BAB 2 LANDASAN TEORI

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1 Pea Proses Operasi Pea Proses Operasi merupakan suau diagram yang menggambarkan langkahlangkah proses yang akan dialami bahan baku mengenai uru-uruan operasi dam pemeriksaan. Sejak dari awal sampai menjadi produk jadi uuh maupun sebagai komponen, dan juga memua informasi-informasi yang diperlukan unuk analisis lebih lanju, seperi, waku yang dihabiskan, maerial yang digunakan, dan empa aau ala mesin yang dipakai. Jadi dalam suau Pea Proses Operasi, dicaa hanyalah kegiaankegiaan operasi dan pemeriksaan saja, kadang-kadang pada akhir proses dicaa enang penyimpanan (Sualaksana, 1979, p21). Dalam pea proses operasi pekerjaan dibagi menjadi menjadi elemen-elemen operasi secara deail. Di sini, ahapan proses operasi kerja harus diuraikan secara logis dan sisemais. Dengan demikian, keseluruhan operasi kerja dapa digambarkan dari awal (raw maerial) sampai menjadi produk akhir (finished good produc) sehingga analisis perbaikan dari masing-masing operasi kerja secara individual maupun uruuruannya secara keseluruhan akan dapa dilakukan (Wignjosoebroo, 2000, p131). Unuk bisa menggambarkan Pea Proses Operasi dengan baik, ada beberapa prinsip yang perlu diikui, sebagai beriku :

2 20 1. Perama-ama, pada baris paling aas dinyaakan kepalanya Pea Proses Operasi yang diikui oleh idenifikasi lain seperi nama objek, nama pembua pea, anggal dipeakan cara lama aau cara sekarang, nomor pea dan nomor gambar. 2. Maerial yang akan diproses dileakkan di aas garis horisonal, yang menunjukkan bahwa maerial ersebu masuk ke dalam proses. 3. Lambang-lambang diempakan dalam arah verikal, yang menunjukkan erjadinya perubahan proses. 4. Penomoran erhadap suau kegiaan operasi diberikan secara beruruan sesuai dengan uruan operasi yang dibuuhkan unuk pembuaan produk ersebu aau sesuai dengan proses yang erjadi. 5. Penomoran erhadap suau kegiaan pemeriksaan diberikan secara ersendiri dan prinsipnya sama dengan penomoran unuk kegiaan operasi Peramalan Definisi Peramalan Peramalan aau forecasing adalah suau kegiaan unuk memperkirakan apa yang erjadi pada masa yang akan daang. Peramalan merupakan suau kegiaan unuk meramalkan apa yang akan erjadi di masa yang akan daang dengan menggunakan dan memperimbangkan daa dari masa lampau. Keepaan secara mulak dalam memprediksi perisiwa dan ingka kegiaan yang akan daang adalah idak mungkin dicapai, oleh karena iu keika perusahaan idak dapa meliha kejadian yang akan daang secara pasi, diperlukan waku dan enaga yang besar agar mereka dapa memiliki kekuaan erhadap kejadian yang akan daang.

3 21 Peramalan pada umumnya digunakan unuk memprediksi pendapaan, biaya, keunungan, harga dan perubahan eknologi. Dalam lingkungan perusahaan, peramalan kebanyakan digunakan unuk mengesimasi aau memprediksi perminaan yang akan daang guna memperkirakan jumlah dan jenis apa saja yang diproduksi oleh perusahaan. Pada dasarnya ada beberapa langkah peramalan yang pening yaiu: 1. Menganalisis daa yang lalu Tahap ini berguna unuk pola yang erjadi pada masa lalu. Analisis ini dilakukan dengan cara membua abulasi dari daa yang lalu. 2. Menenukan meode yang digunakan Masing-masing meode akan memberikan hasil peramalan yang berbeda. Dengan kaa lain, meode peramalan yang baik adalah meode yang menghasilkan penyimpangan anara hasil peramalan dengan nilai kenyaaan yang sekecil mungkin. 3. Memproyeksikan daa yang lalu dengan menggunakan meode yang dipergunakan dan memperimbangkan adanya beberapa fakor perubahan. 4. Penenuan ujuan, yaiu menenukan kebuuhan informasi-informasi bagi para pembua kepuusan seperi : Variabel-variabel yang akan diesimasi. Siapa yang akan menggunakan hasil peramalan. Unuk ujuan apa hasil peramalan akan digunakan. Esimasi jangka panjang aau jangka pendek yang diinginkan. Deraja keepaan esimasi yang diinginkan. Kapan esimasi dibuuhkan.

4 22 Bagian-bagian peramalan yang diinginkan, seperi peramalan unuk kelompok pembeli, kelompok produk, aau daerah geografis. 5. Pengembangan model Menenukan model yang merupakan penyederhanaan dari sisem dan merupakan kerangka analiik bagi masukan yang akan memperoleh pengeluaran. Model dienukan berdasarkan sifa-sifa dan perilaku variabel. 6. Pengujian model Dilakukan unuk menenukan ingka akurasi, validias dan reliabilias, yang dienukan dengan membandingkan hasil peramalan dengan kenyaaan / akual. 7. Penerapan model Seelah lulus dalam pengujian, daa hisorik akan dimasukkan ke dalam model unuk menghasilkan ramalan. 8. Revisi dan evaluasi Ramalan yang elah dibua harus senaniasa diperbaiki dan diinjau kembali. Hal ini perlu dilakukan bila erdapa perubahan dalam perusahaan dan lingkungannya (harga produk, karakerisik produk, periklanan, ingka pengeluaran pemerinah, kebijaksanaan moneer, aau kemajuan eknologi); dan hasil perbandingan anara ramalan dengan daa akual Tujuan Peramalan Tujuan dari peramalan sendiri adalah unuk meliha aau memperkirakan prospek ekonomi aau kegiaan usaha sera pengaruh lingkungan erhadap prospek ersebu, sehingga dapa diperoleh informasi mengenai : 1. Kebuuhan suau kegiaan usaha di masa yang akan daang.

5 23 2. Waku unuk mengambil kepuusan yang berkaian dengan skala produksi, pemasaran, sera arge usaha. 3. Perencanaan skala produksi, pemasaran, anggaran, biaya produksi dan arus kas (cash flow) Jenis-jenis Pola Daa Daa yang diplo adalah daa masa lalu yang dipergunakan unuk meramalkan daa di masa yang akan daang. Dari daa yang elah diplo akan erliha pola daa unuk menenukan meode ramalan yang akan digunakan. Menuru Makridakis (1999, p21), pola pola daa dere waku yang umum erjadi yaiu : 1. Pola Horisonal ( H ) Terjadi bila nilai daa berflukuasi di sekiar nilai raa raa yang konsan. (Dere seperi iu sasioner erhadap nilai raa raanya). Suau produk yang penjualannya idak meningka aau menurun selama waku erenu ermasuk jenis ini. Demikian pula, suau keadaan pengendalian muu yang menyangku pengambilan conoh dari suau proses produksi berkelanjuan yang secara eoriis idak mengalami perubahan juga ermasuk jenis ini. Gambar 2.1 Pola Daa Sasioner / Horisonal (H)

6 24 2. Pola Musiman / Seasonal (S) Terjadi bila suau dere dipengaruhi oleh fakor musiman (misalnya kuaral ahun erenu, bulanan, aau hari hari pada minggu erenu). Penjualan dari produk seperi minuman ringan, es krim, dan bahan bakar pemanas ruang, semuanya menunjukkan jenis pola ini. Gambar 2.2 Pola Daa Musiman / Seasonal (S) 3. Pola Siklis / Cyclical (C) Terjadi bila daa dipengaruhi oleh flukuasi ekonomi jangka panjang seperi yang berhubungan dengan siklus bisnis. Penjualan produk seperi mobil, baja, dan peralaan uama lainnya menunjukkan jenis pola ini. Gambar 2.3 Pola Daa Siklis / Cyclical (C)

7 25 4. Pola Trend (T) Terjadi bila erdapa kenaikan aau penurunan sekuler jangka panjang dalam daa. Penjualan banyak perusahaan, produk bruo nasional (GNP) dan berbagai indikaor bisnis aau ekonomi lainnya mengikui suau pola rend selama perubahannya sepanjang waku. Gambar 2.4 Pola Daa Trend (T) Meode-meode Peramalan Menuru Render dan Heizer (2001, p48), erdapa dua pendekaan umum yang digunakan dalam peramalan yaiu : peramalan kualiaif dan peramalan kuaniaif. 1. Meode Kualiaif Meode ini biasanya digunakan unuk meramalkan lingkungan dan eknologi, karena kondisi ersebu berbeda dengan kondisi perekonomian dan pemasaran. Oleh karena iu meode kualiaif disebu dengan echnological forecasing. Teknik-eknik kualiaif adalah subjekif aau judgmenal aau berdasarkan pada esimasiesimasi dan pendapa-pendapa. Berbagai sumber pendapa bagi peramalan kondisi bisnis adalah :

8 26 Para eksekuif Orang-orang penjualan Para langganan Sedangkan berbagai eknik peramalan kualiaif yang dapa digunakan, secara ringkas dapa diuraikan sebagai beriku : a. Meode Delphi Meode ini merupakan eknik yang mempergunakan suau prosedur yang sisemaik unuk mendapakan suau konsensus pendapa-pendapa dari suau kelompok ahli. Proses Delphi ini dilakukan dengan memina kepada para anggoa kelompok unuk memberikan serangkaian ramalan-ramalan melalui anggapan mereka erhadap dafar peranyaan. Kemudian, seorang moderaor mengumpulkan dan memformulasikan dafar peranyaan baru dan dibagikan lagi kepada kelompok. Jadi ada suau proses pembelajaran bagi kelompok karena mereka menerima informasi baru dan idak ada pengaruh pada ekanan kelompok aau dominasi individual. b. Rise pasar Adalah peralaan peramalan yang berguna, eruama bila ada kekurangan daa hisorik aau daa idak reliable. Teknik ini secara khusus digunakan unuk meramal perminaan jangka panjang dan penjualan produk baru. Kelemahan rise pasar mencakup kurangnya kekuaan predikif, sera memakan waku dan biaya.

9 27 c. Analogi hisorik Peramalan dilakukan dengan menggunakan pengalaman-pengalaman hisorik dari suau produk yang sejenis. Peramalan produk baru dapa dikaikan dengan ahap-ahap dalam siklus kehidupan produk yang sejenis. d. Konsensus panel Gagasan yang didiskusikan oleh kelompok akan menghasilkan ramalan-ramalan yang lebih baik daripada dilakukan oleh seseorang. Diskusi dilakukan dalam peremuan perukaran gagasan secara erbuka. 2. Meode Kuaniaif Meode kuaniaif hanya dapa dierapkan jika ersedia informasi mengenai daa masa lalu, informasi dapa dikuanifisir (diwujudkan dalam benuk angka), dan asumsi beberapa aspek pola masa lalu akan berlanju. Jenis peramalan kuaniaif dibagi dua, yaiu: a. Time Series Jenis peramalan ini merupakan esimasi masa depan yang dilakukan berdasarkan nilai masa lalu dari suau variabel dan / aau kesalahan masa lalu. b. Meode Causal Peramalan ini memberikan suau asumsi bahwa fakor yang diramalkan mewujudkan suau hubungan sebab akiba dengan sau aau lebih independen variabel. Tujuannya adalah unuk menemukan benuk hubungan ersebu dan menggunakannya unuk meramalkan nilai mendaang dari dependen variable.

10 28 Macam macam meode peramalan yaiu : 1. Meode Single Moving Average Salah sau cara unuk mengubah pegaruh daa masa lalu erhadap nilai engah sebagai ramalan adalah dengan menenukan sejak awal berapa jumlah nilai pengamaan masa lau yang akan dimasukkan unuk menghiung nilai engah. Unuk menggambarkan prosedur ini digunakan isilah raa-raa bergerak karena seiap muncul nilai pengamaan baru, nilai raa-raa baru dapa dihiung dengan membuang nilai observasi yang paling ua dan memasukkan nilai pengamaan yang erbaru. Raa-raa bergerak ini kemudian akan menjadi ramalan unuk periode mendaang. Perhaikan bahwa jumlah iik daa dalam seiap raa-raa eap konsan dan pengamaan yang dimasukkan adalah yang paling akhir. Dibandingkan dengan nilai engah sederhana (dari semua daa masa lalu) raa-raa bergerak berorde T mempunyai karakerisik sebagai beriku: hanya menyangku T periode erakhir dari daa yang dikeahui, jumlah iik daa dala seiap raa-raa idak berubah dengan berjalannya waku. Teapi meode ini juga mempunyai kelemahan sebagai beriku: meode ini memerlukan penyimpanan yang lebih banyak karena semua T pengamaan erakhir harus disimpan, idak hanya nilai engahnya, meode ini idak dapa menanggulangi dengan baik adanya rend aau musiman, walaupun meode ini lebih baik dibanding raa-raa oal. Karena seorang peramal harus memilih jumlah periode (T) dalam raa-raa bergerak, ada baiknya beberapa aspek dari pemilihan ini dikemukakan.

11 29 MA(1) yaiu raa-raa bergerak dengan orde 1 nilai daa erakhir yang dikeahui (X T ) digunakan sebagai ramalan unuk periode berikunya (F T+1 = X T ). conohnya adalah ramalan harga jadi dari saha IBM besok adalah harga jadi hari ini. Meode ini dinamakan ramalan naïf (NF1). MA(4) unuk daa kuaralan, raa-raa bergerak empa periode secara efekif mengeluarkan pengaruh musiman (eruama jika pengaruh musiman ini bersifa adiif), namun jika digunakan sebagai ramalan unuk periode mendaang idak akan dapa menyesuaikan unsure rend aau musiman iu sendiri. Dalam keadaan ini MA(4) akan bermanfaa jikan digunakan sebagai raa-raa bergerak erpusa (cenered) (daripada sebagai ramalan) unuk membanu memeriksa komponen dalam dere berkala. MA(12) sekai lagi, unuk daa bulanan, meode ini menghilangkan pengaruh musiman dari dere daa dan bermanfaa dalam mendekomposisi dere menjadi komponen rend,musiman, dan lain-lain,eapi meode ini sendiri idak efekif jika digunakan sebagai ala peramalan unuk daa yang menunjukkan kecenderungan musiman. MA(besar) secara umum, makin besar orde dari raa-raa bergerak yaiu jumlah nilai daa yang digunakan unuk seiap raa-raa, maka pengaruh penghalusan daa akan semakin besar. Jika digunakan sebagai ramalan, MA(besar) idak banyak memperhaikan flukuasi dalam dere daa.

12 30 Secara aljabar, raa-raa bergerak (MA)dapa diuliskan sebagai beriku: F F T + 1 T + 2 = = X X X 2 + Λ + Λ + X T + X T T T + X 1 = T T + 1 T i 1 1 = T X i T + 1 i= 2, X i, (3 3) (3 4) Dengan membandingkan FT + 1dan F T + 2 dapa diliha bahwa F T + 2 perlu menghilangkan X 1 dan menambah nilai X T + 1 begiu nilai ini ersedia, sehingga cara lain nuk menulis F T + 2 adalah F 1 + T ( X ), (3 5) T + 2 = FT + 1 T + 1 X 1 2. Meode Double Moving Average Salah sau peramalan ime series dengan meliha daa rend adalah peramalan dengan meode double moving average. Perama kali dilakukan moving average kemudian baru dilakukan lagi moving average unuk daa yang adi yang sudah di moving average perama kali. Beriku ini adalah rumus yang dipakai pada peramalan ini yaiu : Rumus unuk moving average yang perama M = Y + 1 Y = + Y 1 + Y Y k + k 1 Rumus unuk moving average yang kedua ' M + M 1 + M M k + M = k 1

13 31 Rumus unuk menghiung peramalan dengan double moving average a b ^ = M + ( M 2 = ( M k 1 Y + p = a + b + p ' M ) = 2M m M ) ' M ' 3. Meode Single Exponenial Smoohing Kasus yang paling sederhana dari pemulusan eksponensial (smoohing) unggal (SES) dapa dikembangkan dari persamaan (3-5 ) menjadi persamaan (3-17), dan dapa diulis kembali sebagai (3-18): F F X F = F +, N N 1 1 = X + 1 F, N N (3 17) (3 18) Dari persamaan (3-18) dapa diliha bahwa ramalan ini ( F +1 ) didasarkan aas pemboboan observasi yang erakhir dengan suau nilai bobo (1/N) dan pemboboan ramalan yang erakhir sebelumnya ( F ) dengan suau bobo [1-(1/N)]. Karena N suau bilangan posiif, 1/N akan menjadi suau konsana anara nol (jika N ak erhingga) dan 1 (jika N=1). Dengan menggani 1/N dengan α, persamaan (3-18) menjadi F ( 1 α ) F, (3 19) + 1 = α X + Persamaan ini merupakan benuk umum yang digunakan dalam menghiung ramalan dengan meode pemulusan eksponensial. Meode ini banyak mengurangi masalah penyimpanan daa, karena idak perlu lagi menyimpan semua daa hisoris aau sebagian daripadanya (seperi dalam kasus raa-raa bergerak). Agaknya hanya pengamaan erakhir, ramalan erakhir, dan suau nilai α yang harus disimpan.

14 Implikasi pemulusan eksponensial dapa diliha dengan lebih baik bila persamaan (3-19) diperluas dengan menggani F dengan komponennya sebagai beriku: F 1 = α X = α X + + ( 1 α )[ α X 1 + ( 1 α ) F 1], 2 α ( 1 α ) X + ( 1 α ) F (3 20) 1 1 Jika proses subsiusi ini diulangi dengan menggani F 1 dengan komponennya, F 2 dengan komponennya, dan seerusnya, hasilnya adalah persamaan (3-21): F + 1 = α X + α ( 1 α ) X 1 + α ( 1 α ) X 2 + α ( 1 α ) X N 1 α ( 1 α ) X 4 + α ( 1 α ) X 5 + Λ + α ( 1 α ) X ( N 1) N ( 1 α ) F ( ) (3 21) N 1 32 Misalkan α=0,2; 0,4; 0,6; aau 0,8. Maka bobo yang diberikan pada nilai pengamaan observasi masa lalu akan menjadi beriku: Jika bobo ini diplo, dapa diliha bahwa bobo ersebu menurun secara eksponensial, dari sana nama pemulusan eksponensial muncul. (Perlu dikemukakan bahwa walaupun ujuannya adalah menemukan nilai α yang meminimumkan MSE pada kelompok daa pengujian, penaksiran yang erjadi dalam pemulusan eksponensial adalah masalah non-linear.) beriku: Cara lain unuk menuliskan-persamaan (3-19) adalah dengan susunan sebagai F α ( X F ), (3 22) + 1 = F + secara sederhana ( e ) F + 1 = F + α, (3 23) di mana ( e ) adalah kesalahan ramalan (nilai sebenarnya dikurangi ramalan) unuk periode. Dari dua benuk F 1 ini dapa diliha bahwa ramalan yang dihasilkan dari SES

15 33 secara sederhana merupakan ramalan yang lalu diambah suau penyesuaian unuk gala yang erjadi pada ramalan erakhir. Dalam benuk ini erbuki bahwa jika α mempunyai nilai mendekai 1, maka ramalan yang baru akan mencakup penyesuaian kesalahan yang besar pada ramalan sebelumnya. Sebaliknya, jika α mendekai 0, maka ramalan yang akan mencakup penyesuaian yang sanga kecil. Jadi, pengaruh besar kecilnya α benarbenar analog (dalam arah yang berlawanan) dengan pengaruh memasukkan jumlah pengamaan yang kecil aau besar pada perhiungan raa-raa bergerak. Perlu juga diperhaikan bahwa pemulusan eksponensial unggal akan selalu mengikui seiap rend dalam daa yang sebenarnya, karena yang dapa dilakukannya idak lebih dari mengaur ramalan mendaang dengan suau persenase dari kesalahan yang erakhir. Persamaan (3-22) mengandung prinsip dasar dari umpan balik (feedback) yang negaif, karena persamaan ini berperan sebagai proses konrol yang dilakukan oleh ala oomais seperi ermosa, pilo oomais, dan sebagainya. Gala ramalan masa lalu dipakai unuk mengoreksi ramalan mendaang pada arah yang berlawanan dengan kesalahan ersebu. Penyesuaian ersebu dapa berlangsung sampai kesalahannya dikoreksi. Prinsip ini sama dengan prinsip ala pengendali oomais yang mengarah kepada keseimbangan begiu erjadi penyimpangan (gala). Prinsip ini, yang ampaknya sederhana, memainkan peranan yang sanga pening dalam peramalan. Jika digunakan secara epa prinsip ini dapa digunakan unuk mengembangkan suau proses mengaur diri sendiri (self-adjusing process) yang dapa mengoreksi kesalahan peramalan secara oomais. Pemulusan Eksponensial Tunggal memerlukan sediki penyimpangan da dan perhiungan. Oleh karena iu meode ini menarik jika diperlukan peramalan unuk sejumlah besar iem. Salah sau hal yang perlu diperhaikan berkaian dengan ahap

16 inisialisasi SES. Sebagai conoh, unuk dapa memulai sisem peramalan SES kia memerlukan F 1, karena 34 F ( α ) 1 2 = αx F Karena nilai unuk F 1, idak dikeahui, kia dapa menggunakan nilai observasi perama (X 1 ) sebagai ramalan perama (F 1= X 1 ) dan kemudian dilanjukan dengan menggunakan persamaan (3-19). Ini merupakan salah sau meode inisialisasi. Kemungkinan lain adalah meraa-raakan empa aau lima nilai perama dalam kelompok daa, dan menggunakannya sebagai ramalan perama. Perhaikan dari persamaan (3-21) bahwa ramalan awal memainkan peranan dala semua ramalan selanjunya. Suku erakhir pada persamaan (3-21) adalah ( 1 α ) N F ( N 1) Misalkan N = 5 dan F -4 adalah ramalan awal. Seelah iu jelas bahwa F -4 memainkan peranan dalam F -1. Perhaikan beriku ini: F -4 F -3 F -2 F -1 F -4 F +1 X -4 X -3 X -2 X -1 X Waku F + 1 = α X + α α ( 1 α ) X 1 + α ( 1 α ) X 2 + α ( 1 α ) X ( 1 α ) X + ( 1 α ) F (3 21' ) 4 4 (ramalan awal)

17 35 Jika α = 0,1 bobo unuk F -4 adalah 0, Jika α = 0,5 bobo unuk F -4 adalah 0, Jika α = 0,9 bobo unuk F -4 adalah 0, Jelaslah bahwa bila dipilih nilai α yang kecil, maka nilai ramalan awal memainkan peranan yang lebih berari dibanding dengan menggunakan nilai α yang besar. Nilai α yang besar (0,9) memberikan pemulusan yang sanga kecil dalam ramalan, sedangkan nilai α yang kecil (0,1) memberikan pemulusan yang besar. 4. Meode Double Exponenial Smoohing Dua Parameer Dari Hol Meode pemulusan eksponensial linear dari Hol dalam prinsipnya serupa dengan Brown, kecuali bahwa Hol idak menggunakan rumus pemulusan berganda secara langsung. Sebagai ganinya, Hol memuluskan nilai rend dengan parameer yang berbeda dari parameer yang digunakan pada dere yang asli. Ramalan dari pemulusan eksponensial linear Hol didapa dengan menggunakan dua konsana pemulusan (dengan nilai anara 0 dan 1) dan iga persamaan : S b F = αx = γ ( S + m = S + (1 α)( S S 1 + b m 1 + b ) + (1 γ ) b 1 1 ) Dimana : S b = Pemulusan ke- = Nilai rend ke- F + = Nilai peramalan ke- m α = Fakor pemulusan Proses inisialisasi awal unuk pemulusan eksponensial linear dari Hol memerlukan dua aksiran, yaiu mengambil nilai pemulusan perama unuk S 1 dan mengambil nilai

18 36 rend b 1. Yang perama mudah dilakukan. Pilih S 1 = X 1. Taksiran rend kadang - kadang lebih merupakan masalah. Kia memerlukan aksiran rend dari sau periode ke periode lainnya. Inilah beberapa kemungkinannya : b b 1 1 = = X 2 X 1 ( X 2 X 1 ) + ( X 3 X 2 ) + ( X 4 X 3 ) 3 b 1 = aksiran kemiringan bola-maa ( eyeball ) seelah daa ersebu diplo Saisik Keepaan Peramalan Ukuran Saisik Sandar Jika X 1 merupakan daa akual unuk periode i dan F merupakan ramalan (aau nilai kecocokan/fied value) unuk periode yang sama, maka kesalahan didefinisikan sebagai : e = X F Jika erdapa nilai pengamaan dan ramalan unuk n periode waku, maka akan erdapa n buah gala dan ukuran saisik sandar beriku yang dapa didefinisikan : Nilai Tengah Gala Absolu (Mean Absolue Error) MAE = 1 n n = 1 e Nilai Tengah Gala Kuadra (Mean Squared Error) 1 MSE = n n = 1 e 2 Deviasi Sandar Gala (Sandard Deviaion of Error)

19 37 SDE = 1 n 1 n = 1 e 2 Nilai Tengah Deviasi Absolu (Mean Absolue Deviaion) 1 MAD = X i X n Tujuan opimalisasi saisik seringkali adalah unuk memilih suau model agar MSE (aau SSE) minimal, eapi ukuran ini mempunyai dua kelemahan. Perama, ukuran ini menunjukkan pencocokan (fiing) suau model erhadap daa hioris. Pencocokan seperi ini idak perlu mengimplikasikan peramalan yang baik. Suau model erlalu cocok (over fiing) dengan dere daa, yang berari sama dengan memasukkan unsur random sebagai bagian proses bangkian, berari idak berhasil mengenali pola non-acak dalam daa dengan baik. Perbandingan nilai MSE yang erjadi selama fase pencocokan peramalan adalah mungkin memberikan sediki indikasi keepaan model dalam peramalan. Kedua, sebagai ukuran keepaan model adalah berhubungan dengan kenyaaan bahwa meode yang berbeda akan menggunakan prosedur yang berbeda pula dalam fase pencocokan. Dalam fase peramalan, penggunaan MSE sebagai suau ukuran keepaan juga dapa menimbulkan masalah. Ukuran ini idak memudahkan perbandingan dere berkala yang berbeda dan unuk selang waku yang berlainan, karena MSE merupakan ukuran para absolu. Lagipula, inerpreasinya idak bersifa inuiif bahkan unuk para spesialis sekalipun, karena ukuran ini menyangku pengkuadraan sederean nilai.

20 38 Dua formulasi yang sering digunakan dalam menghiung kesalahan yaiu mean absolue deviaion (MAD) dan mean squared error (MSE). MAD adalah raa-raa kesalahan absolu dan MSE adalah ukuran deviasi permalan dan idak memperimbangkan apakah kesalahan iu negaif aau posiif. Perbedaan keduanya adalah erleak pada bobo kesalahan, sau dalam benuk angka kesalahan absolu dan yang lainnya dalam benuk nilai kuadra. Sedangkan bias (ME) dihiung dengan menggunakan kesalahan raa-raa. Nilai bias posiif mengindikasi kecenderungan peramalan erlalu rendah sedangkan bias negaif mengidikasikan kecenderungan peramalan erlalu inggi. (Makridakis, 1999, pp58-61) Ukuran-ukuran Relaif Karena adanya keerbaasan MSE sebagai suau ukuran keepaan peramalan, maka muncul usulan alernaif alernaif lain yang dianaranya menyangku gala persenase. Tiga ukuran yang sering digunakan (Makridakis, 1999, pp61-62) adalah : Gala Persenase (Percenage Error) X F PE = X *100 Nilai Tengah Gala Persenase (Mean Percenage Error) 1 n MPE n = = 1 PE Nilai Tengah Gala Persenase Absolu (Mean Absolue Percenage Error) MAPE 1 n = n = 1 PE

21 39 PE dapa digunakan unuk menghiung kesalahan persenase seiap periode waku. Nilai-nilai ini kemudian dapa diraa-raakan unuk memberikan nilai engah kesalahan persenase (MPE). Namun MPE mungkin mengecil karena PE posiif dan negaif cenderung saling meniadakan. Sehingga MPE didefinisikan dengan menggunakan nilai absolu dari PE dalam mencari nilai MAPE. 2.3 Linear Programming Linear Programming adalah suau cara unuk menyelesaikan persoalan pengalokasian sumber-sumber yang erbaas dianara beberapa akivias yang bersaing, dengan cara yang erbaik yang mungkin dilakukan. Persoalan pengalokasian ini akan muncul manakala seseorang harus memilih ingka akivias-akivias erenu yang bersaing dalam hal penggunaan sumber daya langka yang dibuuhkan unuk melaksanakan akivias-akivias ersebu. Conoh sederhana dari uraian diaas, anara lain keadaan bagian produksi suau perusahaan yang dihadapkan pada masalah penenuan ingka produksi berbagai jenis produk dengan memperhaikan baasan-baasan fakor produksi: mesin, enaga kerja, bahan menah, modal dan sebagainya unuk memperoleh ingka keunungan maksimal aau biaya minimal. Linear programming ini menggunakan model maemais unuk menjelaskan persoalan yang dihadapinya. Sifa linier disini memberi ari bahwa seluruh fungsi maemais dalam model ini merupakan fungsi yang linier, sedangkan kaa programa merupakan sinonim unuk perencanaan. Dengan demikian programa linier adalah

22 40 perencanaan akivias-akivias unuk memperoleh suau hasil yang opimum, yaiu suau hasil yang mencapai ujuan erbaik dianara seluruh alernaif yang fisibel. Dalam membangun model dari formulasi persoalan diaas akan digunakan karakerisik-karakerisik yang biasa digunakan dalam persoalan programa linier, yaiu : a. Variabel kepuusan Variabel kepuusan adalah variabel yang menguraikan secara lengkap kepuusankepuusan yang akan dibua. b. Fungsi ujuan Fungsi ujuan merupakan fungsi dari variabel kepuusan yang akan dimaksimumkan (unuk pendapaan aau keunungan) aau diminimumkan (pendapaan/minggu) (ongkos maerial/minggu) (ongkos enaga kerja/minggu). c. Pembaas Pembaas merupakan kendala yang dihadapi sehingga kia idak bisa menenukan harga-harga variabel kepuusan secara sembarang. Koefisien dari variabel kepuusan pada pembaas disebu koefisien eknologis, sedangkan bilangan yang ada di sisi kanan seiap pembaas disebu ruas kanan pembaas. d. Pembaas anda Pembaas anda adalah pembaas yang menjelaskan apakah variabel kepuusannya diasumsikan hanya berharga nonnegaif aau variabel kepuusan ersebu boleh berharga posiif, boleh juga negaif (idak erbaas dalam anda). Dapa diarik kesimpulan mengenai pengerian programa linier. Programa linier adalah suau persoalan opimasi dimana kia melakukan hal-hal beriku : Kia berusaha memaksimalkan aau meminimumkan suau fungsi linier dari variabel-variabel kepuusan yang disebu fungsi ujuan.

23 41 Harga / besaran dari variabel-variabel kepuusan iu harus memenuhi suau se pembaas. Seiap pembaas harus merupakan persamaan linier aau keidaksamaan linier. Suau pembaas anda dikaikan dengan seiap variabel Aplikasi dan Inerpreasi Linear Programming Dalam memecahkan suau masalah, linear programming menggunakan maemais. Linear berari bahwa semua fungsi maemais yang disajikan dalam model ini haruslah fungsi linear, aau secara prakis dapa dikaakan bahwa persamaan ersebu bila digambarkan pada grafik akan berbenuk garis lurus. Sedangkan programming merupakan sinonim dari perencanaan. Jadi Linear Programing (LP) mencakup perencanaan akivias-akivias unuk memperoleh suau hasil yang opimum, yaiu suau hasil yang mencerminkan ercapainya sasaran erenu yang paling baik berdasarkan model maemais dianara alernaive yang mungkin dengan menggunakan fungsi linear Formulasi Linear Programming Dalam model Linear Programming dikenal dua macam fungsi, yaiu : fungsi ujuan (objecive funcion) dan fungsi-fungsi baasan (consrain funcions). Fungsi ujuan adalah fungsi yang menggambarkan ujuan/sasaran yang berkaian dengan pengauran secara opimal sumber daya-sumber daya, unuk memperoleh keunungan maksimal aau biaya minimal. Sedangkan fungsi baasan merupakan benuk penyajian secara maemais baasan-baasan kapasias yang ersedia yang akan dialokasikan secara opmal ke berbagai kegiaan.

24 42 Masalah kepuusan yang sering dihadapi adalah alokasi opimum sumber daya yang langka. Sumber daya dapa berupa uang, enaga kerja, bahan menah, kapasias mesin, waku, ruangan aau eknologi. Tugas analisis adalah mencapai hasil erbaik yang mungkin dengan keerbaasan sumber daya ini. Hasil yang diinginkan mungkin diunjukkan sebagai maksimasi dari beberapa ukuran, seperi profi, penjualan dan kesejaheraan, aau minimasi seperi biaya, waku, dan jarak. Seelah masalah diidenifikasikan, ujuan dieapkan, langkah selanjunya adalah formulasi model maemaik yang melipui iga ahap, sebagai beriku : Tenukan variabel yang ak dikeahui (variabel kepuusan) dan nyaakan dalam simbol maemaik. Membenuk fungsi ujuan yang diunjukkan sebagai suau hubungan linier(bukan perkalian) dari variabel kepuusan. Menenukan semua kendala masalah ersebu dan mengekspresikan dalam persamaan aau peridaksamaan yang juga merupakan hubungan linier dari variabel kepuusan yang mencerminkan keerbaasan sumber daya masalah iu. Agar dapa memudahkan pembahasan model LP ini, digunakan simbol-simbol sebagai beriku : m n = macam baasan-baasan sumber aau fasilias yang ersedia. = macam kegiaan-kegiaan yang menggunakan sumber aau fasilias ersebu. i = nomor unuk sumber aau fasilias yang ersedia (i = 1, 2,, m) j = nomor unuk akivias (sebuah variabel kepuusan) (j = 1, 2,, m) cij = koefisien keunungan per uni x j = ingka akivias j (sebuah variabel kepuusan ) unuk j = 1,2,...,n

25 43 a ij = banyaknya sumber i yang digunakan/dikonsumsi oleh masing-masing uni akivias j ( unuk i = 1,2,...,m dan j = 1,2,...,n ). b i = banyaknya sumber i yang ersedia unuk pengalokasian ( i= 1,2,...,m ). Z = ukuran keefekifan yang erpilih Benuk baku model Linear Programming : Fungsi ujuan : Maksimumkan aau minimumkan Z = C 1 X 1 +C 2 X 2 + C 3 X C n X n Fungsi Pembaas : a 11 X 1 + a 12 X 2 +a 13 X a 1n X n b 1 (Subagyo, 1988, pp9-12) a 21 X 1 + a 22 X 2 +a 23 X a 2n X n b 2... a m1 X 1 + a m2 X 2 +a m3 X a mn X n b m dan X 1 0, X 2 0,, X n Asumsi Linear Programming Asumsi asumsi model Linear Programming adalah sebagai beriku : 1. Linieriy dan Addiiviy Syara uama dari linear programming adalah bahwa fungsi ujuan dan semua kendala harus linier. Kaa linier secara idak langsung mengaakan bahwa hubungannya proporsional, yang berari bahwa ingka perubahan aau kemiringan fungsional iu adalah konsan dan karena iu perubahan nilai variabel akan

26 44 mengakibakan perubahan relaif nilai fungsi dalam jumlah yang sama. Linear programming juga mensyarakan bahwa jumlah variabel krieria dan jumlah penggunaan sumber daya harus bersifa adiif. Adiif dapa diarikan idak adanya penyesuaian pada perhiungan variabel krieria karena erjadinya ineraksi. 2. Divisibiliy Asumsi ini berari bahwa nilai solusi yang diperoleh X j, idak harus berupa bilangan bula. Akibanya jika nilai nilai bula diperlukan, suau nilai Linear Programming alernaif, yaiu Ineger Programming harus digunakan. 3. Deerminisic Dalam Linear Programming, semua parameer model (C j, a ij, dan b i ) diasumsikan dikeahui konsan. Linear Programming secara idak langsung mengasumsikan suau masalah kepuusan dalam suau kerangka sais dimana semua parameer dikeahui dengan kepasian. Dalam kenyaaannya, parameer model jarang bersifa deerminisic, karena mereka mencerminkan kondisi masa depan dan masa sekarang, dan keadaan masa depan jarang dikeahui secara pasi. Ada beberapa cara unuk mengaasi keidakpasian beberapa parameer dalam model Linear Programming. Analisis sensiivias adalah suau eknik yang dikembangkan unuk menguji nilai solusi, bagaimana kepekaannya erhadap perubahan perubahan parameer (Mulyono, 1999, pp22-23 ) Meode Simpleks Karena kesulian menggambarkan grafik berdimensi banyak, maka penyelesaian masalah LP yang melibakan lebih dari dua variabel menjadi ak prakis aau idak mungkin. Dalam keadaan ini kebuuhan meode solusi yang lebih umum menjadi nyaa.

27 45 Meode umum iu dikenal dengan nama algorima Simpleks yang dirancang unuk menyelesaikan seluruh masalah LP, baik yang melibakan dua variabel aau lebih dari dua variabel. Meode Simpleks merupakan prosedur aljabar yang bersifa ieraif, yang bergerak selangkah demi selangkah, dimulai dari suau iik eksrim pada daerah fisibel (ruang solusi) menuju ke iik eksrim yang opimum. Perhaikan model linier beriku : Fungsi ujuan : Maksimumkan aau minimumkan Z = C 1 X 1 +C 2 X 2 + C 3 X C n X n Fungsi Pembaas : a 11 X 1 + a 12 X 2 +a 13 X a 1n X n b 1 a 21 X 1 + a 22 X 2 +a 23 X a 2n X n b 2... a m1 X 1 + a m2 X 2 +a m3 X a mn X n b m dan X 1 0, X 2 0,, X n 0 Maka pembaas dari model ersebu dapa diuliskan ke dalam benuk persamaan AX = b. Perhaikan suau sisem AX = b dari m persamaan linier dalam n variabel (n > m). Definisi :

28 46 1. Solusi basis Solusi basis unuk AX = b adalah solusi dimana erdapa sebanyak-banyaknya m variabel berharga bukan nol. Unuk mendapakan solusi basis dari AX = b maka sebanyak (n-m) variabel harus dinolkan. Variabel-variabel yang dinolkan ini disebu variabel non-basis (NBV). Selanjunya, dapakan harga dari n (n-m) = m variabel lainnya yang memenuhi AX = b, yang disebu variabel basis (BV). 2. Solusi basis fisibel Jika seluruh variabel pada suau solusi basis berharga non-negaif, maka solusi iu disebu solusi basis fisibel (BFS). 3. Solusi fisibel iik eksrim Yang dimaksud dengan solusi fisibel iik eksrim aau iik sudu ialah solusi fisibel yang idak erleak pada suau segmen garis yang menghubungkan dua solusi fisibel lainnya. Ada iga sifa pokok iik eksrim ini, yaiu : Sifa 1.a : Jika hanya ada sau solusi opimum, maka pasi ada sau iik eksrim. Sifa 1.b : Jika solusi opimumnya banyak, maka paling sediki ada dua iik eksrim yang berdekaan. (Dua buah iik eksrim dikaakan berdekaan jika segmen garis yang menghubungkan keduanya iu erleak pada sudu dari baas daerah fisibel). Sifa 2 : Hanya ada sejumlah erbaas iik eksrim pada seiap persoalan. Sifa 3 : Jika suau iik eksrim memberikan harga Z yang lebih baik dari yang lainnya, maka pasi solusi iu merupakan solusi opimum.

29 47 Sifa 3 ini menjadi dasar dari meode simpleks yang prosedurnya melipui 3 langkah beriku : 1. Langkah inisialisasi : mulai dari suau iik eksrim. 2. Langkah ieraif : bergerak menuju iik eksrem berdekaan yang lebih baik. Langkah ini diulangi sebanyak diperlukan. 3. Auran penghenian : memberhenikan langkah ke-2 apabila elah sampai pada iik ekrim yang erbaik (iik opimum) Algorima Simpleks Unuk Persoalan Maksimasi Unuk menyelesaikan persoalan programa linier dengan menggunakan meode simpleks, lakukan langkah-langkah beriku : 1. Konversikan formulasi persoalan ke dalam benuk sandar 2. Cari solusi basis fisibel (BFS) 3. Jika seluruh NBV mempunyai koefisien non-negaif (arinya berharga posiif aau nol) pada basis fungsi ujuan (basis persamaan z yang biasa juga disebu baris 0), maka BFS sudah opimal. Jika pada baris 0 masih ada variabel dengan koefisien negaif, pilihlah salah sau variabel yang mempunyai koefisien paling negaif pada baris 0 iu. Variabel ini akan memasuki saus variabel basis, karena iu variabel ini disebu sebagai variabel yang masuk basis (enering variabel, disingka EV). 4. Hiung rasio dari ruas kanan (koefisien EV) pada seiap baris pembaas dimana EVnya mempunyai koefisien posiif.

30 48 Variabel basis pada baris pembaas dengan rasio posiif erkecil akan berubah saus menjadi variabel non-basis. Variabel ini kemudian disebu sebagai variabel yang meninggalkan basis aau leaving variabel, disingka LV. Lakukan operasi baris elemener (ERO) unuk membua keofisien EV pada baris dengan rasio posiif erkecil akan berubah saus menjadi berharga 1 dan berharga 0 unuk baris-baris lainnya Analisis Sensiivias Analisis perubahan parameer dan pengaruhnya erhadap solusi Linear Programming dinamakan pos opimaliy analysis. Isilah pos opimaliy menunjukkan bahwa analisis ini erjadi seelah diperoleh solusi opimum, dengan mengasumsikan seperangka nilai parameer yang digunakan dalam model. Perubahan aau variasi dalam suau masalah LP yang biasanya dipelajari melalui pos opimaliy analysis dapa dipisahkan kedalam iga kelompok umum : Analisis yang berkaian dengan perubahan diskri parameer unuk meliha berapa besar perubahan dapa diolerir sebelum solusi opimum mulai kehilangan opimaliasnya, ini dinamakan analisis sensiivias. Jika suau perubahan kecil dalam parameer menyebabkan perubahan drasis dalam solusi, dikaakan bahwa solusi adalah sanga sensiif erhadap nilai parameer iu. Sebaliknya, jika perubahan parameer idak mempunyai pengaruh besar erhadap solusi dikaakan solusi relaif insensiif erhadap nilai parameer iu. Analisis yang berkaian dengan perubahan srukural. Masalah ini muncul bila masalah LP dirumuskan kembali dengan menambahkan aau menghilangkan kendala dan aau variabel unuk menunjukkan operasi model alernaif.

31 49 Analisis yang berkaian dengan perubahan koninu parameer unuk menenukan uruan solusi dasar yang menjadi opimum jika perubahan diambah lebih jauh, ini dinamakan parameric-programming. Melalui analisis sensiivias dapa dievaluasi pengaruh perubahan perubahan parameer dengan sediki ambahan perhiungan berdasarkan abel simpleks opimum. Dalam membicarakan analisis sensiivias, perubahan perubahan parameer dikelompokkan menjadi : 1. Perubahan koefisien fungsi ujuan ( C j ) 2. Perubahan konsan sisi kanan ( b i ) 3. Perubahan kendala aau koefisien mariks A 4. Penambahan variabel baru 5. Penambahan kendala baru (Mulyono, 1999, pp76-77 ) 2.4 Sisem Informasi Beberapa pengerian sisem informasi menuru beberapa ahli adalah sebagai beriku : 1. Menuru O Brien (2003, p7) sisem informasi dapa berupa kombinasi dari manusia, perangka keras, perangka lunak, jaringan komunikasi, dan sumber daa yang mengumpulkan, mengubah, dan menyebarkan informasi di dalam sebuah organisasi. 2. Menuru Mcleod (2001, p4) sisem informasi adalah suau kombinasi yang erorganisasi dari manusia, perangka lunak, perangka keras, jaringan

32 50 komunikasi dan sumber daya daa yang mengumpulkan, menransformasikan sera menyebarkan informasi didalam sebuah organisasi. 3. Menuru Laudon dan Laudon (2003, p8) sisem informasi adalah suau kumpulan komponen-komponen yang saling berhubungan yang mengumpulkan, memproses, menyimpan, dan mendisribusikan informasi unuk mendukung pengambilan kepuusan dan pengawasan dalam sebuah organisasi. Jadi sisem informasi merupakan suau ala banu yang dirancang unuk membanu menyediakan informasi yang berguna di dalam pengambilan kepuusan organisasi baik pada ingka perencanaan sraegis, perencanaan manajemen maupun perencanaan operasi unuk mencapai ujuan organisasi. 2.5 Analisis dan Desain Sisem Berorienasi Objek Analisis Sisem Menuru McLeod (2001, p234) analisis sisem adalah peneliian aas sisem yang elah ada dengan ujuan unuk merancang sisem yang baru aau diperbaiki. Jadi dapa disimpulkan bahwa analisis sisem adalah peneliian sisem yang ada dengan ujuan penyempurnaan sisem yang dapa dimanfaakan oleh pengguna sisem. Menuru Cushing (1991, p327), analisis sisem dapa didefinisikan sebagai proses penyelidikan kebuuhan informasi pemakai didalam suau organisasi agar dapa meneapkan ujuan dan spesifikasi unuk desain suau sisem informasi Perancangan Sisem Menuru Mulyadi (1993, p51) adalah proses penerjemahan kebuuhan pemakai ke dalam alernaif rancangan sisem informasi yang diajukan kepada pemakai informasi

33 51 unuk diperimbangkan. Sedangkan menuru Cushing (1991, p348) perancangan sisem adalah proses penyiapan spesifikasi yang erperinci unuk pengembangan suau sisem baru. Dari definisi diaas, perancangan sisem dapa disimpulkan suau proses penyiapan spesifikasi dalam menerjemahkan kebuuhan pemakai dalam pengembangan sisem baru Paradigma Berorienasi Objek Paradigma dari konsep berorienasi objek merupakan sraegi pengembangan yang berdasarkan pada konsep bahwa sisem seharusnya dibangun dari kumpulan komponen yang reusable (dapa digunakan kembali) yang dinamakan objek. Objek melipui pemisahan daa dan fungsi yang sama dengan yang dilakukan dalam konsep ersrukur. Walaupun konsep berorienasi objek mirip dengan konsep ersrukur, eapi sebenarnya berbeda. Sebagai conohnya adalah dalam kasus perancangan sisem informasi unuk universias. Berdasarkan pendekaan ersrukur, dilakukan pendefinisikan sebuah daabase dan perancangan program unuk mengakses daa ersebu. Dalam daabase erdapa infomasi enang mahasiswa, dosen, ruangan, dan maa kuliah. Program akan mengijinkan pengguna unuk menempakan mahasiswa dengan maa kuliahnya, menugaskan dosen unuk mengajar maa kuliah, menjadwalkan maa kuliah dalam ruangan erenu, dan sebagainya. Program akan mengakses dan meng-updae daabase, secara keseluruhannya program akan mendukung kegiaan harian dari universias. Sedangkan berdasarkan pendekaan berorienasi objek, dalam dunia nyaa, sebuah universias erdiri dari mahasiswa, dosen, ruangan, dan maa kuliah. Semua iu akan dianggap sebagai objek. Dalam dunia nyaa mahasiswa mempunyai sesuau (nama,

34 52 alama, anggal lahir, dan sebagainya) dan melakukan sesuau (memilih maa kuliah, membaalkan maa kuliah, dan membayar uang kuliah). Dari sudu pandang sebuah sisem, ruangan mempunyai sesuau (bangunan dimana mereka ada dan nomor ruangan) dan dapa melakukan sesuau juga (seperi memberiahu jika ruangan iu ersedia dan mengijinkan unuk menggunakan ruangan unuk periode erenu). Fakor uama diemukannya pendekaan berorienasi objek adalah karena diemukannya kekurangan-kekurangan pada pendekaan ersrukur (Nugroho, 2002, p11) yaiu: 1. Biaya pengembangan perangka lunak berkembang sesuai dengan berkembangnya keinginan aau kebuuhan pengguna. 2. Pemeliharaan yang sukar. 3. Lamanya penyelesaian suau proyek. 4. Jangka waku penyelesaian proyek selalu erlamba. 5. Biaya pengembangan perangka lunak yang sanga inggi, dan sebagainya. Pendekaan berorienasi objek membua daa erbungkus pada seiap fungsi aau prosedur dan melindunginya erhadap perubahan idak dikehendaki dari fungsi yang berada di luar. Beberapa karakerisik yang menjadi ciri-ciri dari pendekaan berorienasi objek (Nugroho, 2002, pp11-12) adalah: 1. Pendekaan lebih pada daa dan bukannya pada prosedur aau fungsi. 2. Program besar dibagi pada apa yang dinamakan objek-objek. 3. Srukur daa dirancang dan menjadi karakerisik dari objek-objek. 4. Fungsi-fungsi yang mengoperasikan daa ergabung dalam sau objek yang sama. 5. Daa ersembunyi dan erlindung dari fungsi aau prosedur yang ada di luar.

35 6. Objek-objek dapa saling berkomunikasi dengan saling mengirim pesan sau sama lain Kaian Analisis dan Desain dengan Orienasi Objek (Larman, 1998, p6) Unuk merancang suau aplikasi pirani lunak, pada ahap awal diperlukan deskripsi dari permasalahan dan spesifikasi aplikasi yang dibuuhkan. Apa saja persoalan yang ada dan apa yang harus dilakukan sisem. Penekanan analisis adalah pada proses invesigasi aas permasalahan yang dihadapi anpa memikirkan definisi solusi erlebih dahulu. Jadi dalam ahap analisis, dikumpulkan informasi mengenai permasalahan, spesifikasi sisem berjalan, sera spesifikasi sisem yang diinginkan. Sedangkan penekanan dalam desain adalah pada logika solusi dan bagaimana memenuhi spesifikasi yang dibuuhkan sera konsrain aau baasan yang ada. Tahap perancangan berorienasi objek, penekanan erleak pada bagaimana mendefinisikan objek-objek logik dalam aplikasi yang akan diimplemenasikan ke dalam bahasa pemrograman berorienasi objek seperi C++, Smallalk, Java, aau Visual Basic Keunggulan dan Kelemahan Analisis dan Desain Berorienasi Objek Keunggulan Analisis dan Desain Berorienasi Objek Terdapa dua kemampuan sisem berorienasi objek (McLeod, 2001, pp ) yaiu: 1. Reusabiliy Kemampuan unuk menggunakan kembali pengeahuan dan kode program yang ada, dapa menghasilkan keunggulan saa suau sisem baru dikembangkan aau sisem

36 54 yang ada dipelihara aau direkayasa ulang. Seelah suau objek dicipakan, ia dapa digunakan kembali, mungkin hanya dengan modifikasi kecil di sisem lain. Ini berari biaya pengembangan yang dianamkan di sau proyek dapa memberikan keunungan bagi proyek-proyek lain. 2. Ineroperabiliy Kemampuan unuk menginegrasikan berbagai aplikasi dari beberapa sumber, seperi program yang dikembangkan sendiri dan perangka lunak jadi, sera menjalankan aplikasi-aplikasi ini di berbagai plaform perangka keras. Reusabiliy dan ineroperabiliy menghasilkan empa keunggulan kua (McLeod, 2001, pp ) yaiu: - Peningkaan kecepaan pembangunan, karena sisem dirancang seperi dunia nyaa melihanya. - Pengurangan biaya pengembangan, karena pengembangan lebih cepa. - Kode berkualias inggi memberikan keandalan lebih besar dan keangguhan yang lebih dibandingkan yang biasa diemukan dalam sisem berorienasi proses. - Pengurangan biaya pemeliharaan dan rekayasa ulang sisem, karena kode yang berkualias inggi dan kemampuan pemakaian kembali. Kelemahan Analisis dan Desain Berorienasi Objek Beberapa kelemahan dari sisem berorienasi objek (McLeod, 2001, p615) adalah: - Diperlukan waku lama unuk memperoleh pengalaman pengembangan. - Kesulian meodologi unuk menjelaskan sisem bisnis yang rumi.

37 - Kurangnya pilihan peralaan pengembangan yang khusus disesuaikan unuk sisem bisnis Akivias Uama Objec Oriened Analysis and Design (OOAD) Mahiassen e al. (2000, pp14-15) menjelaskan empa buah akivias uama dalam analisa dan perancangan berorienasi objek yang digambarkan dalam Gambar 2.5 beriku ini. Gambar 2.5 Akivias Uama dalam OOAD Beriku ini merupakan penjelasan lebih rinci mengenai keempa akivias uama dalam melakukan analisa dan perancangan berorienasi objek menuru Mahiassen e al. (2000, pp14-15).

38 56 1. Analisis Problem Domain Problem domain merupakan bagian dari siuasi yang diaur, diawasi, dan dikendalikan oleh sisem. Tujuan melakukan analisis problem domain adalah mengidenifikasi dan memodelkan problem domain. Analisis problem domain erbagi menjadi iga akivias yang digambarkan dalam Gambar 2.6, yaiu: a. Memilih objek, class, dan even yang akan menjadi elemen model problem domain. b. Membangun model dengan memusakan perhaian pada relasi srukural anara class dan objek. c. Mendeskripsikan properi dinamis dan aribu unuk seiap class. Gambar 2.6 Akivias Analisis Problem Domain Pada akivias classes, langkah awal yang perlu dilakukan adalah menenukan class. Langkah berikunya adalah membua sebuah even able yang dapa membanu menenukan even-even yang dimiliki oleh seiap class.

39 57 Pada akivias srucure, class-class yang elah dienukan sebelumnya akan dihubungkan berdasarkan iga jenis hubungan yaiu generalisasi, agregasi, aau asosiasi sehingga menjadi sebuah skema yang disebu class diagram. Dalam akivias behavior, definisi class dalam class diagram akan diperluas dengan menambahkan deskripsi pola perilaku dan aribu dari masing-masing class. Pola perilaku dari class erdiri dari iga jenis, yaiu: Sequence Merupakan even yang erjadi secara beruruan sau per sau. Selecion Merupakan pemilihan salah sau dari beberapa even yang erjadi. Ieraion Merupakan even yang erjadi berulang kali. Hasil dari akivias ini adalah sebuah saechar diagram yang menunjukkan perubahan saus dari masing-masing class yang dikarenakan oleh even erenu mulai dari iniial sae sampai dengan final sae. 2. Analisis Applicaion Domain Applicaion domain merupakan organisasi yang mengaur, mengawasi, aau mengendalikan problem domain. Tujuan dilakukannya analisis applicaion domain adalah unuk menenukan kebuuhan penggunaan sisem. Sama seperi analisis problem domain, analisis applicaion domain juga erdiri dari beberapa akivias anara lain:

40 58 a. Menenukan penggunaan sisem dan bagaimana sisem berineraksi dengan user. b. Menenukan fungsi dan kemampuan sisem dalam mengolah informasi. c. Menenukan kebuuhan inerface sisem dan merancang inerface. Beriku ini merupakan gambaran akivias-akivias yang dilakukan pada saa melakukan analisis applicaion domain. Gambar 2.7 Akivias Analisis Applicaion Domain Dalam akivias usage, hal perama yang harus dilakukan adalah membua acor able yang dapa membanu menenukan acor dan use case yang berkaian. Langkah selanjunya adalah membua use case diagram sehingga erliha lebih jelas ineraksi anara acor dengan masing-masing use case. Funcion merupakan fasilias sisem yang menjadikan sisem ersebu berguna bagi acor. Terdapa empa jenis funcion, anara lain: Updae Fungsi updae diakifkan oleh even problem domain dan menghasilkan perubahan saus model.

41 59 Signal Fungsi signal diakifkan oleh perubahan saus model dan menghasilkan reaksi di dalam conex. Read Fungsi read diakifkan oleh kebuuhan acor akan informasi dan menghasilkan ampilan model sisem yang relevan. Compue Fungsi compue diakifkan oleh kebuuhan acor akan informasi dan berisi perhiungan yang dilakukan baik oleh acor maupun oleh model. Hasilnya adalah ampilan dari hasil perhiungan yang dilakukan. Akivias inerface mencakup pembuaan navigaion diagram yang merupakan skema yang menunjukkan ampilan dari sisem dan relasi anar inerface. 3. Archiecural Design Archiecural design berfungsi sebagai kerangka kerja dalam akivias pengembangan sisem dan menghasilkan srukur komponen dan proses sisem. Tujuannya adalah unuk mensrukurisasi sebuah sisem yang erkompuerisasi. Tahap archiecural design erdiri dari iga akivias yaiu crieria, componen archiecure, dan process archiecure seperi yang digambarkan pada Gambar 2.8.

42 60 Gambar 2.8 Akivias Archiecural Design Crierion merupakan properi yang diinginkan dari sebuah arsiekur. Tabel 2.1 menunjukkan crierion yang elah dienukan oleh para penelii unuk menenukan kualias dari sebuah sofware. Tabel 2.1 Crieria unuk Menenukan Kualias Sofware Crierion Usable Secure Efficien Correc Reliable Mainainable Tesable Flexible Comprehensible Reusable Porable Ineroperable Ukuran Kemampuan sisem beradapasi dengan conex organisasional dan eknikal. Pencegahan akses ilegal erhadap daa dan fasilias. Eksploiasi ekonomis dari fasilias echnical plaform. Kesesuaian dengan kebuuhan. Fungsi yang dijalankan secara epa. Biaya unuk mencari dan memperbaiki kerusakan sisem. Biaya unuk menjamin bahwa sisem melakukan fungsinya. Biaya memodifikasi sisem. Usaha yang diperlukan unuk memahami sisem. Penggunaan bagian dari sisem ke dalam sisem lain yang berkaian. Biaya memindahkan sisem ke echnical plaform lain. Biaya pemasangan sisem dengan sisem

43 60 Gambar 2.8 Akivias Archiecural Design Crierion merupakan properi yang diinginkan dari sebuah arsiekur. Tabel 2.1 menunjukkan crierion yang elah dienukan oleh para penelii unuk menenukan kualias dari sebuah sofware. Tabel 2.1 Crieria unuk Menenukan Kualias Sofware Crierion Usable Secure Efficien Correc Reliable Mainainable Tesable Flexible Comprehensible Reusable Porable Ineroperable Ukuran Kemampuan sisem beradapasi dengan conex organisasional dan eknikal. Pencegahan akses ilegal erhadap daa dan fasilias. Eksploiasi ekonomis dari fasilias echnical plaform. Kesesuaian dengan kebuuhan. Fungsi yang dijalankan secara epa. Biaya unuk mencari dan memperbaiki kerusakan sisem. Biaya unuk menjamin bahwa sisem melakukan fungsinya. Biaya memodifikasi sisem. Usaha yang diperlukan unuk memahami sisem. Penggunaan bagian dari sisem ke dalam sisem lain yang berkaian. Biaya memindahkan sisem ke echnical plaform lain. Biaya pemasangan sisem dengan sisem

44 61 Mahiassen e al. (2000, pp ) menyebukan bahwa krieria usable, flexible, dan comprehensible ergolong sebagai krieria umum yang harus dimiliki oleh sebuah sisem dan menenukan baik idaknya suau rancangan sisem. Componen archiecure adalah srukur sisem dari komponen-komponen yang berkaian. Dalam akivias ini, perlu dienukan pola arsiekural yang paling sesuai dengan model sisem. Pola-pola arsiekural ersebu anara lain: Layered Archiecure Paern Generic Archiecure Paern Clien-Server Archiecure Paern Hasil dari akivias ini adalah sebuah componen diagram yang merupakan class diagram yang dilengkapi dengan spesifikasi komponen yang kompleks. Process archiecure adalah sebuah srukur eksekusi sisem yang erdiri dari proses-proses yang saling erganung sau sama lain. Dalam akivias ini juga perlu menenukan pola disribusi yang sesuai dengan model sisem. Pola-pola disribusi yang ada anara lain: Cenralized Paern Disribued Paern Decenralized Paern Hasil dari akivias ini adalah sebuah deploymen diagram yang menunjukkan processor dengan komponen program dan acive objecs.

45 62 4. Componen Design Componen design berujuan unuk menenukan implemenasi kebuuhan di dalam kerangka kerja arsiekural. Hasilnya adalah deskripsi mengenai komponenkomponen sisem. (Mahiassen e al., 2000, p231). Componen design erdiri dari iga akivias, yaiu: a. Model componen Merupakan bagian sisem yang mengimplemenasikan model problem domain. Dalam akivias ini dihasilkan sebuah class diagram yang elah direvisi. b. Funcion componen Merupakan bagian sisem yang mengimplemenasikan kebuuhan fungsional. Hasilnya adalah class diagram dengan operasi dan fungsi-fungsinya. Terdapa empa pola eksplorasi unuk merancang funcion componen, yaiu: Model-Class Placemen Funcion-Class Placemen Saregy Acive Funcion c. Connecing componen Merupakan desain hubungan anar komponen unuk memperoleh rancangan yang fleksibel dan mudah dimengeri. Hasilnya adalah class diagram yang berhubungan dengan komponen-komponen sisem. Gambar 2.9 beriku ini menggambarkan akivias-akivias yang erdapa dalam componen design.

46 63 Gambar 2.9 Akivias Componen Design UML (Unified Modeling Language) Pengenalan UML Berdasarkan OMG, UML (Unified Modeling Language) dapa didefinisikan sebagai sebuah bahasa yang berdasarkan grafik aau gambar unuk memvisualisasi (visualisizing), menspesifikasi (specifying), mengkonsruksi (consrucing), dan mendokumenasi (documening) sebuah sisem perangka lunak. UML sebagai sebuah bahasa yang memberikan vocabulary dan aanan penulisan kaa-kaa dalam Ms. Word unuk kegunaan komunikasi. Sebuah bahasa model adalah sebuah bahasa yang mempunyai vocabulary dan konsep aanan aau auran penulisan sera secara fisik mempresenasikan dari sebuah sisem. Seperi halnya UML adalah sebuah bahasa sandar unuk pengembangan sebuah sofware yang dapa menyampaikan bagaimana membua dan membenuk model-model, eapi idak menyampaikan apa dan kapan model yang seharusnya dibua yang merupakan salah sau proses implemenasi pengembangan sofware. UML bukan hanya bahasa pemrograman visual saja, eapi merupakan model yang dapa secara langsung dihubungkan dengan bahasa pemrograman yang bervariasi.

47 64 Arinya hal ini mungkin unuk memeakan model dengan UML ke dalam bahasa pemrograman seperi Java, C++, aau Visual Basic, aau bahkan dihubungkan secara langsung dengan relaional daabase aau objec oriened daabase (Booch, 1999, pp15-16). UML Diagram UML mencakup berbagai macam diagram yang dapa digunakan dalam analisis dan desain sebuah sisem. Menuru Ali Bahrami (1999, p93), erdapa sembilan jenis diagram yang didefinisikan oleh UML yaiu: 1. Class diagram (sais) 2. Use case diagram 3. Behaviour diagram (dinamis): 3.1. Ineracion diagram: Sequence diagram Collaboraion diagram 3.2. Saechar diagram 3.3. Aciviy diagram 4. Implemenaion diagram: 4.1. Componen diagram 4.2. Deploymen diagram Menuru Grady Booch (1999, p99), jika ingin memodelkan suau aplikasi yang sederhana yang akan dijalankan pada sebuah mesin unggal, maka diagram yang dapa digunakan adalah use case diagram, class diagram (unuk pemodelan srukural), dan ineracion diagram (unuk pemodelan behavioral). Jika pemodelan difokuskan juga pada aliran proses, maka dapa menambahkan saechar diagram dan aciviy diagram

48 65 yang dapa menggambarkan ingkah laku dari sisem. Sedangkan jika sisem iu erdapa clien aau server, maka diagram yang diperlukan unuk menggambarkan sisem adalah use case diagram, aciviy diagram, class diagram, ineracion diagram, saechar diagram, componen diagram, dan deploymen diagram. 2.6 Permodelan Use Case Menuru Whien e al. (2004, p271), pada permodelan use case erdapa dua kegiaan pening yang erliba. Yang perama adalah pembuaan diagram use case. Diagram use case adalah diagram yang menggambarkan hubungan anara akorakor dan use case use case dalam sebuah sisem. Akor adalah enias eksernal yang berineraksi dengan sisem yaiu seseorang aau sesuau yang mengubah informasi dalam sisem dan berhubungan dengan paling idak sau use case. Jadi akor idak hanya manusia, eapi juga dapa berupa sebuah organisasi maupun sisem informasi lain. Sedangkan use case menggambarkan rangkaian dari kegiaan yang berhubungan yang dilakukan oleh akor. Elemen-elemen pada diagram use case diunjukkan pada gambar 2.10 di bawah ini.

49 66 Gambar 2.10 Elemen Diagram Use Case Kegiaan yang kedua dalam permodelan use case adalah narasi use case. Narasi use case adalah deskripsi secara ulisan dari proses bisnis yang erjadi dan bagaimana user berineraksi dengan sisem dalam menyelesaikan ugasnya. Menuru Whien e al. (2004, p276), ada empa ahap dalam permodelan use case yaiu mengidenifikasi akor bisnis, mengidenifikasi use case, membangun diagram use case, dan mendokumenasikan persyaraan-persyaraan bisnis pada narasi use case. Tahap perama, mengidenifikasi akor bisnis. Idenifikasi akor dilakukan pada ahap perama karena dengan memperhaikan akor-akor yang erliba dalam bisnis, maka kia dapa memusakan pikiran bagaimana sisem akan digunakan dan idak pada bagaimana sisem akan dibangun. Dengan mengidenifikasi akor-akor yang erliba dalam bisnis maka ruang lingkup sisem akan lebih jelas karena informasi use case dapa diperoleh melalui peneliian dan wawancara dengan akor.

50 67 Tahap kedua, mengidenifikasi use case. Keika dilakukan kegiaan analisis maka kegiaan-kegiaan dan dokumen yang kriis dan pening saja yang perlu diidenifikasi unuk menemukan use case karena perimbangan waku dan biaya. Cara yang erbaik unuk menemukan use case adalah melakukan pemeriksaan erhadap akor dan bagaimana mereka akan menggunakan sisem. Tahap keiga, membangun diagram use case. Seelah akor dan use case diidenifikasi maka dapa digambarkan sebuah diagram use-case unuk meliha ruang lingkup dari sisem yaiu ineraksi anara akor-akor dan use case use case dalam sebuah sisem. Tahap keempa, mendokumenasikan persyaraan-persyaraan bisnis pada narasi use case. Pada ahap ini dilakukan deskripsi secara ulisan dari proses bisnis yang erjadi dan bagaimana user berineraksi dengan sisem dalam menyelesaikan ugasnya. Iem-iem yang dapa ermasuk dalam narasi use-case adalah : - Precondiion : baasan unuk sebuah kondisi dari sisem sebelum use case dapa dilaksanakan. Secara khusus, hal ini mengacu pada use case lain yang sebelumnya elah dilaksanakan. - Trigger : perisiwa yang dimulai keika dilakukan pelaksanaan dari use case. - Typical course of evens : rangkaian akivias normal yang dilakukan oleh akor dan sisem unuk mencapai ujuan dari use case. Termasuk juga di dalamnya ineraksi anara akor dan sisem dan akivias yang dilakukan oleh sisem dalam merespon ineraksi. - Alernae courses : merupakan indakan dari use case jika erjadi pengecualian aau variasi pada ypical course.

51 68 - Conclusion : menenukan keika use case berakhir dengan sukses, aau dengan kaa lain, keika akor uama menerima sesuau nilai yang dapa diukur. - Poscondiion : baasan unuk sebuah kondisi dari sisem seelah use case berhasil dilaksanakan. - Business rules : menenukan kebijaksanaan dan prosedur dari bisnis bahwa sisem yang baru harus ada. - Implemenaion consrains and specificaions : menenukan beberapa persyaraan nonfungsional yang mungkin mempengaruhi realisasi dari use case dan mungkin membanu di beberapa rencana arsiekur dan ruang lingkup. - Assumpions : dibua oleh pembua sisem keika mendokumenasikan use case. - Open issues : beberapa persoalan mungkin membuuhkan penyelesaian ulang sebelum use case dapa diselesaikan. 2.7 User Inerface Perancangan user inerface adalah perancangan dialog anara user dan kompuer. Dialog akan menampilkan inpu daa dan oupu informasi. Salah sau cara perancangan user inerface adalah dengan menggunakan sebuah windows. Pada Visual Basic, formulir adalah windows unuk membua anarmuka program. Gambar 2.11 akan memperjelas penggambaran windows unuk perancangan user inerface.

52 69 Gambar 2.11 Tampilan Windows pada Visual Basic 6.0 Baris menu menyediakan akses kepada sebagian besar perinah yang mengendalikan lingkungan permrograman pada Visual Basic. Menu dan perinah sama fungsinya seperi pada program program berbasis Windows lainnya. Di bawah baris menu erdapa oolbar yang merupakan sekumpulan ombol yang berfungsi sebagai ombol cepa unuk menjalankan perinah dan mengendalikan lingkungan pemrograman Visual Basic. Beberapa sarana lain yang ada adalah : - Toolbox Toolbox digunakan unuk menambahkan elemen anarmuka program ke dalam form. Toolbox juga mengandung konrol konrol yang bisa digunakan unuk membua objek yang bisa melakukan operasi di balik layar, dianaranya