukan adalah uji kenormalan data. Baik dengan
proses perhitungan manual maupun perhitungan program Prolaktri didapatkan
hasil yang sama nilainya. Berikut ini adalah tabel hasil perhitungan manual.
Tabel 5.3 Hasil Perhitungan Uji Kenormalan dengan Ms.Excel
No. tdt tdn lk jdpk imlpk jhpk jmapk
1 85 83 13 25 15 11 8
2 88 85 16 25 15 12 9
3 78 77 19 23 19 15 12
4 85 83 19 23 15 10 9
5 83 81 15 20 19 14 11
6 88 83 16 26 20 16 11
7 84 82 16 20 16 12 9
8 89 87 17 20 17 12 11
9 87 83 17 21 17 13 10
10 85 84 17 20 17 15 10
sum 852 828 165 223 170 130 100
n 10 10 10 10 10 10 10
mean 85,2 82,8 17,1 22,3 17,0 13,0 10,0
SSS 91,6 61,6 18,9 52,1 30,0 34,0 14,0
SAD 22,4 16,8 11,4 21,0 14,0 16,0 10,0
a' 0,740 0,677 0,829 0,920 0,808 0,868 0,845
z -0,861 -1,802 0,467 1,819 0,155 1,040 0,704
summary normal tidak normal normal tidak normal normal normal normal
Uji kedua adalah uji keseragaman data. Hasil yang diperoleh baik dengan
proses perhitungan manual maupun perhitungan program Prolaktri adalah sama
nilainya. Berikut ini adalah tabel hasil perhitungan manual.
V-7
Tabel 5.4 Hasil Perhitungan Uji Keseragaman dengan Ms.Excel
1 2 3 4 5 6 7
No
tdt tdn lk jdpk imlpk jhpk jmapk
1 85 84 17 20 17 15 10
2 89 87 17 20 17 12 11
3 87 83 17 21 17 13 10
4 85 83 16 25 15 11 8
5 88 85 19 25 15 12 9
6 83 81 15 20 19 14 11
7 88 83 16 26 20 16 11
8 84 82 16 20 16 12 9
9 78 77 19 23 19 15 12
10 85 83 19 23 15 10 9
Xbar 85,2 82,8 17,1 22,3 17,0 13,0 10,0
Stdev 3,190 2,616 1,449 2,406 1,826 1,944 1,247
Max 89 87 19 26 20 16 12
Min 78 77 15 20 15 10 8
BKA 94,77 90,65 21,45 29,52 22,48 18,83 13,74
BKB 75,63 74,95 12,75 15,08 11,52 7,17 6,26
Keseragaman Seragam Seragam Seragam Seragam Seragam Seragam Seragam
V-8
Adapun hasil perhitungan uji kecukupan dengan menggunakan Prolaktri
adalah sebagai berikut.
V-9
Gambar 5.7 Hasil Perhitungan Persentil dengan Prolaktri
5. 2 INTERPRETASI HASIL
V-10
BAB VI
KESIMPULAN DAN SARAN
Pada bab yang terakhir ini akan diberikan beberapa kesimpulan dan saran
dari penelitian yang dilakukan. Kesimpulan hasil penelitian merupakan jawaban
dari tujuan penelitian yang ingin dicapai. Sedangkan saran berisi tentang hal-hal
yang harus dipertimbangkan untuk penelitian selanjutnya agar diperoleh hasil
yang lebih baik.
6. 1. KESIMPULAN
Kesimpulan yang diperolah dari hasil penelitian ini adalah dapat dihasilkan
program pengelolaan data antropometri “Prolaktri” sebagai pendukung penelitian
atau perancangan produk berbasis ergonomi. Tujuan perancangan program
aplikasi tersebut juga tercapai, diantaranya adalah :
1. Program aplikasi dapat melakukan proses input, menyimpan dan mengolah
data antropometri serta kemudian mengeluarkan hasilnya dalam bentuk
report.
2. Program aplikasi dapat menyimpan semua kategori variabilitas data
antropometri yaitu kategori usia, jenis kelamin, kategori cacat atau tidak
cacat, kategori hamil atau tidak hamil dan suku bangsa.
3. Data antropometri tersimpan dapat diperbaharui setiap saat sesuai dengan
kondisi terbaru.
4. Program aplikasi dapat melakukan uji-uji statistik yakni uji kenormalan,
uji keseragaman, uji kecukupan dan persentil data, yang hasil
perhitungannya sama dengan hasil perhitungan uji statistik secara manual.
6. 2. Saran
VI-2
DAFTAR PUSTAKA
L-2
LAMPIRAN
L-3
Gambar L.3. Interface Menu Input Data Antropometri
L-4
Gambar L.5. Interface Kategori Data Antropometri dan Uji Statistik
L-5
Gambar L.6. Menu ‘Cetak’ pada Interface Kategori Data Antropometri dan
Uji Statistik
L-6
Gambar L.8. Hasil ‘Cetak’ Report Kategori Data Antropometri
L-7