(STUDI KASUS PG RAJAWALI II UNIT JATITUJUH MAJALENGKA) DECISION SUPPORT SISTEM FOR SUGAR CANE TRANSPORTATION SISTEM
II. TINJAUAN PUSTAKA
2.4 Teori antrian
2.4.1 Konfigurasi Model
Sebuah fasilitas pelayanan dalam sebuah sistem mungkin hanya terdiri satu kali proses, artinya setelah selesai proses pelayanan segera keluar dari sistem. Namun, mungkin juga memerlukan beberapa kali tahap proses di mana penyelesaian proses pelayanan dalam sebuah tahap perlu dilanjutkan dengan pelayanan tahap berikutnya. Hal ini tentu saja mempengaruhi konfigurasi model antrian. Pada dasarnya, terdapat empat macam konfigurasi model, yaitu :
a. Kanal Tunggal Fase Tunggal (Single Channel Single Phase) b. Multi Kanal Fase Tunggal (Multi Channel Single Phase) c. Kanal Tunggal Multi Fase (Single Channel Multi Phase) d. Multi Kanal Multi Fase (Multi Channel Multi Phase)
(Siswanto, 2007)
Menurut Siswanto (2007), terdapat empat macam tolak ukur yang digunakan untuk mengetahui Gambaran atau kinerja keempat macam konfigurasi tersebut, yaitu panjang sistem (length of sistem), waktu di dalam sistem (time spent in the sistem), panjang antrian (length of queue), dan waktu antri (waiting in the queue).
Menurut Heizer dan Render (1993), empat struktur dasar dari sistem antrian dapat dilukiskan dan diterangkan sebagai berikut :
a. Jalur Tunggal Fase Pelayanan Tunggal (Single Channel Single Phase)
Model ini hanya memiliki satu jalur untuk memasuki sistem pelayanan atau hanya terdapat satu fasilitas pelayanan. Secara skematis Gambar 2 memberikan ilustrasi terhadap model tersebut.
Sistem Antrian
Output Input
Antrian Pelayanan
Gambar 2. Model Antrian Jalur Tunggal dengan Fasilitas Pelayanan Tunggal
Populasi pelanggan Pelanggan antri dalam garis tunggu
Pelanggan sedang dilayani Pelanggan keluar sistem
Sistem Antrian
b. Jalur Ganda, Fase Pelayanan Tunggal (Multi Channel Single Phase)
Model ini terjadi apabila dua atau lebih fasilitas pelayanan dilairi oleh antrian tunggal. Secara skematis, Gambar3memberikan ilustrasi terhadap model tersebut.
c. Jalur Tunggal, Fase Pelayanan Ganda (Single Channel Multi Phase)
Model ini menunjukan ada dua atau lebih pelayanan yang dilaksanakan secara berurutan (dalam fase) pada satu fasilitas pelayanan. Secara skematis, Gambar 4 memberikan ilustrasi terhadap model tersebut :
d. Multi Kanal Multi Fase (Multi Channel Multi Phase)
Model ini terditi dari sistem – sistem yang memiliki beberapa fasilitas pelayanan pada setiap tahap, sehingga lebih dari satu pelanggan dapat dilayani pada suatu waktu. Secara skematis, Gambar 5memberikan ilustrasi terhadap model ini.
Sistem Antrian
Output Input
Antrian Pelayanan Antrian Pelayanan
Input
Input
Sistem Antrian
Output Input
Antrian Fasilitas Pelayanan
Output Output Input Input Sistem Antrian Output Input
Antrian Pelayanan Antrian Pelayanan
Gambar 3. Model Antrian Jalur Tunggal dengan Fasilitas Pelayanan Ganda
Gambar 4. Model Antrian Jalur Ganda dengan Fasilitas Pelayanan Tungal
2.4.2 Tingkat Kedatangan
Pola kedatangan adalah penggambaran cara individu – individu dari suatu populasi memasuki sistem. Individu – individu mungkin datang dengan laju kedatangan yang konstan atau juga secara acak (Siswanto, 2007). Sebaran peluang Poisson adalah salah satu dari sebaran pola kedatangan yang paling umum bila beberapa faktor mempengaruhi waktu kedatangan. Hal tersebut disebabkan sebaran Poisson sesuai dengan suatu pola kedatangan yang bersifat acak sempurna, berarti bahwa masing – masing kedatangan bersifat saling bebas satu dengan yang lainnya (Gordon, 1980).
Sedangkan Siswanto (2007), mengatakan bahwa tingkat kedatangan pelanggan pada suatu antrian biasanya terbagi menjadi beberapa interval. Interval merupakan pembagian waktu pada suatu antrian yang biasa digunakan untuk mengetahui distribusi kedatangan pelanggan dalam waktu tertentu dan sama. Dalam hal ini, kedatangan pelanggan secara acak pada masing-masing interval waktu tetap dalam kurun waktu yang tidak terputus disebut sebagai distribusi atau proses Poisson. Gambar 6 menunjukan ilustrasi dari distribusi kedatangan pelanggan dalam interval waktu tetap dalam suatu kurun waktu tertentu.
Melalui Gambar 6, terlihat bahwa kurun waktu observasi tersebut dibagi menjadi I interval waktu tetap (menit atau jam) dan jika I menandai jumlah interval waktu, apabila ditulis dalam persamaan maka :
∑
Dimana, Ii adalah interval ke-i. Selanjutnya, jika N mewakili jumlah pelanggan yang datang selama I interval, dan terdapat Kipelanggan dalam interval I, maka persamaan jumlah pelanggan yang datang
selama kurun waktu I adalah :
∑
Jadi, di dalam setiap interval yang sama tersebut pelanggan datang secara acak (random). Dengan demikian rata-rata kedatangan atau tingkat kedatangan pelanggan pada setiap interval waktu tetap tersebut yaitu :
t1
I1 I2 I3 I4 I5
t2 t3 t4 t5 t6
Apabila laju kedatangan memiliki sebaran Poisson, waktu antar kedatangan akan memiliki sebaran eksponensial (Taha, 2003). Menurut Leemis, (2006) dalam memodelkan proses kedatangan dari konsumen yang masuk ke dalam sistem antrian, dapat digunakan model stokastik. Ditambahkan pula oleh Lewis, P.A.W., et al (1979), bahwa proses stokastik seringkali dicirikan dengan fungsi [N(t), t ≥ 0] ya g erupaka total dari kejadia ya g terjadi sela a waktu t.
2.4.3 Tingkat Pelayanan
Jumlah unit yang dapat dilayani per satuan waktu disebut sebagai laju pelayanan dari fasilitas pelayanan. Laju pelayanan dapat berpola konstan dan dapat pula berpola acak. Untuk laju pelayanan yang berpola acak, akan memiliki sebaran peluang seperti halnya pola kedatangan acak, yaitu sebaran Poisson. Bila laju pelayanan memiliki sebaran Poisson, maka waktu pelayanan memiliki sebaran peluang eksponensial (Taha, 2003).
2.4.4 Model Antrian
Untuk mempelajari model antrian diperlukan beberapa notasi yang digunakan untuk menggambarkan model antrian yang dimaksud. Notasi Kendall dapat digunakan untuk menggambarkan karakteristik dari antrian dengan sistem paralel secara umum yang dibakukan dengan format sebagai berikut :
(x
b/ y
b/ z) : (u / v / n)
Keterangan :
x : sebaran kedatangan
y : sebaran waktu pelayanan
z : jumlah fasilitas pelayanan parallel
u : disiplin pelayanan atau disiplin antrian
v : jumlah maksimum pelanggan dengan sistem
w : ukuran dari populasi asal pelanggan
b : kedatangan bulk, pelayanan bulk (suatu kondisi dimana pelayanan terhadap
pelanggan dilakukan secara bersamaan atau pelanggan yang dilayani >1) Notasi baku yang menggunakan x dan y dapat diisi dengan notasi sebagai berikut :
M : sebaran kedatangan atau laju pelayanan Poisson (ekuivalen dengan sebaran
waktu antar kedatangan atau waktu pelayanan eksponensial)
D : waktu pelayanan atau waktu antar kedatangan konstan atau deterministic
G : sebaran waktu pelayanan umum (normal, binomial)
K : sebaran Erlang untuk waktu antar kedatangan atau waktu pelayanan Notasi untuk mengganti v dan w adalah :
I : jumlah maksimum pelanggan di dalam sistem dan ukuran populasi asal
pelanggan tak terhingga
F : jumlah maksimum pelanggan di dalam sistem dan ukuran populasi asal
pelanggan terhingga
Disiplin antrian yang digunakan untuk mengisi u adalah :
FCFS : First Come First Served
LCFS : Last Come First Served
SIRO : Service in Random Order
SPT : Short Processing Time
GD : General (Service) Dicipline
Dengan format baku tersebut dapat dketahui berbagai model antrin yang dapat terbentuk. Masing – masing model antrian dapat diselesaikan secara analitis dengan rumus – rumus pada model baku.
Menurut Gillet (1979), penyelesaian masalah antrian secara analitik dengan rumus – rumus pada model baku dapat dilakukan apabila kondisi – kondisi di bawah ini dapat dipenuhi :
a. Kedatangan pelanggan ke dalam sistem terjadi secara acak sempurna dan mengikuti sebaran Poisson
b. Proses pelayanan terjadi secara acak sempurna, dan waktu pelayanan mengikuti sebaran
eksponensial
c. Disiplin antrian adalah FIFO
d. Peluang terjadinya suatu kedatangan pada selang waktu t sampai t + ∆t, untuk ∆t cukup
kecil adalah n∆t
e. Peluang adanya pelanggan meninggalkan sistem pada selang waktu t sampai t+∆t, untuk
∆t cukup kecil adalah µn+∆t
f. Laju kedatangan lebih kecil dari laju pelayanan.
2.5 Sebaran Peluang
Menurut Hasan (2001), untuk mendapatkan model yang lebih mendekati keadaan yang sebenarnya, diperlukan pemilihan fungsi sebaran peluang yang sesuai dengan keadaan nyata. Langkah
– langkah yang harus ditempuh dalam memilih fungsi sebaran peluang untuk kecepatan kedatangan kecepatan pelayanan adalah sebagai berikut :
1. Mengoptimalkan data menurut bentuknya, yaitu jumlah kedatangan dan jumlah unit yang
dilayani per unit waktu.
2. Mencari frekuensi, frekuensi relative dan frekuensi komulatif dari data. 3. Menghitung rata – rata, keragaman, dan simpangan baku.
4. Mencari bentuk baku dari data.
5. Menguji apakah sebaran yang dipilih sesuai atau tidak.
6. Menetapkan bentuk parameter penduga dari sebaran baku yang dipilih
7. Sebaran yang tidak dapat diterapkan pada model – model sebaran baku ditetapkan sebagai sebaran khusus (sebaran empiris)
Metode pengambilan data ialah dapat dilakukan dengan dua cara, yakni yang pertama ialah sensus dan yang kedua adalah sampel. Sensus mengambil data dari keseluruhan jumlah populasi. Sampel merupakan bagian dari populasi yang diambil dengan cara – cara tertentu yang juga memiliki karakteristik tertentu, jelas, dan juga lengkap yang bisa dianggap mewakili populasi (Hasan, 2001).
Menurut Hasan (2001), populasi yang tidak terbatas membuat pengambilan data dengan cara sensus tidak dapat dilaksanakan sehingga dipilih pengambilan data dengan cara sampling. Pengambilan sampel memerlukan beberapa ctriperia yang perlu diperhatikan sebagai berikut :
1. Penentuan daerah generalisasinya agar sampel dapat berlaku terhadap populasinya
2. Pembatasan yang tegas dalam populasi
3. Penentuan sumber informasi populasi
4. Pemilihan teknik sampling
5. Perumusan masalah
6. Pendefinisian unit – unit yang dipakai
7. Penentuan unit sampel
8. Pencarian keterangan masalah yang akan dibahas
9. Penentuan ukuran sampel
10. Penentuan teknik pengumpulan data
11. Penentuan metode analisis
12. Penyediaan sarana prasarana untuk penelitian
Menurut Usman (2003), teknik pengambilan sampel dapat dilakukan dengan dua cara, yaitu : A. Sampling random : merupakan sampel yang diambil secara acak dengan cara undian,
ordinal, atau dengan computer. Pengambilannya dapat dilakukan dengan cara yang sederhana, bertingkat, cluster, sistematis, dan proposional.
B. Sampling non – random : merupakan pengambilan sampel dengan tidak acak yang dapat
dilakukan dengan tiga cara, yakni kebetulan, bertujuan, dan kuota.
Sebenarnya tidak ada aturan tegas mengenai besarnya anggota sampel yang diisyaratkan dalam suatu penelitian. Demikian pula apakah batasan tersebut besar atau kecil, namun apabila sampel tersebut besar, maka biaya, tenaga, dan waktu yang akan disediakan besar pula, demikian pula sebaliknya. Sehingga mutu penelitian tidaklah ditentukan oleh besarnya anggota sampel yang digunakan, melainkan oleh kuatnya dasar – dasar teori pengambilan sampel tersebut. Sesungguhnya tidak ada anggota yang seratus persen representative, kecuali anggota sampelnya yang sama dengan anggota pooulasinya (total sampling) (Usman, 2003).
Menurut Usman (2003), sistem antrian umumnya ditentukan oleh dua buah kelengkapan statistik, yaitu sebaran peluang antara antar kedatangan dan sebaran peluang waktu pelayanan. Dalam sistem antrian nyata, waktu antar kedatangan dan waktu pelayanan mengikuti berbagai macam bentuk sebaran. Bentuk sebaran yang mendasari model – model antrian adalah Poisson dan Eksponensial.
2.6 Uji Distribusi
Perlakuan terhadap input data yang bersifat acak untuk program simulasi dapat dilakukan sebagai berikut (Conover, 1971) :
a. Nilai – nilai data tersebut digunakan secara langsung dalam simulasi. Sebagai contoh, jika data menggambarkan waktu pelayanan, maka salah satu data digunakan jika sebuah waktu pelayanan diperlukan dalam sebuah simulasi.
b. Nilai – nilai data tersebut digunakan untuk mendefinisikan sebuah fungsi distribusi empiris dengan cara tertentu. Jika diperlukan dalam sebuah simulasi, sampel diambil dari distribusi ini.
c. Data dicocokan terhadap bentuk teotripis distribusi tertentu, misal eksponensial atau poison, dengan menampilkan hipotesis tes untuk menentukan kecocokan tersebut (the goodness of fit). Pencocokan ini menghasilkan sebuah parameter statistika. Saat dilakukan simulasi, sampel diambil dari jenis distribusi teotripis dan nilai – nilai parameter yang cocok ini.
Menurut Conover (1971) lebih lanjut, kelemahan dari pendekatan pertama dari yang telah disebutkan diatas adalah :
1. Simulasi hanya dapat menghasilkan apa yang telah terjadi sebelumnya (historically). 2. Jarang diperoleh data yang cukup untuk membuat semua simulasi yang diinginkan
dapat dijalankan.
Jika ditemukan sebuah distribusi teoritis yang sesuai dengan data pengamatan baik (pada pendekatan tiga), maka hal ini umumnya lebih dipilih daripada menggunakan sebuah distribusi empirik (pendekatan dua). Hal ini disebabkan sebuah fungsi distribusi empirik dapat memiliki sejumlah ketidakteraturan, terutama jika data yang tersedia hanya sedikit. Keuntungan lain dari pendekatan tiga adalah distribusi teotripis dapat memuluskan (smooth out) data dan dapat menghasilkan informasi. Ada sejumlah situasi dimana tidak ada distribusi teotripis yang tidak cukup cocok dengan data – data pengamatan. Pada kasus ini, penggunaan distribusi empiris sangat dianjurkan (Conover, 1971).
2.7 Teknik Heuristik
Heuristik berasal dari bahasa Yunani “heuriskin” yang berarti membantu untuk menemukan.
Menurut Herbert dalam Thierauf dan Klekamp (1975), program heuristik merupakan titik pandang dalam merancang suatu program untuk tugas pemrosesan informasi yang kompleks.
Pada program heuristik tidak ada suatu model yang baku sehingga tiap permasalahaan menggunakan program heuristik yang spesifik. Teknik heuristik tidak menjamin diperolehnya pemecahan permasalahan yang optimal tetapi menjamin suatu pemecahan yang memuaskan pengambil keputusan (Wahyudi, 1989).
Program heuristik merupakan pengembangan dari operasi aritmatika dan logika matematika. Ciri-ciri program heuristik secara umum:
1. Adanya operasi aljabar yaitu penjumlahan, pengurangan dan perkalian,
2. Adanya perhitungan bertahap, dan
3. Memiliki tahapan yang terbatas sehingga dapat dibuat algoritma komputernya.
Beberapa langkah yang perlu dilakukan dalam teknik heuristik: (1) observasi, (2) eksperimen, (3) analisis dan (4) pemodelan. Tujuan heuristik ialah mempelajari metode dan aturan menemukan. Heuristik merupakan akar dari kecerdasan buatan (artificial intelligent), atau dengan kata lain pemrograman heuristik adalah suatu teknik pemecahan masalah dengan menggunakan kecerdasan manusia dan ditulis dalam program komputer. Teknik heuristik dipergunakan dalam pemecahan permasalahan yang tidak terstruktur atau sulit untuk dipecahkan. Metode ini merupakan cara praktis untuk memperoleh kesimpulan yang dapat diterima.
1. Program heuristik meringkas ruang lingkup keputusan sehingga proses pengambilan keputusan dapat dilakukan lebih cepat;
2. Banyak perihal yang kompleks, walaupun esensi permasalahan dapat diformulasikan secara matematis namun perhitungannya menghasilkan solusi yang tidak layak;
3. Perencanaan dan kebijakan strategi manajemen sulit dihitung dan sangat rumit sehingga tidak dapat ditangkap dengan model matematika;
4. Meskipun model matematika dapat diterapkan, pekerjaan sebelum dan sesudah
permodelan harus dapat dimengerti oleh pengguna model tersebut.
2.8 Simulasi
Dilworth (1992) menyebutkan bahwa simulasi adalah suatu proses percobaan dengan membuat model dari sistem nyata dengan tujuan untuk memecahkan masalah yang terjadi di dalam sistem. Sedangkan menurut Gotfried (1984) simulasi merupakan suatu aktifitas untuk menarik kesimpulan tentang perilaku sistem dengan mempelajari perilaku model yang dalam beberapa hal memiliki kesamaan dengan sistem sebenarnya. Model simulasi yang diklasifikasikan berdasarkan dimensinya terdiri dari model statis dan dinamis. Model simulasi statis biasanya direkayasa guna mewakili suatu sistem yang pada keadaan tertentu tidak berperan aktif, sebaliknya model simulasi dinamis mewakili suatu sistem yang berubah – ubah sesuai perubahan dimensi waktu atau yang lainnya. Salah satu contoh model statis adalah model – model simulasi Monte Carlo.
Simulasi probabilistic atau simulasi Monte Carlo memiliki kelebihan karena simulasi ini dapat diatur jumlah ulangan simulasinya sesuai dengan yang dikehendaki dalam rangka memperoleh peubah acak dengan simpangan baku kecil. Everette dan Eben (1992) menyebutkan bahwa teknik simulasi dapat digunakan untuk mengevaluasi sistem penjadwalan. Data-data yang digunakan di dalam penyusunan model merupakan data historis dimana dari data dapat dibuat asumsi untuk menspesifikasi aturan simulasinya. Model simulasi dapat dikelompokan ke dalam beberapa penggolongan, antara lain adalah model stokastik atau probabilistik, model deterministik, model statik, model dinamik dan model heuristik. Model stokastik adalah kebalikan dari model deterministik dan model statik adalah kebalikan dari model dinamik.
Model simulasi stokastik disebut sebagai model simulasi Monte Carlo yang menggunakan pemodelan matematik untuk mempelajari suatu sistem yang berkarakteristik adanya kejadian acak.
Gambar 7 memperlihatkan diagram simulasi Monte Carlo, dimana n pada Gambar merupakan ulangan
simulasi. tidak Variabel acak Bilangan Acak Sistem Model Distribusi Peluang N = n+1 n Selesa
Setelah pemodelan sistem selesai diformulasikan dan input yang dibutuhkan sudah lengkap, maka program dapat dijalankan melalui tahap – tahap sebagai berikut :
1. Input data, yaitu nilai – nilai dari peubah keputusan dan parameter sistem dibaca pada computer,
2. Langkah berikutnya yang mengalami perulangan sebanyak n kali : a. Suatu nilai dibentuk untuk setiap peubah acak (x1, x2, … , xi),
b. Model diselesaikan dengan hasil numeric untuk setiap peubah status,
c. Criteria penampakan sistem (y) kemudian dievaluasi dengan menggunakan peubah
acak yang telah dibentuk pada langkah 2a dan nilai – nilai peubah status didapat dari langkah 2b. untuk setiap ulangan dari langkah 2 akan menghasilkan nilai Y yang berbeda – beda sejumlah n.
3. Pada beberapa situasi perubahan nilai dari beberapa data yang diinput dapat terjadi, sehingga proses simulasi harus diulang kembali.
Keuntungan digunakannya simulasi menurut Siagian (1987) diantaranya adalah simulasi dapat memberikan jawaban bila model analitik yang digunakan gagal melakukannya, model simulasi lebih realistis terhadap sistem nyata karena memerlukan asumsi-asumsi yang lebih sedikit, perubahan konfigurasi dari struktur dapar dilakukan lebih mudah untuk menjawab pertanyaan : Apa yang terjadi bila…, simulasi dapat digunakan untuk maksud pendidikan, untuk sejumlah proses dimensi, simulasi memberikan penyelidikan yang langsung dan terperinci dalam periode waktu tertentu.
2.9 Unified Modeling Language (UML)
Sholiq (2006) menyebutkan bahwa model adalah suatu abstraksi yang menjelaskan hal – hal signifikan pada persoalan yang komplek dengan mengabaikan hal – hal yang tidak diperlukan, sehingga membuat suatu masalah menjadi lebih mudah untuk dipahami. Ditambahkan pula oleh Quatrani (1998), pemodelan visual dapat digunakan sebagai salah satu cara untuk berpikir mengenai persoalan dengan menggunakan model – model yag diorganisasikan seputar dunia nyata. Menurut Bennett, et al., (2001) UML adalah bahasa visual yang yang digunakan untuk menganalisis dan mendesain sebuah sistem berorientasi objek yang bertujuan untuk menvisualisasi, konstruksi, dan dokumentasi proses pembuatan sistem.
Menurut Pangestuti (2012) keunggulan utama yang dimiliki pemodelan dengan menggunakan UML adalah kemampuannya dalam memodelkan menyerupai kehidupan nyata, sehingga sistem yang dihasilkan memiliki kelebihan sebagai berikut:
1. Memiliki sifat lebih natural, karena umumnya manusia berfikir dalam bentuk objek
2. Pembuatan sistem memakan waktu lebih cepat
3. Memudahkan dalam proses pemeliharaan sistem, karena jika ada kesalahan, perbaikan hanya dilakukan pada bagian tersebut, tidak perlu mengurutkan dari awal
Menurut Sholiq (2006), untuk mendapatkan banyak pandangan terhadap sistem informasi yang akan dibangun, UML menyediakan beberapa diagram visual yang menunjukan berbagai aspek dalam sebuah sistem. Beberapa diagram yang disediakan dalam UML yaitu :
Diagram use case (use case diagram)
Diagram aktivitas (activity diagram)
Diagram sekuensial (sequence diagram)
Diagram kolaborasi (collaboration diagram)
Diagram kelas (class diagram)
Diagram statechart (statechart diagram)
Diagram komponen (component diagram)
Diagram deployment (deployment diagram)
Menurut Kendall dan Kendall (2011), Unified Modeling Language merupakan bahasa
terstandarisasi yang digunakan untuk memodelkan suatu sistem dan memecah suatu sistem berorientasi objek menjadi sebuah model kasus (usecase) dengan pendekatan Object Oriented Programming (OOP). Pengembangan sistem berbasis UML ini terdiri dari fase identifikasi masalah, fase analisis sistem, dan fase perancangan sistem seperti yang terlihat pada Gambar 8.
Gambar 8. Tahapan Pengembangan UML (Kendall dan Kendall, 2011)
Pada fase pertama dilakukan penggambaran diagram kasus dimana dilakukan identifikasi pengguna dan proses-proses utama yang dilakukan oleh pengguna. Setelah itu dapat dilanjutkan dengan menuliskan skenario kasus yang menggambarkan langkah-langkah skenario penggunaan sistem. Pengembangan diagram kasus kemudian dilanjutkan dengan mengGambar diagram aktivitas, diagram urutan, dan diagram kelas. Diagram status dibuat setelah pembuatan diagram kelas dimana diagram keadaan ini sangat berguna untuk modifikasi diagram kelas. Dengan UML, seorang analis sistem dapat
membuat suatu model yang luar biasa. Semakin lengkap informasi yang digunakan untuk mengembangkan UML, maka akan semakin baik sistem yang dihasilkan (Kendall dan Kendall, 2011).
2.9.1 Diagram Kasus (Use Case Diagram)
Diagram kasus menyajikan interaksi antara use case dan aktor. Aktor dalam diagram use case dapat berupa orang, peralatan, atau sistem lain yang berinteraksi dengan sistem yang sedang dibangun. Use case menggambarkan fungsionalitas sistem atau persyaratan – persyaratan yang harus dipenuhi sestem dari pandangan pemakai (Sholiq, 2006).
2.9.2 Diagram Aktivitas (Activity Diagram)
Diagram aktivitas menggambarkan aliran fungsionalitas sistem. Pada tahap pemodelan bisnis, diagram aktivitas dapat digunakan untuk menunjukan aliran kerja bisnis. Selain itu, dapat juga untuk menggambarkan aliran kejadian dalam use case. Diagram aktivitas ini pada dasarnya tidak perlu dibuat untuk setiap aliran kerja, namun diagram ini akan sangat berguna untuk aliran kerja yang komplek dam luas (Sholiq, 2006).
2.9.3 Diagram Kelas (Class Diagram)
Diagram kelas menunjukan interaksi antar kelas dalam sistem. Kelas mengandung informasi dan tingkah laku yang berkaitan dengan informasi tersebut (Sholiq, 2006).
Menurut Nugraha (2002), kelasdapat merupakan implementasi dari sebuah interface, yaitu kelas abstrak yang hanya memiliki metoda. Interface tidak dapat langsung diinstansiasikan, tetapi harus diimplementasikan dahulu menjadi sebuah kelas. Hubungan antarkelas dapat terdiri dari:
1. Asosiasi, yaitu hubungan statis antar kelas. Umumnya menggambarkan kelasyang memiliki atribut berupa kelaslain, atau kelasyang harus mengetahui eksistensi kelaslain. Panah navigasi menunjukkan arah query antar kelas.
2. Agregasi, yaitu hubungan yang menyatakan bagian.
3. Pewarisan, yaitu hubungan hirarkis antar kelas. Kelas dapat diturunkan dari kelaslain dan mewarisi semua atribut dan metoda kelas asalnya dan menambahkan fungsionalitas baru, sehingga ia disebut anak dari kelas yang diwarisinya. Kebalikan dari pewarisan adalah generalisasi.
2.9.4 Diagram Status (State Chart Diagram)
Diagram status menyediakan sebuah cara untuk memodelkan berbagai macam keadaan yang mungkin dialami oleh sebuah obyek. Jika dalam diagram kelas menunjukan Gambaran statis kelas – kelas dan relasinya, diagram status digunakan untuk memodelkan tingkah laku dinamik sistem (Sholiq, 2006).
Dalam UML, status digambarkan berbentuk segiempat dengan sudut membulat dan memiliki nama sesuai kondisinya saat itu. Transisi antar status umumnya memiliki kondisi pelindung yang merupakan syarat terjadinya transisi yang bersangkutan, dituliskan dalam kurung siku. Aksi yang dilakukan sebagai akibat dari event tertentu dituliskan dengan diawali garis miring. Titik awal dan akhir digambarkan berbentuk lingkaran berwarna penuh dan lingkaran berwarna setengah (Nugraha, 2002).
III.
METODOLOGI
3.1 Kerangka Pemikiran
Pada dasarnya, tebu merupakan jenis tanaman yang harus segera diolah (digiling) setelah tebu