BAB 2 LANDASAN TEORI 2 - thesis.binus.ac.idthesis.binus.ac.id/doc/Bab2/2010-1-00606-STIF Bab...
Transcript of BAB 2 LANDASAN TEORI 2 - thesis.binus.ac.idthesis.binus.ac.id/doc/Bab2/2010-1-00606-STIF Bab...
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