BAB 2 LANDASAN TEORI

Transkripsi

1 25 BAB 2 LANDASAN TEORI 2.1 Pengertian Kualitas Produk dan jasa yang berkualitas adalah produk dan jasa yang sesuai dengan apa yang diinginkan oleh konsumen atau pelanggannya. Faktor utama yang menentukan kinerja suatu perusahaan adalah kualitas barang dan jasa dan untuk menjaga kualitas produk dan jasa yang dihasilkan dan sesuai dengan tuntutan kebutuhan pasar harus dilakukan pengendalian kualitas atas aktivitas dari proses yang dijalankan. Ada beberapa pengertian kualitas yang diartikan oleh beberapa ahli, diantaranya : 1. Juran (1962) Kualitas adalah kesesuaian dengan tujuan atau manfaatnya. 2. Deming (1982) Kualitas harus bertujuan memenuhi kebutuhan pelanggan sekarang dan masa akan datang. 3. Feigenbaum (1991) Kualitas merupakan keseluruhan karakteristik produk dan jasa yang meliputi marketing, engineering, manufacture, dan maintenance, dimana produk dan jasa tersebut dalam pemakaiannya akan sesuai dengan kebutuhan dan harapan pelanggan. 4. Scherkenbach (1991) kualitas ditentukan oleh pelanggan; pelanggan menginginkan produk dan jasa yang sesuai dengan kebutuhan dan harapannya pada suatu tingkat harga tertentu yang menunjukkan nilai produk tersebut. 5. Elliot (1993) kualitas adalah sesuatu yang berbeda untuk orang yang berbeda dan tergantung pada waktu dan tempat atau dikatakan sesuai dengan tujuan.

2 26 Pengertian Kualitas dalam konteks Statistical Quality Control adalah sebagai konsistensi peningkatan atau perbaikan dan penurunan variasi karakteristik dari suatu produk yang dihasilkan agar memenuhi kebutuhan yang telah dispesifikasikan untuk meningkatkan kepuasan pelanggan internal maupun eksternal. Menurut Evans dan Lindsay (2007), pengertian kualitas dapat dilihat dari beberapa aspek, antara lain: Kualitas dari perspektif desain, Kualitas merupakan fungsi dari variabel yang spesifik dan terukur. Kualitas dari sudut pandang pelanggan, Kualitas merupakan kelayakan pakai atau seberapa baik produk tersebut melakukan fungsinya. Kualitas dari perspektif operasi, kualitas merupakan hasil yang diinginkan dari proses operasi atau dengan kata lain kepatuhan terhadap spesifikasi. Kualitas sebagai tuntutan pelanggan, kualitas berarti memenuhi atau melebihi harapan konsumen. Gambar 2.1 Dua Perspektif Kualitas

3 Six Sigma Menurut Gaspersz (2007) Six Sigma dapat dijadikan ukuran target kinerja proses industri tentang bagaimana baiknya suatu proses transaksi produk antara pemasok (industri) dan pelanggan (pasar). Semakin tinggi target sigma yang dicapai, semakin baik kinerja proses industri. Sehingga 6-sigma otomatis lebih baik daripada 4-sigma. Menurut Evans dan Lindsay (2007) Six Sigma didefinisikan sebagai metode peningkatan proses bisnis yang bertujuan untuk menemukan dan mengurangi faktorfaktor penyebab kecacatan dan kesalahan, mengurangi waktu siklus dan biaya operasi, meningkatkan produktivitas, memenuhi kebutuhan pelanggan dengan lebih baik, mencapai tingkat pendayagunaan aset yang lebih tinggi, serta mendapatkan hasil atas investasi yang lebih baik dari segi produksi maupun pelayanan. Six Sigma juga dianggap sebagai strategi terobosan yang memungkinkan perusahaan melakukan peningkatan luar biasa dan sebagai pengendalian proses industri yang berfokus pada pelanggan dengan memperhatikan kemampuan proses. Prinsip Kualitas modern Six Sigma didasari oleh tiga prinsip dasar, yaitu : 1. Fokus Pada Pelanggan 2. Partisipasi dan kerja sama semua individu di dalam perusahaan. 3. Fokus pada proses yang didukung oleh perbaikan dan pembelajaran secara terus menerus. Untuk mencapai target six sigma dapat digunakan dengan menggunakan dua metodologi, yaitu : 1. Six sigma DMAIC (Define, Measure, Analyze, Improve, Control) Digunakan untuk meningkatkan proses bisnis yang telah ada. DMAIC terdiri dari lima tahap utama :

4 28 Define (Perumusan) Mendefinisikan secara formal sasaran peningkatan proses yang konsisten dengan permintaan atau kebutuhan pelanggan dan strategi perusahaan. Dalam hal perumusan produk ini dapat digunakan SIPOC untuk mengidentifikasi produk tersebut. SIPOC merupakan alur kerja atau diagram kotak, yang merupakan singkatan dari Supplier, Input, Process, Output dan Customer. SIPOC memberikan garis besar dalam suatu proses seta membantu menjelaskan siapa pelaku utama proses tersebut. Bagaimana cara mendapatkan input, siapa yag dilayani oleh proses tersebut dan bagaimana cara proses tersebut meningkatkan nilai. Measure (Pengukuran) Mengukur kinerja proses pada saat sekarang agar dapat dibandingkan dengan target yang ditetapkan. Analyze (Analisis) Menganalisis hubungan sebab-akibat berbagai faktor yang dipelajari untuk mengetahui faktor-faktor dominan yang perlu dikendalikan. Improve (Peningkatan) Mengoptimisasikan proses menggunakan analisis-analisis seperti Design of Experiment (DOE) untuk mengetahui dan mengendalikan kondisi optimum proses. Control (Pengendalian) Melakukan pengendalian terhadap proses secara terus menerus untuk meningkatkan kapabilitas proses menuju target Six sigma.

5 29 2. Design For Six Sigma (DFSS) Digunakan untuk menciptakan desain proses baru dan desain produk baru dalam cara sedemikian rupa agar menghasilkan kinerja bebas dari kesalahan (zero defect / errors). 2.3 Statistical Process Control Biasanya pengendalian kualitas pada proses produksi dilakukan pada saat suatu produk telah selesai dibuat dengan cara memisahkan produk-produk yang lebih baik dari yang buruk, lalu memperbaiki yang buruk secara berulang-ulang hingga menjadi sama hasilnya dengan yang lebih baik tadi. Metode seperti ini dilakukan pada teknik tradisional dan lebih dikenal dengan kegiatan inspeksi. Kegiatan inspeksi ini dipandang dari perspektif sistem kualitas modern adalah sia-sia, karena tidak memberikan kontribusi kepada peningkatan kualitas (quality improvement). Pada saat ini pengertian pegendalian kualitas lebih dari sekedar kegiatan inspeksi. Pengertian pengendalian kualitas pada zaman modern adalah merupakan aktivitas teknik dan manajemen dengan mengukur karakteristik kualitas dari output (barang/jasa) dan membandingkan hasil pengukurannya dengan spesifikasi output yang diinginkan pelanggan, serta melakukan perbaikan apabila ditemukan perbedaan performansi aktual dan standar. Statistical Process Control merupakan suatu terminologi untuk menjabarkan penggunaan teknik-teknik statistikal dalam memantau dan meningkatkan performansi untuk menghasilkan produk berkualitas. Pada tahun 1950-an sampai 1960-an digunakan terminologi Pengendalian Kualitas Statistikal (Statistical Quality Control = SQC) yang memiliki pengertian sama dengan Pengendalian Proses Statistikal (Statistical Process Control = SPC).

6 30 Proses industri harus dipandang sebagai perbaikan yang dilakukan terus-menerus (continuous-improvement), yang dimulai dari urutan siklus sejak adanya ide untuk menghasilkan produk, pengembangan produk, proses produksi dan distribusi kepada konsumen. Lalu, dengan berjalannya kegiatan tersebut didapatkanlah sejumlah informasi yang dikumpulkan untuk dapat mengembangkan ide-ide dalam menciptakan produk baru atau memperbaiki produk beserta proses produksinya. Penyebab utama munculnya masalah kualitas adalah karena adanya variasi. Variasi adalah ketidakseragaman dalam sistem produksi atau operasional sehingga menimbulkan perbedaan dalam kualitas pada output (barang atau jasa) yang dihasilkan. Pada dasarnya dikenal dua sumber atau penyebab timbulnya variasi, yang diklasifikasikan sebagai berikut : Variasi Penyebab Khusus (Special-Causes Variation) Kejadian-kejadian di luar sistem yang mempengaruhi variasi di dalam sistem. Penyebab khusus dapat bersumber dari faktor-faktor : manusia, peralatan, material, lingkungan, metode kerja, dll. Penyebab khusus ini mengambil pola-pola non-acak (nonrandom patterns) sehingga dapat didefinisikan / ditemukan, sebab mereka tidak selalu aktif dalam proses tetapi memiliki pengaruh yang lebih kuat pada proses sehingga menimbulkan variasi. Dalam konteks pengendalian proses statistikal menggunakan peta kendali atau peta kontrol (Control chart), jenis variasi ini sering ditandai dengan titiktitik pengamatan yang melewati atau keluar dari batas-batas pengendalian yang didefinisikan (Defined Control limits).

7 31 Variasi Penyebab-Umum (Common-Causes Variation) Faktor faktor di dalam sistem atau yang melekat pada proses yang menyebabkan timbulnya variasi dalam sistem serta hasil-hasilnya. Penyebab umum sering disebut juga sebagai penyebab acak (random causes) atau penyebab sistem (system causes). Karena penyebab umum ini selalu melekat pada item, untuk menghilangkannya harus menelusuri elemen-elemen dalam sistem itu dan hanya pihak manajemen yang dapat memperbaikinya, karena pihak manajemenlah yang mengendalikan sistem itu. Dalam konteks pengendalian proses statistikal dengan menggunakan peta kendali atau peta kontrol (Control chart), jenis variasi ini sering ditandai dengan titik-titik pengamatan yang berada dalam batas-batas pengendalian yang didefinisikan (defined Control limits). Menurut Antony et al. (2000), tujuan dari SPC adalah : Tersedianya informasi bagi karyawan apabila akan memperbaiki proses. Membantu karyawan memisahkan sebab umum dan sebab khusus terjadinya kesalahan. Tersedianya bahasa yang umum dalam kinerja proses untuk berbagai pihak. Menghilangkan penyimpangan karena sebab khusus untuk mencapai konsistensi dan kinerja yang lebih baik. Pengertian yang lebih baik mengenai proses. Pengurangan waktu yang berarti dalam penyelesaian masalah kualitas. Pengurangan biaya pembuangan produk cacat, pengerjaan ulang terhadap produk cacat, inspeksi ulang, dan sebagainya. Komunikasi yang lebih baik dengan pelanggan tentang kemampuan proses dalam memenuhi spesifikasi pelanggan.

8 32 Membuat organisasi lebih berorientasi pada data statistik dari pada hanya berupa asumsi saja. Perbaikan proses, sehingga kualitas produk menjadi lebih baik, biaya lebih rendah, dan produktifitas meningkat. SQC menggunakan alat-alat statistik untuk membantu mencapai tujuannya, antara lain : Peta Kendali Histogram Diagram Pareto Diagram Sebab-Akibat Lembar Periksa Diagram Scatter Analisis matriks Diagram alur Run chart Time series Kemampuan proses (Capability Process) Jenis Data Data adalah catatan tentang sesuatu baik yang bersifat kualitatif maupun kuantitatif yang digunakan sebagai pertunjuk untuk bertindak. Berdasarkan data, kita dapat mempelajari fakta-fakta yang ada dan kemudian mengambil tindakan yang tepat

9 33 berdasarkan pada fakta itu. Dalam konteks pengendalian proses statistikal dikenal dua jenis data, yaitu : (Gaspersz, 1998) 1. Data Atribut (Attributes Data) Adalah data kualitatif yang dapat dihitung untuk pencatatan dan analisis. Data atribut biasanya diperoleh dalam bentuk unit-unit ketidaksesuaian dengan spesifikasi atribut yang ditetapkan. Contoh dari data atribut adalah ketiadaan label pada kemasan produk, kesalahan proses administrasi buku tabungan nasabah, banyaknya jenis cacat pada produk, banyaknya produk kayu lapis yang cacat karena corelap, dan lain-lain. 2. Data Variabel (Variables Data) Adalah data kuantitatif yang dapat diukur untuk keperluan analisis. Ukuran-ukuran seperti berat, panjang, lebar, tinggi, diameter, volume biasanya merupakan data variabel. Contoh data variabel adalah diameter pipa, ketebalan produk kayu lapis, berat semen dalam kantong, banyaknya kertas setiap rim, konsentrasi elektrolit dalam persen, dan lain lain. 2.4 Tools yang Digunakan Lembar Periksa (Check Sheet) Lembar Periksa merupakan suatu formulir, dimana item-item yang akan diperiksa telah dicetak dalam formulir itu, dengan maksud data dapat dikumpulkan secara mudah dan ringkas. Tujuan pembuatan Lembar Periksa adalah menjamin bahwa data yang dikumpulkan secara teliti dan akurat oleh karyawan operasional untuk diadakan pengendalian proses dan penyelesaian masalah. Lembar Periksa juga dapat menyusun data secara otomatis, sehingga data itu dapat dipergunakan dengan mudah.

10 Peta Kontrol (Control Chart) Peta Kontrol menggambarkan pengendalian kualitas. Perbaikan kualitas terjadi pada dua situasi yaitu situasi ketika peta kendali dibuat dalam kondisi proses yang tidak stabil dan situasi kedua yaitu berkaitan dengan pengujian. Peta Kontrol pertama kali ditemukan oleh Dr. Walter Andrew Shewhart dari Bell Telephone Laboratories, Amerika Serikat pada tahun 1924 dengan maksud untuk menghilangkan variasi tidak normal melalui pemisahan variasi yang disebabkan oleh penyebab umum (commoncauses variation) dan penyebab khusus (special-causes variation). Beberapa keuntungan penggunaan Peta Kontrol adalah : Menentukan apakah suatu proses berada dalam pengendalian statistikal. Dengan demikian Peta Kontrol digunakan untuk mencapai suatu keadaan terkendali secara statistikal, di mana semua nilai rata-rata dan range dari sub-sub kelompok (subgroups) contoh berada dalam batas-batas pengendalian (control limits). Memantau proses terus-menerus sepanjang waktu agar proses tetap stabil secara statistikal dan hanya mengandung variasi penyebab umum. Menentukan kemampuan proses (process capability). Setelah proses berada dalam pengendalian statistikal, batas-batas dari variasi proses dapat ditentukan. Pada dasarnya setiap Peta Kontrol memiliki : Garis Tengah (Central Line), yang dinotasikan sebagai CL. Sepasang Batas Kontrol (Control Limits). Satu Batas Kontrol ditempatkan di atas CL yang dikenal sebagai batas kontrol atas (Upper Control Limit), yang dinotasikan sebagai UCL, dan satu Batas Kontrol ditempatkan dibawah CL yang

11 35 dikenal sebagai Batas Kontrol bawah (Lower Control Limit), yang dinotasikan sebagai LCL. Tebaran nilai nilai karakteristik kualitas yang menggambarkan keadaan dari proses. Jika nilai yang diplot di Peta Kontrol masih berada dalam Batas Kontrol maka proses yang berlangsung dianggap terkontrol, sedangkan jika nilai diplot berada di luar Batas Kontrol maka proses dianggap di luar kontrol sehingga perlu diambil tindakan perbaikan. Dibawah ini adalah contoh peta kontrol : UCL CL LCL Gambar 2.2 Peta Kontrol Peta Kontol untuk Data Variabel (Variable Control Chart) Ada dua macam jenis peta kontrol yang digunakan untuk data variabel, yaitu : 1. Peta kontrol X-Bar dan R Peta control X-Bar (Rata-rata) dan R (Range) digunakan untuk memantau proses yang mempunyai karakteristik yang berdimensi kontinu. Peta kontrol X menjelaskan tentang apakah perubahan-perubahan telah terjadi dalam ukuran Titik Pusat (central tendency) atau rata-rata dari suatu proses. Peta kontrol R menjelaskan tentang apakah perubahanperubahan telah terjadi dalam ukuran variasi, yang berkaitan dengan perubahan homogenitas produk yang dihasilkan melalui suatu proses.

12 Untuk menghitung rata-rata dan batas kontrol digunakan rumus sebagai berikut : 36 X = n x j= 1 ij n = rata - rata pengukuran untuk setiap kali observasi X = k x i= 1 i k = garis pusat untuk peta pengendali rata - rata R i = X i max - X i min = jangkauan R = k i= 1 R k i = garis pusat untuk peta pengendali jarak UCL x = X + A 2 R LCL x = X - A 2 R UCL R = D 4 R LCL R = D 3 R 2. Peta kontrol X dan S Peta kontrol x menggambarkan apakah perubahan telah terjadi dalam ukuran titik pusat (central tendency) atau rata rata dari suatu proses. Peta pengendali standar deviasi digunakan untuk mengukur tingkat keakurasian proses. Rumus untuk menghitung batas kontrolnya :

13 X 1 + X 2 + X X n - nx s = = standar deviasi n -1 k s s = i = garis pusat untuk peta pengendali standar deviasi i= 1 k UCL x = X + A 3 S LCL x = X - A 3 S UCL S = B 4 S LCL S = B 3 S Peta Kontrol Untuk Data Atribut (Atribute Control Chart) Ada empat macam jenis Peta Kontrol yang digunakan untuk data atribut, yaitu : 1. Peta Kontrol p (p chart) Peta Kontrol p biasanya digunakan untuk mengukur proporsi ketidaksesuaian (cacat) dari item-item dalam kelompok yang sedang diinspeksi dan diketahui tidak memenuhi spesifikasi yang diharapkan. Peta ini dapat diterapkan pada karakteristik mutu yang dapat diamati sebagai Attribute. Bagian yang tidak sesuai dapat didefinisikan sebagai rasio dari banyaknya barang yang tidak sesuai yang ditemukan di dalam pemeriksaan terhadap total barang yang diperiksa. Rumus menghitung peta kontrol p yaitu :

14 38 UCL p = p + 3 p(1- p) n i CLp = p LCL p = p - 3 p(1- p) n i 2. Peta Kontrol np (np chart) Pada dasarnya Peta Kontrol np serupa dengan Peta Kontrol p, kecuali dalam Peta Kontrol np terjadi perubahan skala pengukuran. Peta kontrol np menggunakan ukuran banyaknya item yang tidak memenuhi spesifikasi (cacat) dalam suatu pemeriksaan. Rumus menghitung Peta Kontrol np, yaitu : UCL np = np + 3 np(1- p) CL = np LCL np = np - 3 np(1- p) 3. Peta Kontrol c (c chart) Ketika cacat dihitung berdasarkan jumlah jenis cacat yang terdapat dalam satu unit produk di mana dalam satu unit produk ada kemungkinan terdapat satu atau lebih jenis cacat. Rumus untuk menghitung Peta Kontrol c, yaitu :

15 39 UCL c = c + 3 c CL = c LCL c = c - 3 c 4. Peta Kontrol u (u chart) Peta Kontrol u digunakan untuk mengukur banyaknya ketidaksesuaian per unit laporan inspeksi dalam kelompok pengamatan. Peta Kontrol u serupa dengan Peta Kontrol c, kecuali pada banyaknya ketidaksesuaian dinyatakan dalam dasar per unit itemnya. Rumus untuk menghitung Peta Kontrol u, yaitu : UCL u = u + 3 u n i CL = u LCL u = u - 3 u n i Diagram Pareto Diagram Pareto diperkenalkan oleh seorang ahli yaitu Alfredo Pareto. Diagram pareto merupakan suatu gambar yang mengurutkan klasifikasi data dari kiri ke kanan menurut urutan ranking tertinggi hingga terendah. Hal ini dapat membantu menemukan

16 40 permasalahan yang terpenting untuk segera diselesaikan (ranking tertinggi) sampai dengan yang tidak harus segera diselesaikan (ranking terendah). Selain itu, Diagram Pareto juga dapat digunakan untuk membandingkan kondisi proses, misalnya ketidaksesuaian proses sebelum dan setelah diambil tindakan perbaikan terhadap proses. Pada dasarnya diagram Pareto dapat digunakan sebagai alat interpretasi untuk : Menentukan frekuensi relatif dan urutan pentingnya masalah dan penyebab masalah yang ada. Memfokuskan perhatian pada isu isu penting melalui pembuatan rangking terhadap masalah atau penyebab dari masalah tersebut. Selain itu, Diagram Pareto dapat juga digunakan untuk membandingkan kondisi proses, misalnya ketidaksesuaian proses sebelum dan setelah diambil tindakan perbaikan terhadap proses. Berikut adalah langkah-langkah dalam membuat Diagram Pareto : Menentukan masalah apa yang akan diteliti, menentukan data apa yang diperlukan beserta pengklasifikasiannya, dan menentukan metode pengumpulan data. Membuat ringkasan tabel yang mencatat frekuensi kejadian dari masalah yang telah diteliti. Membuat daftar masalah secara berurut berdasarkan frekuensi kejadian dari yang tertinggi sampai yang terendah, hitung frekuensi kumulatif, persentase total kejadian, dan persentase total kejadian. Menggambar dua buah garis vertikal dan sebuah garis horizontal. Buat histogram pada diagram Pareto.

17 41 Gambar kurva kumulatif dan cantumkan nilai kumulatif disebelah kanan atas dari interval setiap masalah. Memutuskan untuk mengambil tindakan perbaikan atas penyebab utama dari masalah yang sedang terjadi itu. Berikut adalah contoh diagram pareto : Gambar 2.3 Contoh Pareto Chart Diagram Sebab-Akibat (Cause and Effect Diagram) Diagram Sebab-Akibat dikembangkan oleh Dr. Kaoru Ishikawa pada tahun 1943, sehingga sering juga disebut diagram Ishikawa. Diagram sebab akibat merupakan suatu diagram yang menunjukkan hubungan antara sebab dan akibat. Biasanya diagram

18 42 Sebab- Akibat digunakan untuk menunjukkan faktor-faktor penyebab dan karakteristik kualitas (akibat) yang disebabkan oleh berbagai faktor. Diagram Sebab-Akibat dapat digunakan untuk kebutuhan-kebutuhan sebagai berikut : Membantu mengidentifikasi akar penyebab dari suatu masalah. Membantu membangkitkan ide untuk solusi dari suatu masalah. Membantu dalam pencarian fakta lebih lanjut. Langkah-langkah pembuatan diagram Sebab-Akibat dapat dikemukakan sebagai berikut : Pernyataan masalah utama yang penting untuk diselesaikan. Tuliskan pernyataan masalah pada kepala ikan yang merupakan akibat (effect). Tuliskan faktor faktor penyebab utama (sebab-sebab) yang mempengaruhi masalah kualitas. Tuliskan penyebab penyebab sekunder yang mempengaruhi penyebab penyebab utama. Tuliskan penyebab penyebab tersier yang mempengaruhi penyebab penyebab sekunder. Tentukan item item yang penting dari setiap faktor dan tandai faktor penting yang kelihatannya memiliki pengaruh nyata terhadap karakteristik kualitas. Catat informasi yang perlu di dalam diagram sebab akibat tersebut.

19 43 Gambar 2.4 Contoh Diagram Sebab-Akibat Kapabilitas Proses (Capability Process) Kapabilitas adalah kemampuan dari proses dalam menghasilkan produk yang memenuhi spesifikasi. Jika proses memiliki kapabilitas baik, proses itu akan menghasilkan produk yang berada dalam batas-batas spesifikasi (di antara batas atas dan batas bawah spesifikasi). Sebaliknya apabila proses memiliki kapabilitas yang jelek, proses itu akan menghasilkan banyak produk yang berada di luar batas-batas spesifikasi, sehingga menimbulkan kerugian karena banyak produk akan di tolak. Apabila ditemukan banyak produk yang ditolak atau terdapat banyak cacat, hal itu mengindikasikan bahwa proses produksi memiliki kapabilitas yang rendah atau jelek. Indeks Cp mengacu kepada CTQ (Critical To Quality) tunggal atau item karakteristik kualitas individual. Indeks Cp dihitung dengan menggunakan rumus sebagai berikut (Gaspersz, Vincent TQM 2001) :

20 44 Perhitungan Cp untuk data Variabel : Cp = (USL LSL)/6δ Dimana : Cp = Indeks kapabilitas proses (Process Capability indeks) USL = Batas spesifikasi atas ( Upper Specification Limit) LSL = Batas spesifikasi bawah ( Lower Specification Limit) Perhitungan Cp untuk data atribut : 1. Menghitung nilai DPO (Defect Per Opportunities), yaitu jumlah cacat yang muncul dalam suatu populasi / sample. DPO = cacat produksi * CTO CTQ = jumlah cacat yang mungkin terjadi dalam suatu produk. 2. Menghitung nilai DPMO (Defect Per Million Opportunities). DPMO = DPO x Mengkonversikan nilai DPMO ke nilai sigma. 4. Mengkonversikan nilai Cp. Sigma merupakan ukuran pencapaian target tingkat kegagalan nol, semakin tinggi tingkat pencapaian sigma akan semakin baik, karena tingkat DPMO (Defect Per Million Opportunities) akan semakin menurun. Sigma juga dapat dipandang sebagai pengendalian proses industri berfokus pada pelanggan, melalui memperhatikan kemampuan proses (Process Capability). Dua fakta tentang indeks Cp yaitu : 1. Perihitungan Cp tidak memiliki apapun jika proses tersebut tidak terkendali secara statistik.

21 45 2. Cp dengan nilai 1,00 mensyaratkan bahwa suatu proses berada di tengah rata-rata kisaran toleransi untuk mencegah adanya unit yang diproduksi diluar batas. Jika mencapai Cp dengan nilai 1,33 lebih mudah dicapai dan lebih mudah lagi jika Cp bernilai 2,00. Batas bawah yang aman untuk nilai Cp berada pada nilai 1,5 yang akan menjamin bahwa semua unit yang di produksi oleh suatu proses yang terkendali akan berada dalam batas spesifikasi. Berikut adalah tabel konversi sigma : Gambar 2.5 Konversi Sigma Sumber : General Motors Supplier Quality Requirement task force, Chrysler, Ford

22 AHP (Analitycal Hierarchy Process) Analitycal Hierarchy Process (AHP) merupakan suatu alat pengambilan keputusan sederhana, yaitu dengan memisahkan persoalan-persoalan yang rumit menjadi beberapa jenjang yang sederhana, untuk kemudian diselesaikan satu per satu. Dan pada akhirnya kembali hierarki tersebut disusun menjadi suatu kesatuan. Secara kualitatif, metode ini mendefinisikan masalah dan penilaian. Sedangkan secara kuantitatif, AHP melakukan perbandingan dan penilaian untuk mendapatkan solusi. Dalam pembahasan peningkatan kualitas ini, AHP digunakan untuk menetukan manakah faktor yang paling utama sebagai penyebab terjadinya jenis-jenis cacat di antara faktor manusia, mesin, material, metode dan lingkungan. Langkah-langkah penggunaan AHP adalah sebagai berikut : 1. Tentukan tujuan (level 1), kriteria (level 2), dan alternatif (level 3) dari masalah. 2. Tentukan peringkat kriteria untuk matriks alternatif yang dipilih menurut tabel derajat kepentingan. Tabel 2.1 Contoh Matriks Alternatif Kriteria 1 Kriteria 2 Kriteria 3 Faktor A B C Faktor A B C Faktor A B C A 1 A 1 A 1 B 1 B 1 B 1 C 1 C 1 C 1 Jika faktor dibandingkan dengan dirinya sendiri, maka harus equally preferred dengan nilai 1, yang membuat seluruh nilai sepanjang diagonal matriks bernilai 1. Penilaian skala perbandingan antar kriteria diisi berdasarkan tabel intensitas kepentingan pada model AHP

23 47 Intensitas Kepentingan Tabel 2.2 Derajat Kepentingan AHP (Preference Level) Keterangan 1 Equally preferred 2 Equally to moderately preferred 3 Moderately preferred 4 Moderately to strongly preferred 5 Strongly preferred Strongly to very strongly preferred Very strongly preferred Very strongly to extremely preferred Penjelasan Dua aktivitas memberikan kontribusi sama terhadap tujuan. Antara equally dan moderately. Pengalaman dan penilaian memberikan nilai tidak jauh berbeda antara satu aktivitas terhadap aktivitas lainnya. Antara moderately dan strongly. Penilaian memberikan nilai kuat berbeda antara satu aktivitas terhadap aktivitas lainnya. Antara strongly dan very strongly. Satu aktivitas sangat lebih disukai dibandingkan aktivitas lainnya. Antara very strongly dan extremely. Satu aktivitas menempati urutan tertinggi dari 9 Extremely preferred aktivitas lainnya. 3. Sama dengan cara nomor 2, tentukan peringkat untuk masing-masing matriks kriteria yang dipilih menurut tabel derajat kepentingan. Tabel 2.3 Contoh Matriks Kriteria Kriteria Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 1 Kriteria 2 Kriteria 3 4. Kalikan matriks kriteria dengan matriks alternatif dari hasil perhitungan nomor 2 (faktor) dan nomor 3 (kriteria yang dipilih) untuk mendapatkan priority vector sehingga mendapatkan keputusan yang terbaik. 5. Langkah no.5-8 digunakan untuk menghitung konsistensi, dimulai dengan penentuan weighted sum vector dengan mengalikan row averages dengan matriks awal.

24 6. Tentukan consistency vector dengan membagi weighted sum vector dengan row averages. 7. Hitung Lambda dan Consistency Index: n CI = λ, di mana n adalah jumlah item dari sistem yang dibandingkan. n 1 8. Hitung Consistency Ratio: dan λ adalah rata-rata dari Consistency Vector. CI CR =, di mana RI adalah Random Index yang didapatkan dari tabel. RI Hasil yang konsisten adalah CR 0,10. Jika hasil CR > 0,10, maka matriks keputusan yang diambil harus dievaluasi ulang. Tabel 2.4 Random Index N Random Index 2 0,00 3 0,58 4 0,90 5 1,12 6 1,24 7 1,32 8 1,41 9 1, ,49 48 Manfaat dari AHP ialah : Mengambil keputusan yang tepat dari alternatif yang ada. Dapat memprediksikan penyebab dari masalah yang ada. Merencanakan proyek dan keinginan yang akan datang. Dapat mengevaluasi pekerja dan mengalokasikan peningkatan penghasilan dari sumber daya.

25 49 Dapat membandingkan keuntungan dan biaya. 2.6 FMEA (Failure Mode and Effect Analysis) FMEA atau Analisis mode kegagalan dan efek adalah suatu prosedur terstruktur untuk mengidentifikasi dan mencegah sebanyak mungkin mode kegagalan. Suatu metode kegagalan adalah apa saja yang termasuk dalam kecacatan/kegagalan dalam desain, kondisi diluar batas spesifikasi yang ditetapkan, atau perubahan-perubahan dalam produk yang menyebabkan terganggunya fungsi dari produk itu. Dengan menghilangkan mode kegagalan, maka FMEA akan meningkatkan keandalan dari produk sehingga meningkatkan kepuasan pelanggan yang menggunakan produk tersebut. Langkah-langkah dalam membuat FMEA : 1. Mengidentifikasi proses atau produk/jasa. 2. Mendaftarkan masalah-masalah potensial yang dapat muncul, efek dari masalahmasalah potensial tersebut dan penyebabnya. Hindarilah masalah-masalah sepele. 3. Menilai masalah untuk keparahan (severity), probabilitas kejadian (occurrence) dan detektabilitas (detection). 4. Menghitung Risk Priority Number, atau RPN yang rumusnya adalah dengan mengalikan ketiga variabel dalam poin 3 diatas dan menentukan rencana solusisolusi prioritas yang harus dilakukan. Berikut adalah definisi dan keterangan berbagai terminologi dalam FMEA : 1. Mode Kegagalan Potensial (Potential Failure Mode) adalah kegagalan (kecacatan) dalam desain yang menyebabkan sistem itu tidak berfungsi sebagaimana mestinya.

26 2. Penyebab Potensial dari Kegagalan (Potential Effects of Failure) adalah kelemahankelemahan desain dan perubahan dalam variabel yang akan mempengaruhi proses dan menghasilkan kecacatan produk. 3. Severity (S) adalah suatu perkiraan subyektif atau estimasi tentang tingkat parahnya kerusakan atau bagaimana buruknya pengguna akhir akan merasakan akibat dari kegagalan tersebut. Tabel 2.5. Kriteria Severity Effect Criteria ( Severity of Effect) Rank Berbahaya, tanpa peringatan Berbahaya, dengan peringatan Sangat tinggi Tinggi Sedang Rendah Sangat Rendah Minor Sangat Minor Memungkinkan untuk membahayakan mesin atau operator, ranking sangat tinggi apabila berhubungan dengan penggunaan kendaraan secara aman atau tidak sesuai dengan peraturan pemerintah. Kegagalan akan timbul tanpa peringatan. Memungkinkan untuk membahayakan mesin atau operator, ranking sangat tinggi apabila berhubungan dengan penggunaan kendaraan secara aman atau tidak sesuai dengan peraturan pemerintah. Kegagalan akan timbul dengan adanya peringatan. Gangguan utama pada lini produksi, semua hasil produksi (100%) harus dibuang, produk kehilangan fungsi utama. Konsumen sangat tidak puas. Gangguan minor pada lini produksi, produksi harus dipilih dan sebagian besar produk (dibawah 100%) harus dibuang, fungsi produk menurun. Konsumen tidak puas. Gangguan minor pada lini produksi, sebagian kecil produk harus dibuang, produk dapat digunakan, namun kenyamanan terganggu. Konsumen kurang puas. Gangguan minor pada lini produksi, 100% produk mungkin harus di-rework. Produk dapat digunakan namun kemampuan rendah. Konsumen merasa sedikit kecewa. Gangguan minor pada lini produksi, produk jadi harus dipilah pilih dan sebagian kecil harus dirework. Ketidaksesuaian produk kecil, kerusakan dapat dideteksi oleh kebanyakan konsumen. Sebagian kecil produk harus di-rework, namun dilakukan di lini produksi dan di luar stasiun kerja, kerusakan diketahui oleh sebagian besar konsumen. Sebagian kecil produk harus di-rework, namun dilakukan di lini produksi dan di dalam stasiun kerja, kerusakan diketahui oleh sangat sedikit konsumen. Tidak ada Tidak ada Efek

27 51 4. Occurence (O) merupakan bagaimana seringnya penyebab kegagalan tersebut timbul, ranking di skala 1 10 ini memiliki arti, bukan sekedar angka penggolongan saja. Tabel 2.6. menunjukkan skala ranking untuk occurence. Tabel 2.6. Kriteria Occurrence Probability Of Failure Sangat Tinggi : Kegagalan hampir tak dapat dihindari Tinggi: Kegagalan sangat mirip dengan beberapa kegagalan sebelumnya yang memang sering sekali gagal Sedang: Dapat dikaitkan dengan kegagalan sebelumnya yang sering terjadi, namun tidak dalam proporsi besar Rendah: Kegagalan yang terisolasi dan dapat diasosiasikan dengan beberapa proses yang serupa Possible Failure rate C pk Rank >=1 dari 2 < 0, dari 3 >= 0, dari 8 >= 0, dari 20 >= 0, dari 80 >= 0, dari 400 >=1, dari 2000 >=1, dari >= 1,33 3 Sangat Rendah: Hanya kegagalan-kegagalan terisolasi yang serupa dengan proses yang identik. Sangat kecil: Kegagalan hampir tidak mungkin, belum pernah terjadi kegagalan serupa di proses lain yang identik 1 dari <=1 dari >= 1,50 2 >= 1, Detection (D) adalah perkiraan subyektif tentang kemungkinan untuk mendeteksi penyebab dari kegagalan yang ada sebelum produk tersebut keluar dari proses produksi. Kriteria untuk detection dapat dilihat tabel 2.7.

28 52 Tabel 2.7. Kriteria Detection Detection Hampir tidak mungkin Sangat kecil kemungkinannya Kecil kemungkinannya Sangat rendah Rendah Sedang Agak tinggi Tinggi Sangat tinggi Hampir pasti terdeteksi Kriteria: Keberadaan dari cacat dapat dideteksi oleh kontrol proses sebelum koponen atau hasil produksi lolos ke proses selanjutnya. Rank Tidak ada kontrol yang tersedia untuk jenis kegagalan ini. 10 Sangat tidak mungkin untuk kontrol yang ada dapat mendeteksi kegagalan ini. Tidak mungkin kontrol yang ada tidak dapat mendeteksi kegagalan yang ada. Sangat rendah kemungkinan untuk kontrol yang ada dapat mendeteksi kegagalan ini. Rendah kemungkinan untuk kontrol yang ada dapat mendeteksi kegagalan ini. Ada kemungkinan untuk kontrol yang ada dapat mendeteksi kegagalan ini. Cukup kemungkinan untuk kontrol yang ada dapat mendeteksi kegagalan ini. Mungkin untuk kontrol yang ada dapat mendeteksi kegagalan ini. Sangat mungkin untuk kontrol yang ada dapat mendeteksi kegagalan ini. Hampir pasti kontrol yang ada dapat menangkap kegagalan proses seperti ini, karena sudah diketahui dari proses yang serupa Risk Priority Number (RPN) merupakan hasil perkalian antara ranking severity, occurance dan detection dengan rumus : RPN = (S) x (O) x (D) Nilai ini harus digunakan untuk mengurutkan perhatian yang harus diberikan pada proses tersebut. RPN ini akan bernilai antara 1 dan Untuk RPN yang besar, team harus mampu menurunkan nilai risiko, umumnya perhatian tertinggi harus diberikan pada severity (S) tertinggi. 7. Recommended Action adalah satu atau lebih tindakan yang dibuat untuk mengatasi permasalahan dan menurunkan nilai Risk Priority Number (RPN).

29 Sistem Informasi Sistem Menurut Mathiassen et al. (2000, p9) sistem adalah sekumpulan komponen yang mengimplementasikan persyaratan model, function dan interface. Dan menurut Raymond McLeod (2004, p9) sistem adalah Sekelompok elemen yang saling berintegrasi, yang semuanya bekerja mencapai satu tujuan. Semua sistem meliputi tiga elemen utama yaitu input, proses dan output. Perusahaan adalah salah satu contoh yang cocok dalam menggunakan definisi ini. Menurut James O Brien (2006, p29) sistem dapat diartikan dalam dua bagian yaitu : 1. Sistem adalah sekelompok elemen yang saling berhubungan atau berinterakasi hingga membentuk satu kesatuan. 2. Sistem adalah sekelompok komponen yang saling berhubungan, bekerja sama untuk mencapai tujuan bersama dengan menerima input dan menghasilkan output dalam proses transformasi yang teratur. Sistem memiliki tiga komponen dasar yang saling berinteraksi, yaitu : Input (masukan), meliputi menangkap dan mengumpulkan elemen yang memasuki sistem untuk diproses. Processing (Proses), meliputi proses perubahan yang mengubah input menjadi output. Output (keluaran atau hasil), meliputi perpindahan elemen yang telah dihasilkan oleh proses perubahan kedalam tujuan akhirnya.

30 Informasi Menurut Raymond McLeod (2004, p12) informasi diartikan sebagai data yang telah diproses atau data yang memiliki arti. Data dan informasi sering salah diartikan, namun yang sebenarnya adalah informasi merupaka data yang telah diolah terlebih dahulu dengan proses evaluasi dan analisa. Menurut James O Brien (2006, p703) informasi adalah data yang telah diubah dalam konteks yang berarti dan berguna untuk pemakai akhir Sistem Informasi Menurut Jeffery L. Whitten (2004, p10) sistem informasi adalah pengaturan orang, data, proses dan teknologi informasi yang berinteraksi untuk mengumpulkan, memproses, menyimpan dan menyediakan sebagai output informasi yang diperlukan untuk mendukung sebuah organisasi. Sistem informasi dapat dilihat dari beberapa perspektif, yaitu : Para pemain sistem informasi ( tim ) Para driver bisnis yang mempengaruhi sistem informasi Para driver teknologi yang digunakan oleh sistem informasi Proses yang digunakan untuk mengembangkan sistem informasi Menurut Menurut James O Brien (2003, p7) sistem informasi adalah kombinasi teratur apapun dari orang-orang, hardware, software, jaringan komunikasi dan sumber daya data yang mengumpulkan, mengubah dan menyebarkan informasi dalam sebuah organisasi.

31 Sistem Informasi Manajemen Menurut Raymond McLeod (2004, p259), sistem informasi manajemen adalah sistem pendukung manajemen yang menghasilkan laporan, tampilan, dan respon yang telah dispesifikasikan secara periodik, khusus, berdasarkan permintaan. Manfaat dan kegunaan dari sistem informasi manajemen antara lain : 1. Mendukung proses dan operasi bisnis 2. Mendukung pengambilan keputusan para pegawai dan manager 3. Mendukung berbagai strategi untuk keunggulan kompetitif 4. Kontributor penting dalam efisiensi operasional, produktifitas, dan moral pegawai, serta layanan dan kepuasan pelanggan. 5.Sumber utama informasi dan dukungan yang dibutuhkan dan menyebarkan pengembalian keputusan yang efektif para manager dan praktisi bisnis. Menurut Jeffery L. Whitten (2004, p10) sistem informasi manajemen adalah sebuah sistem informasi yang menyediakan untuk pelaporan berorientasi manajemen berdasarkan pemrosesan transaksi dan operasi organisasi Sistem Informasi Manufaktur Sistem informasi manufaktur merupakan suatu sistem yang berbasis komputer yang bekerja dalam hubungannya dengan sistem informasi fungsional lainnya untuk mendukung manajemen perusahaan dalam memecahkan masalah yang berhubungan dengan manufaktur pada suatu produk yang dihasilkan.

32 Analisa Perancangan Berbasis Objek (OOAD) Analisa dan Perancangan Sistem Menurut Raymond McLeod (2004, p138), analisa sistem adalah penelitian pada sistem yang telah ada dengan tujuan untuk merancang sistem yang baru atau diperbaharui Jadi dapat disimpulkan bahwa analisa sistem adalah penelitian sistem yang ada dengan tujuan penyempurnaan sistem yang dapat dimanfaatkan oleh pengguna sistem. Perancangan sistem adalah penentuan proses dan data yang diperlukan oleh sistem baru. Jika sistem itu berbasis komputer, rancangan dapat menyertakan spesifikasi jenis peralatan yang akan digunakan (McLeod, 2004, p140). Dan menurut O Brien (2002, p352), perancangan sistem adalah aktivitas perancangan yang menghasilkan spesifikasi sistem sesuai dengan kebutuhan yang dikembangkan di dalam proses analisa sistem Pengertian Object dan Class Menurut Mathiassen (2000, p4) objek adalah suatu entitas yang memiliki identity, state dan behavior. Dalam segi analisa, suatu objek merupakan abstraksi pada sebuah fenomena didalam konteks sistem, contohnya seperti konsumen. Sedangkan dalam segi design, suatu objek merupakan bagian dari sistem. Pengertian Class menurut Mathiassen (2000, p4) yaitu dari kumpulan objek yang mempunyai struktur, behavior pattern dan attribute yang sama. Atribut umumnya digunakan untuk data, seperti angka dan string. Dan behaviour merupakan operasi yang dapat dilakukan oleh object yang diwakili class tersebut. Keuntungan dalam menggunakan OOAD antara lain :

33 57 Merupakan konsep yang umum yang dapat digunakan untuk memodelkan hampir semua fenomena dan dapat dinyatakan dalam bahasa umum (natural language) Noun menjadi object atau class Verb menjadi behaviour Adjective menjadi attributes Memberikan informasi yang jelas tentang konteks dari sistem Mengurangi biaya maintenance Terdapat empat kegiatan utama di dalam OOAD diantaranya yaitu, problem domain analysis, application domain analysis, architectural design dan component design. Keempat kegiatan utama ini saling berintegrasi untuk mengembangkan suatu sistem tertentu. Problem Domain Analysis Requirement for use Application Domain Analysis Model Component Design Specifications of Specifications of architecture Architectural Design Gambar 2.6 Kegiatan Utama OOAD

34 System Choice Suatu pengembangan project dapat memberikan banyak tantangan dan untuk melakukan ini harus mengerti terlebih dahulu tentang structure, relations dan user organization dan juga mengevaluasi serta mengatur teknologi yang digunakan secara profesional. Pembuatan system choice dapat dilakukan dengan terlebih dahulu mendeskripsikan sistem yang akan dibuat. Sistem yang diinginkan dapat dibuat dengan menggunakan system definition. Menurut Mathiassen (2000, p24) deskripsi sistem merupakan suatu uraian ringkas dari suatu sistem terkomputerisasi yang dinyatakan dalam bahasa alami. Definisi sistem memperlihatkan bagian utama dari pengembangan sistem dan penggunaannya. Itu berarti menjelaskan sistem dalam suatu konteks, apakah informasi itu bisa menyatakan, dimana bisa digunakan dan bagaimana membangun suatu kondisi. Sistem definisi mungkin merupakan laporan singkat dan tepat, dan termasuk yang sangat utama dalam menjelaskan tentang sistem. Dalam bentuk gambar, deskripsi sistem dibuat menggunakan rich picture, yaitu suatu gambar informal yang menunjukkan pemahaman pengembang terhadap sistem.

35 59 Situation Ideas Systems System definition Gambar 2.7 Aktivitas dalam memilih sebuat sistem Di dalam deskripsi sistem terdapat enam kriteria yang sering disebut FACTOR, keenam kriteria tersebut adalah Mathiassen, 2000, p39-40) : Functionality: Fungsi sistem yang mendukung tugas application-domain. Application domain: Bagian dari suatu organisasi yang administrate, monitor, atau mengendalikan problem domain. Conditions: Dengan kondisi yang bagaimana sistem akan dikembangkan dan digunakan. Technology: Semua Teknologi yang digunakan untuk mengembangkan dan menjalankan sistem. Objects: Objek yang utama didalam problem domain. Responsibility: tanggung jawab sistem (kegunaan) secara keseluruhan dalam hubungannya dengan konteks sistem.

36 60 FACTOR dapat digunakan dalam dua cara. Pertama, FACTOR digunakan untuk mendukung pembuatan system definition, dengan mempertimbangkan formulasi keenam kriteria FACTOR. Di sini, FACTOR didefinisikan dahulu, baru kemudian dibuat system definitionnya. Cara kedua adalah dengan mendefinisikan system definition dahulu dan kemudian menggunakan keenam kriteria FACTOR untuk mengetahui bagaimana system definition yang dibuat telah memenuhi keenam FACTOR tersebut. 2.8 Problem Domain Analysis Fokus problem domain analysis adalah untuk mengetahui informasi apa saja yang dibutuhkan yang berhubungan dengan sistem. Problem domain analysis memiliki tiga aktivitas utama yaitu mendefinisikan classes, structure dan behavior. Tujuan dari problem domain analysis adalah untuk membangun suatu model dari sistem berjalan. Tabel 2. 8 Aktivitas dalam Problem Domain Analysis Aktivitas Isi Konsep Classes Object dan event apa saja yang menjadi bagian Class, object dan event dalam problem domain? Structure Bagaimana class dan object saling dihubungkan? Generalisasi, agregasi, asosiasi, dan cluster Behaviour Apa saja properti dinamis yang dimiliki sebuah object? Event trace, behavioural pattern,dan atribut Classes Menurut Mathiassen (2000, p49), aktivitas classes bertujuan memilih elemenelemen yang terdapat dalam problem domain, yaitu object, class dan event. Object

37 61 adalah suatu entitas yang memiliki identitas, state, dan behaviour sedangkan Event adalah kejadian yang terjadi seketika yang melibatkan satu atau lebih object. Abstraksi, klasifikasi dan pemilihan adalah kegiatan utama dalam aktivitas class. Abstraksi merupakan kegiatan di mana problem domain diabstraksikan dalam bentuk object dan event. Object dan event tersebut kemudian diklasifikasikan dan dilakukan pemilihan class dan event mana yang akan digunakan untuk memodelkan problem domain. Hasil dari aktivitas class adalah event table, yaitu tabel yang merangkum class dan event. Baris pada event table menunjukkan class yang dipilih dan kolom pada event table menunjukkan event yang dipilih. Keduanya dihubungkan dengan tanda check (v) yang menunjukkan event apa saja yang mempengaruhi suatu object. Tabel 2.9 Contoh Event Table For the Hair Salon System Classes events customer asisten mahasiswa perjanjian perencanaan pesanan v v v v pembatalan v v v memperlakukan v v mempekerjakan v v menyerahkan v v persetujuan v v v Structure Di dalam aktivitas structure, hanya berfokus pada hubungan antara classes dan objects. Hasil dari aktivitas structure adalah sebuah class diagram yang menunjukkan problem domain yang saling berkaitan pada hubungan stuktural antara classes dan object dalam suatu model.

38 62 Aktivitas dari structure antara lain menentukan class dan event yang ada pada event table, menentukan struktur objek dan struktur class dan menghubungkan antar class tersebut. Menurut Mathiassen (2000, p72), hubungan struktural terbagi atas : 1. Struktur antar class Generalisasi Generalisasi adalah suatu hubungan struktural antara dua atau lebih class khusus (sub class) dan class yang lebih umum (super class). Di dalam generalisasi ini dapat diketahui bahwa property dari super class berhubungan atau berkaitan langsung dengan sub classnya. Passenger Car Taxi Private Gambar 2.8 Hubungan Struktural Generalisasi Cluster Cluster adalah kumpulan dari class-class yang saling berhubungan. Sebuah cluster memungkinkan pemahaman problem domain secara menyeluruh dengan membaginya menjadi subdomain. Class-class di dalam sebuah cluster biasanya memiliki hubungan generalisasi atau agregasi, walaupun hal ini bukanlah syarat mutlak dalam pembentukan cluster. Dan hubungan antar class dari cluster yang satu dengan cluster yang lain biasanya disebut juga dengan hubungan asosiasi.

39 63 Gambar 2.9 Hubungan Struktural Cluster 2. Struktur antar object Agregasi Agregasi adalah hubungan struktural antar dua atau lebih object, dimana object yang satu merupakan bagian dari object lain yang bersifat keseluruhan Hubungan agregasi dari class yang lebih tinggi (superior object) dapat dinyatakan sebagai terdiri dari, misalnya sebuah mobil terdiri dari body. Sedangkan hubungan agregasi dari class yang lebih rendah (inferior object) dinyatakan sebagai bagian dari, misalnya body adalah bagian dari mobil. Gambar 2.10 Hubungan Struktural Agregasi

40 64 Asosiasi Asosiasi adalah hubungan struktural antara dua atau lebih object. Di dalam hubungan ini tidak terdapat peringkat yang lebih tinggi atau pun yang lebih rendah (memiliki peringkat yang sama). Gambar 2.11 Hubungan Struktural Asosiasi Behaviour Pada aktivitas behaviour, dilakukan perluasan definisi class diagram dengan menambahkan atribut dan behavioural pattern pada setiap class. Dalam aktivitas class, behaviour merupakan sekumpulan event yang belum berurutan yang melibatkan sebuah object. Maka pada aktivitas behaviour, behaviour dijelaskan dengan lebih detail dengan memberikan urutan waktu pada event. Behaviour dibuat untuk semua class dan dapat digunakan dengan membuat event trace terlebih dahulu. Event trace adalah Urutan dari event yang terjadi pada suatu object. Dan Behavioural Pattern adalah daftar kemungkinan event trace yang terjadi pada semua object didalam class. Attribute adalah keterangan property dari class atau event. Behavioural Pattern memiliki tiga bentuk, yaitu : Sequence (urutan), adalah pola di mana event terjadi satu persatu secara berurutan. Selection (pemilihan), adalah pola di mana hanya satu event yang terjadi dari beberapa kemungkinan event yang dapat terjadi.

41 Iteration (perulangan), ialah pola di mana sebuah event terjadi secara berulangulang. 65 Hasil dari behavioural pattern ini adalah berupa statechart diagram yang menggambarkan aktivitas dari semua class, mulai dari class terbentuk hingga class tersebut dihancurkan. Account owner account # balance Single-state iterations amount deposited (date, amount) account opened (date) account closed (date) Open account opened (date) amount withdrawn (date, amount) Closed A multi-state iteration Gambar 2.12 Statechart Diagram 2.9 Application Domain Analysis Application domain analysis berfokus pada pembahasan bagaimana sistem akan digunakan dengan tujuan mendefinisikan kebutuhan function dan interface dari sistem. Jika dimulai dengan analisa application domain, maka akan berfokus pada pekerjaan pengguna (user) dan kebutuhan sistem secara detail, setelah itu baru dilakukan analisa problem domain. Sedangkan jika dimulai dengan analisa problem domain, maka akan berfokus pada aktivitas bisnis tersebut dan bukannya pada inteface sistem tersebut.

42 66 Tabel Aktivitas dalam Application Domain Analysis Aktivitas Isi Konsep Usage Bagaimana sistem berinteraksi dengan manusia dan Use case dan actor konteks system Function Bagaimana kemampuan (kapabilitas) sistem Function dalam memproses informasi? Interface Interface apa saja yang dibutuhkan oleh sistem? Interface, user interface, system interface Usage Aktivitas usage bertujuan mendefinisikan interaksi pengguna (actor) dengan sistem melalui pendefinisian actor dan use case. Menurut Mathiassen (2000, p119) Actor adalah abstraksi dari user atau sistem lain yang berinteraksi dengan target sistem. Dan Use case adalah pola interaksi antara sistem dan aktor didalam application domain. Hasil dari aktivitas ini dapat berupa : gambar (use case diagram) yang menggambarkan hubungan actor dan use case Gambar 2.13 Use case Diagram

43 67 tabel (actor table) yang mendefinisikan interaksi antara actor dan use case Use Cases Account Owner Creditor Payment X X Cash Withdrawal X Actors Gambar 2.14 Actor Table Administrator Money transfer X X X Account information Credit Information Registration Monitoring Fault processing Liquidity Monitor X X X X X X X X Function Aktivitas function bertujuan menentukan kapabilitas sistem dalam memproses informasi, di mana function yang kompleks perlu mendapatkan perhatian khusus. Function adalah fasilitas yang memungkinkan model menjadi berguna bagi actor. Hasil dari aktivitas function adalah function list. Terdapat 4 tipe function, yaitu: Update, adalah function yang diaktifkan oleh event dalam problem domain dan menghasilkan perubahan pada status (state) dari model. Signal, adalah function yang diaktifkan oleh perubahan status dari model dan menimbulkan reaksi dalam problem domain, reaksi dapat berupa tampilan bagi actor atau intervensi langsung yang menyatakan hal tersebut.

44 Read, adalah function yang diaktifkan oleh adanya kebutuhan akan informasi dalam pekerjaan actor sehingga sistem akan menampilkan bagian tertentu dari model yang berhubungan. Compute, adalah function yang diaktifkan oleh adanya kebutuhan akan informasi dalam pekerjaan actor yang memerlukan komputasi dari informasi yang disediakan oleh actor atau model. Hasilnya berupa tampilan hasil komputasi tersebut. Tabel 2.11 Contoh Function List Type Complexity Mengontrol Barang Keluar Update, Read Medium Create new Update Simple Cek Kd Barang Masuk Read Medium Get Kd Barang Masuk Read Medium Cek Kd Barang Keluar Read Medium Get Kd Barang Keluar Read Medium Save Pengecekan Update Simple Cetak Read Medium Interface Menurut Mathiassen (2000, p151) interface adalah Fasilitas yang membuat model sistem dan function dapat berinteraksi dengan actors. Interface (antarmuka) digunakan oleh actor untuk berinteraksi dengan sistem.. Interface terdiri dari user interface (antarmuka pengguna) dan system interface (antarmuka sistem). User Interface adalah Interface untuk users dan system Interface adalah interface ke sistem lain. Hasil dari aktivitas ini adalah pembuatan tampilan (form) yang merupakan user interface dan navigation diagram yang menggambarkan setiap window, bagaimana hubungan setiap window dan bagaimana mengakses setiap window tersebut