BAB III METODE PENELITIAN 1.1. Identifikasi masalahrepository.dinamika.ac.id/id/eprint/1156/5/BAB_III.pdf · Data yang diperoleh berupa brosur-brosur perumahan dari 9 pangembang

BAB III

METODE PENELITIAN

Menjelaskan tentang metode penelitian yang digunakan dalam

memecahkan masalah yang dihadapi yang meliputi beberapa langkah.

1.1. Identifikasi masalah

Untuk melakukan identifikasi masalah yang dilakukan adalah :

a. Survey

Survey dilakukan untuk mendapatkan data yang akurat tentang suatu

objek yang sedang diteliti. Pada tugas akhir ini survey dilakukan di

Dewan Pengurus Daerah Persatuan Perusahaan Realestat Indonesia

Jawa Timur (DPD REI JATIM) yang bertempat di jalan Taman AIS

Nasution 33 G Surabaya. Data yang diperoleh berupa brosur-brosur

perumahan dari 9 pangembang.

b. Wawancara

Wawancara dilakukan untuk mendapatkan gambaran sistem yang ada

selama ini. Untuk memperoleh informasi yang akurat tentang

perumahan maka dilakukan wawancara dengan petugas dari DPD REI

JATIM sebagai badan yang menangani masalah perumahan dan

pemukiman dengan lingkungan hunian yang berimbang di wilayah

Surabaya.

1.2. Analisis sistem

Analisis dalam pembuatan sistem ini bertujuan untuk membantu calon

pembeli dalam mengambil keputusan dalam pembelian rumah sesuai

dengan jawaban dari pertanyaan yang disajikan sebelumnya.

1.3. Perancangan sistem

Perancangan sistem yang digunakan dalam sistem pendukung keputusan

berbasis aturan untuk pembelian rumah pada lokasi perumahan Surabaya

ini menggunakan Microsoft Access untuk penyimpanan data, untuk

membuat aplikasi grafik yang user friendly menggunakan Arc View 3.1

dan Map Objects 2.0, dan untuk aplikasi Web menggunakan Microsoft

Front Page dan Microsoft Active Server Pages.

1.3.1. Perancangan Knowledge Base

Untuk memberikan rekomendasi terhadap calon pembeli rumah, maka kita

perlukan adanya data-data mengenai spesifikasi rumah. Data yang diperoleh

tersebut untuk memudahkan penyelesaian maka dibuat tabel keputusan.

Selanjutnya data-data yang telah disusun kedalam tabel keputusan tersebut

akan dibuat kedalam bentuk pohon keputusan (decision tree). Pohon keputusan ini

merupakan proses penyederhanaan dalam pencarian fakta-fakta pada sistem

pakar.

1.3.2. Blok diagram detail rekomendasi pembelian rumah

Blok diagram rekomendasi pembelian rumah menunjukkan proses awal

atau inputan yang nantinya akan digunakan untuk proses lanjutan dari sistem

pakar yang akan dibuat. Dimana pada blok diagram dibawah ini merupakan

pertanyaan – pertanyaan .singkat yang ditanyakan pada calon pembeli rumah.

Blok diagram rekomendasi pembelian rumah secara detail diuraikan pada

Gambar 3.1. dimana pada gambar tersebut ditunjukkan kriteria apa saja yang telah

dikelompokkan berdasarkan inputan yang telah ditanyakan kepada calon pembeli

rumah.

1.3.3. Dependency Diagram

Gambar 3.2.

Dependency diagram untuk rekomendasi pembelian rumah

Bentuk

Rumah

Rumah

Kavling

Bank

BTN

Lain-lain

Rekomendasi

Pembelian

Rumah

Sist

pembayara

n

Tunai

Kredit 5 th

Kredit 10 th

Kredit 15 th

Kesesu-

aian

Kualitas

Posisi

Fas.rmh

IMB & sertifikat HGB

PLN

PDAM

Fas -

umum

Tempat ibadah

Jalan

Pasar

Lap.olah raga

Fasilitas

Keterangan :

Sepuluh Pertanyaan yang ditanyakan pada dependency diagram diatas terdapat

beberapa alternatif jawaban. Dimana tiap jawaban nantinya akan digunakan untuk

membantu pemberian rekomendasi bagi calon pembeli rumah yang menggunakan

sistem pendukung keputusan ini. Sembilan pertanyaan dari dependency diagram

diatas di jawab oleh user, dari informasi yang berupa jawaban dari pertanyaan

nanti akan dicari rule base-nya pada tabel rule yang kemudian akan ditemukan

hasil rekomendasi.

1.3.4. Perancangan Inference Engine

Inference Engine bertugas untuk melakukan proses penelusuran penentuan

hasil rekomendasi dengan metode pengambilan keputusan yang telah digunakan.

Informasi yang berupa jawaban dari user akan ditanggapi yang kemudian akan

dicari hasil rekomendasi .

Pembuatan inference engine didasarkan pada beberapa sifat dasar dari suatu

sistem pakar, salah satu sifatnya adalah mengesampingkan objek yang salah satu

dari gejalanya tidak terpenuhi. Teknik representasi dibuat agar dapat membentuk

suatu rule base dengan relasi AND yang menghubungkan setiap gejala yang ada,

teknik pengambilan keputusan pada sistem pakar ini adalah Forward Chaining

(Penalaran maju).

Forward chaining merupakan proses yang memberikan penalaran

(reasoning) dari sekumpulan data/ fakta menuju kesimpulan (goal). Dalam metode

forward chaining motor inferensi melacak pangkalan pengetahuan yang ada dalam

kaidah IF yang sesuai dengan fakta awal.

Proses yang dilakukan oleh inference engine dapat digambarkan melalui

pohon keputusan. Dengan adanya pohon keputusan maka proses penemuan suatu

rekomendasi dapat digambarkan atau ditunjukkan, yaitu dengan menggunakan

metode Forward chaining.

1.3.5. Rule set akhir

Dalam uraian rule set akhir ini akan diuraikan beberapa rule base dan

untuk rule base lainnya disertakan dalam lampiran. Dimana rule base tersebut

berbentuk tabel.

Rule 1

IF bentuk = rumah AND kesesuaian = level2.1 AND fasilitas = level3.1

AND sist_bayar = tunai AND bank = BTN

Then Perum = tidak ada

Rule 2


AND sist_bayar = tunai AND bank = lain-lain


Rule 3


AND sist_bayar = kredit 5 th AND bank = BTN


Rule 4


AND sist_bayar = kredit 5 th AND bank = lain-lain


Rule 5

IF bentuk = rumah AND kesesuaian = level2.1AND fasilitas = level3.1

AND sist_bayar = kredit 10 th AND bank = BTN


Pada kesesuain telah dilakukan pembagian level, kesesuain merupakan hasil dari

inputan kualitas dan posisi dimana kualitas diperoleh dari inputan dana dan tipe

sedangkan posisi diperoleh dari inputan lokasi dan jangkauan. Pada fasilitas juga

telah dilakukan pembagian level, dimana fasilitas diperoleh dari inputan fasilitas

umum dan fasilitas rumah. Berikut ini tabel pembagian level untuk pemberian

rekomendasi pembelian rumah.

Tabel Keputusan untuk Rule set final (rule set 1)

Jumlah Rule

Kondisi : Bentuk rumah ( rumah, kavling ) = 2

Kesesuaian ( sesuai, tidak sesuai ) = 2

Fasilitas ( minimum, standart, lebih dr standart ) = 2

Sistem bayar ( tunai, krd 5 th, krd 10 th, krd 15 th ) = 4

Bank ( BTN/ Bank Mandiri, lain-lain ) = 2

Row = 2 * 2 * 2 * 4 * 2 = 64

Tabel 3.1 Tabel rule set level 1

Rule Bentuk Kesesu-ain Fas Sist-Bayar Bank Rekomendasi

1 Rmh Sesuai Min Tunai BTN Ada

2 Rmh Sesuai Min Tunai Lain Ada

3 Rmh Sesuai Min 5 th BTN Ada

4 Rmh Sesuai Min 5 th Lain Ada





9 Rmh Sesuai Stan Tunai BTN Ada

Tabel Keputusan Rule Set 2

Jumlah Rule

Kondisi : Kualitas ( Baik, Kurang baik ) = 2

Posisi ( Strategis, Cukup strategis) = 2

Rows = 2 * 2 = 4

Tabel 3.2 Tabel rule set level 2

R

ule

Kualitas Posisi Kesesuaian

1 Baik Strategis Sesuai

2 Baik Cukup Sesuai

4 Kurang Strategis Tdk sesuai

5 Kurang Cukup Tdk sesuai

Tabel Keputusan untuk rule set 3

Jumlah Rule

Kondisi : Fas_rmh ( IMB&sert.HGB, Listrik, air) = 3

Fas_um ( temp.Ibadah, jalan, pasar, lap OR ) = 4

Rows = 3 * 4 = 12

Tabel 3.3 Tabel rule set untuk lavel 3

Rul

e

Fas_rmh Fas_um Fasilitas

1 IMB&HG

B

Temp.ibada

h

Minimum

2 IMB&HG

B

Jalan Minimum

3 IMB&HG

B

Pasar Minimum

Tabel Keputusan untuk Rule Set 4

Jumlah Rule

Kondisi : Dana (30–40, 41-50, 51-60, 61-70, 71-80, 81-90, =17

91-100, 101-125, 126-150, 151-175, 176-

200, 201-225, 226-250, 251-275, 276-300,

> 300 )

Tipe ( RSS, RS_Kecil, RS_besar, R_menengah, =5

R_mewah )

Rows = 17 * 5 = 85

Tabel 3.4 Tabel rule set untuk level 4

R

ule

Dana Tipe Kualitas

1 <30 RSS Kurang

2 <30 RS_K Kurang

3 <30 RS_B Kurang

4 <30 R_men Kurang

5 <30 R_mewah Kurang

6 30-40 RSS Baik

7 30-40 RS_K Kurang

8 30-40 RS_B Kurang

9 30-40 R_men Kurang

10 30-40 R_mewah Kurang

11 41-50 RSS Baik

12 41-50 RS_K Baik

13 41-50 RS_B Kurang

14 41-50 R_men Kurang

15 41-50 R_mewah Kurang

Tabel Keputusan untuk Rule Set 5

Jumlah Rule

Kondisi : Lokasi ( Timur, barat utara, selatan ) =4

Jangkauan ( Dkt jln besar, dkt pasar, dkt RS, mudah =4

Di jangkau )

Rows = 4 * 4 =16

Tabel 3.5 Tabel rule set untuk level 5

Rul

e

Lokasi Jangkauan Posisi

1 Timur Dkt jln besar Strategis

2 Timur Dkt pasar Cukup

3 Timur Dkt RS Cukup

4 Timur Terjangkau Strategis

5 Barat Dkt jln besar Strategis

6 Barat Dkt pasar Cukup

7 Barat Dkt RS Cukup

8 Barat Terjangkau Strategis

9 Utar Dkt jln besar Strategis

10 Utara Dkt pasar Cukup

Keterangan :

- Level 1 akan menjadi bahan acuan untuk rekomendasi yang berasal dari

beberapa level dibawahnya yang juga menjadi acuan untuk pemberian

rekomendasi pembelian rumah. Pada level 1 ini terdiri dari Bentuk rumah,

kesesuaian yang berasal dari gabungan antara kualitas dan posisi, fasilitas

merupakan hasil gabungan dari fas_rmh dan fas_umum, sistem

pembayaran, dan juga bank.

- Level 2 merupakan penjelasan dari kesesuaian dimana kesesuaian itu

merupakan hasil dari kualitas yang dijelaskan pada level 3 dan juga posisi

yang dijelaskan pada level 4. Kualitas merupakan hasil perpaduan dari

dana dan tipe rumah, kualitas terdiri dari Baik dan Kurang baik.

Sedangkan posisi merupakan hasil perpauan dari Lokasi dan Jangkauan ,

dimana yang menjadi hail kesimpulan dari lokasi dan jangkauan itu adalah

Strategis dan Cukup strategis.

- Level 3 adalah penjelasan dari perpaduan antara dana dan tipe rumah yang

akan Kualitas yang mempengaruhi dalam pengambilan keputusan pada

level 2. dana dan tipe merupakan pilihan (option). Dana berjumlah 17 item

sedangkan tipe berjumlah 5 item sehingga jumlah rule yang dihasilkan

adalah 17 x 5 = 85 rule.

- Level 4 merupakan penjelasan dari Lokasi dan jangkauan. Dimana lokasi

merupakan option sedangkan jangkauan merupakan check box sehingga

user dapat memilih jawaban lebih dari 1. Jumlah option lokasi adalah 4

sedangkan untuk jangkauan diperkirakan ada 31 kombinasi sehingga

diperkirakan akan mendapatkan 124 rule.

- Level 5 merupakan proses dari fasilitas dimana fasilitas ini dipengaruhi

oleh fas_rmh dan fas_umum dan kedua-duanya adalah check box yang

dapat dipilih lebih dari 1 jawaban.

1.3.6. Perancangan struktur database

Perancangan struktur database memuat tabel-tabel yang terlibat dalam

sistem. Berikut ini akan diuraikan masing-masing tabel yang terlibat dalam Sistem

Pendukung Keputusan Berbasis Aturan Untuk Pembelian Rumah Surabaya :

1. Tabel Pengembang

Tabel ini berisi data pengembang yang menjadi anggota dari DPD REI

JATIM

Tabel 3.6. Struktur Tabel Pengembang

Field Key Type Panjang Keterangan

NPAG PK Text 8 Nomer Pokok Anggota

Nama Text 30 Nama Pengembang

Alamat Text 50 Alamat Pengembang

Kota Text 15 Kota kantor pengembang

NoTelp Text 30 Nomer telpon pengembang

NoFAx Text 15 Nomer fax pengembang

2. Tabel Fasilitas

Tabel fasilitas berisi data fasilitas dari perumahan yang dibangun oleh

masing-masing pengembang.

Tabel 3.7. Struktur Tabel Fasilitas


KDFas PK Text 5 Kode Fasilitas

KDPerum Text 5 Kode Perumahan

Nama_f Text 30 Nama fasilitas

3. Tabel Type Rumah

Tabel Type Rumah berisi data mengenai type rumah beserta spesifikasi

rumah dari setiap rumah yang dibangunoleh masing-masing pengembang.

Tabel 3.8. Struktur Tabel Type Rumah


IDType PK Text 5 Kode type rumah

Nama_t Text 50 Nama type rumah

Pondasi Text 50 Pondasi rumah

Carport Text 50 Car Port rumah

Dinding Text 50 Dinding rumah

Atap Text 50 Atap rumah

Rangka atap Text 50 Rangka atap rumah

Plafon Text 50 Plafon rumah

Daun Pintu Text 50 Daun pintu rumah

Jendela Text 50 Jendela rumah

Kusen Text 50 Kusen rumah

FinishingDinding Text 50 Finishing dinding rmh

Pagar pintu Text 50 Pagar pintu rumah

Lantai Rumah Text 50 Lantai rumah

Listrik Text 50 Listrik rumah

Air bersih Text 50 Air bersih rumah

KMWC Text 50 KM/WC rumah

Closed Text 50 Closed rumah

4. Tabel Perumahan

Tabel perumahan berisi data perumahan dari masing-masing anggota DPD

REI JATIM

Tabel 3.9. Struktur Tabel Perumahan


KDPerum PK Text 5 Kode perumahan

NPAG FK Text 8 Nomer Pokok Anggota

Nama_prm Text 30 Nama perumahan

Lokasi Text 30 Lokasi perumahan

Kecamatan Text 30 Kecamatan

Jumlah Text 50 Jumlah unit

Ket Memo Keterangan

5. Tabel Kavling

Tabel kavling berisi data kavling dari tiap kavling dalam suatu perumahan.

Tabel 3.10. Struktur Tabel Kavling


IDKav PK Text 6 Id kavling

IDType FK Text 5 Id type rumah

KDPerum FK Text 5 Kode perumahan

Harga Number 10,2 Harga kavling

Status Text 50 Status kavling

Pemby Text 10 Cara pembayaran

KdBank Fk Text 5 Kode Bank

Luas1 Number Double Luas kavling

Luas2 Number Double Luas bangunan

Nama_file Text 10 Path_ok

6. Tabel Guestbook

Tabel Guestbook berisi data pengguna yang pernah mengunjungi web site

ini.

Tabel 3.11. Struktur Tabel Guestbook


Nama Text 30 Nama pengunjung

Email Text 30 Alamat e-mail pengunjung

Komentar Memo Komentar

7. Tabel Pass

Tabel ini digunakan untuk menyimpan data-data user.

Tabel 3.12. Struktur Tabel User


NoId Pk Text 10 No Identita user

Password Text 10 Password user

Typepass Yes/No Otoritas user

8. Tabel Bank

Tabel ini berisi data nama bank yang ditunjuk sebagai tempat pembayaran

pembelian rumah.

Tabel 3.13. Struktur Tabel Bank


KdBank PK Text 5 Kode Bank

Nama Text 30 Nama Bank

9. Tabel t_question

Tabel ini berisi data pertanyaan dari proses sistem pakar rekomendasi

pembelian rumah.

Tabel 3.14. Struktur Tabel t_question


Id PK Number Long int Nomer id

Question Text 250 Pertanyaan

Keterangan Text 250 Keterangan

Answer_type Number Byte Tipe

View Y/N Status

10. Tabel t_answer

Tabel ini berisi data jawaban dari pertanyaan sistem pakar rekomendasi

pembelian rumah.

Tabel 3.15. Struktur Tabel t_answer


Id PK Number Long int Nomer id

Question _id FK Number Long int Id pertanyaan

Answer Text 250 Jawaban

Keterangan Text 250 Keterangan

11. Tabel t_masterRule

Tabel ini berisi tentang rule yang digunakan dalam sistem pakar rekomendasi

pembelian rumah.

Tabel 3.16. Struktur Tabel t_masterRule


No_rule PK Number Long int Nomer rule

Par_Konklusi Text 10 Next, End

Id_question FK Number Long int Id pertanyaan

Operator Text 2 =, < >

Id_answer FK Number Long int Id jawaban

Kd_Perum FK Text 5 Kode perum

12. Tabel t_detailRule

Tabel ini berisi detail rule yang digunakan dalam sistem pakar rekomendasi

pembelian rumah

Tabel 3.17. Struktur Tabel t_detailRule


No_premis PK Autonumber Long int Premis

No_rule FK Number Long int Nomer rule

Id_question FK Number Long int Id pertanyaan

Operator Text 2 =, < >

Id_answer FK Number Long int Id jawaban

13. Tabel t_kbs

Tabel ini berisi knowledge base system dalam sistem pakar rekomendasi

pembelian rumah

Tabel 3.18. Struktur Tabel t_kbs


Id PK Number Long int Id kbs

No_rule FK Number Long int Nomer rule

1.3.7. Perancangan user interface

User interface yang dikembangkan disesuaikan dengan kebutuhan end user

atau pemakai sistem pakar karena merupakan media komunikasi antara sistem

dengan calon pembeli rumah. Dalam hal ini adalah calon pembeli rumah, karena

yang dibutuhkan sebuah informasi atau hasil rekomendasi sehingga bentuk

interfacenya harus mudah dimengerti dan digunakan oleh pemakai.

1.3.7.1. Rancangan Input

A. Form Pengembang

Gambar 3.5. Form Pengembang

Pengembang

Nomer Pokok Anggota :

Nama Pengembang :

Alamat Pengembang :

Kota :

Nomer Telpon :

Nomer Fax :

Insert Update Delete

B. Form Fasilitas

Gambar 3.6. Form Fasilitas

C. Form Perumahan

Fasilitas

Kode Perumahan :

Nama Perumahan : Kode Fasilitas :

Nama Fasilitas :


Data Perumahan

Nomer Pokok Anggota :

Kode Perumahan :

Nama Perumahan :

Lokasi :

Kecamatan :

Jumlah Kavling : Keterangan :


Gambar 3.7. Form Perumahan

D. Form Tipe Rumah

Gambar 3.8 Form Tipe Rumah

E. Input untuk Quistioner

Type Rumah

Id Type Rumah :

Nama Type Rumah :

Spesifikasi :

Pondasi Kusen

Carport Finishing dinding

Dinding Pagar dan Pintu Atap Lantai Rumah

Rangka Atap Listrik

Plafon Air Bersih

Daun Pintu KM / WC

Jendela Closed

Delete Update Delete

rekomendasi pembelian rumah

pilihlah bentuk tempat tinggal yang diinginkan :

rumah

kavling

Back

Gambar 3.9. Rancangan input untuk pemilihan bentuk tempat tinggal

quistioner untuk membantu rekomendasi pembelian rumah

silakan masukkan data-data anda :

1. besar dana yang disediakan :

2. Tipe yang diinginkan :

3. dimana letak/lokasi yang diinginkan :

4. keterjangkauan lokasi perumahan yang diinginkan :

dekat jalan besar

dekat pasar

dekat rs

mudah dijangkau (ang_kota)

5. fasilitas rumah yang diharapkan ada pada perumahan :

imb & sertifikat hbs

pln

pdam

6.fasilitas umum diharapkan ada pada perumahan :

tempat ibadah

jalan

pasar

lapangan

7. sistem pembayaran yang diinginkan :

tunai

kredit 5 tahun

kredit 10 tahun

kredit 15 tahun

8. bank yang diinginkan untuk melakukan pembayaran perumahan :

btn (bank mandiri)

lain-lain

proses

klik di sini untuk halaman panduan pengisian quistioner.

home Gambar 3.10. Rancangan input questioner

1.3.7.1 Rancangan Output

A. Output hasil pengisian Questioner.

Gambar 3.11. Rancangan Output untuk bentuk rumah

Rancangan output ini akan menampilkan data dari jawaban pertanyaan

yang telah diinputkan oleh konsumen beserta rekomendasi perumahan yang sesuai

dengan criteria yang diinginkan. Rekomendasi dapat memberikan lebih dari satu

alternatif pilihan jawaban.

Gambar 3.12. Rancangan output berupa peta untuk bentuk rumah

Output dari rekomendasi juga dapat berupa spesifikasi perumahan dan

peta lokasi perumahan yang ditampilkan secara sederhana.

1.3.8. Arsitektur Program

Arsitektur program merupakan gambaran tentang cara kerja program pada

model sistem pakar tentang pembelian rumah berbasis aturan.

1. User Interface

<tr>

<td class="f2 ug">Aplikasi Expert System yang akan membantu anda

memutuskan pembelian rumah yang akan anda lakukan.

</td>

<td> </td>

<td width="200" class="f2">

Pencarian Data rumah :<br>

<input type="text" class="txt" name="txtCari" maxlength="100"

size="15">

<input type="submit" class="cmdflat" name="cmdSubmit" value=":

Cari :">

</td>

</tr>

</table><br><br>

<form method=post action="es_pro.asp" name="frm">

<table cellpadding=5 cellspacing=0>

<tr>

<td width="30" class="f3 fb" align=center>No</td>

<td class="f3 fb">Pertanyaan</td>

<td class="f3 fb">Jawaban</td>

</tr>

<tr>

<td colspan=3 align="right">

<INPUT type="submit" class="cmdflat" value=":: Proses ::"

name="cmdSubmit" style="width:180px"></td>

</tr>

</table>

2. Inference engine

'Menjalankan proses expert system, inference

function Expert()

id = IdMaks

sSQL = "SELECT count(id) AS jml FROM t_log WHERE id=" & id

set rsJmlLog = conn.execute(sSQL)

if not rsJmlLog.EOF then

if isNull(rsJmlLog("jml")) then i = 0 else i = cDbl(rsJmlLog("jml"))

else

i = 0

end if

rsJmlLog.close

set rsJmlLog = nothing

akhir = false

jmlLoop = 1

sSQL = "SELECT * FROM t_masterRule ORDER BY no_rule"

set rsMaster = conn.execute(sSQL)

do while not akhir=true

rsMaster.movefirst

do while not rsMaster.EOF

if cekKbs(cInt(rsMaster("no_rule"))) = false then

if ruleCocok(id,rsMaster("no_rule")) =true then

'Masukkan data fakta baru ke t_log

sSQL = "INSERT INTO t_log(id,usn,id_question,id_answer) " & _

"VALUES(" & Id & ",'" & session("usn") & "'," &

rsMaster("id_question") & "," & rsMaster("id_answer") & ")"

conn.execute(sSQL)

'Nambah kedalam kbs

addArrKBS rsMaster("no_rule")

Response.Write "fakta=rule(" & rsMaster("no_rule") & ") Cocok <br>"

tampilArr

if rsMaster("par_konklusi") = "end" then

akhir=true

Expert = rsMaster("kd_perum")

rsMaster.close

set rsMaster = nothing

exit do

end if

end if

end if

rsMaster.movenext

loop

'Jika Loop sudah sebanyak fakta maka data tidak ketemu

if jmlLoop = 5 then

Expert = "0"

akhir = true

else

jmlLoop = jmlLoop + 1

end if

loop

end function

%>

3. Knowledge base

'=========== FUNCTION BERHUBUNGAN DENGAN KBS =================

function tampilArr()

for i = 0 to UBound(ArrKBS)

response.write ArrKBS(i) & " ** "

next

response.write "<br>"

end Function

function addArrKBS(no_rule)

sSQL = "INSERT INTO t_kbs(id,no_rule) VALUES(" & IdMaks & "," & no_rule & ")"

conn.execute sSQL

for i = 0 to UBound(arrKBS)

if arrKBS(i) = 0 then exit for

next

arrKBS(i) = cInt(no_rule)

end function

function cekKBS(no_rule)

cekKBS = false

no_rule = cInt(no_rule)

for i = 0 to UBound(ArrKBS)

if ArrKBS(i) = no_rule then

cekKBS=true

exit for

end if

next

end function

Documents

BAB III METODE PENELITIAN 1.1. Identifikasi masalahrepository.dinamika.ac.id/id/eprint/1156/5/BAB_III.pdf · Data yang diperoleh berupa brosur-brosur perumahan dari 9 pangembang