BAB 2

LANDASAN TEORI

2.1 Pengiriman

Pengiriman atau shipping adalah bagian penting dalam suatu rantai persediaan

yang berfungsi untuk menyiapkan dan mengirimkan barang ke customer. Transportasi

berhubungan dengan model transportasi apa yang dipakai agar efektif dan efisian, baik

dari sisi biaya, kecepatan waktu pengiriman dan ketepatan waktu (Yunarto, 2006).

Dalam distrubution channel, dikenal ada tiga komponen utama yaitu intermediary

(perantara), agent (agen) dan facilitator (fasilitator). Intermediary adalah pihak-pihak

seperti wholesaler (grosir/pedagang besar) dan retailer (pengecer) yang membeli

barang, memilikinya dan menjual kembali barang tersebut. Agent adalah pihak-pihak

seperti broker (pedagang perantara yang biasanya dibayar dengan imbalan komisi) dan

sales agent (agen penjualan), broker dan sales agent akan mencari pembeli, bertindak di

pihak penjual, negosiasi dengan pembeli, tetapi tidak memiliki barang yang

diperdagangkan itu. Facilitator adalah pihak ketiga yang tidak terlibat proses jual-beli

barang dan tidak memiliki barang yang diperdagangkan, tugas facilitator hanyalah untuk

membantu dan kemudian ia dibayar atas bantuan yang diberikannya.

2.2 Shortest Path

2.2.1 Pengertian Shortest Path

Shortest path adalah pencarian rute atau path terpendek antar-node yang ada pada

graph. Biaya (cost) yang dihasilkan adalah yang paling minimum (Widodo, 2007).

7

2.2.2 Routing Distance Vector

Menurut Chris Brenton (2005, p73), distance vector adalah cara yang paling tua

dan paling populer untuk menciptakan routing table. Routing distance vector adalah opsi

routing dinamis satu-satunya yang tersedia, sehingga routing ini sudah digunakan di

banyak network.

Routing distance vector membuat tabelnya dengan informasi dari tangan kedua.

Sebuah router akan mencari tabel yang diumumkan oleh router lain dan menambahkan

satu terhadap nilai hop yang diumumkan (advertised) untuk menciptakan tabelnya

sendiri. Router digunakan untuk menghubungkan network logikal.

2.3 Optimasi

2.3.1 Pengertian Optimasi

Untuk menentukan solusi terbaik dalam permasalahan, kita perlu merancang

kriteria yang sesuai yang dapat digunakan untuk membandingkan alternatif yang layak.

Sebagai contoh :

Alternatif 1 : 5x900 = $4500

Alternatif 2 : .75x900+4x(.8x900)+.75x900 = $4230

Alternatif 3 : 5x(.8x900) = $3600

Berdasarkan evaluasi diatas, alternatif tiga merupakan biaya yang palig rendah dan

dengan demikian memberikan solusi optimum (Taha, 2003).

Menurut Kamus Besar Bahasa Indonesia (KBBI), optimasi adalah proses atau cara

untuk membuat menjadi optimal.

8

2.3.2 Pengertian Linear Programming

Linear programming merupakan suatu cara yang lazim digunakan dalam

pemecahan masalah pengalokasian sumber-sumber yang terbatas secara optimal. Dalam

memecahkan suatu masalah, linear programming menggunakan model matematis.

Linear berarti bahwa semua fungsi matematis yang disajikan dalam model ini haruslah

fungsi linear atau secara praktis dapat dikatakan bahwa persamaan tersebut bila

digambarkan pada grafik akan berbentuk garis lurus, sedangkan programming

merupakan sinonim dari perencanaan. Jadi linear programming mencakup perencanaan

aktivitas-aktivitas untuk memperoleh suatu hasil yang optimum, yaitu suatu hasil yang

mencerminkan tercapainya sasaran tertentu yang paling baik berdasarkan model

matematis di antara alternatif yang mungkin dengan menggunakan linear programming

(Mustafa, 2000).

Persoalan linear programming ialah suatu persoalan untuk menentukan besarnya

masing-masing nilai variabel sedemikian rupa sehingga nilai fungsi tujuan atau objektif

(objective function) yang linear menjadi optimum (maksimum atau minimum) dengan

memperhatikan pembatasan-pembatasan yang ada yaitu pembatasan mengenai inputnya.

Pembatasan-pembatasan inipun harus dinyatakan dalam ketidaksamaan yang linear

(linear inequalities).

2.3.3 Formulasi Linear Programming

Masalah keputusan yang sering dihadapi adalah alokasi optimum sumber daya

terbatas, yang ditujukan sebagai maksimasi keuntungan atau minimasi biaya. Setelah

masalah diidentifikasikan, tujuan yang ingin dicapai ditetapkan, selanjutnya adalah

formulasi model matematis yang meliputi tiga tahap berikut (Mustafa, 2000) :

9

1. Menentukan variabel keputusan (unsur-unsur dalam persoalan yang dapat

dikendalikan oleh pengambil keputusan) dan nyatakan dalam simbol matematis.

2. Membentuk fungsi tujuan yang ditunjukkan sebagai suatu hubungan linear dari

variabel keputusan.

3. Menentukan semua kendala/batasan masalah tersebut dan ekspresikan dalam

persamaan atau pertidaksamaan yang merupakan hubungan linear dari variabel

keputusan yang mencerminkan keterbatasan sumber daya masalah tersebut.

2.3.4 Asumsi Linear Programming

Untuk menunjukkan masalah optimasi sebagai model linear programming,

diperlukan beberapa asumsi, yaitu (Mustafa, 2000) :

1. Proportionality

Asumsi ini menyatakan bahwa naik turunnya nilai z dan penggunaan sumber atau

fasilitas, akan berubah secara proporsional dengan perubahan tingkat kegiatan.

2. Additivity

Asumsi ini menyatakan bahwa nilai fungsi tujuan setiap kegiatan tidak saling

mempengaruhi, atau dalam linear programming dianggap bahwa kenaikkan fungsi

tujuan (z) yang diakibatkan oleh kenaikkan suatu kegiatan dapat ditambahkan tanpa

mempengaruhi bagian nilai z yang diperoleh dari kegiatan lain atau dapat dikatakan

bahwa tidak ada korelasi antara satu kegiatan dengan kegiatan lain.

3. Disibility

Asumsi ini mengatakan bahwa nilai keluaran (output) yang dihasilkan oleh setiap

kegiatan dapat berupa bilangan pecahan.

10

4. Deterministic (Certainty)

Asumsi ini menyatakan bahwa semua parameter yang terdapat dalam model linear

programming dapat diperkirakan dengan pasti. Dalam kenyataannya, parameter

model jarang bersifat deterministik, karena keadaaan masa depan jarang diketahui

dengan pasti. Untuk mengatasi ketidakpastian parameter, dikembangkan suatu teknik

analisis sensatifitas, guna menguji nilai solusi, bagaimana kepekaannya terhadap

perubahan-perubahan parameter.

2.3.5 Metode Grafik

Metode grafik dapat digunakan untuk pemecahan masalah linear programming

yang berdimensi 2xn atau mx2. Untuk menyelesaikan permasalahan tersebut, langkah

pertama yang harus dilakukan adalah memformulasikan permasalahan yang ada ke

dalam bentuk linear programming (Mustafa, 2000).

Langkah-langkah dalam penyelesaian linear programming secara grafik dapat

ditunjukkan sebagai berikut :

1. Formulasikan masalah kedalam bentuk matematis.

2. Gambarkan masing-masing garis kendala dalam satu sistem salib sumbu.

3. Cari titik yang paling menguntungkan dihubungkan dengan fungsi tujuan.

2.3.6 Metode Simpleks

Metode simpleks dikembangkan pertama kali oleh George Dantzig tahun 1947.

Metode ini menyelesaikan masalah linear programming melalui tahapan (perhitungan

ulang) dimana langkah-langkah perhitungan yang sama diulang sampai tercapai solusi

optimal. Langkah-langkah metode simpleks dalam menyelesaikan persoalan yang

11

formulasinya mempunyai bentuk sebagai berikut (Mustafa, 2000) :

Fungsi tujuan : Maks. (Min) j

n

j

j XCZ

1

(2.1)

Dengan kendala : ij

n

j

ij bXa 1

untuk semua i (i = 1,2,...,m) (2.2)

dengan bi non negatif.

Langkah 1 : Merubah fungsi tujuan dan fungsi kendala

Fungsi tujuan dirubah menjadi bentuk implisit dengan jalan menggeser

semua jj XC kekiri.

Langkah 2 : Mentabulasikan persamaan-persamaan yang diperoleh pada langkah 1

Tabel 2.1 Bentuk Umum Tabel Simpleks Awal

BASIS z x1 x2 . . xn S1 S2 . . Sm SOLUSI

z 1 -C1 -C2 . . -Cn 0 0 . . 0 0

S1 0 a11 a12 . . a1n 1 0 . . 0 b1

S2 0 a21 a22 . . a2n 0 1 . . 0 b2

. . . . . . . . . . . . .

. . . . . . . . . . . . .

Sm 0 am1 am2 . . amn 0 0 . . 1 bm

Langkah 3 : Menentukan entering variable

Untuk persoalan dengan fungsi maksimasi, nilai z dapat diperbaiki dengan

meningkatkan nilai x1, x2, x3 pada persamaan z menjadi tidak negatif,

untuk itulah pilih kolom pada baris fungsi tujuan yang mempunyai nilai

negatif terbesar, gunakan kolom ini sebagai entering variabel. Jika

ditemukan lebih dari satu nilai negatif angka terbesar pilihlah salah satu,

sebaliknya jika tidak ditemukan nilai negatif berarti solusi sudah optimal.

12

Langkah 4 : Menentulan leaving variable

Leaving variabel dipilih dari rasio yang nilainya positif terkecil. Rasio

diperoleh dengan cara membagi nilai solusi dengan koefisien pada entering

variabel yang sebaris.

ngnyaolomEnteriKoefisienK

iNilaiSolusRasio (2.3)

Kolom pada entering variabel dinamakan entering column dan baris yang

berhubungan dengan leaving variabel dinamakan persamaan pivot. Elemen

perpotongan entering column dan persamaan pivot dinamakan elemen pivot

Langkah 5 : Menentukan persamaan pivot baru

Persamaan pivot baru = persamaan lama : elemen pivot (2.4)

Langkah 6 : Tentukan persamaan-persamaan baru selain persamaan pivot baru.

Persamaan baru = (Persamaan lama) – (Koefisien kolom entering x

persamaan pivot baru) (2.5)

Langkah 7 : Lanjutkan perbaikan-perbaikan

Lakukan langkah perbaikan dengan cara mengulang langkah 3 sampai

langkah 6 hingga diperoleh hasil optimal.

2.4 Path Analysis

2.4.1 Pengertian Path Analysis

Analisis jalur yang dikenal dengan path analysis dikembangkan pertama tahun

1920-an oleh seorang ahli genetika yang bernama Sewall Wright (Kuncoro, 2008).

Analisis regresi berganda dilakukan untuk menelusuri jejak pendahulunya secara

berurutan yang menyebabkan variabel terikat (independent variable) melalui apa yang

13

disebut sebagai path analysis (Sekaran, 2006).

Tujuan utama path analysis adalah ...sebuah metode pengukuran pengaruh secara

langsung sepanjang setiap jalur terpisah seperti sebuah sistem dan untuk mencari derajat

setiap variasi yang mendapat efek adalah disebabkan oleh setiap sebab terpisah

(Kuncoro, 2008).

Path analysis dianggap terkait erat dengan regresi berganda. Kenyataannya, path

analysis adalah perluasan dari model regresi yang digunakan peneliti untuk menguji

kecocokan matriks korelasi dengan model kausal yang mereka uji (Garson, 2004).

Sekarang ini, model path analysis telah dikembangkan menjadi model yang dikenal

sebagai LISREL (LI-near S-truktural REL-ationship) atau sering disebut sebagai

Struktur Equation Model (SEM). SEM merupakan kombinasi dari beberapa regresi dan

analisis faktor. SEM diukur dengan variabel laten. Variabel laten merupakan suatu

konsep yang dihipotesiskan dan tidak terlihat (unobserved) yang hanya bisa diperkirakan

dengan variabel yang bisa diukur (measureable variables). Variabel yang terlihat

(terobservasi), yang dikumpulkan dari responden melalui berbagai metode pengumpulan

data seperti : survei, tes, observasi, pengukuran, eksperimen disebut sebagai manifest

variabel (Supranto, 2004).

Secara sistematik path analysis mengikuti pola model struktural, sehingga langkah

awal untuk mengerjakan atau penerapan model path analysis yaitu dengan merumuskan

persamaan struktural. Model path analysis digunakan untuk menganalisis pola hubungan

antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak

langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen).

Pengaruh satu atau beberapa variabel bebas terhadap variabel terikat secara sederhana

dapat dianalisis dengan analisis regresi. Tapi sering kali pengaruh tersebut sangat

14

kompleks, dimana terdapat variabel bebas, variabel perantara dan variabel terikat.

Keadaan semacam ini tidak dapat diselesaikan dengan analisis regresi, tetapi yang lebih

tepat adalah dengan mengunakan path analysis.

Asumsi yang mendasari path analysis adalah sebagai berikut (Kuncoro, 2008) :

1. Pada model path analysis, hubungan antar variabel adalah bersifat linear, adaptif dan

bersifat normal.

2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang

berbalik.

3. Variabel terikat (endogen) minimal dalam skala ukur interval dan ratio.

4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk

memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi

anggota sampel.

5. Observed variables diukur tanpa kesalahan (instrumen pengukuran valid dan

realible) artinya variabel yang diteliti dapat diobservasikan secara langsung.

6. Model yang dianalisis dispesifikasikan (diindentifikasi) dengan benar berdasarkan

teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau diuji

dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan

kausalitas antar variabel yang diteliti.

Menurut Schumacker dan Lomax (Kuncoro, 2008) model path analysis terbagi

menjadi correlated path model, mediated path model dan independent path model.

15

1

3

2

r12

P31

P32

e

1

3

2

P31

P32

e1

P21

e2

1

3

2

P31

P32

e

Gambar 2.1 Jenis Umum Model Path Analysis

2.4.2 Diagram Jalur

Diagram jalur, secara grafis sangat membantu untuk melukiskan pola hubungan

kausal antara sejumlah peubah dan untuk model kausal perlu membedakan peubah-

peubah ini menjadi dua golongan ialah eksogenus dan endogenus. Peubah eksogenus

adalah peubah yang variabilitasnya diasumsikan oleh karena penyebab-penyebab diluar

model kausal. Peubah endogenus adalah peubah yang variasinya terjelaskan oleh peubah

eksogenus ataupun peubah endogenus dalam sistem (Gaspersz, 1995).

Secara sistematik path analysis mengikuti pola model struktural, sehingga langkah

awal untuk mengerjakan atau penerapan model path analysis yaitu dengan merumuskan

persamaan struktural dan diagram jalur. Menurut Solimun (Kuncoro, 2008) informasi

diberikan apabila tujuan penelitian ingin mendapatkan model untuk kepentingan

prediksi, maka yang tepat digunakan adalah model struktural. Model ini mirip dengan

path analysis, yang membedakan adalah kalau di dalam path analysis data yang

dianalisis adalah data baku (standardize), sedangkan di dalam model struktural

menggunakan data mentah (raw data).

16

2.4.3 Korelasi Product Moment dan Korelasi Ganda

Korelasi Pearson Product Moment (PPM) dikemukakan oleh Karl Pearson pada

tahun 1990. Kegunaannya adalah untuk mengetahui derajat hubungan antara variabel

bebas (independent) dengan variabel terikat (dependent). Teknik analisis korelasi PPM

termasuk teknik statistik parametrik yang menggunakan data interval dan ratio dengan

persyaratan tertentu.

})(..{})(.{

)).(()(

22

22ynxn

yxxyn

yxr xy

(2.6)

Korelasi ganda (multiple correlation) merupakan angka yang menunjukkan arah

dan kuatnya hubungan antara dua variabel secara bersama-sama atau lebih dengan

variabel yang lain. Rumus korelasi ganda untuk dua variabel adalah sebagai berikut

(Sugiyono, 2006) :

2

2.1

2,1,2,1

2

.2

2

.1

,2,1 1

)).().((2

xx

xxyxyxyxyx

yxx r

rrrrrr

(2.7)

Apabila nilai r = -1 artinya korelasinya negatif sempurna, r = 0 artinya tidak ada

korelasi dan jika r=1 artinya korelasinya sangat kuat. Berikut ini merupakan tabel yang

menjelaskan lebih lanjut keeratan hubungan korelasi.

Tabel 2.2 Interprestasi Koefisien Korelasi Nilai r

17

2.4.4 Koefisien Jalur

Koefisien jalur, yang mengukur pentingnya sebuah jalur pengaruh dari penyebab

kepada akibat, didefinisikan sebagai rasio variabilitas akibat yang harus ditemukan

apabila semua penyebab konstan kecuali satu yang sedang dipermasalahkan, terhadap

variabilitas total. Variabilitas ini diukur oleh simpangan baku. Koefisien jalur

menunjukkan akibat langsung sebuah peubah yang diambil sebagai penyebab terhadap

sebuah peubah yang diambil sebagai akibat. Simbol atau notasi yang dipakai untuk

koefisien jalur adalah pij dengan pengertian i menyatakan akibat atau peubah tak bebas

dan j menyatakan penyebab atau peubah bebas (Gaspersz, 1995).

Syarat dalam koefisien jalur adalah tiap residual tidaklah berkorelasi dengan

variabel-variabel yang terdapat dalam persamaan dan juga antar residual sendiri tidak

dapat berkorelasi sehingga, rumus koefisien jalur adalah :

zzr jiij n

1

(2.8)

Keterangan : r ij = koefisien jalur atau koefisien korelasi

zz ji= variabel eksogen dan endogen

X2

X3

P32

X1

X4

P31

P42

P43

P41

Gambar 2.2 Hubungan Variabel Eksogen dan Endogen

18

Dari gambar 2.2 dapat kita ketahui bahwa X1 adalah variabel eksogen. Jika

variabel ini dituliskan dalam bentuk angka baku z, maka z untuk varibel eksogen ini

adalah z1 yang dinyatakan oleh suku residual yaitu, z1 = ɛ1. Variabel X2 bergantung pada

variabel X1 dan juga bergantung pada residual ɛ2 dengan koefisien jalur P21 jadi kita

akan mendapatkan hasil seperti berikut :

z1 = ɛ 1 (2.9)

z2 = P21 z1 + ɛ2 (2.10)

z3 = P31 z1 + P32 z2 + ɛ3 (2.11)

z4 = P41 z1 + P42 z2 + P43 z3 + ɛ4 (2.12)

maka jika dihitung zzrn 2112

1 subtitusi z2 dengan P21 z1 + ɛ2

21

2

1212121112

11)(

1 zzPzPzr nnn

sehingga r12 = P21, karena zn

2

1

1= 1 dan

21

1 zn

= 0 (syarat residual tidak korelasi dengan variabel dalam persamaan)

Mencari P31 dan P32 zzr n 3113

1 subtitusi z3 dengan P31 z1 + P32 z2 + ɛ3

312132

2

1313232131113

111)(

1 zzzPzPzPzPzr nnnn

sehingga

r13 = P31 + P32r12 karena zn

2

1

1 = 1 , zz

n 21

1 = r12 , 31z = 0

Dengan cara yang sama kita bisa memperoleh hubungan-hubungan untuk jalur lain

sehingga di dapat persamaan :

prprpr

rpprpr

rprppr

prpr

rppr

pr

432342134134

234342124124

1343124114

32123123

12323113

2112

42

(2.13)

19

2.4.5 Pengujian Model

Tiap jalur dalam model memiliki nilai-nilai, jika jalur-jalur tertentu dalam model

dihilangkan berati jalur tersebut harus menetapkan koefisien jalur sama dengan nol.

Implikasinya adalah, untuk kedua variabel yang jalurnya dihilangkan tersebut, koefisien

korelasinya dibentuk hanya oleh efek langsung dan tidak langsung saja.

Jelas bahwa dengan menghilangkan jalur-jalur tertentu, kita akan berhadapan

dengan model kausal yang lebih sederhana dan daripadanya dapat dibentuk matriks

korelasi. Jika matriks yang didapat sama atau mendekati matriks R, kesimpulannya

adalah bahwa pola korelasi dalam data konsisten dengan model kausal yang telah

disederhanakan. Jika dalam matriks korelasi yang dihasilkan dari model beberapa jalur

dihilangkan cukup besar penyimpanganya dari matriks R, maka kesimpulannya adalah

model sederhana tidak dapat dipertahankan dan perlu diganti dengan model lain

(Gaspersz, 1995).

Cara menghilangkan jalur dalam model, yaitu :

a. Teori yang digunakan peneliti pada waktu membentuk model. Berdasarkan teori

yang dimilikinya, ia bisa menentukan dua variabel dalam model yang tidak

dihubungkan oleh jalur langsung. Kemudian, lakukan analisis apakah data konsisten

dengan model yang dirumuskan atau tidak.

b. Pendekatan pragmatis yaitu, menghitung semua koefisien jalur dalam model

kemudian melakukan penyaringan berdasarkan uji statistik dan keberartian. Uji

statistik dapat dilakukan dengan menggunakan koefisien arah β untuk regresi

berdasarkan data dalam skor baku, karena dapat dibuktikan bahwa koefisien jalur

sama dengan β. Jika β signifikan, maka koefisien jalur juga signifikan dan koefisien

20

jalur yang tidak signifikan disingkirkan. Cara ini mempunyai kesulitan apabila

koefisien jalur yang cukup kecil masih bisa signifikan apabila ukuran sampel cukup

besar dan ukuran sampel besar ini sering selalu dianjurkan dalam path analysis.

c. Menggunakan keberartian koefisien. Caranya dengan menghilangkan koefisien-

koefisien jalur yang dirasakan tidak berarti dan pertahankan jika berarti. Kesulitan

dengan cara ini terletak pada sifat subjektif penentuan batas berarti dan tidak berarti.

Berarti untuk satu keadaan belum tentu demikian untuk keadaan yang lain. Namun,

dalam beberapa studi empiris telah banyak menyarankan untuk menggunakan

pegangan bahwa koefisien jalur kurang dari 0,05 dapat dianggap tidak berarti.

Kesulitan yang dihadapi menggunakan kriteria yang serupa adalah juga ketika

menentukan apakah matriks korelasi R sudah cukup didekati ataukah tidak oleh matriks

korelasi yang dihasilkan berdasarkan model yang beberapa jalurnya dihilangkan. Saran

empiris yang sering digunakan bila kedua matriks itu sudah cukup dekat adalah dengan

koefisien korelasi yang perbedaannya kurang dari 0,05. Dan jika tidak cukup dekat maka

disimpulkan bahwa penyimpangan telah terjadi terlalu besar.

2.5 Rekayasa Perangkat Lunak (RPL)

2.5.1 Pengertian Perangkat Lunak

Menurut Pressman (2002, p10) perangkat lunak adalah :

a. Perintah (program komputer) yang bila dieksekusi memberikan fungsi dan unjuk

kerja seperti yang diinginkan.

b. Struktur data yang memungkinkan program dapat memanipulasi informasi secara

proporsional.

c. Dokumen yang menggambarkan operasi dan kegunaan program.

21

2.5.2 Pengertian Rekayasa Perangkat Lunak (RPL)

Menurut Pressman (2002, p28), rekayasa perangkat lunak adalah pengembangan

dan pengunaan prinsip rekayasa untuk memperoleh perangkat lunak secara ekonomis

yang reliabel dan bekerja secara efisien pada mesin nyata.

2.5.3 Model Proses Rekayasa Perangkat Lunak (RPL)

System Development Life Cycle (SDLC) adalah sistem pengembangan metode

tradisional yang digunakan oleh sebagian besar perusahaan saat ini. SDLC adalah

kerangka kerja yang terstruktur yang terdiri dari urutan proses oleh sistem informasi

yang dikembangkan.

a. Waterfall Model

Model-model lain untuk SDLC mungkin berisi lebih banyak atau lebih sedikit dari

delapan tahap kami di sini. Namun, sebagian besar masih sama, terlepas dari beberapa

tahap. Di masa lalu, pengembang menggunakan pendekatan waterfall ke SDLC, di mana

tugas-tugas dalam satu tahap telah selesai sebelum melanjutkan pekerjaan ke tahap

berikutnya (Turban, 2003).

22

Gambar 2.3 Waterfall Model

1. Systems Investigation

Pengembangan sistem profesional setuju bahwa semakin banyak waktu yang

diinvestasikan dalam usaha memahami program yang harus dipecahkan, dalam

memahami pilihan teknis untuk sistem dan pemahaman masalah yang mungkin

terjadi selama perkembangan, semakin besar kesempatan untuk benar-benar berhasil

memecahkan (benar) masalah. Untuk alasan ini, system investigation dimulai dengan

masalah bisnis.

2. Systems Analysis

Systems analysis adalah pemeriksaan bisnis organisasi terencana untuk memecahkan

masalah dengan sistem informasi. Tahap ini mendefinisikan masalah bisnis,

23

mengidentifikasi penyebabnya, menentukan solusi dan mengidentifikasi persyaratan

informasi bahwa solusi harus terpenuhi.

3. Systems Design

Systems analysis menggambarkan apa yang harus dilakukan untuk memecahkan

masalah bisnis, dan systems design yang menggambarkan bagaimana sistem akan

menyelesaikan tugas ini.

4. Programming

Programming melibatkan terjemahan spesifikasi desain ke dalam kode komputer.

Proses ini dapat menjadi panjang dan memakan waktu.

5. Testing

Testing akan memeriksa untuk melihat apakah kode komputer akan menghasilkan

hasil yang diharapkan dan mengalami kondisi tertentu. Testing membutuhkan

sejumlah besar waktu, tenaga dan biaya untuk melakukan dengan benar.

6. Implementation

Implementation adalah proses konversi dari sistem lama ke sistem baru.

7. Operation and Maintenance

Setelah konversi, sistem baru akan beroperasi selama jangka waktu tertentu, sampai

(seperti yang lama digantikan oleh sistem baru) itu tidak lagi memenuhi tujuannya.

Sistem memerlukan beberapa jenis maintenance. Tipe pertama adalah debugging,

sebuah proses yang berlanjut sepanjang hidup dari sistem. Tipe kedua adalah

memperbarui sistem untuk mengakomodasi perubahan dalam kondisi bisnis.

b. Prototype Model

Prototype berfungsi sebagai sebuah mekanisme yang mengidentifikasikan

kebutuhan perangkat lunak. Bila prototype yang sedang bekerja dibangun, pengembang

24

harus menggunakan fragmen-fragmen program yang ada atau mengaplikasikan alat-alat

bantu yang memungkinkan program yang bekerja untuk memunculkan secara tepat.

Gambar 2.4 Prototype Model

c. Rapid Application Development Model

Rapid application development (RAD) adalah sebuah model proses perkembangan

perangkat lunk sekuensial linear yang menekan siklus perkembangan yang sangat

pendek. Model RAD merupakan sebuah adaptasi “kecepatan tinggi” dari model

sekuensial linear dimana perkembangan cepat dicapai dengan menggunakan pendekatan

konstruksi berbasis komponen.

25

Pemodelan Bisnis

Pemodelan Data

Pemodelan

Proses

Pembentukan

Aplikasi

Pengujian dan

turnover

60-90 hari

Pemodelan

Bisnis

Pemodelan

Data

Pemodelan

Proses

Pembentukan

Aplikasi

Pengujian dan

turnover

Pemodelan

Bisnis

Pemodelan

Data

Pemodelan

Proses

Pembentuk

an Aplikasi

Pengujian

dan

turnover

tim # 1tim # 2

tim # 3

Gambar 2.5 Rapid Application Development Model

2.6 Basis Data (Database)

2.6.1 Pengertian Database

Menurut Richard Johnsonbaugh (1997, p115), database adalah kumpulan catatan

yang dimanipulasi oleh komputer. Sebagai contoh, database penerbangan mungkin

mengandung catatan reservasi penumpang, jadwal penerbangan, peralatan dan

sebagainya. Sistem komputer mampu menyimpan jumlah informasi yang besar dalam

database. Database bisa digunakan untuk berbagai penerapan. Sistem manajemen

database (database management system) merupakan program yang membantu pemakai

mengakses informasi dari basis data.

Database adalah kumpulan dari beberapa file yang berhubungan secara logikal dan

deskripsi yang berhubungan dengan file tersebut yang dibuat untuk penyajian kebutuhan

26

informasi suatu organisasi (Connoly, 2005).

Istilah-istilah dalam sistem database, antara lain :

1. Entity

Entity adalah objek berbeda dari organisasi yang direpresentasikan ke dalam

database.

2. Attribute

Attribute adalah sifat-sifat yang menjelaskan aspek-aspek suatu objek yang ingin

disimpan.

3. Relationship

Relationship adalah hubungan antar entity.

4. Field

Field adalah unit terkecil dari data record yang disimpan dalam database.

5. Record

Record adalah kumpulan field yang saling berkaitan.

6. File

File adalah berisi kumpulan dari berbagai record.

7. Primary Key

Primary key pada sebuah tabel harus unik, karena menunjukkan identifikasi pada

setiap record dan nilai setiap record tidak bernilai null.

8. Foreign Key

Forein key merupakan sebuah kolom atau sekumpulan kolom yang menghubungkan

setiap baris dengan child table yang mengandung foreign key dengan baris pada

parent table yang mengandung nilai candidate key yang sama.

27

2.6.2 Database Management System (DBMS)

DBMS adalah perangkat lunak yang berinteraksi dengan user sehingga

memudahkan user untuk mendefinisikan, membuat, memelihara dan mengontrol akses

ke database (Connoly, 2005).

Komponen-komponen dalam DBMS antara lain :

1. Piranti Keras

Komputer yang digunakan untuk menjalankan aplikasi database.

2. Piranti Lunak

Merupakan perangkat lunak DBMS tersendiri dan beberapa program aplikasi yang

bekerja bersama-sama dalam operating system seperti piranti lunak jaringan jika

DBMS digunakan untuk jaringan.

3. Data

Merupakan bagian penting dalam DBMS, karena merupakan penghubung antara

komputer dengan manusia.

4. Prosedur

Mengacu pada instruksi-instruksi dan aturan-aturan yang mengatur bentuk dan

penggunaan dari database.

5. User

Pengguna yang akan menggunakan sistem.

2.6.3 Entity Relationship Model

Entity relationship model adalah pendekatan secara keseluruhan terhadap desain

database yang diawali dengan mengidentifikasi data penting yang disebut entity dan

relationship antara data yang direpresentasikan ke dalam model, lalu attribute dan

28

constraint ditambahkan, yaitu detail informasi tentang entity dan relationship antara satu

sama lain (Connoly, 2005).

Komponen-komponen entity relationship model :

1. Entity Type

Sekelompok objek dengan properti yang sama.

2. Relationship Type

Sekelompok hubungan yang berarti antara banyaknya entity type.

Macam-macam relationship :

One-to-one (1..1)

Gambar 2.6 One-to-one relationship

One-to-many (1..*)

Gambar 2.7 One-to-many relationship

29

Many-to-many (*..*)

Gambar 2.8 Many-to-many relationship

2.7 UML (Unified Modeling Language)

2.7.1 Pengertian UML

UML (Unified Modeling Language) adalah penyulingan dari tiga notasi utama dan

sejumlah teknik pemodelan yang diambil dari beragam luas metodologi yang telah ada

dalam praktek selama dua dekade ini. Selama ini memiliki dampak tak terbantahkan

tentang cara kita memandang pengembangan sistem (Pender, 2003).

UML memungkinkan pengembang untuk menentukan, visualisasi, dan model

dokumen dengan cara yang mendukung skalabilitas, keamanan, dan eksekusi yang kuat.

Karena pemodelan UML menaikkan tingkat abstraksi seluruh analisis dan proses desain,

lebih mudah untuk mengidentifikasi pola-pola perilaku dan dengan demikian

menentukan kesempatan untuk refactoring dan digunakan kembali. Akibatnya,

pemodelan UML memfasilitasi terciptanya desain modular sehingga komponen dan

komponen perpustakaan yang mempercepat pembangunan dan membantu menjamin

konsistensi di seluruh sistem dan implementasi.

30

2.7.2 Jenis Diagram UML

1. Use Case Diagram

Use case mewakili bagaimana klien berinteraksi dengan sistem. Sebuah use case

diagram seperti pandangan enkapsulasi seluruh sistem di klien hanya dapat melihat

dan berinteraksi dengan antarmuka yang disediakan oleh sistem.

Jadwal Kegiatan Jadwal Kinerja Akses Wewenang

ManajerActor1

Membatalkan

Kegiatan

Membatalkan Kinerja

Menjadwal Ulang

Kinerja

Menjadwal Ulang

Kegiatan

«extends»

«extends»

<<include>>

Generalisasi

Gambar 2.9 Use Case Diagram

Actor : sebuah peran yang dimainkan oleh orang, sistem, perangkat, atau bahkan

sebuah perusahaan, yang memiliki saham dalam keberhasilan sistem operasi.

Use case : mengidentifikasi perilaku kunci dari sistem. Tanpa perilaku ini, sistem

tidak akan memenuhi persyaratan aktor. Setiap use case tujuannya mengungkapkan

bahwa sistem harus mencapai dan / atau hasil yang harus menghasilkan.

Association : mengidentifikasi interaksi antara aktor dan use case. Setiap asosiasi

menjadi sebuah dialog yang harus dijelaskan dalam kasus menggunakan narasi.

Setiap narasi pada gilirannya menyediakan serangkaian skenario yang dapat

membantu dalam pengembangan uji kasus ketika mengevaluasi analisis, desain, dan

31

implementasi dari penggunaan artefak kasus dan asosiasi.

Include relationship : mengidentifikasi penggunaan yang dapat digunakan kembali

kasus yang tanpa syarat dimasukkan ke dalam pelaksanaan penggunaan lain.

Extend relationship : mengidentifikasi suatu kasus yang dapat digunakan kembali

menggunakan kondisional mengganggu pelaksanaan use case lain untuk

meningkatkan fungsinya.

2. Activity Diagram

Activity adalah suatu langkah dalam proses di mana beberapa pekerjaan dilakukan.

Itu bisa menjadi perhitungan, menemukan beberapa data, memanipulasi informasi,

atau memverifikasi data. Kegiatan ini diwakili oleh persegi panjang bundar yang

berisi teks dengan bentuk yang unik.

Membaca Halaman Membalik Halaman

Gambar 2.10 Activity Diagram

Decisions, diagram aktivitas berlian adalah keputusan, sama seperti di diagram alur.

Satu panah keluar dari berlian untuk setiap nilai dari kondisi diuji.

Es Krim Coklat Es Krim Vanila

Pilih Coklat Pilih Vanila

Es Krim Stroberi

Pilih Stroberi

Gambar 2.11 Decision

Merge point, icon berlian juga digunakan untuk model titik gabungan, tempat di

mana dua alternatif jalan datang bersama-sama dan berlanjut sebagai satu.

32

Gambar 2.12 Merge Point

Start and end, UML juga menyediakan icon untuk memulai dan mengakhiri activity

diagram.

Gambar 2.13 Start and End

3. Sequence Diagram

Dalam Sequence diagram, frame menyediakan sarana untuk mengisolasi set

interaksi yang dapat digunakan kembali. Secara sederhana, sebuah interaksi adalah

urutan pesan lewat antara obyek untuk menyelesaikan suatu tugas. Objek dapat

dibuat dan diakhiri. Mereka dapat mengajukan pertanyaan atau membuat tuntutan

pada objek-objek lain dengan menerapkan operasi, atau mereka mungkin

memberitahukan peristiwa satu sama lain menggunakan sinyal.

Kegiatan Kinerja

2 : MembatalkanKinerja()

1 : membatalkan()

3 : menghapus()

4 : return void()

5 : return void()6 : return void()

Manajer

Gambar 2.14 Sequence Diagram

33

4. Class Diagram

Class diagram merupakan inti dari proses pemodelan objek. Definisi model ini

adalah sumber daya penting untuk pengoperasian yang tepat dari sistem. Semua

diagram pemodelan lain menemukan informasi tentang sumber-sumber tersebut

(seperti nilai atribut, negara, dan kendala pada perilaku) yang akhirnya harus

membuat jalan ke class diagram.

Class Diagram adalah kode sumber untuk generasi (model untuk mengubah kode)

dan target untuk reverse engineering (mengkonversi kode untuk model).

Gambar 2.15 Class Diagram