BAB II LANDASAN TEORI

BAB II
LANDASAN TEORI
2.1
Pengertian Bank
Secara umum pengertian bank adalah sebuah lembaga intermediasi
keuangan yang umumnya didirikan dengan kewenangan untuk menerima
simpanan uang, meminjamkan uang, dan menerbitkan promes atau yang dikenal
dengan banknote. Usaha perbankan meliputi tiga kegiatan yaitu, menghimpun
dana, menyalurkan dana, dan memberikan jasa bank lainnya. Kegiatan
menghimpun dan menyalurkan dana merupakan kegiatan pokok bank sedang
memberikan jasa bank lainnya hanya kegiatan pendukung. Kegiatan menghimpun
dana, berupa mengumpulkan dana dari masyarakat dalam bentuk simpanan giro,
tabungan dan deposito jika dikomposisikan ketiga simpanan ini biasa disebut
dengan Dana Pihak Ketiga (DPK). Untuk kelancaran dalam proses bisnisnya bank
juga memiliki beberapa jaringan kantor yang tersebar diberbagai daerah.
2.2
Data, Sistem dan Informasi
Menurut Indrajani data adalah fakta atau observasi mentah yang biasanya
mengenai fenomena bisnis atau transaksi bisnis. Lebih khusus lagi, data adalah
ukuran objektif dari atribut (karakteristik) dari entitas seperti orang, tempat benda
atau kejadian (indrajani 2009).
Data adalah kenyataan yang menggambarkan adanya suatu (event), data
terdiri dari fakta dan angka. Fakta adalah segala sesuatu yang terungkap oleh
indera manusia, yang dalam istilah keilmuan merupakan hasil observsi yang
objektif dan dapat dilakukan verifikasi oleh siapapun. Secara konseptual data
adalah deskripsi tentang benda, kejadian, aktivitas dan transaksi, yang tidak
mempunyai makna atau tidak berpengaruh langsung kepad pemakai.
7
http://digilib.mercubuana.ac.id/
Sistem terdiri dari objek-objek atau unsur-unsur atan komponenkomponen yang berkaitan dan berhubungan satu sama lainnya sedemikian rupa
sehingga unsur-unsur tersebut merupakan suatu kesatuan pemrosesan atau
pengolahan yang tertentu (Sutabri 2005). Dengan demikian, secara sederhana
dapat diartikan sebagai suatu kumpulan atau hiimpunan dari unsur atau variabelvariabel yang saling terorganisir, saling berinteraksi, dan saling bergntung satu
sama lain.
Gambar 2. 1 : Model Sistem
Menurut Mcleod (Yakub 2012). sistem adalah sekelompok elemen-elemen
yang terintegrasi untuk mencapai tujuan. Organisasi terdiri dari sejumalah sumber
daya manusia, material, mesin, uang dan informasi, yang berkerjasama menuju
tercapainya tujuan tertentu yang ditentukan oleh pemilik dan manajemen.
Menurut Mcleod (Ladjamudin 2013), informasi adalah data yang telah
diolah menjdi bentuk yang lebih berguna dan lebih berarti bagi penerimanya.
Sumber informasi adalah data. Informasi yang diperoleh setelah data-data mentah
diproses atau diolah. Alat untuk mengolah informasi dapat meliputi elemen
computer, elemen non komputer atau kombinasinya.
Nilai sebuah informasi ditentukan atas dua hal, yaitu manfaat dan biaya
untuk mendapatkannya. Informasi dikatakan bernilai jika manfaatnya lebih efektif
dibanding biaya yang dikeluarkan untuk mendapat informasi tersebut.
Kegunaan informasi adalah untuk mengurangi ketidakpastian didalam
proses pengambilan keputusan. Dapat disimpulkan, informasi merupakan hasil
pengolahan data yang memiliki nilai tambah, bermakna dan berguna bagi
penggunanya.
8
http://digilib.mercubuana.ac.id/
Menurut Jhon dan Gary Grudnitski (Ladjamudin 2013), agar informasi
yang dihasilkan menjadi lebih berharga, maka harus memiliki kriteria sebagai
berikut:

Akurat
Informasi harus bebas dari kesalahan dan jelas mencerminkan maksudnya.
Informasi harus akurat karena dari sumber informasi sampai penerima
informasi memungkinkan terjadi gangguan (noise) yang dapat merubah /
merusak informasi.

Relevan
Informasi
harus
terasa
manfaatnya
bagi
pengguna
atau
yang
membutuhkannya.

Tepat waktu
Informasi harus tepat waktu, sehingga tidak terlambat pada saat dibutuhkan,
karena informasi merupakan landasan didalam pengambilan keputusan. Bila
pengambilan keputusan terlambat maka bisa berakibat fatal unstuck
organisasi.
2.2.1
Hubungan data, Informasi dan Data mining
Data terdiri dari fakta dan gambar yang relatif tidak memiliki arti bagi
penggunanya. Informasi adalah data yang telah diproses atau data yang berarti.
Transformasi dari data menjadi informasi dilakukan oleh prosesor informasi
seperti komponen komputer, komponen non komputer, maupun kombinasi
keduanya.
Knowledge adalah informasi yang telah disusun dan dianalisa agar mudah
dimengerti dan berguna untuk pemecahan masalah serta dapat digunakan lebih
untuk bahan mengambil keputusan dan untuk menempuh arah atau strategi
sendiri.
Data mining adalah suatu metode pengolahan data untuk menemukan pola
yang tersembunyi dari data tersebut. Hasil dari pengolahan data demean metode
9
http://digilib.mercubuana.ac.id/
data mining ini digunakan untuk mengambil keputusan di masa depan. Data
mining ini dikenal juga dengan pattern recognition (Santosa 2007).
2.3
Data Mining
Data Mining adalah suatu pengolahan data untuk menemukan pola yang
tersembunyi dari suatu data tersebut. Hasil dari pengolahan data dengan metode
data mining ini dapat digunakan untuk mengambil keputusan dimasa depan. Data
mining adalah pengolahan data dengan skala besar, sehingga data mining
memiliki peranan penting dalam bidang industri, keuangan, cuaca, ilmu dan
teknologi (Ong 2013). Data mining juga dapat dilakukan pada berbagai jenis
database dan penyimpanan informasi, namun jenis pola yang akan ditemukan
ditentuka oleh berbagai fungsi data mining seperti deskripsi class/konsep,
asosiasi, analisa korelasi, klasifikasi, prediksi, analisa cluster dan lain-lain (al
2010).
Data
mining
menggunakan
penerapan
algoritma
tertentu
untuk
mengekstrak pola dari data. Dimana proses ini secara otomatis akan mencari pola
yang sederhana terhadap data yang besar menggunakan analisa tertentu. Data
mining juga menggunakan algoritma matematika yang canggih untuk mensegmen
data dan mengevaluasi kemungkinan beberapa hasil yang ditetapkan oleh
pengguna. Jumlah data yang dilakukan
oleh suatu proses uji coba dengan
menggunakan data mining adalah dapat dilakukan dengan 50 data.
2.3.1 Pengertian Data Mining
Data mining merupakan proses pengektrakan informasi dari jumlah
kumpulan data yang besar dengan menggunakan algoritma dan tehnik gambar dari
statistik, mesin pembelajaran dan sistem manajemen database.
Data mining yang disebut juga dengan Knowledge-Discovery in Database
(KDD) adalah sebuah proses secara otomatis atas pencarian data didalam sebuah
memori yang amat besar dari data untuk mengetahui pola demean menggunakan
alat seperti klarifikasi, hubungan (association) atau pengelompokan (clustering).
10
http://digilib.mercubuana.ac.id/
Secara sederhana data mining dapat diartikan sebagai proses mengekstrak atau
menggali pengetahuan yang ada pada sekumpulan data.
Definisi umum dari data mining adalah analisa dari observasi data dalam
jumlah besar untuk menemukan hubungan yang tidak diketahui sebelumnya dan
metode baru untuk meringkas data agar mudah dipahami serta kegunaanya untuk
pemilik data (Hand 2001). Data mining menghasilkan hubungan dan kesimpulan
yang mengarah pada penggunaan model atau pola. Contoh yang termasuk
didalamnya adalah persamaan linear, ukuran cluster, grafik, pohon struktur dan
pola perulangan dalam time series.
2.3.2
Klasifikasi Data Mining
(Vallikona 2003) data mining diklasifikasikan menjadi dua kategori yaitu:

Descriptive Mining, yaitu proses penggambaran karakteristik utama atau
informasi umum dari data dalam basis data. Teknik yang terdapat dalam
kategori ini terdiri dari clustering, association dan sequential mining.

Predictive Mining, yaitu proses dari pengambilan pola dari data untuk
membauat prediksi. Teknik yang terdapat dalam kategori ini terdiri dari
classification, regretion, Dan deviation.
Sedangkan Santosa (2007) mengklasifikasikan data mining menjadi dua kategori
yaitu:

Unsupervised Learning, yaitu penerapan metode tanpa adanya latihan
(training) Dan tanpa adanya pelabelan dari data terlebih dahulu. Teknik yang
terdapat dalam kategori ini terdiri dari clustering dan self Organizing Map
(SOM).

Supervised Learning, yaitu metode belajar dengan adanya latihan dan pelatih.
Dalam pendekatan ini, untuk menemukan fungsi keputusan, fungsi pemisah
atau fungsi regresi digunakan beberapa contoh data yang mempunyai output
atau label selama proses training. Teknik yang terdapat dalam kategori ini
terdiri dari regresi, Analisis Diskrimina (LDA), artificial neural network
(ANN) dan support vector machine (SVM).
11
http://digilib.mercubuana.ac.id/
2.3.3
Karakteristik Data Mining
Menurut (Santosa 2007) data mining memiliki keterkaitan dengan
beberapa disiplin seperti yang ditunjukan pada gambar 2.2 yaitu:

Machine Learning, lebih berdasarkan heuristic-berfokus pada perbaikan
performasi dari suatu teknik learning, juga meliputi real-time learning Dan
robotic area yang yang tidak termasuk dalam data mining.

Visualisasi.

Statistik, lebih berdasarkan teori, lebih berfokus pada pengujian hipotesis.

Basis data
Data mining merupakan hasil penggabungan teori dan heuristic sehingga
data mining lebih berfokus pada seluruh proses penemuan knowledge atau pola
yang meliputi data cleaning, learning dan visualisasi dari hasilnya.
Gambar 2.2 : Bidang Ilmu Data Mining
Karakteristik dalam data mining, terdiri dari:
1. Ukuran data besar, analisa terhadap data besar membutuhkan penggunaan
teknologi yang dapat meningkatkan efisiensi dan efektifitas.
2. Data tidak lengkap, adanya data yang tidak lengkap dan tepat merupakan
karakteristik dari kumpulan data dan basis data yang bisa dikotori dengan
12
http://digilib.mercubuana.ac.id/
error tetapi tidak dapat langsung dipastikan bahwa terdapat error pada basis
tersebut.
3. Struktur data komplek, konsep data mining muncul karena analisa statistik
biasa tidak dapat digunakan untuk menganalisa struktur data yang kompleks.
4. Merupakan data histori yang heterogen.
2.3.4
Teknik dalam Data Mining
Teknik yang biasa dipakai dalam data mining menurut (Vallikona 2003)
antara lain:
1. Association rule, yaitu teknik data mining unstuck menemukan aturan asosiasi
antar kombinasi item.
2. Classification, yaitu proses untuk menetukan model atau fungsi yang
menjelaskan atau membedakan class data dengan tujuan untuk memperkirakan
kelas dari suatu objek yang tidak diketahui labelnya.
3. Clustering, yaitu proses pengelompokan data menjadi cluster-cluster dengan
kemiripan yang tinggi antar data dalam satu cluster dan kemiripan yang
rendah antara data yang berbeda cluster. Perbedaan yang menonjol dari teknik
ini dengan teknik classification adalah bahwa demean teknik ini metode
pembelajaran tak terawasi awal dari tiap kelas.
4. Prediction, yaitu teknik data mining yang didasarkan pada beberapa label
yang nilainya kontinyu. Kumpulan dari label sebelumnya digunakan untuk
membangun model.
5. Deviation analysis, yaitu teknik untuk membandingkan data sekarang dengan
data sebelumnya yang dinyatakan seagai data normal untuk mendeteksi
adannya data yang aneh. Teknik ini sangat penting untuk sistem keamanan
dan memberikan peringatan ketika terdapat perbedaan antara data yang
dimasukan dengan data sumber, seperti teknik penggunaan kata kunci.
2.3.5
Knowledge Discovery in Database
Knowledge discovery in databases (KDD) adalah penggunaan sekelompok
data untuk menciptakan pengetahuan melalui pembuatan model atau menemukan
13
http://digilib.mercubuana.ac.id/
pola dan hubungan pada data demean menggunakan berbagai teknik dengan
menggunakan berbagai teknik melalui bidang keilmuan ilmu komputer, statistik
dan matematika. (Indra 2013). Istilah data mining dan Knowledge discovery in
databases (KDD) sering kali digunakan secara bergantian untuk menjelaskan
proses penggalian informasi tersembunyi dalam suatu basis data yang besar.
Sebenarnya kedua istilah tersebut memiliki konsep yang berbeda akan berkaitan
dengan satu sama lain. Salah satu tahapan dalam keseluruhan proses KDD adalah
data mining.
Proses yang terdapat dalam KDD dimulai dari proses pemilihan raw data
hingga menjadi suatu pengetahuan baru.
Gambar 2.3 : Knowledge Discovery in Database
Proses ini dikerjakan berulang-ulang yang terdiri dari:
1. Data cleaning atau data cleansing, merupakan fase untuk menyaring data-data
yang missing dan tidak relevan dari data collection serta nantinya akan
dihilangkan.
2. Data integration, merupakan tahapan dimana sumber dari berbagai jumlah
data dikombinasikan menjadi satu tipe data yang umum.
3. Data selection, merupakan tahapan dimana data-data yang relevan dianalisa
dipilih dan diambil dari data collection.
4. Data transformation, dikenal juga dengan data consolidation, merupakan fase
dimana data dipilih dan ditransformasikan menjadi data yang sesuai dengan
prosedur data mining.
14
http://digilib.mercubuana.ac.id/
5. Data mining, merupakan tahapan yang paling penting untuk memilih teknik
dan metodologi yang akan digunakan untuk menciptakan suatu pola yang
sangat berguna nantinya.
6. Pattern evaluation, tahapan dimana pola-pola yang sudah terbentuk
ditampilkan dalam bentuk suatu pengetahuan baru yang diindentifikasikan
berdasarkan pengukuran sebelumnya.
7. Knowledge refresentation, merupakan fase final dimana proses pencarian
pengetahuan baru divisualisasikan dan tampilkan kepada user. Penggunaan
teknik visualisasi yang dinamis dan tepat akan membantu user memahami
hasil data mining.
2.4
Metode Clustering
Analisis clustering merupakan salah satu teknik data mining yang
bertujuan untuk mengelompokan sejumlah data atau objek kedalam cluster
sehingga dalam setiap cluster akan berisi data yang semirip mungkin. Dalam
clustering kita berusaha untuk menempatkan objek yang mirip (jaraknya dekat)
dalam satu cluster dan membauat jarak antar cluster sejauh mungkin. Ini berarti
objek dalam satu cluster sangat mirip satu sama lain dan berbeda dengan objek
dalam cluster yang lain. Dalam teknik ini kita tidak mengetahui sebelumnya
berapa jumlah cluster dan bagaimana pengelompokannya.
Clustering adalah salah satu teknik unsupervised learning dimana kita
tidak perlu melatih metode tersebut atau dengan kata lain, tidak ada fase learning.
Masuk dalam pendekatan unsupervised learning adalah metode-metode yang
tidak memerlukan label atau keluaran dari data yang kita ivestigasi (Santosa
2007).
Tujuan utama analisis cluster adalah mempartisi suatu set objek menjadi
dua kelompok atau lebih berdasarkan kesamaan karakteristik khusus yang
dimilikinya.
Ada beberapa karakteristik dalam clusterin antara lain:
1. Partitioning clustering, yaitu setiap data dianggap termasuk pada suatu cluster
tertentu dalam suatu tahapan proses, kemudian pada proses selanjutnya data
15
http://digilib.mercubuana.ac.id/
tersebut bisa berpindah ke cluster yang lain. Teknik yang biasa dipakai dalam
karakteristik ini adalah K-Means, residual analysis.
2. Hierarchical clustering, yaitu setiap data dianggap termasuk dalam cluster
tertentu demean suatu tahapan proses tetapi pada proses selanjutnya data
tersebut tidak bisa berpindah ke cluster lain. Teknik yang biasa dipakai dalam
karakteristik ini adalah agglomerative (single linkage, centroid linkage,
complete linkage, average linkage).
3. Overlapping clustering, yaitu setiap data dimungkinkan termasuk dalam
beberapa cluster dan data tersebut mempunyai nilai keanggotaan pada
beberapa cluster. Teknik yang biasa dipakai dalam karakteristik ini Fuzzy cmeans, Gaussian mixture.
4. Hybrid, merupakan kombinasi dari ketiga karakteristik diatas.
2.5
Algoritma K-Means
Algoritma K-means merupakan salah satu algoritma yang realatif
sederhana untuk mengklasifikasikan atau mengelompokan sejumlah besar objek
dengan atribut tertentu kedalam kelompok-kelompok sebanyak K. K-Means
merupakan salah satu metode data non hirarki yang berusaha mempartisi data
yang ada kedalam bentuk satu atau lebih cluster atau kelompok. Algoritma KMeans pertama kali diperkenalkan oleh MacQueen J.B. pada tahu 1976. Pada
algorima K-means jumlah cluster K telah ditentukan terlebih dahulu.
Kelebihan algoritma K-means diantaranya adalah mampu mengelompokan
objek besar dan pencilan objek dengan sangat cepat sehingga mempercepat proses
pengelompokan. Adapun kekurangan yang dimiliki oleh K-Means sangat sensitive
pada pembangkitan titik pusat awal secara random, hasil pngelompokan bersifat
tidak unik (selalu berubah-ubah), algoritma K-Means walaupun proses
pengerjaanya cepat tetapi keakuratannya tidak terjamin.
Berikut ini langkah-langkah yang terdapat pada algoritma K-Means (dkk 2013)
1. Tentukan k sebagai jumlah cluster yang dibentuk Untuk menentukan
banyaknya cluster k dilakukan dengan beberapa pertimbangan seperti
pertimbangan teoritis dan konseptual yang mungkin diusulkan untuk
16
http://digilib.mercubuana.ac.id/
menentukan berapa banyak cluster. Penelitian ini akan menggunakan
metode elbow criterion dimana metode ini sangat praktis untuk memilih
jumlah cluster k yang akan digunakan untuk pengelompokan data pada
algoritma K-Means. Metode elbow ini, dapat dihasilkan dari perbandingan
hasil SSE (Sum of Squared Erorr) dengan rumus SSE seperti dibawah ini
(Irwanto, et. al, 2012):
…………………….(1)
Dimana X1 menyatakan norma euclid (L2) dan Ck adalah pusat kluster Sk
yang dihitung berdasarkan rata-rata jarak titik-titik kluster ke pusat cluster.
2. Tentukan k centroid (titik pusat cluster) awal secara random
Penentuan centroid awal dilakukan secara random/acak dari objek-objek
yang tersedia sebanyak k cluster, kemudian untuk menghitung centroid
cluster ke-i berikutnya, digunakan rumus sebagai berikut :
……………………(2)
Dimana; v : centroid pada cluster
xi : objek ke-i
n : banyaknya objek/jumlah objek yang menjadi anggota cluster
3. Hitung jarak setiap objek ke masing-masing centroid dari masing-masing
dapat menggunakan Euclidian Distance.
…….(3)
Dimana; xi : objek x ke-i
yi: daya y ke-i
n : banyaknya objek
4. Alokasikan masing-masing objek ke dalam centroid yang paling dekat.
17
http://digilib.mercubuana.ac.id/
Untuk
melakukan
pengalokasian
objek
kedalam
masing-masing
clusterpada saat iterasi secara umum dapat dilakukan dengan cara hard
kmeans dimana secara tegas setiap objek dinyatakan sebagai anggota
cluster dengan mengukur jarak kedekatan sifatnya terhadap titik pusat
cluster tersebut.
5. Lakukan iterasi, kemudian tentukan posisi centroid baru dengan
menggunakan persamaan (2.2).
6. Ulangi langkah 3 jika posisi centroid baru dengan centroid yang lama
tidak sama.
Gambar 2.4 : Diagram Alir Algoritma K-Means
2.6
UML
Salah satu pemodelan yang saat ini paling banyak digunakan adalah UML
(Unified Modeling Language). UML adalah salah satu standar bahasa yang banyak
digunakan didunia industri untuk mendefinisikan requirement, membuat analisis
dan desain, serta menggambarkan arsitektur dalam pemprograman berorientasi
objek (Rosa A.S, & Salahudin, 2013). UML merupakan bahasa visual untuk
pemodelan dan komunikasi mengenai sebuah sistem dengan menggunakan
diagram dan teks-teks pendukung (Rosa A.S 2013).
18
http://digilib.mercubuana.ac.id/
Pada perkembangan teknik pemprograman berorientasi objek, munculah
sebuah standarisasi bahasa pemodelan untuk pembangunan sistem yang dibangun
dengan menggunakan teknik peprograman berorietasi objek, yaitu UML. dengan
menggunakan UML kita dapat membuat model untuk semua jenis aplikasi piranti
lunak, dimana aplikasi tersebut dapat berjalan pada piranti keras, sistem opersi
dan jaringan apapun, serta ditulis dalam bahasa pemprograman apapun.
2.6.1. UseCase Diagram
Use case diagram adalah pemodelan untuk kelakuan (behavior) sistem
informasi yang akan dibuat. use case mendeskripsikan sebuah interaksi antara satu
atau lebih actor dengan sistem informasi yang akan dibuat dan siapa saja yang
berhak menggunakan fungsi-fungsi tersebut (Rosa A.S 2013). jadi dapat
disimpulkan bahwa use case digunakan untuk mengetahui fungsi apa saja yang
ada didalam sebuah sistem informasi dan siapa saja yang berrhak menggunakan
fungsi-fungsi tersebut.
Berikut adalah fungsi – fungsi yang ada pada diagram use case:
Use Case
Nama use case
Aktor/ actor
Asosiasi / association
Ekstensi / extend
<<extend>>
Fungsionalitas yang disediakan sistem sebagai
unit yang saling bertukar pesan antar unit atau
actor, biasanya dinyatakan demean kata kerja
diawal frase nama use case
Orang, proses atau sistem lain yang
berinteraksi dengan sistem informasi yang
dibuat diluar sistem informasi yang akan
dibuat itu sendiri. Simbol dari actor adalah
gambar orang, tetapi actor belum tentu
merupakan orang
Komunikasi antar actor dan use case yang
berpartisipasi pada use case atau use case
memiliki interaksi dengan aktor
Relasi use case tambahan kesebuah use case
dimana use case yang ditambahkan dapat
berdiri sendiri walau tanpa use case tambahan
itu. Biasanya use case tambahan memiliki
nama depan yang sama dengan use case yang
ditambahkan
19
http://digilib.mercubuana.ac.id/
Generalisasi / generalization
Menggunakan / include/uses
<<include>>
Hubungan generalisasi dan spesialisasi
(umum khusus) antara dua use case dimana
fungsi yang satu adalah fungsi yang lebih
umum dari lainnya
Relasi use case tambahkan ke sebuah use case
dimana use case yang ditambahkan
memerlukan use case ini untuk menjalankan
fungsinya atau sebagai syarat dijalankan use
case ini
Tabel 2.1: Simbol-simbol use case diagram
2.6.2. Activity Diagram
Diagram aktivitas atau activity diagram menggambarkan workflow (aliran
kerja ) atau aktivitas dari sebuah sistem atau proses bisnis atau menu yang ada
pada perangkat lunak (Rosa A.S 2013). Activity diagram menggambarkan
berbagai alir aktifitas dalam sistem yang sedang dirancang, bagaimana masingmasing alir berawal, decision yang mungkin terjadi, dan bagaimana akhirnya.
Activity diagram merupakan state diagram khusus, dimana sebagian besar state
adalah action dan sebagian besar transisi di-triger oleh selesai state sebelumnya
(internal processing) (Nugroho 2012).
Diagram aktivitas banyak digunakan dalam medefinisikan hal-hal berikut:
1. Rancangan proses bisnis dimana setiap urutan aktivitas yang digambarkan
merupakan proses bisnis sistem yang didefinisikan.
2. Urutan atau pengelompokan tampilan dari sistem/ user interface dimana setiap
aktivitas dianggap memiliki sebuah rancangan antar muka tampilan.
3. Rancangan pengujian dimana setiap aktivitas dianggap memerlukan
pengujian.
4. Rancangan menu yang akan ditampilkan.
Berikut adalah simbol-simbol yang ada pada diagram aktivitas:
Symbol
Deskripsi
20
http://digilib.mercubuana.ac.id/
Status awal
Status awal aktivitas sistem, sebuah
diagram memiliki sebuah status awal
Aktivitas
Aktivitas
yang
dilakukan
sistem
biasanya diawali dengan kata kerja
Percabangan / Decision
Asosiasi pecabangan dimana jika ada
pilihan aktivitas lebih dari satu
Penggabungan / Join
Assosiasi penggabungan dimana lebih
dari
satu
aktivitas
digabungkan
menjadi sartu
Status akhir
Sebuah diagram aktivitas memiliki
status akhir, yaitu status akhir yang
dilakukan pada sistem
Tabel 2.2: Simbol-simbol Activity Diagram
2.6.3. Class Diagram
Diagram kelas atau class diagram menggambarkan struktur sistem dari
segi pendefnisian kelas-kelas yang Akan dibuat untuk membangun sistem (Rosa
A.S 2013). Kelas-kelas yang pada struktur sistem harus dapat melakukan fungsi
sesuai kebutuhan sistem. Kelas memiliki atribut dan operasi atau metode. Atribut
merupakan variabel-variabel yang memiliki oleh suatu kelas, sedangkan operasi
atau metode adalah fungsi-fungsi yang dimiliki oleh suatu kelas. Class diagaram
menggambarkan keadaan (atribut/property) suatu sistem, sekaligus menawarkan
layanan untuk memanipulasi keadaan tersebut (metoda / fungsi)
Berikut adalah simbol-simbol yang ada pada diagram kelas:
Simbol
Deskripsi
21
http://digilib.mercubuana.ac.id/
Kelas
Kelas pada struktur sistem
nama_kelas
+atribut
+operasi()
Antar muka / interface
Sama dengan konsep interface dalam
pemprograman berorientasi objek
nama_interface
Asosiasi / association
Relasi
antar kelas dengan makna
umum, asosiasi biasanya juga disebut
multiplicity
Asosiasi berarah / directed assisiation
Relasi antar kelas dengan makna kelas
yang satu digunakan oleh kelas yang
lain, assosiasi biasanya juga disertai
multiplicity
Generalisasi
Relasi
antar kelas dengan makna
generalisasi
–
spesialisasi
(umum-
khusus)
Kebergantungan / dependency
Relasi
antar kelas dengan makna
kebergantungan antar kelas
Agregasi / aggregation
Relasi antar kelas dengan makna semua
bagian (whole Part)
Tabel 2.3: Simbol-simbol Class Diagram
2.6.4. Sequence Diagram
Sequence diagram menggambarkan interaksi antar objek didalam dan
disekitar sistem berupa message yang digambarkan terhadap waktu. Sequence
diagram juga menggambarkan kelakuan objek pada use case dengan
mendeskripsikan waktu hidup objek dan message yang dikirimkan dan diterima
22
http://digilib.mercubuana.ac.id/
antar objek (Rosa A.S 2013). Untuk menggambarkan diagram sekuen harus
diketahui objek – objek yang terlibat dalam sebuah use case beserta metodemetode yang dimiliki kelas yang menjadi objek tersebut.
Sequence diagram terdiri dari antar dimensi vertical (waktu) dan dimensi
horizontal (objek-objek yang terkait). Sequence diagram biasa digunakan untuk
menggambarkan skenario atau rangkaian langkah – langkah yang dilakukan
seabgai respon dari sebuah event untuk menghasilkan output tertentu. Message
digambarkan sebagai garis berpanah dari satu objek ke objek lainnya. Pada fase
desain berikutnya, message akan dipetakan menjadi operasi / metoda dari class.
Berikut adalah sismbol-simbol yang ada pada diagram sekuen:
Symbol
Deskripsi
Actor
Orang,
proses,
sistem
lain
yang
berinteraksi dengan sistem informasi
yang
atau
Akan
dibuat
diluar
sistem
informasi yang Akan dibuat sendiri.
Nama_aktor
Jadi walaupun symbol dari kator adalah
gambar orang, tapi actor belum tentu
orang;
biasanya
dinyatakan
menggunakan kata benda diawal frase
nama aktor
Garis hidup / lifeline
Menyatakan kehidupan suatu objek
Objek
Menyatakan objek yang berinteraksi
Nama_objek:nama_kelas
Waktu aktif
pesan
Menyatakan objek dalam keadaan aktif
dan berinteraksi, semua yang terhubung
demean waktu aktif ini adalah sebuah
tahapan yang dilakukan didalamnya
23
http://digilib.mercubuana.ac.id/
Pesan tipe Create
Menyatakan suatu objek mebauat objek
<<create>>
lain, arah panah mengarah kepada
objek yang dibuat
Pesan tipe call
Menyatakan
1: nama_metode( )
bahwa
suatu
objek
memanggil operasi/metode pada objek
lain/ dirinya sendiri
Pesan tipe send
1: Masukan
Menyatakan
bahwa
suatu
objek
mengirimkan
data/masukan/informasi
ke objek lainnya, arah panah mengarah
pada objek yang dikirimi
Pesan tipe return
Menyatakan bahwa suatu objek yang
telah menjalankan suatu operasi/metode
menghasilkan suatu kembalian dari
objek tertentu, arah panah mengarah
pada objek yang menerima kembalian
Tabel 2.4: Simbol-simbol Sequence Diagram
2.7.
XAMPP, PHP, MySQL Dan Notepade++
Personal home page (PHP) atau Hypertext Preprocessor adalah satu
bahasa pemprograman yang berjalan dalam sebuah web server dan berfungsi
sebagai pengolah pada sebuah server. PHP termasuk bahasa program yang hanya
bisa berjalan disisi server, atau sering disebut side server language program yang
dibuat dengan PHP hanya bisa dijalankan pada web server.
Untuk membuat website yang dinamis dan mudah untuk diupdate setiap
saat dari browser, dibutuhkan program yang mampu mengolah data dari komputer
client atau dari komputer server itu sendiri sehingga mudah disajikan di browser.
Salah satu program yang dapat dijalankan di server dan cukup hadal adalah PHP.
Dengan menggunakan program PHP, sebuah website akan lebih interaktif dan
dinamis.
24
http://digilib.mercubuana.ac.id/
2.7.1. XAMPP
XAMPP adalah paker pemprograman web lengkap, khususnya PHP dan
MySQL, Paket ini dapat didownload secara gratis dan legal (Nugroho, 2013)
Dengan menginstall XAMPP maka tidak perlu lagi melakukan instalasi
dan konfigurasi web server Apache, PHP Dan MySQL secara manual. XAMPP
akan menginstal dan mengkonfigurasi secara otomatis atau auto konfigurasi.
XAMPP merupakan software yang mudah digunakan, dan mendukung intallasi di
Linux dan Windows.
Fungsi folder-folder utama XAMPP antara lain:

Apache, folder utama dari apache web server.

Htdocs, folder utama unstuck menyimpan data, baik PHP atau HTML. Semua
folder dan file program di htdocs bisa diakses (http://localhost/) di browser.

Manual, berisi subfolder yang didalamnya terdapat manual program program
dan database.

MySQL, folder utama unstuck database MySQL server. Di dalamnya terdapat
subfolder data untuk merekam semua nama database, serta sub folder bin
yang berisi tools client dan server MySQL.

PHP, folder utama untuk program PHP.
2.7.2. PHP
PHP (Hypertext Preprocessor) menurut Yuliano (2007) adalah bahasa
pemrograman yang berfungsi untuk membuat website dinamis maupun aplikasi
web. Berbeda dengan HTML yang hanya bisa menampilkan konten statis, PHP
bisa berinterkasi dengan database, file dan folder, sehingga membuat PHP bisa
menampilkan konten yang dinamis dari sebuah website. PHP adalah bahasa
scripting, bukan bahasa tag-based seperti HTML. PHP termasuk bahasa yang
cross-platform, ini artinya PHP bisa berjalan pada sistem operasi yang berbedabeda (Windows,Linux ataupun Mac). Program PHP ditulis dalam file palin text
(teks biasa) dan mempunyai akhiran “.php”. PHP membutuhkan web server, yang
bertugas untuk memproses file-file php dan mengirimkan hasil pemrosesan untuk
ditampilakan dibrowser client. Oleh karena itu, PHP termasuk server-side-
25
http://digilib.mercubuana.ac.id/
scripting (script yang diproses dari server). Web server sendiri adalah software
yang diinstall pada komputer lokal ataupun komputer lain yang berada dijaringan
intranet/internet yang berfungsi untuk melayani permintaan-permintaan web dari
client. Web server yang paling banyak digunakan saat ini untuk PHP adalah
“Apache”. Selain Apache, PHP juga memerlukan PHP binary yang bisa
dikonfigurasikan sebagai modul Apache ataupun sebagai aplikasi CGI. Untuk
media penyimpanan datanya PHP bisa menggunakan ”MySQL”. Unstuck
menginstal ketiga software tersebut (Apache, MySQL, PHP) agar dapat berjalan
dan saling terhubung, memang cukup sulit. Maka dari itu dibuatlah paket software
XAMPP yang sudah dikonfigurasi unstuck keperluan pengembangan aplikasi web.
Aturan penulisan script PHP adalah:
a. Semua script PHP harus diapit oleh tanda :
-
<?php dan ?>, atau
-
<script laanguge=’php’>dan</script>,atau
-
<?dan?>, atau
-
<%dan%>
b. Tanda yang resmi paling banyak digunakan adalah yang pertama yaitu
<?php dan ?>
c. Pada setiap akhir perintah, diakhiri dengan tanda titik koma.
Secara umum penulisan syntax dalam PHP adalah sebagai berikut:
<?php
<daftar unit yang dipakai program>;
Echo’<deklarasi dan pernyataan>’;?>
2.7.3. MySQL
MySQL adalah sebuah basis data yang mengandung satu atau jumlah tabel.
Tabel terdiri atas jumlah baris dan setiap baris mengandung satu atau sejumlah
tabel. Tabel terdiri atas jumlah baris yang setiap baris mengandung satu atau
sejumlah tabel (Kustiyahningsih, Y.,& Anamisa, 2011).
MySQL sebenarnya merupakan turunan salah satu konsep utama dalam
basis data yang telah ada sebelumya, yaitu SQL (Structured Query language).
26
http://digilib.mercubuana.ac.id/
SQL adalah sebuah konsep pengoperasian basis data, terutama untuk pemilihan
atau seleksi dan pemasukan data, yang memungkinkan pengoperasian data
dikerjakan dengan mudah secara otomatis. MySQL adalah database yang paling
popular diantara database-database lainnya.
2.7.4. Notepade++
Aplikasi notepade++ dapat digunakan sebagai editor pada pemprograman
PHP, yang mampu untuk mendesain pemrograman web, mengelola serta
mengmbangkan situs atau halaman web. Notepade++ terbilang sangat simpel dan
tetap dapat digunakan dengan optimal dalam mendesain pemrograman PHP.
2.8.
Metodologi Rekayasa Perangkat Lunak
Pemodelan dalam suatu rekayasa perangkat lunak merupakan suatu hal
yang dilakukan ditahap awal. Pemodelan ini akan mempengaruhi pekerjaanpekerjaan yang dilakukan dalam rekayasa perangkat lunak. Terdapat berbagai
macam model dalam rekayasa perangkat lunak, salah satunya yaitu model
waterfall.
2.8.1. Metode Waterfall
Metodologi rekayasa perangkat lunak yang digunakan pada laporan tugas
akhir ini adalah dengan menggunakan sequential linear model. Model air terjun
(waterfall) sering juga disebut model sekuensial linear (sequential linear) atau
alur hidup klasik (Classic life Cycle). Model ini mengusuilkan sebuah pendekatan
kepada pengembangan software yang sistematik dan sekuensial yang dimulai dari
tingkat kemajuan sistem pada seluruh analisis, desain kode, pengujian dan
pemeliharaan. Model ini melingkupi aktivitas-aktivitas sebagai berikut : rekayasa
dan pemodelan sistem informasi, analisis kebutuhan, desain, koding, pengujian
dan pemeliharaan. Model pengembangan ini bersifat linear dari tahap awal
pengembangan sistem yaitu tahap perencanaan sampai tahap akhir pengembangan
sistem yaitu tahap pemeliharaan. Tahapan berikutnya tidak akan dilaksanakan
sebelum tahapan sebelumnya selesai dilaksanakan dan tidak bisa kembali atau
mengulang ke tahap sebelumnya.
27
http://digilib.mercubuana.ac.id/
Model ini menyediakan pendekatan alur hidup perangkat lunak secara
terurut (Rosa A.S 2013) yaitu:
Sistem/Rekaya Informasi
Desain
Analisis
pengkodean
pengujian
Gambar 2.5 : Ilustrasi Sequential Linear Model
1. Analisis
Melakukan proses pengumpulan kebutuhan dan mengindentifikasi masalah
untuk mengetahui bagaiman spesifikasi kebutuhan aplikasi.
2. Desain (Rancangan)
Merancang model aplikasi, struktur data, arsitektur perangkat lunak,
representasi antarmuka dan database, agar dapat diimplementasikan menjadi
program aplikasi pada tahap selanjutnya.
3. Pengkodean (Pemrograman)
Menerapkan perancangan desain dengan menggunakan bahasa pemrograman
PHP dan database MySQL.
4. Pengujian
Pengujian sistem secara menyeluruh, baik dari segala logika maupun
fungsional, unstuck meminimalisir kesalahan (error) dan memastikan
keluaran yang dihasilkan sesuai dengan yang diinginkan.
Selain 4 (empat) hal diatas, dibutuhkan juga support (dukungan) dan
maintenance (pemeliharaan), karena tidak menutup kemungkinan sebuah
perangkat lunak mengalami perubahan ketika sudah digunakan oleh user.
Perubahan bisa terjadi karena adanya kesalahan yang muncul dan tidak terdeteksi
saat pengujian atau adanya perubahan proses.
28
http://digilib.mercubuana.ac.id/
2.8.2. Pengujian Black Box
Pengujian black box berfokus pada persyaratan fungsional perangkat
lunak, sehinggan pengujian ini memungkinkan perekayasa perangkat lunak
mendapatkan serangkaian kondisi input yang sepenuhnya menggunakan semua
persyaratan fungsional untuk suatu program. Pengujian black box merupakan
pendekatan komplementer yang kemungkinan besar mampu mengungkapkan
kelas kesalahan daripada metode white box (Pressman 2002)
Pengujian black box berusahan menemukan kesalahan yaitu dalam
kategori :
a. Fungsi yang salah atau hilang.
b. Kesalahan pada interface.
c. Kesalahan pada struktur data atau akses database.
d. Kesalahan inisialisasi dan tujuan akhir.
29
http://digilib.mercubuana.ac.id/