BAB 2 Landasan Teori - thesis.binus.ac.idthesis.binus.ac.id/doc/Bab2NoPass/2007-3-00399 STIF Bab 2.pdfFungsi linear adalah fungsi dimana titik-titik dari suatu deret waktu mengikuti

BAB 2

LANDASAN TEORI

2.1 Sistem Dinamika

Berdasarkan atas pendapat Keith Clayton (1997,p1) Sistem dinamika

merupakan sekumpulan fungsi-fungsi (peraturan, perhitungan) yang menggambarkan

bagaimana variabel-variabel berubah setiap waktunya. Misalkan : tinggi Alice

berkurang setengah cm setiap menitnya.

Dalam hal ini terdapat perbedaan-perbedaan yang penting untuk diketahui:

· Variabel-variabel (dimensi) dengan parameter

· Diskrit dengan variabel kontinu

· Stokastik dengan sistem dinamika deterministik

Perbedaannya adalah :

· Variabel-variabel berubah setiap waktunya, parameter tidak.

· Variabel diskrit terbatas untuk nilai bertipe integer, sedangkan variabel

kontinu tidak.

· Sistem stokastik memiliki karakteristik one-to-many (satu untuk

semua) sedangkan sistem deterministik memiliki karakteristik one-to-

one (satu untuk satu).

Kondisi awal dari suatu sistem dinamika dijelaskan oleh nilai saat ini (current

value) dari variabel-variabelnya misalnya : x, y, z, ...

Proses mengkalkulasi kondisi baru dari sistem diskrit dinamakan iterasi

(iteration).

7

2.2 Proses dinamika Non-linear di Atmosfer

Berdasarkan atas pendapat Keith Clayton (1997,p3-p4), pengertian nonlinear

memiliki sifat :

• Tak terprediksi (unpredictable).

• Memiliki konsep keragaman (variability).

• Perangkat baru (tools) dalam menjelaskan data deret waktu dan

pemodelannya.

Dinamika non-linear merupakan suatu bidang yang mempelajari sistem

dinamika yang memiliki fungsi tidak linear. Fungsi linear adalah fungsi dimana titik-

titik dari suatu deret waktu mengikuti suatu garis lurus. Secara matematis hubungan

linear ini memiliki persamaan garis lurus y=a+bx yang dalam hal ini a menyatakan

intersep atau perpotongan dengan sumbu tegak, dan b adalah kemiringan atau

gradiennya. Sedangkan fungsi non-linear adalah fungsi yang memperlihatkan suatu

pergerakan berubah secara tidak linear (kurva membentuk garis lengkung).

Sistem dinamika non-linear sederhana dapat menunjukkan suatu perilaku yang

tidak dapat diramalkan, dimana sistem akan terlihat acak.

Dinamika atmosfer mempunyai karakter turbulen dan galau yang ditandai

dengan keadaan irregular (tak teratur) dan disorder (tak terurut) dari besaran fisis

seperti kecepatan angin, temperatur, kelembapan, curah hujan dan besaran fisis

lainnya, dimana besaran fisis pada lapisan tersebut berfluktuasi secara acak dalam

ruang dan waktu.

8

2.3 Teori Chaos

Berdasarkan atas pendapat Michael Small (2005, p63). Proses dinamika yang

bersifat chaos memiliki berbagai karakteristik sebagai berikut :

- Deterministik yaitu kemampuan untuk meramalkan masa depan dari masa lampau.

- Dibatasi

- Periodik

Teori chaos pada awalnya dikembangkan oleh Edward Lorenz yang tertarik

dengan teori ini dimana secara tidak sengaja meneliti prediksi cuaca pada tahun 1961.

Edward Lorenz menggunakan seperangkat komputer, Royal McBee LGP-30, untuk

menjalankan simulasinya. Dari hasil simulasi didapatkan suatu data berurutan. Hasil

perhitungannya itu kemudian digambarkan dalam bentuk kurva yang dicetak diatas

sehelai kertas. Pada awalnya dia mencetak kurvanya dalam format enam angka di

belakang koma (…,506127). Kemudian, untuk menghemat waktu dan kertas, dia

memasukkan hanya tiga angka di belakang koma (…,506) dan cetakan berikutnya

diulangi pada kertas sama yang sudah berisi hasil cetakan tadi dan untuk menghemat

waktu dia kembali menjalankan simulasi dimulai dari pertengahan simulasi. Sejam

kemudian, dia dikagetkan dengan hasil yang sangat berbeda dengan yang diharapkan.

Pada awalnya kedua kurva tersebut memang berimpitan, tetapi sedikit demi sedikit

bergeser sampai membentuk corak yang sama sekali berbeda. Maka Lorenz

menemukan bahwa perubahan kecil pada kondisi awal akan menghasilkan perubahan

yang besar dalam jangka panjang kedepannya. Inilah yang kemudian dikenal sebagai

“efek kupu-kupu” (butterfly effect).

9

(Gambar 2.1) Orbit-orbit dari perhitungan Lorenz ditampilkan dalam

bentuk kawat logam utuk menunjukkan arah dan struktur tiga dimensi

Fenomena inilah yang kemudian melahirkan teori chaos. Jika suatu sistem

dimulai dengan kondisi awal 2 maka hasil akhir dari sistem yang sama akan jauh

berbeda jika dimulai dengan 2,000001 di mana 0,000001 sangat kecil sekali dan

wajar untuk diabaikan. Atau dengan kata lain: kesalahan yang sangat kecil akan

menyebabkan bencana dikemudian hari.

Pada dasarnya Teori chaos adalah teori yang berkenaan dengan sistem yang

tidak teratur. Sistem semacam ini bisa kita temui pada objek-objek seperti awan,

pohon, garis pantai, ombak dsb. Sekilas, sistem-sistem tersebut nampak acak, tidak

teratur dan anarkis. Namun bila dilakukan pembagian (fraksi) atas bagian-bagian

10

yang kecil, maka sistem yang besar yang tidak teratur ini didapati sebagai

pengulangan dari bagian-bagian yang teratur. Secara statistik bisa dinyatakan bahwa

chaos adalah kelakuan stokastik dari sistem yang deterministik. Sistem yang

deterministik (sederhana, satu solusi) bila ditumpuk-tumpuk akan menjadi sistem

yang stokastik (rumit, solusi banyak).

2.4 Analisis Deret Waktu Non-Linear ( Non-linear Time Series Analysis )

Menurut Makridakis, WheelWright dan McGee (1999, p21) terdapat dua

jenis model peramalan yang utama, yaitu : model deret waktu dan model regresi

(kausal). Pada jenis pertama, pendugaan masa depan dilakukan berdasarkan nilai

masa lalu dari suatu variabel dan atau kesalahan masa lalu. Tujuan metode peramalan

dengan deret waktu ini adalah menemukan pola dalam deret data histories

mengekstrakpolasikan pola tersebut ke masa depan. Model kausal di pihak lain

mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab-

akibat dengan satu atau lebih variabel bebas. Misalnya, penjualan = f(pendapatan,

harga, iklan , persaingan, dan lain-lain). Maksud dari model kausal adalah

menemukan bentuk hubungan tersebut dan menggunakannya untuk meramalkan nilai

mendatang dari suatu variabel tak bebas.

Menurut George E.P.Box (1994, p1,3rd ed) deret waktu adalah data-data

observasi yang dikumpulkan sesuai dengan urutan waktu. Banyak kumpulan data

yang dibilang data deret waktu : angka kejadian kecelakaan lalu lintas yang diambil

secara berurutan setiap minggunya, proses kimia yang diobservasi setiap jamnya.

11

Metode peramalan deret waktu (time series) merupakan suatu metode dimana

sejumlah observasi diambil selama beberapa periode dan digunakan sebagai dasar

dalam penyusunan suatu ramalan untuk beberapa periode di masa depan yang

diinginkan.

Analisis deret waktu ( time series analysis) merupakan metode yang

mepelajari deret waktu, baik dari segi teori yang menaunginya maupun untuk

membuat peramalan.

Analisis deret waktu non-linear adalah bidang yang mempelajari data deret

waktu dengan teknik perhitungan yang peka terhadap ke-nonliner-an data.

Peramalan berdasarkan sifatnya dapat dibedakan menjadi dua yaitu peramalan

kualitatif dan peramalan kuantitatif.

Pada umumnya peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi

berikut :

1. Tersedia informasi tentang masa lalu (data historis)

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk numerik

3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus

berlanjut di masa mendatang.

Sedangkan prosedur peramalan kualitatif melibatkan penaksiran yang bersifat

subjektif dan diperoleh melalui misalnya pendapat para ahli.

Langkah penting dalam memilih suatu metode deret waktu yang tepat adalah

dengan mempertimbangkan jenis pola datanya. Menurut Djauhari (1986, p1.9) pola

data dapat dibedakan menjadi empat, yaitu :

12

1. Pola stasioner, yakni bila data berfluktuasi sekitar mean yang konstan

(stasioner dalam data).

2. Pola musiman akan terjadi jika data dipengaruhi oleh faktor musim. Musim

di sini dapat berupa waktu setengah tahunan, seperempat tahunan,

mingguan atau bahkan harian.

3. Pola data siklik (periodik), hampir sama dengan pola musiman. Pada pola

musiman panjang interval dari suatu musim sampai musim itu lagi adalah

konstan dan pergantian pola data berjalan secara berulang. Sedangkan

pada pola siklik, pengulangan pola data tidak konstan baik dalam panjang

intervalnya maupun dalam harganya.

4. Pola trend, variasi data dari suatu waktu ke waktu lainnya memiliki

kecenderungan (trend) naik atau turun.

Jika terdapat deret data yang mencakup kombinasi dari pola-pola data

tersebut, maka metode peramalan yang dapat membedakan setiap pola harus

digunakan bila diinginkan adanya pemisahan komponen pola tersebut.

Data temperatur termasuk dalam pola data musiman. Apabila pola tersebut

konsisten, maka koefisien autokorelasi dengan time delay 24 jam akan mempunyai

nilai positif yang tinggi yang memperlihatkan adanya pengaruh musiman. Ciri

periodik musiman dapat dilihat secara nyata dari kenyataan bahwa

kkk 42 ρρρ >> dan ketiganya nyata berbeda dari nol jika k adalah variabel

setelahnya.

13

2.5 Autokorelasi

Berdasarkan atas pendapat Assauri (1984), autokorelasi menyatakan berapa

besar hubungan yang terdapat antara nilai yang satu dengan nilai lainnya yang

berturut-turut dari variabel yang sama tetapi waktu terjadinya berbeda.

Diketahui persamaan autoregressive (AR):

AR(k) => tktkttt eYbYbYbaY +++++= −−− ...2211

Dimana :

Yt = variabel yang diramalkan (dependent variable).

k = delay time.

et = unsur kesalahan yang menunjukkan peristiwa acakan yang tidak dapat

diuraikan oleh model.

kttt YYY −−− ,...,, 21 seluruhnya merupakan nilai-nilai periode sebelumnya dari

variabel yang diramalkan. Untuk masing-masing pasangan dari variabel-variabel

terdapat koefisien korelasi yang bersangkutan, yang menunjukkan kepentingan atau

peranannya, misalkan suatu koefisien yang besarnya 0,80 diantara Y dan Y1

menunjukkan nilai diantara keduanya adalah secara positif berkorelasi dengan yang

lainnya, dan karena itu cenderung untuk bergerak dengan arah yang sama. Demikian

pula halnya dengan koefisien -0,70 diantara Y dan Y2 menggambarkan bahwa nilai di

antara keduanya adalah berkorelasi secara negatif dan cenderung untuk bergerak

dengan arah yang berlawanan. Koefisien autokorelasi yang mendekati nol

menunjukkan suatu deret waktu yang nilainya secara berurutan tidak berhubungan

satu dengan yang lainnya. Bila variabel-variabel Y1,Y2,Y3 dengan yang sebenarnya

diperoleh dari variabel asal yang sama Y, maka hal ini disebut auto (self) correlation.

14

Dengan mengetahui nilai koefisien autokorelasi, dapat diketahui pola, ciri dan jenis

data.

Untuk AR (1) model => ttt eYbaY ++= −11

Pendugaan parameter dapat diduga dari nilai tengah dan autokorelasi.

11 ba

−=µ 1b=ρ

Dimana : ρ = autokorelasi antara Xt dengan Xt-1

µ = rata-rata deret waktu

Untuk AR (2) model tttt eYbYbaY +++= −− 2211

Pendugaan parameter a, b1 dan b2 dapat melalui metode hubungan

autokorelasi menurut Yule-Walker, yaitu :

1211 ρρ bb +=

2112 bb += ρρ

211 bba

−−=µ

Dimana : 1ρ = autokorelasi antara Xt dengan Xt-1

2ρ = autokorelasi antara Xt dengan Xt-2

Menurut George E.P.Box (1994, p26) autokorelasi dapat dirumuskan sebagai

berikut :

15

Dimana :

k = delay time

n = jumlah data

x = rata-rata sampel

Dalam fungsi autokorelasi dari deret waktu yang dibangun oleh dinamika

deterministik galau titik-titiknya tidak saling bebas satu sama lain dan kesamaan diri

(self-similarity) ada dalam proses.

2.6 Time Delay

Time Delay adalah waktu senjang antara kesadaran akan peristiwa atau

kebutuhan mendatang dengan peristiwa itu sendiri, menurut Makridakis,

WheelWright, McGee (1999, p421).

Sering terdapat waktu senjang antara kesadaran akan peristiwa atau kebutuhan

mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang ini merupakan

alasan utama bagi perencanaan dan peramalan. Jika waktu tenggang ini nol atau

sangat kecil, maka perencanaan tidak diperlukan. Jika waktu tenggang ini panjang

dan hasil peristiwa akhir bergantung pada faktor-faktor yang dapat diketahui, maka

perencanaan dapat memegang peranan penting. Dalam situasi seperti ini, peramalan

diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi, sehingga tindakan

yang tepat dapat dilakukan.

Time delay atau kadang juga disebut time lag merupakan selang waktu dari

suatu state space pada time series (deret waktu), dengan state space yang lain. Vektor

16

pada ruang yang baru, ruang embedding, dibentuk dari kumpulan data yang diambil

berdasarkan time delay :

Xn = (Xn, Xn+k, Xn +2k, ..., Xn + (d-1)k)

Dimana d merupakan dimensi dimensi embedding ( embedding dimension)

dan k adalah time delay. Untuk hubungan antara jumlah data, embedding dimension

dan time delay :

(d-1) * k < N

Dimana N adalah jumlah data.

Nilai dari time delay yang disarankan mencakup point – point sebagai berikut:

1. Autokorelasi antara data pada suatu state space dan data selang

time delay, mendekati satu.

2. Nilai time delay tidak terlalu besar, disarankan dibawah 1/10 dari

jumlah data.

3. Nilai time delay juga tidak terlalu kecil, karena dapat

mengakibatkan masuknya noise (data yang tidak relevan untuk

peramalan ) dalam peramalan.

Jika time delay bernilai k, maka data yang dimaksud memiliki waktu senjang

seharga k. Xn+k memiliki arti bahwa k data setelahnya dan data tersebut masih dalam

satu populasi yang sama. Jika time delay bernilai dua, maka Xn+2, yang berarti bahwa

dua data setelahnya. Dalam hal peramalan cuaca, perencanaan merupakan kebutuhan

yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari

17

beberapa tahun (dalam kasus peramalan temperatur dan curah hujan), sampai

beberapa hari, bahkan jam.

2.7 Peramalan (Forecasting)

Metode peramalan merupakan bagian dari ilmu statistika. Menurut Djauhari

(1986, p1.2) Peramalan sesungguhnya adalah menduga atau memprediksi peristiwa di

masa depan dan bertujuan memperkecil resiko yang mungkin terjadi akibat suatu

pengambilan keputusan. Hubungan antara keputusan yang diambil, ramalan, dan galat

(error), ramalan dapat dirumuskan sebagai berikut :

Salah satu metode peramalan adalah deret waktu. Metode ini disebut sebagai

metode peramalan deret waktu karena memiliki karakteristik bahwa data yang

dianalisis bersifat deret waktu. Periode waktu dari data deret waktu dapat berupa

tahunan, mingguan, bulanan, semester, kuartal dan lain-lain.

Peramalan dengan deret waktu berarti memprediksikan apa yang akan terjadi

di masa datang berdasarkan pola deret data masa lalu serta kemudian

mengekstrapolasikan pola tersebut ke masa depan. Oleh karena itu peramalan deret

waktu bertujuan memprediksikan apa yang akan terjadi, tanpa mengetahui mengapa

hal itu terjadi. Pada dasarnya tidak ada metode statistika yang secara otomatis dapat

menentukan pola metode yang tepat untuk suatu peramalan, semuanya tergantung

Keputusan =

Keputusan hasil ramalan dengan anggapan cara

peramalan tepat +

Galat ramalan yang

diperbolehkan

18

dari pertimbangan kita. Namun metode statistika dapat digunakan untuk mencocokan

pola metode tersebut.

2.7.1 Metode False Nearest Neighbours (FNN).

FNN memiliki pengertian tetangga terdekat yang salah. FNN terjadi

pada suatu kondisi dimana jarak antara titik-titik (data) pada saat dimensi

tertentu, jauh melampaui tresshold pada saat titik-titik tersebut berada di

dimensi lainnya.

Untuk menghitung jarak antara sebuah titik dengan tetangga

terdekatnya dengan jarak Euclidean menggunakan rumus:

[ ] [ ] [ ]222 ))1(())1((...)()()()()( kdtXkdtXktXktXtXtXtRd NNNNNN −+−−++++−++−=

Dimana:

d = dimensi embedding

Dengan menggunakan RT dicari kriteria untuk FNN.

T

NN

RtRd

kdtXkdtX>

+−+

)(

)()(

Dengan kriteria di atas, urutan titik-titik dapat diuji.

Nilai RT berada di antara selang 5010 ≤≤ TR untuk segala situasi. Jika

hasilnya lebih besar dari RT, maka Nearest Neighbours dengan jumlah

dimensi yang digunakan merupakan FNN , sehingga proses akan terus

diiterasikan lagi dengan jumlah dimensi selanjutnya sampai ditemukan nilai

FNN = 0. Jika nilai FNN = 0, maka iterasi berhenti. Semakin dimensi

19

meningkat, didapatkan maka diperoleh nilai FNN yang semakin mendekati 0

(Nol). Langkah selanjutnya adalah menghitung jumlah FNN untuk setiap

dimensinya.

2.7.2 Prediksi Data pada Periode Selanjutnya.

Diberikan dengan persamaan :

2.7.3 Ketepatan Peramalan

Ketepatan peramalan mengacu pada dua kriteria dibawah ini :

a) Akurasi peramalan

Manfaat suatu ramalan bergantung pada seberapa baik akurasi ramalan

tersebut. Akurasi peramalan adalah perbedaan antara data peramalan dengan

kenyataannya bergantung pada tujuan peramalan.

b) Jangka-waktu peramalan

Selain akurasi perlu juga dipertimbangkan jangka-waktu peramalan

karena berkaitan dengan ketepatwaktuan. Semakin pendek jangka-waktu

peramalan, semakin tinggi akurasi peramalan. Menurut Makridakis,

WheelWright dan McGee (1996,p61-63) ketepatan yang menyatakan seberapa

jauh hasil ramalan mendekati kenyataan pada umumnya dinyatakan dengan :

20

1) Rata-rata kesalahan (Mean Error)

( )∑=

−=n

ttt XX

nME

1

ˆ1

2) Rata-rata akar kesalahan kuadrat (Root mean Squared Error)

( )∑=

−=n

ttt XX

niRMSE

1

2ˆ

3) Galat Persentase (Percentage Error)

( )100ˆ

⎟⎟⎠

⎞⎜⎜⎝

⎛ −=

t

ttt X

XXPE

4) Nilai Tengah Galat Persentase (Mean Absolute Percentage Error)

∑=

=N

ttPE

NMAPE

1

1

Digunakan untuk mengetahui presentase penyimpangan hasil ramalan.

MAPE ini yang akan menentukan ketepatan suatu metode peramalan.

Peramalan akan semakin akurat jika nilai MAPE semakin kecil.

5) Untuk validasi model prediksi dengan metoda non-linear digunakan

rumus untuk menghitung kesalahan prediksi relatif (Er) yaitu :

( )

( )∑

∑

−

−

−−

−−

=N

ii

N

iii

r

xxN

xxN

E

1

2

1

2

11

ˆ1

1

21

Persamaan diatas adalah nisbah kesalahan prediksi dibagi atas standar

deviasinya untuk mengukur kualitas prediksi.

6) Korelasi antara (r) data hasil prediksi dengan data observasi dengan

rumus :

( )( )

( )( )sdsd

kti

XX

XXXXt

kN ˆ

ˆˆ1

−−

−

+∑

2.8 Aplikasi Perangkat Lunak

Menurut Pressman (2002, p10) perangkat lunak adalah :

1. Perintah (program komputer) yang bila dieksekusi memberikan fungsi

dan unjuk kerja seperti yang diinginkan.

2. Struktur data yang memungkinkan program memanipulasi informasi

secara proporsional. Struktur data adalah suatu metode untuk

mengorganisasikan data di dalam memori komputer, sehingga data

dapat diolah secara efisien, yaitu dengan :

- Menggunakan tempat yang sehemat mungkin di

memori.

- Menggunakan waktu yang secepat mungkin untuk

menyimpan dan mengambil data.

3. Dokumen yang menggambarkan operasi dan kegunaan program.

22

Perangkat lunak memiliki beberapa karakteristik yang membedakannya dari

perangkat keras, yaitu :

1. Perangkat lunak dibangun dan dikembangkan, tidak dibuat dalam

bentuk yang klasik.

2. Perangkat lunak tidak pernah usang. Perangkat keras mengalami laju

kegagalan yang sangat tinggi di awal hidupnya ( kegagalan-kegagalan

itu sering disebabkan oleh perancangan atau cacat pembuatan). Cacat –

cacat tersebut harus dikoreksi, dan laju kegagalan turun ke keadaan

steady-state (diharapkan, sangat rendah ) untuk beberapa periode

waktu. Tetapi dengan seiring perjalanan waktu, laju kegagalan

bertambah lagi pada saat komponen perangkat keras terkena pengaruh

penumpukan debu, getaran, ketidak-hati-hatian, suhu tinggi, serta

beberapa kerusakan yang disebabkan oleh lingkungan. Secara singkat

dikatakan bahwa perangkat keras sudah mulai menjadi usang.

Perangkat lunak sebaliknya tidak rentan terhadap pengaruh lingkungan

yang merusak yang menyebabkan perangkat keras menjadi usang

Kesalahan-kesalahan yang tidak dapat ditemukan akan menyebabkan

tingkat kegagalan menjadi sangat tinggi pada awal hidup program.

Tetapi hal itu dapat diperbaiki secara terus menerus dan selalu

dikembangkan (diharapkan tidak lagi ditemukan kesalahan yang lain ).

3. Sebagian besar perangkat lunak dibuat secara custom-built, serta tidak

dapat dirakit dari komponen yang sudah ada.

23

Perangkat lunak digolongkan dalam beberapa area yang menunjukkan luasnya

aplikasi potensial :

1. Perangkat Lunak Sistem

Merupakan sekumpulan program yang ditulis untuk melayani

program-program yang lain. Contohnya : compiler, editor, utilitas

pengatur file, komponen sistem operasi dan prosesor telekomunikasi .

2. Perangkat Lunak Real-Time

Merupakan program-program yang memonitor, menganalisis dan

mengontrol kejadian dunia nyata pada saat terjadinya. Contohnya :

Contohnya : ATM (Automatic Teller Machine ) untuk memantau data

keuangan yang disimpan di Bank.

3. Perangkat Lunak Bisnis

Aplikasi dalam area ini menyusun kembali struktur data yang ada

dengan suatu cara tertentu untuk memperlancar operasi bisnis atau

pengambilan keputusan manajemen. Contohnya : account receivable/

payable, inventory dan pemrosesan transaksi point of sale.

4. Perangkat Lunak Teknik dan Ilmu Pengetahuan

Perangkat lunak ini memiliki jangkauan aplikasi mulai dari astronomi

sampai vulkanologi, dari analisis otomotif sampai dinamika orbit

pesawat ruang angkasa, dan dari biologi molekul sampai pabrik yang

sudah diotomatisasi. Contohnya : analisa otomotif, dinamika orbit

24

pesawat ruang angkasa, program penyelidikan biomolekul dan

penyelidikan cuaca.

5. Embedded Software

Perangkat ini terletak di dalam Read Only Memory dan dipakai untuk

mengontrol hasil serta sistem untuk keperluan konsumen dan pasar

industri. Perangkat ini dapat melakukan fungsi yang tak terbatas serta

fungsi esoteric (misal key pad control untuk microwave) atau

memberikan kemampuan kontrol dan fungsi yang penting. Contohnya:

fungsi digital dalam sebuah automobile, penampilan dash-board dan

sistem rem ).

6. Perangkat Lunak Komputer Personal

Yang termasuk dalam perangkat ini misalnya spread sheet, grafik

komputer, multimedia, hiburan, manajemen database, aplikasi

keuangan bisnis dan personal. Contohnya : aplikasi pengolah kata,

spreadsheet, grafik computer, multimedia, hiburan, manajemen

database, aplikasi keuangan bisnis dan personal serta akses database.

7. Perangkat Lunak Kecerdasan Buatan

Perangkat ini menggunakan algoritma non-numeris untuk

memecahkan masalah kompleks yang tidak sesuai untuk perhitungan

atau analisis secara langsung. Contohnya : aplikasi pengenalan pola

(image dan voice ), pembuktian teorema dan permainan game.

25

2.8.1 Diagram Alir (Flowchart)

Berdasarkan pendapat Roger S.Pressman (2002, p476), bagan alir

merupakan proses representasi grafis yang paling luas dipakai untuk desain

prosedural. Desain prosedural diperlukan untuk menetapkan detail algoritma

yang akan dinyatakan dalam suatu bahasa ibu seperti bahasa Inggris. Pada

tahun 1960-an, Djikstra dan rekan-rekannya mengusulkan penggunaan

serangkaian gagasan logis, yang dari sana sembarang program dapat

dilakukan. Gagasan tersebut menekankan “pemeliharaan dan domain

fungsional,” yaitu masing-masing gagasan memiliki suatu struktur logis yang

dapat diprediksi, dimasukkan pada puncak, dan keluar melalui dasar, yang

memungkinkan seorang pembaca mengikuti aliran prosedural dengan lebih

mudah. Gagasan tersebut adalah urutan, kondisi dan pengulangan. Gagasan

terstruktur diusulkan untuk membatasi desain prosedural perangkat lunak ke

sejumlah kecil operasi yang dapat diprediksi. Penggunaan gagasan terstruktur

mengurangi kompleksitas program sehingga mempertinggi readibilitas,

kemampuan pengujian, dan maintainabilitas. Dengan flow chart, seorang

pembaca dapat mengenali elemen-elemen prosedural dari suatu modul

daripada sekedar membaca desain atau kode baris per baris. Bagan alir secara

gambar sangatlah sederhana. Sebuah kotak digunakan untuk mengindikasikan

suatu langkah pemrosesan. Diamond merepresentasikan suatu kondisi logis,

dan anak panah memperlihatkan aliran kontrol. Kondisi yang juga disebut if-

then-else, digambarkan sebagai diamond keputusan yang bila bernilai true

akan menyebabkan pemrosesan bagian then, dan bila false akan menyebabkan

26

dikerjakannya bagian else. Pengulangan diwakilkan dengan menggunakan dua

bentuk yang sangat berbeda. Do-While menguji suatu kondisi dan

mengerjakan sebuah tugas loop secara berulang selama kondisi bernilai true.

Repeat-Until mengerjakan tugas loop terlebih dahulu, kemudian menguji

sebuah kondisi dan mengulangi tugas tersebut sampai kondisi bernilai false.

Gagasan pemilihan (select-case) yang diperlihatkan pada gambar sebenarnya

merupakan kondisi ekstensi dari if-then-else. Sebuah parameter diuji oleh

keputusan yang berurutan sampai sebuah kondisi benar (true) terjadi dan

sebuah jalur pemrosesan bagian case dikerjakan.

(Gambar 2.2). Konstruksi Flowchart

Bagian Then

esac isidnok

Kondisi

Repeat-Until

Tugas berikutnya

Tugas pertama

Bagian else

If-then-else Urutan

F case

T

T

T

T

F

T

F

F T

F

F

Tugas Loop

Kondisi Loop

Do-while

Pengulangan Pemilihan

27

2.8.2 Interaksi Manusia dan Komputer

Berdasarkan atas pendapat Ben Shneiderman (1998,ed.3 p5)

pengembangan aplikasi dimana dapat memadukan antara prinsip yang dianut

manusia dengan proses komputer menghasilkan suatu sistem yang interaktif.

Sistem yang interaktif adalah sistem yang memerlukan keterlibatan manusia

(user) dalam pelaksanaannya (adanya komunikasi antara manusia dan

komputer ) sehingga mode interaktif berorientasi pada perintah (command

oriented). Suatu program yang interaktif juga dimaksudkan untuk

mempermudah pemakaian bagi user sehingga program yang interaktif

bertujuan untuk membuat orang tertarik untuk menggunakannya. Software

yang interaktif berarti software yang mampu mengolah informasi secara

menarik, misalnya dalam menyediakan fasilitas visual yang attraktif baik

dalam fungsi input, output, dan search (pencarian file). Software yang

interaktif juga menyajikan fasilitas musik, gambaran tiga dimensi, animasi

dan video. Program yang interaktif ini perlu dirancang dengan baik sehingga

pengguna dapat merasa puas, dan juga dapat ikut berinteraksi dengan baik

dalam menggunakannya. Dalam level individual, aplikasi user interface ini

merubah banyak hal dalam kehidupan, misalnya: seorang dokter dapat

menganalisa dengan lebih akurat, anak-anak dapat belajar dengan lebih

efektif, pilot dapat menerbangkan pesawat dengan lebih aman.

Standard Militer Amerika Serikat tentang kriteria desain mesin

menyatakan tujuan-tujuan program aplikasi interaktif, yaitu:

28

- Memperoleh hasil dan kualitas terbaik yang bisa didapatkan oleh

bagian operator, kontrol, dan pengembangan.

- Memperkecil kelebihan (skill) dan peryaratan personil serta

waktu pelatihan.

- Membuat standarisasi desain diantara sistem.

Beberapa langkah untuk membuat suatu human interface yang baik

yaitu:

- Memiliki fungsi yang cukup serta mudah dimengerti oleh

pemakai.

- Keandalannya terjaga. data yang ditampilkan harus

menggambarkan isi database, harus terus diupate. Adanya

jaminan keamanan dan integritas data.

- Standarisasi fitur-fitur user interface pada aplikasi yang berbeda.

- Terjadwal dengan baik dan memperhitungkan pemakaian biaya

yang tidak berisiko.

Beberapa kriteria yang harus dimiliki dari suatu user interface yang

baik yaitu:

- Waktu mempelajari program harus efektif.

- Penyajian informasi yang cepat.

- Tingkat kesalahan yang rendah dalam pemakaian.

- Waktu mengingat yang cepat setiap waktunya.

29

- Tingkat kepuasan pemakai dalam mengeksplorasi sistem tinggi.

Aplikasi program secara interaktif sudah digunakan dalam berbagai

bidang kehidupan yaitu:

- Sistem-sistem penting terkait dengan kehidupan seperti program

kontrol lalu-lintas, reaktor nuklir, operasi militer dan peralatan

medis.

- Bidang industri dan ekonomi seperti dalam perbankan, asuransi,

pemesanan tiket hotel maupun penerbangan, penyewaan mobil

serta manajemen kartu kredit.

- Bidang hiburan seperti video games, Word Processing dan e-

mail.

- Bidang pendidikan seperti kamus elektronik, World Wide Web

browsing, sistem penghasil keputusan bisnis serta sistem

komposisi musik.

2.8.3 Sistem Basis Data

Berdasarkan atas pendapat Thomas Connolly (2005, p4 4thed),

database merupakan sekumpulan data-data yang saling berhubungan. Data

Base Management System (DBMS) adalah perangkat lunak yang mengontrol

akses-akses ke dalam database. Aplikasi database secara sederhana

merupakan program yang berinteraksi dengan database saat eksekusi

dijalankan. Sistem database adalah kumpulan program aplikasi yang

30

berinteraksi dengan database bersama DBMS dan database itu sendiri.

Beberapa aplikasi database yaitu : database pembayaran di kasir.

Ketika seseorang membeli barang dari supermarket, kasir akan mengakses

database. Untuk mengakses digunakan pembaca bar code untuk membaca

kode produk yang akan dibeli. Alat ini digunakan untuk mengetahui harga

dari produk tersebut. Program akan mengurangi stok dari produk tersebut. Jika

stok yang tersedia sudah melampaui ambang yang sudah ditetapkan, maka

sistem akan secara otomatis membuat pesanan untuk stok barang yang baru.

Aplikasi database lainnya juga dapat ditemukan dalam sistem pembayaran

kartu kredit, sistem pemesanan tiket perjalanan, sistem perpustakaan, dan lain-

lain.

Sebagai suatu perangkat lunak, DBMS memiliki beberapa fasilitas,

yaitu:

1) Fasilitas mendefinisikan data.

Melalui Data Definiton Language (DDL). DDL diperlukan

sehingga dapat menspesifikasikan tabel data dan elemen-

elemennya seperti tipe data. Contohnya :

ALTER TABLE table

ADD COLUMN column data type (size)

DROP COLUMN column

31

2) Fasilitas memanipulasi data.

Melalui Data Manipulation Language (DML), seseorang dapat

memanipulasi data sehingga dapat melakukan berbagai proses

manipulasi seperti proses penyisipan (insert), menghapus data

(delete), dan mengembalikan (retrieve) data ke database.

Contohnya dalam penggunaan adalah :

- INSERT Nama = Vivi where NIM = 0541. Dimana perintah

tersebut berarti menyisipkan data nama yaitu Vivi dimana

data tersebut memiliki NIM yaitu 0541.

- DELETE FROM table WHERE condition

- UPDATE table

SET column 1 = value 1, column 2, ….

WHERE condition

3) Fasilitas pengendalian akses ke dalam database.