8 BAB II LANDASAN TEORI. Konsep Peramalan.. Pengertan Peramalan Menurut Sofjan Assaur (984, p), peramalan adalah usaha untuk melhat stuas dan konds pada masa yang akan datang dengan memperkrakan hasl masa lampau dan pengaruh stuas secara konds terhadap perkemangan d masa yang akan datang... Jens-jens Peramalan Sofjan Assaur (984,p3) mengdentfkas jens-jens peramalan seaga erkut: a. erdasarkan sfat penyusunannya - Peramalan Sujektf : peramalan yang dsusun atas perasaan atau ntus orang yang memuatnya. - Peramalan Ojektf : peramalan yang ddasarkan atas data yang relevan pada masa lampau. erdasarkan waktu penyusunannya - Peramalan Jangka Panjang : peramalan yang dlakukan untuk penyusunan hasl ramalan yang jangka waktunya leh dar satu setengah tahun atau 3 semester
9 - Peramalan Jangka Pendek : peramalan yang dlakukan untuk penyusunan hasl ramalan yang jangka waktunya kurang dar satu setengah tahun atau 3 semester c. erdasarkan sfat ramalan - Peramalan Kualtatf : peramalan yang ddasarkan atas data-data kualtatf yang dperoleh dar masa lampau. Keerhaslan yang dperoleh sangat ergantung kepada orang yang menyusunnya, karena ergantung pada ntus dan pendapat. Basanya ramalan n atas dasar penyeldkan sepert S-Curve, analog dan sejensnya. - Peramalan Kuanttatf : peramalan yang ddasarkan atas data-data kuanttatf yang dperoleh dar masa lampau. Hasl yang dperoleh sangat dpengaruh oleh metode yang dpergunakan atau dengan kata lan metode ereda akan menghaslkan temuan yang ereda pula. Karena tu pemlhan metoda yang ak haruslah metoda yang memerkan nla penympangan yang mnmal...3 Langkah-langkah Peramalan Menurut Sofjan Assaur (984,p5), langkah-langkah yang harus djalan dalam proses peramalan adalah: Langkah : Analss Data Dengan cara memuat taulas dar data terkat pada masa lampau. Langkah : Penentuan Metoda Metode yang ereda akan menghaslkan keluaran yang ereda pula. Metode yang ak akan memerkan hasl yang tdak ereda jauh dar kenyataan. Langkah 3: Memproyeks Data
0 Data dproyekskan dengan menggunakan metoda yang sudah dplh dengan mempertmangkan adanya faktor peruahan. Faktor peruahan tu antara lan kejakan pemerntah, perkemangan potens masyarakat, perkemangan teknolog dan penemuan-penemuan aru...4 Jens-jens Metode Peramalan Metode-metode peramalan dengan menggunakan analss pola huungan antara varael yang dperkrakan dengan varael yang mempengaruh (ukan waktu), atau serng dkenal dengan metode sea terdr dar (Sofjan Assaur, 984,p5): a. Metode Regres dan Korelas Metode n erdasarkan teknk least square, ketepatan ramalan ak untuk jangka pendek saja. Metode n anyak dgunakan untuk peramalan penjualan dan perencanaan keuntungan. Data yang dutuhkan alah data kuartalan eerapa tahun yang lalu.. Metode Ekonometr Metode n erdasarkan atas sstem persamaan regres yang destmas secara smultan. Bak untuk jangka pendek maupun panjang. Metode n anyak dgunakan untuk peramalan keadaan ekonom masyarakat. Data yang dutuhkan alah data kuartalan eerapa tahun eerapa tahun yang lalu. c. Metode Input-Output Metode n dgunakan untuk menyusun proyeks trend jangka panjang. Metode n kurang ak untuk jangka pendek namun sangat ak untuk jangka panjang. Metode n cocok untuk peramalan penjualan sektor ndustr dan su-
ndustr. Data yang dutuhkan adalah data tahunan. Sektar sepuluh sampa lma elas tahun.. Analss Regres Berganda Analss Regres Berganda (Multple Regresson Analyss) merupakan pengemangan dar Analss Regres Sederhana. Bedanya terletak pada jumlah varael eas atau varael penjelas dmana pada model analss regres erganda terdapat leh dar satu varael eas. Dengan demkan d dalam model regres sederhana varael tdak eas (Y) akan akan tergantung pada dua atau leh varael eas. Msalnya harga tket (Y) tergantung pada jarak pesan ( ) dan keramaan atau season ( ) yang dnotaskan seaga: Y = f(, ) Asums entuk huungan Y,, dan adalah lner, sehngga analss yang cocok untuk hal n adalah regres lner erganda. Model fungs regres populas terdr dar uah varael penjelas atau varael eas adalah: Y = β 0 + β + β + υ Atau jka dtuls dalam nla-nla pengamatan menjad: Y = β 0 + β + β + υ =,,3,,N dmana N adalah ukuran populas (populaton sze), Y adalah varael tdak eas yang mana dalam kasus n adalah harga tket, sedangkan dan adalah varael penjelas atau varael eas yang dalam kasus n adalah jarak pesan dan keramaan
(season) serta υ adalah entuk gangguan stokastk atau serng dseut seaga galat (error). Dalam model d atas, β 0 adalah ntersep yang menunjukkan rata-rata pengaruh terhadap Y (harga tket) apala semua varael dkeluarkan dar model atau dengan kata lan β 0 menunjukkan nla rata-rata dar varael Y apala dan adalah nol, koefsen β dan β alah koefsen regres parsal yang mengukur pengaruh dar varael eas tertentu terhadap varael tdak eas Y, apala varael eas yang lan duat konstan (ceters parus). Model regres populas dapat dduga dengan menggunakan model regres contoh (sample regresson model) seaga erkut: Y = 0 + + + ε Atau dapat dtuls dalam entuk nla-nla pengamatan seaga erkut: Y = 0 + + + ε =,,3,,N dmana N adalah ukuran contoh (sample sze), Y adalah varael tdak eas, sedangkan dan adalah varael penjelas atau varael eas, ε adalah varael gangguan (galat), 0, dan adalah penduga ag parameter β 0, β dan β. Pendugaan parameter model dlakukan erdasarkan metode kuadrat terkecl dengan memnmumkan jumlah kuadrat galat, seaga erkut: Mn ε = mn Q = (Y - 0 - - ) dmana Q = ε Untuk memenuh syarat perlu agar Q mnmum maka perlu dtentukan turunan parsal Q terhadap 0, dan seaga erkut:
3 0 ) )( (Y 0 ) )( (Y 0 ) )( (Y 0 = = = = = = 0 0 0 Q Q Q Penyelesaan terhadap hasl turunan parsal d atas akan menghaslkan persamaan normal erkut: n 0 + + = Y 0 + + = Y 0 + + = Y Dalam notas matrks maka persamaan d atas dapat dtuls seaga erkut: = 0 Y Y Y n ( ) ( y) Dengan mudah dapat dtentukan ahwa: = ( ) - y Matrks dalam persamaan matrks d atas dapat dentuk secara langsung dar nla-nla pengamatan seaga erkut: = n n n n : : :......... ' Serta matrks y dapat dentuk secara langsung dar nla-nla pengamatan seaga erkut:
4 = n n n Y Y Y y :......... ' Secara umum apala kta memlk model regres erganda dengan k uah varael eas atau k uah varael penjelas, maka persamaan normal yang dturunkan dalam notas matrks, seaga erkut: = k k k k k k k Y Y Y n : :... : : : :...... 0 ( ) y dengan mudah dapat dtentukan penduga ag parameter model seaga erkut: = ( ) - y dmana ( ) - adalah nvers (kealkan) matrks ( )... Peramalan dengan menggunakan Persamaan Regres Berganda Apala suatu model regres erganda, setelah mengalam proses pengujan secara statstk menunjukkan ahwa model tu dapat dandalkan untuk menjelaskan fenomena yang terjad dalam varael tdak eas (Y) maka model regres tu dapat dpergunakan untuk peramalan nla varael tdak eas erdasarkan nla-nla tertentu dar varael penjelas (). Krtera memuaskan ahwa model tu dapat dandalkan untuk menjelaskan fenomena yang terjad dalam varael tdak eas (Y) adalah seaga erkut:
5 Semua tanda dar koefsen regres parsal (, ) sesua dengan harapan, sa erpengaruh negatf atau sa juga postf. Koefsen regres parsal dan menunjukkan hasl yang nyata secara statstk. Koefsen determnas (R ) maupun koefsen determnas terkoreks ( R ) yang tngg... Peramalan Nla Rata-rata dar Varael Y Jka dmsalkan: 0 0 0 = dan = : : 0 p 0 : : p d mana 0 merupakan vektor nla-nla dar varael penjelas X yang dpaka untuk meramalkan nla rata-rata dar varael Y, E(Y), serta adalah vektor nla-nla dugaan ag parameter dalam model regres erganda, maka peramalan nla rata-rata dar varael Y, dtentukan seaga erkut: Ê (Y 0 ) = 0 Serta ragam dugaan dar nla rata-rata ramalan adalah: var E (Y 0 ) = s 0 ( ) - 0 dmana s adalah ragam galat dugaan, ( ) - adalah nvers matrks ( )
6 Akar pangkat dua dar ragam dugaan ag nla rata-rata ramalan merupakan galat aku dugaan dar nla rata-rata ramalan, yang dnotaskan saja dengan G ˆ ( Y ) : Dengan menggunakan taraf nyata α, maka atas galat peramalan atau atas galat perkraan dapat dnyatakan seaga erkut: BG (Y ) =t α/;n-k G ˆ ( Y ) Selang kepercayaan (- α) 00% ag parameter rata-rata dar varael Y, E(Y 0 ) adalah: 0 0 0 Y P{ E( Y X ) BG( Y ) < E( Y ) < E( Y ) + BG( ) } = - α... Peramalan Nla Indvdual dar Varael Y Peramalan nla ndvdual Y serupa dengan peramalan nla rata-rata varael Y, kecual ragam dar rata-rata varael Y leh kecl darpada ragam nla ndvdual Y. Dengan demkan ramalan nla ndvdual Y erdasarkan 0 adalah: 0 ( Y ) = 0 dengan ragam dugaan dar nla ramalan nla ndvdual Y dtentukan seaga erkut: var( Y 0 ) = s { + 0 ( ) 0} akar pangkat dua dar ragam dugaan merupakan galat aku dugaan, yang dnotaskan dengan G (Y ). Dengan menggunakan taraf nyata α, maka atas galat peramalan nla ndvdual Y dtentukan seaga erkut: BG( Y ) = t α / ; nk G( Y )
7 Selang kepercayaan (- α) 00% ag parameter nla ndvdual erdasarkan 0 adalah: 0 0 0 Y P{ ( Y X ) BG( Y ) < ( Y ) < ( Y ) + BG( ) } = - α.. Analss Regres terhadap Varael-varael Dummy D dalam analss regres serng kal ukan hanya varael-varael penjelas kuanttatf yang menpengaruh varael tdak eas tap ada juga varael-varael yang ersfat kualtatf yang kut mempengaruh, varael-varael kualtatf tu sepert msalnya jens kelamn, suku angsa, warna, kepercayaan, keangsaan dan seaganya. Contohnya permntaan suatu arang dsampng dpengaruh oleh varael kuanttatf sepert harga arang, pendapatan konsumen, ukuran keluarga, juga dpengaruh oleh varael kualtatf sepert selera konsumen, faktor musm (msalnya menjelang har raya learan, natal, tahun aru dan lan-lan), mutu produk (ak atau uruk) dan seaganya. Oleh karena varael-varael kualtatf asanya menunjukkan kehadran atau ketdakhadran dar suatu atrut sepert untuk faktor selera konsumen yang mempengaruh permntaan suatu arang adalah suka atau tdak suka, mutu produk ak atau jelek, jens kelamn lak-lak atau perempuan, tempat tnggal d desa atau d kota, dan lan-lan. Maka, metode untuk mengkuantfkaskan atrut tu adalah dengan jalan memangun varael uatan (artfcal varale) yang mengaml nla 0 atau, dmana nla 0 menunjukkan ketdakhadran (atau kepemlkan) dar atrut tu.
8 Contohnya menunjukkan jens kelamn lak-lak dan 0 menunjukkan jens kelamn perempuan, menunjukkan tnggal d kota dan 0 menunjukkan ertempat tnggal d desa, menunjukkan suka akan suatu produk dan 0 menunjukkan tdak suka akan suatu produk, menunjukkan mutu produk ak dan 0 menunjukkan mutu produk uruk. Varael-varael yang mengaml nla 0 dan dseut varael dummy. Varael dummy dapat dkutkan dalam model regres seagamana halnya dengan varael-varael kuanttatf, dmana proses pendugaan, pengujan hpotess, dan lan-lan mengkut ketentuan serupa dengan analss regres lner erganda, kecual nla-nla varael dummy yang hanya mengaml nla 0 dan.... Jens-jens Analss Regres terhadap Varael-varael Dummy Ada eerapa kemungknan jens yang dapat terjad dengan pengkutsertaan varael dummy dalam analss regres yatu seaga erkut:. Analss Regres terhadap Satu Varael Kualtatf dengan Kategor Modelnya yatu: Y = α + βd + u Dmana: Y = varael tdak eas D = 0 : jka ada kehadran faktor dummy : jka tdak ada kehadran faktor dummy u = antuk gangguan (galat)
9. Analss Regres terhadap Satu Varael Kuanttatf dan Satu Varael Kualtatf dengan Kategor Modelnya yatu: Y = α 0 + α D + βx + u Dmana: Y = varael tdak eas D = 0 : jka ada kehadran faktor dummy : jka tdak ada kehadran faktor dummy = varael penjelas kuanttatf u = antuk gangguan (galat) 3. Analss Regres terhadap Satu Varael Kuanttatf dan Satu Varael Kualtatf yang memlk leh dar Kategor Modelnya yatu: Y = α 0 + α D + α D + βx + u Dmana: Y = varael tdak eas D = 0 : jka ada kehadran faktor dummy pertama : jka tdak ada kehadran faktor dummy pertama D = 0 : jka ada kehadran faktor dummy kedua : jka tdak ada kehadran faktor dummy kedua = varael penjelas kuanttatf u = antuk gangguan (galat)
0 4. Analss Regres terhadap Satu Varael Kuanttatf dan Dua Varael Kualtatf Modelnya yatu: Y = α 0 + α D + α D + α 3 D 3 + βx + u Dmana: Y = varael tdak eas D = 0 : jka ada kehadran faktor dummy pertama : jka tdak ada kehadran faktor dummy pertama D = 0 : jka ada kehadran faktor dummy kedua : jka selannya D 3 = 0 : jka selan ada kehadran faktor dummy kedua, ada kehadran faktor lan dummy kedua : jka selannya = varael penjelas kuanttatf u = antuk gangguan (galat)... Analss Regres terhadap Satu Varael Kuanttatf dan Satu Varael Kualtatf dengan Dua Kategor Model-model regres yang terdr dar campuran varael kuanttatf dan kualtatf dseut dengan model analss peragam (analyss of covarance). Jka suatu model regres terdr dar satu varael kuanttatf dan satu varael kualtatf dengan dua kategor, maka model tu dapat dtuls seaga erkut: Dengan model dugaan seaga erkut: Y = α 0 + α D + βx + u
Y = a 0 + a D + X Dmana: Y = varael tdak eas D = 0 : jka ada kehadran faktor dummy : jka tdak ada kehadran faktor dummy X = varael penjelas kuanttatf u = antuk gangguan (galat) a 0, a, = penduga kuadrat terkecl ag parameter α 0, α dan β dalam model datas. Model d atas terdr dar satu varael kuanttatf (jarak pesan) dan satu varael kualtatf (keramaan atau season) yang mempunya dua kategor yatu hgh dan low. Yang dmaksud dengan hgh alah har pemesanan tket terseut tergolong musm yang rama, dengan kata lan esar proaltas permntaan tngg. Sedang yang dmaksud dengan low alah har pemesanan tket terseut tergolong musm yang asa atau cenderung sep, dalam art esar proaltas permntaan rendah. Dengan mengasumskan ahwa E(u ) = 0, maka dapat dtunjukkan ahwa model terseut datas memlk sfat erkut: Nla rata-rata varael Y dar dummy kategor pertama: E(Y X, D = 0) = α 0 + βx Nla rata-rata varael Y dar dummy kategor kedua: E(Y X, D = ) = (α 0 +α ) + βx
...3 Peramalan Nla Rata-rata dengan mengunakan Analss Regres terhadap Varael-varael Dummy Dugaan rata-rata varael tdak eas dar dummy kategor pertama alah: ( E Y D = 0; ) Dugaan rata-rata varael tdak eas dar dummy kategor kedua alah: ( E Y D = ; ).3 Sstem Bass Data Pada saat n sstem ass data merupakan agan yang sangat pentng dalam proses kerja program aplkas erass dataase. Dataase merupakan kesmpulan data yang salng erhuungan yang drancang untuk memenuh keutuhan nformas ag suatu organsas. Untuk mengatur dan mengontrol akses ke dataase dgunakan Dataase Management System (DBMS) sehngga data-data yang terntegras yang dakses oleh departemen dan user tdak mengalam duplkas data. Menurut Connolly (996), DBMS adalah sstem prant lunak yang memperolehkan user untuk memuat dan mengatur dataase serta menyedakan akses ke dalam dataase. Dengan kata lan DBMS adalah prant lunak yang mengatur ntegras antara program aplkas dan dataase. Secara umum, DBMS mempunya fasltas: Data Defnton Language (DDL), memperolehkan user untuk menentukan tpe dan struktur data dan menyampakannya dalam dataase.
3 Data Manpulaton Language (DML), erfungs untuk nsert, update, delete, dan retreve data dar dataase. Dalam hal pencaran data maka terdapat suatu fasltas yang dseut query language. Menyedakan kontrol akses terhadap dataase. Msalnya: - securty system, untuk mencegah akses user yang tdak erhak terhadap dataase - ntregrty system, menjaga konsstens data - concurrency control system, mengemalkan dataase la terjad kerusakan hardware atau software. - User accessle catalog, mendeskrpskan data dalam dataase.3. Bass Data Relasonal Bass Data alah koleks terntegras dar data-data komputer yang dorgansaskan dan dsmpan sedemkan rupa sehngga memudahkan pengamlan data (McLeod, 00, p6). Bass Data Relasonal alah kumpulan tael-tael yang salng erhuungan. Seuah tael terdr dar feld dan record, dmana feld terdr dar eerapa record, sedang record merupakan data atau nformas. Tael-tael salng erhuungan dengan suatu feld yang dseut seaga feld kunc (key). Key ada 3 (tga) jens, yatu prmary key, foregn key, dan canddate key. Prmary Key alah feld utama yang unk dalam suatu tael, yang dgunakan untuk melakukan referens atas seluruh record dalam tael terseut. Prmary key dapat merupakan suatu feld atau komnas eerapa feld sekalgus. Foregn Key merupakan feld yang dgunakan seaga feld tujuan yang dhuungkan dengan Prmary key. Canddate key alah suatu feld yang memenuh syarat unqueness dan
4 mnmalty. Unqueness erart tdak ada record dalam tael yang memlk nla sama untuk feld terseut, sedang mnmalty erart tdak ada agan dar feld terseut yang dapat dhlangkan tanpa menghlangkan sfat unqueness..3. Normalsas Data Suatu desan ass data harus memenuh konds tdak mengandung anomal yatu suatu kejanggalan dar suatu penempatan atrut tertentu dar suatu ojek data. Berdasarkan pemkran d atas, maka oleh eerapa ahl drancang suatu rumus yang dseut normalsas data. Tael. Tael Un-normalzed Form NIM Nama Alamat KDMK Mata Kulah SKS Nla 0 Ael Jl. A IF34 Sstem Bass Data 4 A IF04 Analss Ssfo 4 B IF5 Pemrograman C B MN Marketng C 0 Eca Jl. B IF04 Sstem Bass Data 4 B IF34 Analss Ssfo 4 C 03 Led Jl. C IF5 Pemrograman C A Pada tael. tael dalam entuk un-normalzed karena ddalamnya mash mengandung kelompok erulang (repeatng group), sehngga sama sekal tdak dapat dterapkan d dalam sstem ass data. Tael. Tael st -NF: Grup erulang dhlangkan NIM Nama Alamat KDMK Mata Kulah SKS Nla 0 Ael Jl. A IF34 Sstem Bass Data 4 A 0 Ael Jl. A IF04 Analss Ssfo 4 B 0 Ael Jl. A IF5 Pemrograman C B 0 Ael Jl. A MN Marketng C
5 0 Eca Jl. B IF04 Sstem Bass Data 4 B 0 Eca Jl. B IF34 Analss Ssfo 4 C 03 Led Jl. C IF5 Pemrograman C A Sepert djelaskan d atas maka pada entuk normal pertama n maka perlu dtentukan prmary key-nya dengan ketentuan unk, jumlah komnas atrut yang mnmum dan tdak mengandung nla kosong (null). Dar ketentuan terseut maka prmary key untuk tael terseut adalah komnas feld NIM dan KDMK. Bentuk normal dperoleh la setap atrut ukan agan prmary key dar suatu tael sepenuhnya merupakan fungs (functonal dependence) dar prmary key terseut. Dalam katannya dengan hal n, maka kta harus menguj dulu apakah suatu tael memenuh konds normal kedua (nd NF). Hal n dapat dlhat apakah ada atrut ukan agan prmary key yang merupakan fungs dar seagan prmery key (partal dependence). Sepert msalnya NAMA adalah tergantung fungsonal terhadap NIM atau artnya nm hanya ada nama NIM NAMA Karena NIM adalah agan dar prmary key, sedang NAMA tergantung pada NIM, maka dkatakan ahwa NAMA tergantung parsal terhadap seagan dar prmary key. Dengan cara yang sama kta dapat menguj setap atrut yang tergantung parsal, ak terhadap NIM atau KDMK. Selanjutnya agar tael yang drancang terseut memenuh konds normal kedua, maka setap atrut yang ergantung parsal dpsahkan mementuk tael-tael terpsah dengan mengkutsertakan determnannya. Dengan demkan dperoleh tael-tael aru yang memenuh konds normal kedua dengan sekalgus menghlangkan setap duplkas record, yatu sepert dperlhatkan pada Tael.3 a, dan c seaga erkut:
6 Tael.3 Tael -nd NF NIM Nama Alamat 0 Ael Jl. A 0 Eca Jl. B 03 Led Jl. C (a) KDMK Mata KUlah SKS IF34 Sstem Bass Data 4 IF04 Analss Ssfo 4 IF5 Pemrograman C MN Marketng () NIM KDMK Nla 0 IF34 A 0 IF04 B 0 IF5 B 0 MN C 0 IF04 B 0 IF34 C 03 IF5 A (c) Pada tahap selanjutnya, kta juga harus menguj apakah setap tael pada entuk seelumnya memenuh normal ketga. Pengujan terhadap normal ketga dlakukan dengan cara melhat apakah terdapat atrut ukan key tergantung fungsonal terhadap atrut ukan key yang lan (dseut ketergantungan transtf). Dengan cara yang sama, maka setap ketergantungan transtf dpsahkan dar taelnya. Berhuung dalam tael d atas tdak terdapat ketergantungan transtf, sehngga normalsas danggap telah selesa sampa pada normal kedua.
7.4 Alat-alat Perancangan.4. Pseudocode Kowal (998, hal 97) mendefnskan ahwa pseudocode alah pernyataan logka mendetal yang mendefnskan agamana data nput dtransformaskan ke data output. Pseudocode dgunakan dalam pemuatan spesfkas seaga jematan untuk melangkah ke pemrograman yang sesungguhnya. Contohnya: pseudocode ahasa Indonesa terstruktur, pseudocode ahasa Inggrs terstruktur dan seaganya..4. State Transton Dagram (STD) Menurut Jeffrey A. et al (996, hal 364) ddefnskan ahwa state transton dagram adalah yang menggamarkan agamana suatu proses dhuungkan satu sama lan dalam waktu yang ersamaan. State transton dagram (STD) dgamarkan dengan seuah state yang erupa komponen sstem menunjukkan agamana kejadan-kejadan terseut dar satu state ke state yang lan. Menurut Pressman (997, hal 37), state transton dagram (STD) menggamarkan keasaan dar suatu sstem dengan menggamarkan konds dan kejadan yang menyeakan peruahan suatu konds. Selan tu dapat dkatakan STD menunjukkan aks apa yang daml seaga akat dar suatu kejadan. Ada macam smol yang menggamarkan proses dalam state transton dagram (STD), yatu:. Gamar perseg panjang menunjukkan konds (State) dar sstem.. Gamar panah menunjukkan transs antar state. Tap panah der lael dengan ekspres aturan. Lael yang d atas menunjukkan
8 kejadan yang menyeakan transs terjad. Lael yang d awah menunjukkan aks yang terjad akat dar kejadan tad..4.3 Lnear Sequental Model Serng juga dseut Classc lfe cycle atau waterfall karena searah dan tdak ada arus alk maupun sklus. Lnear sequental model merupaan model yang palng tua dan palng anyak dgunakan d dalam rekayasa prant lunak. Rekayasa dan pemodelan sstem / nformas, dmula dengan menetapkan keutuhan. Berkut adalah proses yang terjad dalam model n: Analyss Desgn Code Test Mantenance Gamar. Lnear sequental model Analss keutuhan prant lunak, erfokus pada prant lunak. Kta harus mengert alam dan hatat program yang mau dangun, perekayasa harus mengert doman nformas untuk prant lunak (yang dutuhkan fungs, ehavor, performance, dan nterfacng ). Ddokumentaskan dan menjad konfguras. Proses Perancangan, terdr dar tahapan erganda yang fokus pada 4 atrut ereda dar program: struktur data, arstektur, nterface representaton dan detl prosedural (algortma). Menterjemahkan keutuhan ke representas prant lunak seelum kodng dmula. Juga ddokumentaskan dan menjad konfguras. Penyusunan kodng, perancangan harus duah menjad entuk ahasa mesn dan tu terjad pada fase n.
9 Testng, fokus pada logka nternal prant lunak, memastkan semua pernyataan telah dtes, dan fungs eksternal. Terjad juga perakan error, dan memastkan nput akan menghaslkan yang enar. Mantenance, setelah dterma pelanggan dlakukan konsultas pada fase akhr dengan pergantan agan yang dmnra pelanggan.