LABORATORIUM ILMU KOMPUTER 2020

PROGRAM STUDI ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PAKUAN
Gd. FMIPA 2 Lt. 2 Jalan Pakuan Bogor P.O Box 452 Telp. (0251)
4823888
labkom.ilkom.unpak.ac.id

LAPORAN KEGIATAN LOMBA

GEMASTIK

Diselenggarakan Oleh:
Telkom University

LABORATORIUM ILMU KOMPUTER

PROGRAM STUDI ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PAKUAN
2020
1. Tema, Bulan Kegiatan, Media

Tema Data mining, Rekayasa Perangkat lunak (RPL), dan User Interface
(UI)

Bulan Kegiatan Juli – Oktober 2020

Media Daring dan Luring

2. Uraian Singkat

a. Data mining
Data mining adalah sekumpulan metode untuk menemukan pola yang tersirat dari
suatu kumpulan data sehingga nantinya diperoleh informasi yang bermanfaat. Data
mining juga merupakan proses mengekstraksi informasi yang menarik, implisit dan
berpeluang untuk dimanfaatkan dari data berskala besar atau big data (andrea, dkk.,
2019). Sesuai dengan judul, tujuan dari diikutinya lomba bertemakan data mining ini
dengan studi kasus daerah potensial penanaman tumbuhan bawang putih adalah
Untuk mengetahui apakah hierarchical clustering dapat digunakan untuk melakukan
pengelompokan daerah berpotensi untuk budidaya palawija bawang putih. Dan untuk
mengetahui bagaimana penggunaan hierarchical clustering untuk melakukan
pengelompokan daerah berpotensi untuk budidaya palawija bawang putih.

b. RPL
Perangkat lunak sistem (system Software) adalah sebuah istilah generik pada sistem
komputer sebagai pengontrol dan mangatur perangkat keras (hardware) pada lapisan
pertama. dimana perangkat lunak atau software akan membantu untuk
memanajemen, memproses dan megelola perangkat keras agar berjalan secara
optimal. Ketika perangkat keras dinyalakan, maka perangkat lunak sistem akan
memproses sumberdaya, menajemen proses dan menggani strukur data sebuah
perangkat keras. Sesuai dengan judul, tujuan dari diikutinya lomba bertemakan
pengembangan perangkat lunak dengan studi kasus Aplikasi Android untuk
pelacakan dan penyebaran covid 19 ini adalah Warning, mengingatkan pengguna
ketika akan beraktivitas di luar rumah untuk menyiapkan peralatan seperti masker
dan hand sanitizer. Tracking, melacak lokasi pengguna aplikasi untuk mengetahui
posisi pengguna. Tracing, melacak aktivitas seluruh pengguna untuk mengukur
mobilitas pengguna di tengah pandemi dan menentukan lokasi-lokasi dengan
mobilitas tinggi.

c. UI
UI atau User Interface Designer adalah suatu profesi yang menggunakan komunikasi
dari pengguna (user) dengan sistem pada sebuah program, mulai dari aplikasi
website, mobile ataupun software. Seorang UI Designer akan membuat desain yang
memudahkan pengguna programnya. Adapun mekanisme seorang UI Designer
 mencakup beberapa hal, seperti tampilan fisik, warna, animasi, pola. Sesuai dengan
judul, tujuan dari diikutinya lomba bertemakan Pengalaman Desain Pengguna dengan
studi kasus yang diambil adalah desain pengalaman pengguna pada aplikasi Petcare,
yaitu platform yang menyediakan kebutuhan dan Kesehatan untuk hewan, dengan
tujuan Mempermudah masyarakat mendapatkan informasi tentang hewan
peliharaannya dan Mempermudah pemilik hewan peliharaan untuk konsultasi dengan
ahli.

3. Deskripsi Anggota
Lomba GEMASTIK diikuti oleh 3 tim yaitu :

Tim 1
Nama Jabatan Deskripsi Pekerjaan
Fahmi Noor Ketua Membuat proposal
M. Agung Anggota Membuat proposal
Runanto Anggota Membuat proposal

Tim 2
Nama Jabatan Deskripsi Pekerjaan
Amalia Sabrina Ketua Membuat proposal
Ilham Agung Anggota Membuat proposal
Sarah Tri Lestari Anggota Membuat proposal

Tim 3
Nama Jabatan Deskripsi Pekerjaan
Dimas Purnomo Ketua Membuat proposal
Deris Hardinsyah Anggota Membuat proposal
Fahmi Noor Anggota Membuat proposal

4. Hasil kegiatan
Tim lomba mengerjakan proposal sebagai langkah awal dalam proses seleksi, berikut hasil
screenshoot file proposal dan proposal lengkapnya untuk 3 tim dengan tema yang berbeda.
 Pemodelan Daerah Potensial Pertanian di Indonesia sebagai
Usaha Restorasi Ekonomi pada Masa Pandemi COVID-19
menggunakan Metode Hierarchical Clustering
Studi Kasus Big Data menggunakan Orange Data Mining pada Palawija Bawang Putih
(Allium sativum)

PROPOSAL
Diajukan untuk mengikuti lomba Penambangan Data pada GEMASTIK XIII.

Diusulkan Oleh:
Fahmi Noor Fiqri NIM. 065118116 Angkatan 2018
Muhammad Agung Ardiansyah NIM. 065117153 Angkatan 2017
Runanto NIM. 065117132 Angkatan 2017

UNIVERSITAS PAKUAN
BOGOR
2020
 DAFTAR ISI

DAFTAR ISI ............................................................................................................................... i

BAB I PENDAHULUAN .......................................................................................................... 1
1.1. Latar Belakang Masalah .............................................................................................. 1
1.2. Rumusan Masalah ....................................................................................................... 2
1.3. Tujuan Penelitian......................................................................................................... 2
1.4. Manfaat Penelitian....................................................................................................... 2
BAB II METODOLOGI PENELITIAN .................................................................................... 3
2.1. Big Data....................................................................................................................... 3
2.2. Data Mining................................................................................................................. 3
2.3. Orange Data Mining .................................................................................................... 3
2.4. Hierarchical Clustering ............................................................................................... 4
2.3. Alur Penambangan Data.............................................................................................. 5
BAB III HASIL DAN PEMBAHASAN ................................................................................... 6
3.1. Data Ingestion dan Preprocessing .............................................................................. 6
3.2. Data Mining dan Evaluation ....................................................................................... 6
BAB IV PENUTUP ................................................................................................................. 10
4.1. Simpulan.................................................................................................................... 10
4.2. Saran .......................................................................................................................... 10
DAFTAR PUSTAKA .............................................................................................................. 11
LAMPIRAN ............................................................................................................................. 12

i
 BAB I
PENDAHULUAN

1.1. Latar Belakang Masalah

Pandemi COVID-19 telah berdampak di berbagai sektor tak terkecuali di sektor
pertanian, pemberlakuan pembatasan berskala besar (PSBB) di berbagai daerah di Indonesia
telah menurunkan daya beli masyarakat sehingga berdampak pada kurang terserapnya hasil
panen petani yang mengakibatkan banyak petani mengalami kerugian. Dari sudut pandang
urgensi, pertanian adalah sektor penopang ketahanan pangan (food security) yang akan krusial
di kala krisis ekonomi. Ini bukan hanya sebatas bertahan hidup tapi juga masalah asupan gizi
masyarakat hal ini membuat sistem produksi pertanian dalam negeri menjadi krusial. Selain
itu, pandemi COVID-19 juga belum menunjukkan kepastian kapan berakhir, sehingga
pencabutan restriksi sosial/PSBB bisa saja akan tertunda.
Penderitaan petani semakin bertambah tak kala pemerintah membuka keran impor
untuk beberapa komoditas guna memenuhi kebutuhan dalam negeri salah satunya adalah
bawang putih yang selalu menjadi komoditas dengan jumlah kuota impor terbesar. Hal ini
cukup memilukan bagi kita negara yang di kenal sebagai negara agraris yang sebagian besar
penduduknya berprofesi sebagai petani. Besarnya kuota impor bawang putih juga di sebabkan
oleh tingginya tingkat konsumsi bawang putih yang tidak diiringi dengan meningkatnya jumlah
produksi. Berdasarkan data Badan Pusat Statistik (BPS), tingkat konsumsi bawang putih pada
2018 mencapai 503.644 ton sementara itu produksinya hanya sejumlah 39.302 ton dengan
pertumbuhan konsumsi bawang putih sebesar 11,24 persen per tahun dari tahun 1990-2016.
Dengan bertambahnya tingkat konsumsi bawang putih membuat Indonesia harus mengimpor
sekitar 95 persen kebutuhan bawang putihnya. Sehingga pemerintah harus berpikir dengan
cepat untuk memecahkan masalah impor bawang putih ini. Untuk itu, solusi apa yang bisa kita
lakukan untuk mengatasi permasalahan ini?
Dengan berkembangnya teknologi informasi di Indonesia, semakin banyak data yang
dapat kita per oleh dari berbagai sumber. Besarnya ukuran data yang ada menyebabkan muncul
istilah big data. Istilah ini muncul pada tahun 2.000 yang dikemukakan oleh Doug Laney
seorang analis industri akibat besarnya jumlah data yang di hasilkan dari berbagai macam
sumber baik berbentuk data terstruktur maupun data yang tidak terstruktur. Data dengan jumlah
sebesar ini sangat berharga karena kita dapat menemukan informasi atau knowledge yang
tersimpan di dalamnya untuk membantu dalam pembuatan keputusan maupun memprediksi
sesuatu berdasarkan data yang ada.
Kebutuhan untuk menemukan informasi dalam big data ini memunculkan metode baru
dalam mendapatkan informasi dari data yang ada, metode ini disebut sebagai data mining, data
mining adalah sekumpulan metode untuk menemukan pola yang tersirat dari suatu kumpulan
data sehingga nantinya diperoleh informasi yang bermanfaat. Data mining juga merupakan
proses mengekstraksi informasi yang menarik, implisit dan berpeluang untuk dimanfaatkan
dari data berskala besar atau big data (Andrea, dkk., 2019).

1
 Dengan memanfaatkan big data dan data mining menggunakan metode hierarchical
clustering, pemerintah bisa membuat pemodelan daerah-daerah di Indonesia yang berpotensi
untuk di jadikan perkebunan bawang putih yang optimal dan efisien karena dapat menghasilkan
bawang putih dengan kualitas yang baik dan minim penggunaan pupuk karena bawang putih
di tanam di kondisi tanah yang sesuai agar pertumbuhannya optimal, bila model ini berhasil di
kembangkan tak menutup kemungkinan bahwa model ini dapat di kembangkan untuk
komoditas pertanian lainnya guna meningkatkan produksi disektor pertanian dalam negeri
yang akhirnya akan menyejahterakan para petani dan menjadi tambahan pemasukan bagi
negara.
1.2. Rumusan Masalah
Berdasarkan latar belakang masalah, rumusan masalah penelitian ini yaitu:
1. Apakah hierarchical clustering dapat digunakan untuk melakukan pengelompokan
daerah berpotensi untuk budidaya palawija bawang putih?
2. Bagaimana penggunaan hierarchical clustering untuk melakukan pengelompokan
daerah berpotensi untuk budidaya palawija bawang putih?
1.3. Tujuan Penelitian
Berdasarkan rumusan masalah, tujuan penelitian ini yaitu:
1. Untuk mengetahui apakah hierarchical clustering dapat digunakan untuk melakukan
pengelompokan daerah berpotensi untuk budidaya palawija bawang putih.
2. Untuk mengetahui bagaimana penggunaan hierarchical clustering untuk melakukan
pengelompokan daerah berpotensi untuk budidaya palawija bawang putih.
1.4. Manfaat Penelitian
1. Bagi Universitas
a. Dapat digunakan sebagai referensi untuk melakukan penelitian serupa.
b. Dapat memberikan kontribusi akademik untuk pengembangan ilmu
pengetahuan dalam bidang pemodelan, khususnya yang berkaitan dengan
metode hierarchical clustering dan penerapannya dalam masalah pemodelan
daerah di Indonesia yang berpotensi untuk ditanami bawang putih.
2. Bagi Masyarakat
a. Meningkatkan kesejahteraan bagi petani bawang putih.
b. Meningkatkan lapangan kerja baru di bidang pertanian.
c. Menghasilkan komoditas yang unggul karena ditanam di lokasi yang cocok
untuk tumbuh kembang tanaman bawang putih.
3. Bagi Pemerintah
a. Mengetahui daerah di Indonesia yang berpotensi untuk ditanami bawang putih.
b. Meningkatkan produksi bawang putih dalam negeri.
c. Mengurangi kuota impor bawang putih yang berujung pada meningkatnya
kesejahteraan petani bawang putih.
d. Menambah pemasukan negara dari sektor pertanian.

2
 BAB II
METODOLOGI PENELITIAN

2.1. Big Data

Big Data merupakan kumpulan data yang volume datanya super besar, memiliki
keragaman sumber data yang tinggi, sehingga perlu dikelola dengan metode dan perangkat
bantu yang kinerjanya sesuai. Dengan mengacu pada definisi tersebut, maka dapat disimpulkan
bahwa karakteristik utama Big Data meliputi tiga hal – biasa disingkat dengan 3V – yaitu
volume, velocity, dan variety. Volume terkait dengan besaran data yang harus dikelola
berukuran super besar. Velocity berkenaan dengan kecepatan pemrosesan data yang harus
mengimbangi pesatnya pertumbuhan jumlah data. Sedangkan variety merujuk pada
karakteristik sumber data yang sangat beragam, baik itu yang berasal dari basis data yang
terstruktur maupun juga dari data-data yang tidak terstruktur (Maryanto, 2017).
Penyebutan pertama kali Big Data terjadi pada tahun 1997 ketika seorang peneliti
bernama Michael Cox dan David Ellisworth di dalam artikel dengan judul Application-
controlled demand paging for out-of-core visualization (Sugiarsono, 2015).
Mengacu pada definisi yang ada, maka big data akan berkaitan dengan (1) volume, (2)
velositas (kecepatan data mengalir) dan (3) varietas (keberagaman data). Di dalam lingkungan
organisasi juga mulai tumbuh sejumlah pegawai / staf yang secara spesifik mendapat sebutan
sebagai “analis bisnis”, "data analis" dan " ilmuwan data" (Kandel, dkk., 2012).
2.2. Data Mining
Data mining adalah sekumpulan metode untuk menemukan pola yang tersirat dari
suatukumpulan data sehingga nantinya diperoleh informasi yang bermanfaat. Data mining juga
merupakan proses mengekstraksi informasi yang menarik, implisit dan berpeluang untuk
dimanfaatkan dari data berskala besar atau big data (Andrea, dkk., 2019).
Definisi sederhana dari data mining adalah ekstraksi informasi atau pola yang penting
atau menarik dari data yang ada pada basis data yang besar. Dalam jurnal ilmiah, data mining
juga dikenal dengan nama Knowledge Discovery in Databases (KDD) (Heri, 2014).
Knowledge discovery in Database (KDD) didefinisikan sebagai ekstraksi informasi
potensial, implisit dan tidak dikenal dari sekumpulan data. Proses knowledge discovery
melibatkan hasil dari proses data mining (proses mengekstrak kecenderungan pola suatu data),
kemudian mengubah hasilnya secara akurat menjadi informasi yang mudah dipahami. KDD
sendiri diartikan sebagai keseluruhan proses non-trivial untuk mencari dan mengidentifikasi
pola (pattern) dalam data, di mana pola yang ditemukan bersifat sah, baru, dapat bermanfaat
dan dapat dimengerti (Fajrin dan Maulana, 2018).
2.3. Orange Data Mining
Orange data mining adalah sebuah software package pemrograman visual yang
berbasis komponen untuk visualisasi data, machine learning, data mining, dan data analytic
yang dibuat oleh tim dari University Of Ljubjana dan Jozef Stefan Institute pada tahun 1996.
Komponen orange disebut widget yang terdiri dari visualisasi data sederhana, pemilihan subset
selection, dan preprocessing, hingga evaluasi empiris learning algoritm dan predictive
modeling (Janes dkk., 2013).

3
 Orange cocok untuk machine learning dan data mining, untuk peneliti dibidang
machine learning, orange memberikan kemudahan scripting dalam membuat purwarupa
algoritma baru dan prosedur eksperimental. Bagi data analysis, orange memberikan
framework pemrograman visual yang interaktif dan kreatif yang mengombinasikan komponen
visual (Demsar dan Zupan, 2004).
2.4. Hierarchical Clustering
Hierarchical clustering adalah teknik clustering atau pengelompokan yang membentuk
hierarki atau berdasarkan tingkatan tertentu sehingga menyerupai struktur pohon yang disebut
dendrogram. Di mana proses pengelompokannya dilakukan dengan cara bertahap atau
bertingkat (Dasgupta, 2016).
Mohammad Jafarzadegan dkk. (2019) menyebutkan ada dua acara untuk membentuk
hierarchical clustering yaitu: divisive hierarchical clustering dan agglomerative hierarchical
clustering. Divisive hierarchical clustering merupakan metode yang memecah data yang
dimulai dengan satu cluster yang berisi semua data, kemudian dipecahkan menjadi beberapa
cluster-cluster lainnya. Sedangkan agglomerative hierarchical clustering merupakan adalah
jenis pengelompokan hierarki yang paling umum digunakan untuk mengelompokkan objek
dalam kluster berdasarkan kesamaannya. Biasanya dikenal dengan Agglomerative Nesting
(AGNES) yaitu dengan pendekatan bottom-up di mana setiap observasi dimulai pada
klusternya sendiri, dan pasangan kluster digabungkan saat sebuah hierarki naik. (F. Ros dan
Guillaume, 2019).
Pada penelitian ini, penulis menggunakan metode agglomerative hierarchical
clustering. agglomerative hierarchical clustering adalah jenis pengelompokan hierarki yang
paling umum digunakan untuk mengelompokkan objek dalam kluster berdasarkan
kesamaannya. Biasanya dikenal dengan Agglomerative Nesting (AGNES) yaitu dengan
pendekatan bottom-up di mana setiap observasi dimulai pada klusternya sendiri, dan pasangan
kluster digabungkan saat sebuah hierarki naik, adapun algoritma yang kami gunakan yaitu
average linkage.
Average linkage (Dani, dkk., 2019) merupakan prosedur pengelompokan
agglomerative berdasarkan rata-rata antar objek. Algoritma average linkage diawali dengan
mendefinisikan matriks 𝐷 = {𝑑𝑖𝑗} untuk memperoleh objek yang paling dekat, sebagai contoh
𝑈 dan 𝑉, kemudian objek ini digabung ke dalam bentuk cluster (𝑈𝑉) dan selanjutnya jarak
antara (𝑈𝑉) dengan cluster lainnya 𝑊, sehingga dapat dituliskan sebagai berikut: Jambura
Journal of Mathematics. 1(2):
𝑑𝑈𝑊 + 𝑑𝑉𝑊
𝑑(𝑈𝑉)𝑊 = (1)
𝑛𝑈𝑉 𝑛𝑊
dengan 𝑛(𝑈𝑉) adalah banyaknya anggota dalam cluster (𝑈𝑉) dan 𝑛𝑊 adalah banyaknya
anggota dalam cluster 𝑊.

4
2.3. Alur Penambangan Data
Proses penambangan ini dilakukan mengikuti tahap-tahap berikut ini.
1. Data Ingestion.
a. Mengumpulkan data dari Litbang Pertanian.
b. Feature selection, memilih atribut data
2. Preprocessing.
a. Merge, menggabungkan data-data menjadi satu dataset.
3. Data Mining, melakukan clustering menggunakan metode hierarchical clustering.
4. Evaluation.
a. Silhouette plot.
b. Geomap, melihat cluster pada peta.

Gambar 2.1.
Alur Penambangan Data pada Aplikasi Orange.

5
 BAB III
HASIL DAN PEMBAHASAN

3.1. Data Ingestion dan Preprocessing

Pengumpulan data diawali dengan mengidentifikasi kondisi yang ideal untuk menanam
tanaman bawang putih. Menurut Dimas, kondisi ideal untuk menanam bawang putih
ditentukan berdasarkan beberapa faktor yang dimiliki oleh tanah (Dimas: 2020). Faktor-faktor
tersebut terdapat pada Tabel 3.1.
Tabel 3.1. Kondisi Pertumbuhan Bawang Putih.
Variabel Nilai
Iklim Kering
Suhu 15-20 °C
110-200 mm/bulan
Curah hujan
800-2000 mm/tahun
Ketinggian 700-1000 mdpl
pH tanah 6-7,5

Setelah data mengenai kondisi pertumbuhan bawang didapatkan, variabel pada data
tersebut akan menjadi acuan untuk mencari dataset yang menjelaskan karakteristik tanah di
Indonesia. Data mengenai kondisi alam di Indonesia dikumpulkan dari BMKG yang berisi data
mengenai volume hujan, jumlah hari hujan, rata-rata suhu udara, tekanan udara, dan penyinaran
matahari. Selain itu, dataset ini diperkaya dengan data lokasi tiap-tiap provinsi di Indonesia
(latitude dan longitude) sehingga menjadikan data ini sebagai data spasial.
3.2. Data Mining dan Evaluation
Setelah data dikumpulkan, proses selanjutnya adalah melakukan clustering
menggunakan metode hierarchical clustering. Metrik jarak yang digunakan yaitu cosine
distance yang terdapat pada Persamaan (1).
𝐴∙𝐵
𝐷 (𝜃 ) = (1)
‖𝐴 ‖ × ‖𝐵 ‖
Proses hierarchical clustering dilakukan dengan menggunakan average linkage.
Berdasarkan hasil clustering, didapatkan dendogram seperti pada Gambar 3.1.

Gambar 3.1.
Dendogram.

6
 Berdasarkan hasil dendogram di atas, diambil lima cluster teratas. Untuk mengetahui
seberapa baik cluster yang dibuat, dilakukan analisis menggunakan silhouette plot seperti yang
terdapat pada Gambar 3.2.

Gambar 3.2.
Silhouette Plot.
Pada plot di atas dapat dilihat bahwa sebagian besar cluster memiliki silhouette score
yang besar, kecuali untuk satu data pada C5, yang kemungkinan merupakan outlier/pencilan.
Berdasarkan skor ini, peneliti menganggap bahwa lima cluster merupakan jumlah cluster yang
optimal. Cluster yang dibentuk dapat dilihat pada Tabel 3.2.
Tabel 3.2. Tabel Cluster Provinsi.
Banyaknya
Cluster Provinsi
Provinsi
C1 Sulawesi Tengah 1
C2 Sumatera Utara, Gorontalo, Maluku Utara 3
Banten, Bali, Nusa Tenggara Barat, Nusa Tenggara Timur,
C3 6
Sulawesi Barat, Papua
Sumatera Barat, Bengkulu, Jawa Barat, Kalimantan Barat,
C4 Kalimantan Tengah, Kalimantan Selatan, Sulawesi Selatan, 8
Papua Barat
Aceh, Riau, Jambi, Sumatera Selatan, Lampung, Kepulauan
Bangka Belitung, Kepulauan Riau, DKI Jakarta, Jawa Tengah,
C5 15
DI Yogyakarta, Jawa Timur, Kalimantan Timur, Sulawesi Utara,
Sulawesi Tenggara, Maluku

Gambar 3.3.
Visualisasi Cluster pada Peta.

7
 Proses selanjutnya yaitu menentukan karakteristik setiap cluster yang telah dibuat.
Untuk melakukan analisis ini, peneliti menggunakan diagram kotak garis (box plot) untuk
menentukan karakteristik tiap-tiap variabel pada dataset dengan cluster-nya.

Gambar 3.4. Gambar 3.5.

Box Plot Volume Hujan. Box Plot Jumlah Hari Hujan.

Gambar 3.6. Gambar 3.7.

Box Plot Suhu Rata-Rata. Box Plot Tekanan Udara.

Gambar 3.8.
Box Plot Penyinaran Matahari.

8
 Tabel 3.3. Statistik dari Box Plot.
Jumlah
Volume Tekanan Penyinaran
Cluster Hari Suhu
Hujan Udara Matahari
Hujan
Q1 460,9 68 28,4 1011 79,12
Q2 460,9 68 28,4 1011 79,12
C1
Median 460 68 28,4 1011 79,12
Q3 460,9 68 28,4 1011 79,12
Q1 870,6 76 27,3 1010,6 51,86
Q2 919,967 102,67 27,33 1011,533 70,3733
C2
Median 913,4 105 27,3 1011 75,19
Q3 975,9 127 27,4 1013 84,07
Q1 1147,9 91 27,3 1011 65,06
Q2 1238,6 118,83 27,317 1011,783 76,8267
C3
Median 1216,9 108,50 27,4 10112 81
Q3 1310,1 155 27,8 1012,5 84,44
Q1 2589,250 160,50 26,7 1010,9550 557,30
Q2 2832,312 179,62 26,663 1001,175 61,8538
C4
Median 2753,050 171,5 27,0 1011,650 61,54
Q3 3113,3 200 27,350 1013,1 66,17
Q1 1620,7 133 27,0 1011 51,97
Q2 1866,180 145,40 27,313 1011,9 64,7027
C5
Median 1947,2 140 27,1 1011,8 66,52
Q3 2048,3 163 27,9 1012,4 72,51

Dapat disimpulkan, karakteristik untuk masing-masing cluster yaitu:

1. C1, memiliki curah hujan paling sedikit dan kondisi cuaca panas kering.
2. C2, memiliki curah hujan yang sedikit dengan rata-rata 102 hari hujan, dengan
penyinaran matahari yang bervariasi antara 51-84 hari dengan rata-rata suhu 27,3°C.
3. C3, memiliki curah hujan sedikit lebih banyak dibandingkan C2, dengan penyinaran
matahari yang lebih lama antara 65-84 hari dengan rata-rata suhu 27,13°C.
4. C4, memiliki curah hujan paling banyak dengan rata-rata 145 hari hujan, memiliki
penyinaran matahari yang paling sedikit, dan suhu yang paling dingin dibandingkan
cluster lainnya.
5. C5, memiliki curah hujan yang besar dengan rata-rata 145 hari hujan, memiliki
penyinaran matahari antara 51,97 dan 72,51 hari, dengan suhu antara 27-27,9°C.
Berdasarkan data tersebut, dapat disimpulkan bahwa cluster C3 merupakan kandidat
terbaik sebagai lokasi budidaya palawija bawang putih. Provinsi yang termasuk pada cluster
C3 yaitu Banten, Bali, Nusa Tenggara Barat, Nusa Tenggara Timur, Sulawesi Barat, dan Papua.

9
 BAB IV
PENUTUP

4.1. Simpulan
Hierarchical clustering adalah teknik clustering atau pengelompokan yang membentuk
hierarki atau berdasarkan tingkatan tertentu sehingga menyerupai struktur pohon yang disebut
dendrogram. Pada penelitian ini metode hierarchical clustering digunakan untuk melakukan
pemodelan data spasial untuk menentukan daerah yang cocok untuk budidaya palawija bawang
putih di Indonesia.
Berdasarkan hasil pemodelan yang dilakukan menggunakan lima variabel yaitu volume
hujan, jumlah hari hujan, suhu rata-rata, tekanan udara, dan penyinaran matahari, didapatkan
lima cluster provinsi di Indonesia dengan karakteristik yang berbeda-beda. Cluster yang
menjadi kandidat terbaik untuk menjadi daerah pembudidaya bawang putih berdasarkan
metode clustering tersebut yaitu Banten, Bali, Nusa Tenggara Barat, Nusa Tenggara Timur,
Sulawesi Barat, dan Papua.
4.2. Saran
Pada pemodelan ini masih perlu data latih tambahan seperti pH tanah dan jenis tanah
agar model yang dihasilkan lebih akurat, penulis juga berharap model ini dapat di kembangkan
lagi bukan hanya untuk tanaman bawang tapi juga bisa untuk berbagai macam varietas tanaman
pangan dalam negeri untuk menciptakan ketahanan pangan serta meningkatkan pendapatan
negara lewat sektor pertanian.

10
 DAFTAR PUSTAKA

Dani, A. T. R., Wahyuningsih, S., & Rizki, N. A. (2019). Penerapan Hierarchical Clustering
Metode Agglomerative pada Data Runtun Waktu. Jambura Journal of Mathematics,
1(2), 64-78.
Dasgupta, S. (2016, Juni). A cost function for similarity-based hierarchical clustering. In
Proceedings of the forty-eighth annual ACM symposium on Theory of Computing
(pp. 118-127).
Demšar, J., Curk, T., Erjavec, A., Gorup, Č., Hočevar, T., Milutinovič, M., ... & Štajdohar,
M. (2013). Orange: data mining toolbox in Python. the Journal of machine Learning
research, 14(1), 2349-2353.
Demšar, J., Zupan, B., Leban, G., & Curk, T. (2004, September). Orange: From experimental
machine learning to interactive data mining. In European conference on principles of
data mining and knowledge discovery (pp. 537-539). Springer, Berlin, Heidelberg.
Dimas. 2020. Cara Menanam Bawang Putih Paling Efektif (https://kutanam.com/cara-
menanam-bawang-putih). Diakses 05 September 2020.
Fajrin, A. A., & Maulana, A. (2018). Penerapan Data Mining Untuk Analisis Pola Pembelian
Konsumen Dengan Algoritma Fp-Growth Pada Data Transaksi Penjualan Spare Part
Motor. Kumpul. J. Ilmu Komput, 5(01), 27-36.
Jafarzadegan, M., Safi-Esfahani, F., & Beheshti, Z. (2019). Combining hierarchical clustering
approaches using the PCA method. Expert Systems with Applications, 137, 1-10.
Kusumasari, D., & Rafizan, O. (2018). Studi Implementasi Sistem Big Data untuk
Mendukung Kebijakan Komunikasi dan Informatika. Masyarakat Telematika Dan
Informasi: Jurnal Penelitian Teknologi Informasi dan Komunikasi, 8(2), 81-96.
Maryanto, B. (2017). Big Data dan Pemanfaatannya dalam Berbagai Sektor. Media
Informatika, 16(2), 17-18.
Narendra, A. P. (2015). Data besar, data analisis, dan pengembangan kompetensi
pustakawan. Record and Library Journal, 1(2), 83-93.
Ros, F., & Guillaume, S. (2019). A hierarchical clustering algorithm and an improvement of
the single linkage criterion to deal with noise. Expert Systems with Applications,
128, 96-108.
Sirait, E. R. E. (2016). Implementasi Teknologi Big Data Di Lembaga Pemerintahan
Indonesia. Jurnal Penelitian Pos dan Informatika, 6(2), 113-136.
Susanto, H., & Sudiyatno, S. (2014). Data mining untuk memprediksi prestasi siswa
berdasarkan sosial ekonomi, motivasi, kedisiplinan dan prestasi masa lalu. Jurnal
pendidikan vokasi, 4(2).

11
 LAMPIRAN

Lampiran 1. Foto Dokumentasi Kegiatan.

Lampiran 2. Dataset Olahan.

Jumlah
Volume Suhu Tekanan Penyinaran
Provinsi Latitude Longitude hari
hujan avg udara matahari
hujan
Aceh 4,695135 96,749399 1575 146 27,1 1010,7 65,69
Sumatera Utara 2,1153547 99,545097 975,9 105 27,4 1010,6 51,86
Sumatera Barat -0,73994 100,80001 3548 185 26,5 1010,9 59,56
Riau 0,2933469 101,70683 2048,3 140 27,2 1010,5 50,32
Jambi -1,485183 102,43806 1694,9 135 27 1011,4 51,97
Sumatera Selatan -3,319437 103,9144 1947,2 138 27,7 1011 51,19
Bengkulu -3,577847 102,34639 2668,9 166 27 1011 71,35
Lampung -4,558585 105,40681 1628,1 151 27,1 1012,1 67,89
Kepulauan Bangka
Belitung -2,741051 106,44059 1534,7 163 27,3 1011,4 59,57
Kepulauan Riau 3,9456514 108,14287 2250,9 174 27 1011,4 69,95
DKI Jakarta -6,211544 106,84517 2169,5 121 28,4 1011 60,12
Jawa Barat -7,090911 107,66889 2199,3 177 23,5 924,1 65,51
Jawa Tengah -7,150975 110,14026 1620,7 140 28,5 1011,9 85,05
DI Yogyakarta -7,875385 110,42621 2045,5 119 26,1 1014,9 75,14
Jawa Timur -7,536064 112,2384 2024,7 133 28 1011,8 80,12
Banten -6,405817 106,06402 1310,1 155 27,3 1010,6 65,06
Bali -8,409518 115,18892 1133,8 124 27,3 1011,3 84,44

12
Nusa Tenggara Barat -8,652933 117,36165 1147,9 91 26,1 1014,2 84,99
Nusa Tenggara Timur -8,657382 121,07937 1406 82 27,5 1011 84
Kalimantan Barat -0,278781 111,47529 2757,7 215 26,9 1011,8 55,04
Kalimantan Tengah -1,681488 113,38235 2748,4 155 27,7 1013,9 53,46
Kalimantan Selatan -3,092642 115,28376 2509,6 166 27 1013,1 61,45
Kalimantan Timur 1,6406296 116,41939 2069,4 186 27,9 1012,9 46,97
Sulawesi Utara 0,6246932 123,975 1807 127 27 1012,3 67,53
Sulawesi Tengah -1,430025 121,44562 460,9 68 28,4 1011,9 79,12
Sulawesi Selatan -3,668799 119,97405 3382 155 27,3 1013,1 66,83
Sulawesi Tenggara -4,14491 122,17461 1589,6 141 26,9 1012,8 72,51
Gorontalo 0,6999372 122,44672 870,6 76 27,3 1011 75,19
Sulawesi Barat -2,844137 119,23208 1167,9 93 27,9 1012,5 78
Maluku -3,238462 130,14527 1987,2 167 26,5 1012,4 66,52
Maluku Utara 1,5709993 127,80877 913,4 127 27,3 1013 84,07
Papua Barat -1,336115 133,17472 2844,6 218 27,4 1011,5 61,63
Papua -4,269928 138,08035 1265,9 168 27,8 1011,1 64,47

13
PETCARE - DESAIN APLIKASI PLATFORM KEBUTUHAN DAN
KESEHATAN UNTUK HEWAN PELIHARAAN

PROPOSAL
Diajukan untuk mengikuti lomba gemastik xiii

Diusulkan Oleh:
Amalia Sabrina NIM. 065118317 Angkatan 2018
Ilham Agung NIM. 065118334 Angkatan 2018
Sarah Tri Lestari NIM. 065118239 Angkatan 2018

UNIVERSITAS PAKUAN
BOGOR
2020

i
 ABSTRAK

Memelihara hewan bukan hanya sekedar memelihara layaknya hewan ternak, pemilik
hewanjuga harus memerhatikan yang disebut dengan kesejahteraan hewan (animal welfare).
Banyak hal yang harus dipenuhi oleh pemilik hewan untuk menjamin hewan peliharaannya
sejahtera.
PET-CARE merupakan sebuah platform untuk membantu mengetahui kebutuhan hewan
peliharaan bersifat efektif dan interaktif dilengkapi obrolan langsung dengan ahli untuk
konsultasi seputar hewan.

Kata Kunci: hewan peliharaan, dokter hewan

i
 DAFTAR ISI

ABSTRAK .................................................................................................................................. i
DAFTAR ISI..............................................................................................................................ii
BAB I PENDAHULUAN .......................................................................................................... 1
1.1 Latar Belakang ............................................................................................................ 1
1.2 Tujuan.......................................................................................................................... 1
1.3 Manfaat........................................................................................................................ 1
BAB II ISI .................................................................................................................................. 2
2.1 User Centered Design.................................................................................................. 2
2.2 Analisis ........................................................................................................................ 2
2.3 Skenario Penggunaan Produk...................................................................................... 3
DAFTAR PUSTAKA ................................................................................................................ 5

ii
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Menurut Dwi Utari (2014) Hewan peliharaan adalah hewan yang kehidupannya untuk sebagian
atau seluruhnya bergantung pada manusia untuk maksud tertentu. Memelihara hewan
peliharaan tentunya harus memperhatikan kesejahteraan hewan.
Memelihara hewan bukan hanya sekedar memelihara layaknya hewan ternak, pemilik
hewanjuga harus memerhatikan yang disebut dengan kesejahteraan hewan (animal welfare).
Banyak hal yang harus dipenuhi oleh pemilik hewan untuk menjamin hewan peliharaannya
sejahtera. Memelihara hewan diikuti dengan adanya tuntutan berupa kewajiban untuk
bertanggung jawab terhadap keberlangsungan hidup hewan peliharaannya. Bahkan pemilik
hewan peliharaan harus memperlakukan hewannya dengan manusiawi (Bogdanoski2010).
Tidak hanya memastikan bahwa hewan peliharaannya dapat hidup, tetapi juga pemilik harus
mampu memastikan hewan peliha-raannya dalam kondisi sehat secara fisik dan mental serta
tidak kekurangan suatu apapun, seperti pakan, minuman dan tempat berteduh. Memelihara
companion animal dapat dijadikan sebagai sarana rekreasi dengan cara bermain bersama hewan
peliharaan, mengisi waktu luang dengan memandikan atau mengajak berjalan-jalan hewan
peliharaan.
Hewan seperti kucing, anjing, kura-kura, berbagai macam ikan, burung, merupakan hewan
yang sering dijadikan peliharaan oleh masyarakat umum. Tidak sedikit pula yang mempunyai
hewan peliharaan lebih dari satu.
Berdasarkan latar belakang tersebut dan dari survey online yang kelompok kami lakukan
beberapa pemilik hewan peliharaan tidak tahu apa yang harus dilakukan jika hewan
peliharaannya sakit, atau apa saja kebutuhan hewan yang tidak umum. Karena kurangnya
informasi dari seorang ahli.
1.2 Tujuan
Tujuan dari interface yang kami buat yaitu:
1. Mempermudah masyarakat mendapatkan informasi tentang hewan peliharaannya
2. Mempermudah pemilik hewan peliharaan untuk konsultasi dengan ahli
1.3 Manfaat
Manfaat yang dihasilkan dari interface yang kami buat yaitu:

1. Menambah wawasan kepada masyarakat tentang hewan peliharaan

2. Mendapat informasi valid tentang hewan dari ahli

1
 BAB II
ISI

2.1 User Centered Design

Kelompok kami mengambil sample dengan hewan peliharaan yang berbeda.

Nama Personality Goals
- Mencari informasi lebih soal
Umur : 21 merawat kura-kura yang baik
Mahasiswi - Konsultasi dengan dokter
Salsabila Pemikir dan mempunyai hewan hewan tanpa harus ke klinik
peliharaan kura-kura - Mencari klinik hewan
Memilih Platform Android, terdekat

Umur : 22
- Konsultasi dengan dokter
Karyawan
hewan
Wina H Pemalu dan mempunyai hewan
- Mencari aksesoris hewan
peliharaan kucing
- Mencari informasi dokter
Memilih Platform Android

Umur : 24
Karyawan Staff IT - Mengetahui klinik dokter
Revano Ambisius dan mempunyai hewan terdekat
peliharaan anjing
Memilih Platform Mobile Browser

Dari survey diatas kelompok kami membuat aplikasi berbasis mobile. Dan meiliki fitur
konsultasi dengan dokter hewan secara obrolan langsung, serta dihadirkan juga fitur artikel
untuk menambah wawasan pengguna tentang hewan peliharaan yang dimilikinya. Serta
dihadirkan pula fitur produk untuk melihat beberapa produk yang dihadirkan. Lalu fitur
menemukan klinik hewan terdekat.

2.2 Analisis
a. Target Pengguna
Produk dibuat untuk masyarakat yang mempunyai hewan peliharaan.
b. Batasan Produk
Batasan-batasan yang digunakan pada pengembangan produk ini meliputi;
1. Aplikasi hanya bisa diakses melalui smart phone.
2. User hanya bisa melakukan obrolan dengan dokter, membuat janji dengan dokter,
tanpa melakukan panggilan suara atau video.

2
 3. User hanya diperkenankan melihat detail dan fungsi produk tetapi tidak bisa
membelinya langsung secara online
c. Platform yang digunakan
Platform yang digunakan dalam membuat desain aplikasi;
a. Figma
Digunakan untuk membuat interface secara berkelompok dan dipantau oleh dosen
pembimbing lomba.
b. Trello
Karena menggunakan metode pengerjaan agile maka kita melakukan sprint,
semua research, kebutuhan aplikasi, deadline, dituliskan pada trello agar bisa
terpantau oleh dosen pembimbing.
c. Google Form
Digunakan untuk mengambil survey user persona untuk UCD
d. Adobe Photoshop
Digunakan untuk membuat ilustrasi login screen dan mengedit beberapa resolusi
foto.
2.3 Skenario Penggunaan Produk
Perlunya skenario untuk memudahkan pengguna serta melakukan analisis dan
observasinya. Skenario akan menjadi acuan penulis seperti apa pengguna ketika
menjalankan langkah-langkah pada aplikasi.

2.3.1 Skenario Memulai Obrolan Dengan Dokter

Tombol Keterangan

Pengguna melakukan login terlebih dahulu,

Login Login
untuk mendapat informasi nama.

Menggunakan nomor telepon untuk login,

lalu masuk pada halaman verifikasi
Verifikasi Verifikasi otentifikasi 4 angka nomor telepon yang
dikirim melalui sms

Pengguna memilih fitur dokter hewan yang

Dokter Online Foto Dokter sedang online, terlihat pada dashboard
aplikasi.

Pengguna melakukan konsultasi dengan

Lakukan dokter hewan yang bersangkutan dengan
Konsultasi menyebutkan hewan dan menjelaskan
keluhan secara detail.
Akhiri Jika pengguna sudah merasa puas dengan
Obrolan Jika X saran dari dokter, bisa langsung mengakhiri
Telah Selesai obrolan dengan menekan tombol x

3
 Pengguna akan kembali pada dashboard jika
Kembali Ke
sudah selesai konsultasi dengan dokter
Dashboard
hewan

2.3.2 Skenario melihat produk-produk hewan

Tombol Keterangan

Pengguna melakukan klik pada icon petshop

Dashboard Icon petshop lalu melihat beberapa macam produk yang
disarankan aplikasi

Pengguna melakukan klik pada foto produk

yang diminati, lalu akan muncul deskripsi
Halaman
Foto Produk produk serta klinik yang menjual barang
Produk
tersebut.

2.3.3 Skenario melihat profil dokter

Tombol Keterangan

Icon dokter Pengguna melakukan klik pada icon dokter

Dashboard
Pada navbar pada navbar.

Pada halaman daftar dokter akan

Halaman List ditampilkan foto dokter dan jarak menuju
Foto Dokter
Dokter klinik dari lokasi pengguna. Ditampilkan
dari jarak yang terdekat.
Ditampilkan profil dokter berupa foto, lama
Halaman bergabung dengan aplikasi, lama menjadi
Profil Dokter dokter hewan, serta alamat dan jadwal
klinik.

4
 DAFTAR PUSTAKA

Pemerintah Indonesia. 2011. Undang-Undang No.48 Tahun 2011 Yang Mengatur Tentang
Sumber Daya Genetik Hewan Dan Penerbitan Ternak.
Rahmiati, U., & Pribadi, S. (2014). Latar Belakang: Tingkat Pendidikan dan Status Ekonomi
Pemilik Hewan Kesayangan dalam Hal Pengetahuan dan Penerapan Kesejahteraan
Hewan.

5
ACOVID-19: Aplikasi Android untuk Pelacakan dan Pengingat
Penyebaran COVID-19

PROPOSAL
Diajukan untuk mengikuti lomba Pengembangan Perangkat Lunak pada GEMASTIK XIII.

Diusulkan Oleh:

Dimas Purnomo NIM. 065118211 Angkatan 2018

Deris Hardiansyah Ismail NIM. 065118228 Angkatan 2018
Fahmi Noor Fiqri NIM. 065118116 Angkatan 2018

UNIVERSITAS PAKUAN
BOGOR
2020
 DAFTAR ISI

DAFTAR ISI............................................................................................................................... i

BAB I PENDAHULUAN .......................................................................................................... 1

1.1. Latar Belakang Masalah .............................................................................................. 1

1.2. Tujuan Penelitian......................................................................................................... 2

1.3. Manfaat Penelitian....................................................................................................... 2

BAB II RENCANA IMPLEMENTASI..................................................................................... 3

2.1. Rancangan Tampilan ................................................................................................... 3

2.2. Analisis Fungsional ..................................................................................................... 4

2.3. Arsitektur Sistem ......................................................................................................... 4

2.4. Realtime Tracking ....................................................................................................... 4

i
 BAB I
PENDAHULUAN

1.1. Latar Belakang Masalah

Tahun 2020 menjadi tahun yang sangat berat bagi dunia karena pandemi COVID-19.
Pandemi yang sudah bermula dari bulan Maret di Indonesia ini merupakan penyebab utama
berbagai kegiatan perekonomian di Indonesia berhenti dan menyebabkan kerugian di berbagai
sektor. Selain itu, banyak korban jiwa yang menjadi korban dari pandemi ini.

Saat ini belum ada obat untuk menyembuhkan penyakit ini, hanya tersedia terapi untuk
mengurangi gejala seperti analgesik dan antipiretik untuk menekan rasa sakit dan penggunaan
ventilator untuk membantu pernapasan. Penanganan yang terbaik pada pandemi ini adalah
pencegahan agar tidak tertular, daripada mengobati apabila sudah terjangkit.

Sebagai tindakan pencegahan, berbagai aturan dan anjuran sudah diterbitkan oleh
pemerintah untuk menanggulangi penyebaran pandemi ini seperti mewajibkan penggunaan
masker, pembatasan sosial, dan penutupan lokasi-lokasi dengan mobilitas yang tinggi seperti
pusat perbelanjaan dan sekolah.

Meskipun demikian, masyarakat masih banyak yang belum mematuhi aturan tersebut
atau tidak memiliki pengetahuan mengenai bagaimana tindakan yang sebaiknya dilakukan
untuk menghadapi pandemi ini, atau ada juga yang sekadar lupa dan perlu pengingat untuk
melakukan tindakan pencegahan seperti membawa masker.

Berdasarkan latar belakang tersebut, penulis ingin mengangkat aplikasi dengan nama
ACOVID-19: Aplikasi Android untuk Pelacakan dan Pengingat Penyebaran COVID-19.
Aplikasi ini diharapkan dapat menjawab masalah-masalah tersebut dengan menyediakan
sebuah platform bagi masyarakat agar dapat mengakses informasi mengenai COVID-19 dan
menjadi pengingat yang mudah diakses melalui gawai.

1
1.2. Tujuan Penelitian
Berdasarkan rumusan masalah, tujuan penelitian ini yaitu:

1. Warning, mengingatkan pengguna ketika akan beraktivitas di luar rumah untuk

menyiapkan peralatan seperti masker dan hand sanitizer.
2. Tracking, melacak lokasi pengguna aplikasi untuk mengetahui posisi pengguna.
3. Tracing, melacak aktivitas seluruh pengguna untuk mengukur mobilitas pengguna di
tengah pandemi dan menentukan lokasi-lokasi dengan mobilitas tinggi.

1.3. Manfaat Penelitian

1. Bagi Universitas
a. Sebagai referensi jika ada mahasiswa yang ingin melakukan penelitian serupa.
2. Bagi Masyarakat
a. Menjadi pengingat agar dapat melakukan tindakan preventif dalam pencegahan
penyebaran COVID-19.

2
 BAB II
RENCANA IMPLEMENTASI

2.1. Rancangan Tampilan

Sebagai acuan rancangan, penulis membuat high fidelity design dibuat menggunakan
Figma untuk mempermudah proses desain. Saat ini ACOVID-19 memiliki empat halaman
yang dapat diakses oleh pengguna.

Splash Screen Login Daftar Dashboard

Saat pengguna pertama kali membuka aplikasi ACOVID-19, pengguna akan

disuguhkan dengan splash screen yang berisikan logo dan kemudian akan lanjut ke halaman
login. Pada halaman login pengguna dapat masuk dengan akun yang ada atau membuat akun
baru. Setelah pengguna berhasil login, selanjutnya pengguna akan masuk ke dalaman
dashboard.

Halaman dashboard ini berisi informasi singkat mengenai statistik pandemi COVID-
19 di Indonesia. Selain itu, lokasi terkini pengguna juga akan ditampilkan pada halaman
dashboard ini. Nantinya pada halaman ini pengguna dapat mengakses statistik, tips, dan
bantuan melalui navbar.

3
2.2. Analisis Fungsional
Aplikasi ACOVID-19 dapat dibagi menjadi beberapa bagian fungsional, yaitu:

No. Laman Deskripsi

Memberikan akses kepada pengguna lama untuk masuk ke

1 Login
akunnya.
Memberikan akses kepada pengguna baru untuk mendaftarkan diri
2 Daftar
pada sistem.
Memberikan informasi statistik COVID-19 di Indonesia beserta
3 Dashboard
lokasi terkini dari pengguna.
Memberikan berbagai tips dan saran untuk menghadapi pandemi
4 Tips
COVID-19.
5 Bantuan Memberikan informasi mengenai cara penggunaan aplikasi ini.
Memberikan notifikasi kepada pengguna ketika akan keluar rumah
6 Notifikasi untuk membawa perlengkapan seperti masker dan ketika pengguna
masuk ke zona merah.

2.3. Arsitektur Sistem

Aplikasi ACOVID-19 dirancang menggunakan SDLC Agile Scrum, yang
memfokuskan pada nilai yang diberikan kepada pengguna selama iterasi pembuatan aplikasi
ini. Dari sisi sistem, aplikasi ACOVID-19 dibuat dengan menganut konsep modular dan
microservice. Aplikasi ini dibuat menggunakan Flutter dengan backend yang disediakan oleh
Microsoft Azure.

2.4. Realtime Tracking

Fitur ini adalah sistem pelacakan lokasi pengguna secara periodik untuk mencatat lokasi
pengguna. Tujuan dari fungsi ini yaitu mengetahui aktivitas dan lokasi pengguna dalam
menjalani kegiatan sehari-hari. Aplikasi ini akan melacak lokasi pengguna menggunakan GPS
dan mengirimkan datanya ke server ACOVID-19. Data tersebut kemudian akan disimpan dan
diolah untuk melakukan tracing, salah satunya adalah untuk mengukur mobilitas pengguna dan
menentukan lokasi-lokasi yang memiliki tingkat mobilitas tinggi.