Menurur Freddy (2009) Penjualan adalah kegiatan transaksi dalam bentuk pengalihan hak milik atas barang dengan imbalan uang sebagai gantinya dengan persetujuan untuk menyerahkan barang kepada pihak lain dengan menerima pembayaran. Data adalah fakta-fakta tentang segala sesuatu di dunia nyata yang dapat direkam dan disimpan pada media komputer (Nugroho, 2011).
Dari segi manfaat data penjualan menurut Jamaan (2011) terdapat beberapa manfaat data atau laporan penjualan diantaranya, sebagai data untuk menganalisis tren penjualan secara periodi, laporan penjualan dapat digunakan sebagai dasar pembuatan strategi dalam mencapai penjualan maksimal, sebagai dasar pembuatan program promosi dan sebagainya.
Sehingga dapat disimpulkan data penjualan fakta dari kegiatan transaksi dalam bentuk pngalihan hak milik atas barang dengan imbalan uang sebagai gantinya dengan persetujuan untuk menyerahkan barang kepada pihak lain dengan menerima pembayaran yang direkam dan disimpan pada media komputer.
28 2.6. Data Berkala (Data Time Series)
Pelaku ekonomi dan bisnis menggunakan data berkala untuk di analisa dan menghasilkan suatu gambaran mengenai suatu kejadian dimasa mendatang yang berguna dalam pengambilan keputusan. (Budiasih, 2012).
Data berkala selalu mengalami perubahan sehingga apabila dibuat grafiknya akan menujukan fluktuasi (fluctuation) yaitu gerakan naik turun (Supranto, 2000).
Dalam KBBI Online (Versi 1.4 Januari 2015) fluktuasi adalah ketidaktepatan, kegoncangan. Dalam sebuah kalimat dicontohkan fluktuasi musiman adalah perubahan turun naik.
Sehingga deret waktu atau data berkala adalah data yang disusun berdasarkan urutan waktu yang menggambarkan perkembangan suatu kejadian atau suatu kegiatan. Data masa lampau dicatat secara berturut-turut dalam interval waktu satu tahun, satu semester, triwulan, bulanan, harian dan satuan waktu lainnya.
2.7. Tren
Tren didefinisikan sebagai arah pergerakan pasar. Pergerakan pasar tidak pernah bergerak dalam satu garis lurus melainkan secara zig-zag. Gerakan tersebut menghasilkan rangkaian puncak (naik) dan dasar (turun) yang menentukan tren pasar (Suwandi, 2009).
Berdasarkan arahnya, tren dibagi menjadi tiga golongan, yaitu uptren (bullish), downtren (barish) dan sideways. Uptren adalah serangkaian puncak yang senantiasa lebih tinggi dibandingkan sebelumnya atau cenderung bergerak naik.
Sebaliknya downtren adalah serangkaian puncak yang cenderung bergerak turun.
29
Lain hal nya sideways yaitu serangkaian puncak dan dasar yang bergerak dalam suatu batas range (tranding range) tertentu (Suwandi, 2009).
Oleh karena itu sebuah tren harus jadi sebuah arah suatu perusahaan agar mengetahui pergerakan pasar yang terjadi. Karena tren yang menunjukan naik atupun turun nya suatu pergerakan penjualan pasar.
2.8. Data Mining
2.8.1. Pengertian Data Mining
Menurut Turban, Data Mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data Mining adalah suatu proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learing untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan berkait dari berbagai database yang besar (Kusrini, 2009).
Selain itu, menurut Pramudiono Data Mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak di ketahui secara manual (Kusrini, 2009).
Data Mining juga dapat diartikan sebagai pengeksrakkan informasi baru yang dapat diambil dari sekumpulan data besar yang membantu pengambilan keputusan. Istilah Data Mining kadang disebut knowledge discovery (Prasetyo, 2012).
Menurut Larose Data Mining dibagi menjadi beberapa kelompok berdasarkan tugas yang dapat dilakukan, yaitu: Deskripsi, Estimasi, Prediksi, Klasifikasi, Pengklusteran, dan Asosiasi (Kusrini, 2009).
30
Dari definisi-definisi yag telah disampaikan, hal penting yang terkait dengan Data Mining adalah Data Mining merupakan suatu proses otomatis terhadap data yang sudah ada. Data yang akan diproses berupa data yang besar. Tujuan Data Mining juga adalah mendapatkan hubungan atau pola yang mungkin memberikan indikasi yang bermanfaat.
2.8.2. Tahapan Data Mining
Data Mining dan Knowledge Discovery in Database (KDD) sering digunakan secara bergantian untuk menjelaskan proses penggalian informasi tersembunyi dalam suatu basis data yang besar. Kedua istilah tersebut memiliki konsep yang berbeda tetapi berkaitan satu sama lain. Salah satu dalam tahapan proses KDD adalah Data Mining (Kusrini, 2009). Proses KDD secara garis besar dijelaskan sebagai berikut:
1) Data Selection
Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi yang akan digunakan untuk proses Data Mining, disimpan dalam suatu berkas, terpisah dari basis data operasional.
2) Pre-processing/ Cleaning
Sebelum proses Data Mining dapat dilaksanakan, perlu dilakukan proses cleaning pada data yang menjadi fokus KDD. Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data, seperti kesalahan cetak (tipografi).
3) Transformation
31
Coding adalah proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses Data Mining. Proses coding dalam KDD merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis data.
4) Data Mining
Proses Data Mining yaitu proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Teknik, metode, atau algoritma dalam data mining sangat bervariasi. Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan.
5) Interpretation/ Evaluation
Pola informasi yang dihasilkan dari proses Data Mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini merupakan bagian dari proses KDD yang mencakup pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesa yang ada sebelumnya.
Gambar 2. 2 Proses Knowledge Discovery in Database (Kusrini, 2009)
32
Dari kelima proses KDD tersebut dapat disimpulkan bahwa KDD adalah proses yang dibantu oleh komputer untuk menggali dan menganalisis sejumlah besar himpunan data dan mengekstrak informasi dan pengetahuan yang berguna.
Proses Data Mining memperkirakan perilaku dan tren masa depan, memungkinkan bisnis untuk membuat keputusan yang proaktif dan berdasarkan pengetahuan. Proses Data Mining mampu menjawab permasalahan bisnis yang secara tradisional terlalu lama untuk diselesaikan.
2.9. Konsep Clustering (Pengelompokkan)
2.9.1. Pengertian Clustering (Pengelompokkan)
Clustering adalah melakukan pemishan atau segmentasi data kedalam sejumlah kelompok (cluster) menurut karakteristik tertentu yang diinginkan dan menghasilkan kelompok-kelompok data yang dapat diberi label sesuai keinignan (Prasetyo, 2012).
Kusrini (2009) menyebutkan pengklusteran adalah mengelompokkan record, pengamatan atau memperhatikan dan membentuk kelas objek-objek yang memiliki kemiripan. Kluster adalah kumpulan record yang memiliki kemiripan satu dengan yang lainnya dan memiliki ketidakmiripan dengan record-record dalam kluster lain.
Tujuan Clustering (pengelompokkan) data dapat dibedakan menjadi dua, yaitu pengelompokkan untuk pemahaman dan pengelompokkan untuk pengguna. Pengelompokkan untuk pemahaman yaitu biologi, information interval dan klimatologi, sementara pengelompokkan untuk pengguna yaitu
33
peringkasan, kompresi dan pencarian tetangga terdekat secara efisien (Prasetyo, 2012).
Jadi suatu pengklusteran melakukan pembagian terhadap keseluruhan data menjadi kelompok-kelompok yang memiliki kemiripan yang mana kemiripan record dalam satu kelompok akan bernilai maksimal, sedangkan kemiripan dengan record dalam kelompok lain akan bernilai minimal.
2.9.2. Jenis-jenis Clustering (Pengelompokkan)
Pengelompokkan atau Clustering menurut strukturnya dibagi menjadi dua, yaitu:
1) Pengelompokkan Hierarki (Heiarachical Clustering)
Hierarchical Clustering merupakan pengelompokkan data dengan membuat suatu hierarki berupa dendogram (tree) dimana data yang mirip akan ditempatkan pada hierarki yang berdekatan dan yang tidak mirip, pada hierarki yang berjauhan. Berikut proses Hierarchical Clustering (Prastetyo, 2012):
a. Mulai dengan mendefinisikan setiap item sebagai kluster, jadi data yang ada sejumlah N items, maka sejumlah N items tersebut. Jarak antara clusters sama dengan jarak antara items yang ada.
b. Selanjutnya, mencari pasangan kluster yang paling mirip dan menggabungkan keduanya dalam satu kluster.
c. Hitung jarak antara kluster yang baru dibentuk dengan kluster yang sudah ada sebelumnya. Ulangi tahap a dan b sampai kluster membentuk N atau sampai membentuk kluster tunggal.
34
Hierarchical Clustering merupakan salah satu algoritma Clustering yang fungsinya dapat digunakan untuk mengkluster dokumen. Dari teknik Hierarchical Clustering dapat dihasilkan untuk kumpulan partisi yang berurutan, dimana dalam kumpulan tersebut dalam kluster-kluster yang mempunyai poin-poin yang dipunyai semua kluster didalamnya, cluster ini disebut single cluster, terletak di level yang paling atas. Dalam Hierarchical Clustering, cluster yang berada di level yang lebih atas (intermediate level) dari cluster lain, dapat diperoleh dengan cara mengkombinasi dua buah cluster yang berada pada level dibawahnya. (Kumar, 2000)
Gambar 2. 3 Dendogram (tree) (Kumar, 2000)
Hasil keseluruah dari Hierarchical Clustering secara grafik dapat digambarkan sebagai pohon. Pohon ini secara grafik menggambarkan proses penggabungan dari cluster-cluster yang ada. Sehingga menghasilkan cluster dengan level yang lebih tinggi.
Dalam statistik, pengelompokkan hierarki adalah metode analisis kelompok yang berusaha membangun sebuah hierarki kelompok. Strategi pengelompokkan hierarki umumnya jatuh kedalam 2 jenis yaitu Hierarki
35
Aglomeratif (Agglomerative Hierarchical) dan Hierarki Divisif (Divisive Clustering).
a. Hierarki Aglomeratif (Agglomerative Hierarchical)
Pengelompokkan hierarki aglmeratif merupakan metode dengan pendekatan bawah-atas (bottom-up). Proses pengelompokkan dimulai dari masing-masing data sebagai satu buah kelompok, kemudian secara rekursif mencari kelompok terdekat sebagai pasangan untuk bergabung sebagai satu kelompok yang lebih besar. Proses tersebut diulang terus sehingga tampak bergerak ke atas membentuk jenjang (hierarki). Kunci dari metode tersebut adalah perhitungan proximity (kedekatan) antara dua kluster, dan inilah yang menjadi definisi dari cluster proximity yang membedakan.
b. Hierarki Divisif (Divisive Clustering)
Pengelompokkan divisif merupakan metode pengelompokkan hierarki dengan pendekatan atas-bawah (top-bottom). Hierarchical Clustering dengan diawali seluruh objek berada pada satu kluster. Pada setiap langkah berikutnya membagi kluster tersebut ke dalam kluster-kluster yang lebih kecil hingga setiap objek pada akhirnya berada pada individual kluster atau hingga kondisi berhenti terpenuhi.
2) Pengelompokkan Sekatan (Patritioning Clustering)
Metode pengelompokkan sekatan membagi set data ke dalam sejumlah kelompok yang tidak tumpeng tindih atau tidak overlap antara satu kelompok dengan kelompok yang lainnya. Artinya setiap data hanya menjadi anggota satu kelompok. Seperti K-Means dan DBSCAN.
36 2.10. Perhitungan Qualitative Analysis
Perhitungan jarak pada short time series dapat dihitung dengan persamaan qualitative analysis yang diusulkan oleh Todorvski (2002) dengan membandingkan antar suatu time series.
Pada penelitian Khosuma (2005) untuk menghasilkan analisis tentang tren yang terjadi dalam sistem informasi, digunakan pendekatan clustering berdasarkan analisis qualitative perhitungan jarak. Dari kedua hasil penelitian tersebut dapat disimpulkan bahwa persamaan qualitative analysis dapat menghitung jarak sebuah time series yang dapat menghasilkan analisis tren yang terjadi dalam sistem informasi.
Gambar 2. 4 Persamaan Rumus Qualitative Analysis Keterangan:
D : Kedekatan matriks
X : Objek 1
Y : Objek 2
q(Xi,Xj) : Perubahan pada Objek 1 q(Yi,Yj) : Perubahan pada Objek 2
Diff : Fungsi untuk menentukan nilai dari 3 kemungkinan (naik, turun, tetap)
37
Dimana q(Vi,Vj) digunakan untuk melihat perubahan pada V, dan Diff merupakan fungsi untuk menentukan nilai 3 kemungkinan q(Vi,Vj). Faktor
𝟒
𝑵(𝑵−𝟏)digunakan untuk melakukan normalisasi.
Tabel 2. 1 Definisi dari fungsi Diff q1
q2
Diff(q1,q2) Kenaikan Tetap Penurunan
Kenaikan 0 0.5 1
Tetap 0.5 0 0.5
Penurunan 1 0.5 0
2.11. Metode Pengembangan Sistem
2.11.1. RAD (Rapid Application Development)
Metode Pengembangan sistem pada penelitian ini dengan menggunakan metode Rapid Application Development (RAD). Sesuai dengan metodologi RAD menurut (Kendall, 2010), berikut ini adalah tahap-tahap pengembangan aplikasi dari tiap-tiap fase pengembangan aplikasi.
1) Perancangan Kebutuhan (Requirement Planning)
Dalam tahap ini, pengguna dan penganalisis bertemu untuk mengidentifikasikan tujuan-tujuan aplikasi atau sistem serta untuk mengidentifikasikan syarat-syarat informasi yang ditimbulkan dari tujuan-tujuan tersebut. Orientasi dalam tahap ini adalah menyelesaikan masalah-masalah perusahaan. Meskipun teknologi informasi dan sistem dapat mengarahkan sebagian dari sistem yang diajukan, fokusnya akan selalu tetap pada upaya pencapaian tujuan-tujuan perusahaan (Kendall, 2010).
38 2) Proses Desain (Design Workshop)
Tahap ini adalah tahap untuk merancang dan memperbaiki yang dapat digambarkan sebagai workshop. Penganalisis dan pemrogram dapat bekerja membangun dan menunjukkan representasi visual desain dan pola kerja kepada pengguna. Workshop desain ini dapat dilakukan selama beberapa hari tergantung dari ukuran aplikasi yang akan dikembangkan. Selama workshop desain RAD, pengguna merespon protoyipe yang ada dan penganalisis memperbaiki modul-modul yang dirancang berdasarkan respon pengguna.
Apabila seorang pengembangnya merupakan pengembang atau pengguna yang berpengalaman, Kendall menilai bahwa usaha kreatif ini dapat mendorong pengembangan sampai pada tingkat terakselerasi (Kendall, 2010).
3) Implementasi (Implementation)
Pada fase implementasi ini, penganalisis bekerja dengan para pengguna secara intens selama workshop dan merancang aspek-aspek bisnis dan nonteknis perusahaan. Segera setelah aspek-aspek ini disetujui dan sistem-sistem dibangun dan disaring, sistem-sistem-sistem-sistem baru atau bagian dari sistem-sistem diujicoba dan kemudian diperkenalkan kepada organisasi (Kendall, 2010).
Gambar 2. 5 Metode RAD (Kendall, 2010)
39
Oleh karena itu metode pengembangan sistem yang akan digunakan dalam penelitian ini adalah menggunakan metode berorientasi objek dengan model pengembangan RAD dan Unified Modelling language (UML).
2.11.2. Extreme Programming (XP)
Extreme Programming (XP) merupakan suatu pendekatan yang paling banyak digunakan untuk pengembangan perangkat lunak cepat.
Alasan menggunakan metode Extreme Programming (XP) karena sifat dari aplikasi yang dikembangkan dengan cepat melalui tahapan-tahapan yang ada meliputi: Planning, Design, Coding dan Testing. (Pressman, 2012).
Adapun tahapan pada Extreme Programming dapat di jelaskan sebagai berikut:
1. Planning
Pada tahap perencanaan ini dimulai dari pengumpulan kebutuhan yang membantu tim teknikal untuk memahami konteks bisnis dari sebuah aplikasi.
Selain itu pada tahap ini juga mendefinisikan output yang akan dihasilkan, fitur yang dimiliki oleh aplikasi dan fungsi dari aplikasi yang dikembangkan.
2. Design
Metode ini menekankan desain aplikasi yang sederhana, untuk mendesain aplikasi dapat menggunakan Class Responsbility Collaborator (CRC) cards yang mengidentifikasi dan mengatur class pada object oriented.
3. Coding
Konsep utama dari tahapan pengkodean pada extreme programming adalah pair programming, melibatkan lebih dari satu orang untuk menyusun kode.
40 4. Testing
Pada tahapan ini lebih fokus pada pegujian fitur dan fungsionalitas dari aplikasi.
2.11.3. SDLC (Software Development Life Cycle)
SDLC atau Software Development Life Cycle atau sering disebut juga System Development Life Cycle adalah proses mengembangkan atau mengubah suatu sistem perangkat lunak dengan menggunakan model-model dan metodologi yang digunakan orang untuk mengembangkan sistem-sistem perangkat lunak sebelumnya (Kendall and Kendall, 2008).
Menurut Kendall and Kendall (2008) SDLC memiliki berberapa model dalam penerapan tahapan prosesnya, antara lain: Model Waterfall, Model Prototipe, Model Rapid Application Development (RAD), Model Iteratif, dan Model Spiral. Pada penelitian skripsi ini, penulis menggunakan Model Rapid Application Development sebagai model proses pengembangan perangkat lunaknya.
2.11.4. Perbandingan Metode Pengembangan Sistem
Berikut ini beberapa metode pengembangan sistem kelebihan dan kekurangannya:
41
Tabel 2. 2 Perbandingan Metode Pengembangan Sistem (Shalahuddin & Ariani, 2011)
Metode Pengembangan
Kekurangan Kelebihan
Waterfall • Perubahan spesifikasi perangkat lunak terjadi ditengah alur pengembangan
• Sangat sulit bagi pelanggan untuk mendefinisikan semua spesifikasi di awal alur pengembangan.
• Pelanggan tidak mungkin bersabar mengakomodasi perubahan yang diperlukan di akhir alur
pengembangan.
• Struktur tahap
pengembangan sistem jelas.
• Dokumentasi dihasilkan di setiap tahap
pengembangan.
• Tahapan dijalankan setelah tahapan sebelumnya selesai dijalankan.
Prototype • Pelanggan dapat sering
mengubah-ubah atau menambahkan spesifikasi kebutuhan karena menganggap aplikasi sudah dengan cepat dikembangkan
• Pelanggan lebih sering mengambil kompromi dengan pelanggan untuk mendapatkan prototype dengan waktu yang cepat sehingga pengembangan lebih sering melakukan segala cara guna menghasilkan prototype untuk didemonstrasikan. Hal ini dapat menyebabkan kualitas perangkat lunak yang kurang baik atau bahkan
menyebabkan iteratif tanpa akhir.
• Prototype sangat cocok digunakan untuk menjabarkan kebutuhan pelanggan secara lebih detail.
• Untuk mengantisipasi agar proyek dapat berjalan sesuai dengan target waktu dan biaya diawal.
RAD (Rapid
Application Development)
• Aplikasi dapat diselesaikan secara lebih cepat, tetapi tidak mampu mengarahkan penekanan terhadap permasalahan-permasalahan perusahaan yang seharusnya diarahkan
• Dengan metode RAD, penganalisis berusaha mepercepat projek dengan terburu-buru
• Berguna untuk proyek-proyek tempat
persyaratan-persyaratan pengguna tidak pasti dan tidak tepat.
• Kesalahan dan kelalaian cenderung dan bekerja lebih cepat daripada pengembangan yang Model-Driven.
Spiral • Model ini sangat mempertimbangkan
resiko kemungkinan munculnya
• Waktu yang dibutuhkan untuk mengembangkan
42
kesalahan sehingga sangat dapat diandalkan untuk pengembangan perangkat lunak skala besar.
• Pendekatan model ini dilakukan melalui tahapan-tahapan yang sangat baik dengan menggabungkan model Waterfall ditambah dengan metode pengulangan-pengulangan
perangkat lunak cukup panjang demikian juga biaya yang besar.
• Sangat tergantung kepada tenaga ahli yang dapat memperkirakan resiko.
Linear Squential Model
• Model ini merupakan metode yang sudah digunakan secara luas sehingga telah terbukti kehandalan dalam pengembangan sistem
• Jarang sekali proyek nyata mengikuti aliran sekuensial yang dianjurkan oleh model.
• Kesulitan untuk mengakomodasi
kebutuhan yang ada pada bagian awal proyek.
Dapat disimpulkan dari kelima pebandingan metode pengembangan sistem tersebut yaitu untuk menganalisa suatu perancangan agar sesuai dan mengetahui kekurangan maupun kelebihan dari penggunaan metode pengembangan sistem tersebut.
Berdasarkan penjelasan pada tabel perbandingan, pada penelitian ini, penulis memilih metode Rapid Application Development dikarenakan:
1) Pengambangan sistem menggunakan metode RAD sangat menekankan pendekatan kepada pengguna, sehingga pengembangan sistem dapat mengetahui spesifikasi kebutuhan sistem yang diinginkan pengguna dan dapat menemukan solusi dari permsalahan yang ada.
2) Metode RAD mempunyai kemampuan untuk menggunakan kembali kemampuan yang ada, sehingga penulis tidak perlu membuat dari awal.
3) Dalam menggunakan RAD dapat menghemat waktu, mengurangi biaya proyek, dan kebutuhan sumber daya manusia.
43
2.12. Konsep Dasar Unifed Modelling Language (UML)
Menurut Sugiarti (2018), UML (Unified Modeling Language) adalah sebuah
“bahasa” yang telah menjadi standar dalam industri untuk visualisasi, merancang dan mendokumentasikan sistem piranti lunak. UML menawarkan sebuah standar untuk merancang model sebuah sistem. Dengan menggunakan UML kita dapat membuat model untun semua jenis aplikasi piranti lunak dimana aplikasi tersebut dapat berjalan pada piranti keras, sistem operasi dan jaringan apapun, serta ditulis dalam bahasa pemrograman apapun.UML bisa digunakan untuk:
1) Menggambarkan batasan sistem dan fungsi-fungsi sistem secara umum, dibuat dengan uce case dan actor.
2) Menggambarkan kegiatan atau proses bisnis yang dilaksanakan secara umum, dibuat dengan interaction diagrams.
3) Menggambarkan representasi struktur static sebuah sistem dalam bentuk class diagrams.
4) Membuat model behavior “yang menggambarkan atau sifat sebuah sistem”
dengan state transition diagrams.
5) Menyatakan arsitektur implementasi fisik menggunakan component and development diagrams.
6) Menyampaikan atau memperluas fungsionality dengan streotypes.
Pemodelan menggunakan UML merupakan metode pemodelan berorientasi objek dan berbasis visual. Karenanya pemodelan menggunakan UML merupakan pemodelan objek yang focus pada pendefinisian struktur statis dan model sistem informasi yang dinamis daripada mendefinisikan data dan model proses yang
44
tujuannya adalah pengembangan tradisional. UML menawarkan diagram yang dikelompokkan menjadi lima perspektif berbeda untuk memodelkan suatu sistem.
2.12.1. Diagram UML 1) Use case Diagram
Menurut Sugiarti (2013), Diagram use case adalah diagram yang menunjukkan fungsionalitas suatu sistem atau kelas dan bagaimana sistem tersebut berinteraksi dengan dunia luar, dan menjelaskan sistem secara fungsional yang terlihat user. Biasanya dibuat pada awal pengembangan. Use case diagram menggambarkan fungsionalitas yang diharapkan dari sebuah sistem. Sebuah use case merepresentasikan sebuah interaksi antara aktor dengan sistem. Use case diagram dapat sangat membantu bila kita sedang menyusun requirement sebuah sistem, mengkomunikasikan rancangan dengan klien, dan merancang test case untuk semua feature yang ada pada sistem. Adapun notasi use case yang digunakan dalam penelitian ini sebagai berikut:
Tabel 2. 3 Notasi Pada Use Case Diagram (Sugiarti, 2013)
Notasi Keterangan
Use Case Fungsionalitas yang disediakan sistem sebagai unit-unit yang saling bertukar peasan antara unit atau aktor, biasanya dinyatakan dengan menggunakan kata kerja diawalfrase nama use case.
Aktor Actor, orang, proses atau sistem lain yang berinteraksi dengan sistem informasi yang akan dibuat diluar sistem informasi yang akan dibuat itu sendiri, jadi walaupun
45
simbol dari aktor adalah gambar orang, tapi aktor belum tentu merupakan orang biasanya dinyatakan mengggunakan kata benda diawal frase nama aktor.
Asosiasi Komunikasi antara aktor dan use case yang berpartisipasi pada use case atau use case memiliki interaksi dengan aktor.
Extend Relasi use case tambahan ke sebuah use case dimana use case yang ditambahkan dapat berdiri sendiri walaupun tanpa use case tambahan itu, mirip dengan prinsip inheritance pada pemrograman berorientasi objek, biasanya use case tambahan memiliki nama depan yang sama dengan use case yang di tambahkan, arah panah menunjuk pada use case yang dituju.
Include Relasi use case tambahan ke sebuah use case dimana use case yang ditambahkan memerlukan use case ini untuk menjalanaka fungsinya atau sebagai syarat dijalankan use case ini. Ada dua sudut pandang yang cukup besar mengenai include di use case, include berarti use case yang ditambahkan akan selalu dipanggil saat use case tambahan dijalankan.
Berikut adalah contoh penggunaan Use Case Diagram dalam penelitian:
46
Gambar 2. 6 Contoh Use Case Diagram
Contoh diatas merupakan use case dari sistem informasi kredit angsuran dimana terdapat 3 aktor yang akan berinteraksi dengan sistem dan terdapat 6 use case yang menguhubungkan actor dengan sistem. Masing-masing aktor dihubungkan dengan use case yang berbeda, hal ini karena setiap aktor memiliki level yang berbeda untuk dapat mengakses setiap fitur yang terdapat didalam sistem informasi angsuran.
2) Class Diagram
Menurut Sugiarti (2013), Diagram kelas atau class diagram menggambarkan struktur sistem dari segi pendefinisian kelas-kelas yang akan dibuat untuk
Menurut Sugiarti (2013), Diagram kelas atau class diagram menggambarkan struktur sistem dari segi pendefinisian kelas-kelas yang akan dibuat untuk