15
BAB II
LANDASAN TEORI
II.1. Kecerdasan Buatan
Kecerdasan buatan adalah salah satu bidang ilmu komputer yang mendayagunakan komputer sehingga dapat berprilaku cerdas seperti manusia.Ilmu komputer tersebut mengembangkan perangkat lunak dan perangkat keras untuk menirukan tindakan manusia.Aktifitas manusia yang ditirukan seperti penalaran,penglihatan,pembelajaran,pemecahan masalah,pemahaman bahasa alami dan sebagainya.
Sesuai dengan definisi tersebut maka teknologi kecerdasan buatan dipelajari dalam bidang seperti : Robotika (Robotics),Penglihatan komputer
(Computer Vision),Pengolahan bahasa alami (Natural Language
Prossesing),Pengenalan pola (Pattern Recognition), Sistem Syaraf Buatan (Artificial Neural System),Pengenalan Suara (SpeechRecognition), dan sistem Pakar (Expert System).Kecerdasan buatan menyelesaikan permasalahan dengan mendayagunakan komputer untuk memecahkan masalah yang komplek dengan cara mengikuti proses penalaran manusia.Salah satu teknik kecerdasan buatan yang menirukan proses penalaran manusia adalah sistem pakar. (Yani Immarul Za’iim;2013:2)
II.2. Sistem Pakar
II.2.1. Pengertian Sistem Pakar
Sistem pakar adalah sistem komputer yang ditunjukkan untuk meniru semua aspek (emulates) kemampuan pengambilan keputusan (decision making) seorang pakar. Sistem pakar memanfaatkan secara maksimal pengetahuan khusus selayaknya seorang pakar untuk memecahakan masalah .
Sistem pakar adalah aplikasi berbasis komputer yang digunakan untuk menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Pakar yang dimaksud disini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam. Sebagai contoh akademik adalah seorang pakar yang mampu mendiagnosa kerusakan yang dialami mobil serta dapat memberikan penatalaksanaan terhadap kerusakan yang tersebut. Tidak semua orang yang dapat mengambil keputusan mengenai identifikasi dan memberikan penatalaksanaan suatu kerusakan. (Rika rosnelly; 2012: 2).
II.2.2. Kelebihan Sistem Pakar
Sistem pakar memiliki beberapa fitur menarik yang merupakan kelebihannya seperti:
1. Meningkatkan ketersedian (increased availability). Kepakaran atau keahlian menjadi tersedia dalam sistem computer. Dapat dikatakan bahwa sistem pakar merupakan produksi kepakaran secara masal (massproduction). 2. Mengurangi biaya (reduced cost). Biya yang diperlukan untuk menyediakan
3. Mengurangi bahaya (reduced danger). Sistem pakar dapat digunakan dilingkungan yang mungkin berbahaya bagi masnusia.
4. Permanen (Permanence) sistem pakar dan pengetahuan yang terdapat didalamnya bersifat lebih permanen dibandingkan manusia yang dapat merasa lelah , bosan , dan pengetahuannya hilang saat sang pakar meninggal dunia.
5. Keahlian multiple (multiple expertise). Pengetahuan dari beberapa pakar dapat dimuat kedalam sistem dan bekerja secara simultan dan kontinyu menyelesaikan suatu masalah setiap saat. Tingkat keahlian atau pengetahuan yang digabungkan dari beberapa pakar dapat melebihi pengetahuan satu orang pakar. ( Rika Rosnelly; 2012: 5)
II.2.3. Konsep Umum Sistem Pakar
Konsep dasar sistem pakar terdiri dari beberapa unsur atau elemen antara lain :
1. Pakar
Pakar adalah seorang individu yang memiliki pengetahuan khusus, pemahaman, pengalaman, dan metode-metode tang digunakan unrtuk memecahkan persoalan dalam bidang tertentu. Pakar juga memiliki kemampuan untuk mengaplikasikan pengetahuannnya dan memberikan saran serta pemecahan masalah pada domain tertentu.
Seorang pakar mengetahui fakta-fakta mana yang penting, sebab akibat, fenomena-fenomena yang terkait denagn fakta, memahami arti hubungan antar fakta, juga hubungan sebab akibat, dan hubungan dengan
fenomena-fenomena.yang terkait serta mampu menginterprestasikan akibat-akibat yang terjadi karena sesuatu sebab terjadi (Rika Rosnelly; 2012: 10).
2. Pembangunan / Pembuat Pengetahuan
Pembangun pengetahuan memiliki tugas utama menerjemahkan dan merepsentasikan pengetahuan yang diperoleh dari pakar, baik berupa pengalaman pakar dalam menyelesaikan masalah maupun sumber terdokumentasi lainnya ke dalam bentuk yang bisa diterima oleh sistem pakar. Dalam hala ini pembangun pengetahuan (knowledge engineer) menginterprestasikan dan merepsentasikan pengetahuan yang diperoleh dalam bentuk jawaban-jawaban atas pertanyaan-pertanyaan yang diajukan pada pakar atau pemahaman atau penggambaran, analogis, sistematis, konseptual yang diperoleh dari membaca beberapa dokumen cetak seperti teks book jurnal makalah, dan sebagainya. Kurangnya pemahaman Knowledge Engineer merupakan kesulitan utama dalam mengkonstruksi sistem pakar. Untuk mengatasi hal tersebut, perancang sistem pakar menggunakan tools komersial. (Seperti pada editor-editor khusus maupun logic debuggers) dan usahanya akan dipusatkan pada pembangunan mesin inferensi (Rika Rosnelly; 2012: 11).
3. Pembangun / Pembuat Sistem
Pembangun sistem adalah orang yang bertugas untuk merancang antarmuka pemakain sistem pakar, merancang pengetahuan yang sudah diterjemahkan oleh pembangun pengetahuan ke dalam bentuk yang sesuai dan dapat diterima oleh sistem pakar dan mengimplementasikannya ke dalam mesin inferensi (Rika Rosenelly; 2012: 11).
4. Pengguna (User)
Banyak sistem berbasis komputer mempunyai susunan pengguna tunggal. Hal ini berbeda jauh dengan sistem pakar yang memungkinkan mempunyai beberapa kelas pengguna . Berikut gambar konsep dan fungsi sistem pakar. (Rika Rosenelly; 2012: 12).
II.2.4. Struktur Sistem Pakar
Komponen yang terdapat dalam struktur sistem pakar ini adalah sebagai berikut (Rika Rosenelly; 2012: 14):
1. Knowledge Base (Basis Pengetahuan)
Basis pnegetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar disusun atas dua elemen dasar, yaitu fakta dan aturan.
2. Inference Engine (Mesin Inferensi)
Mesin inferensi merupakan otak dari sebuah sistem pakar dan dikenal juga dengan sebuah control structure (struktur control) yaitu rule interpreter (dalam sistem pakar berbasis kaidah). Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah.
3. Working Memory
Berguna untuk menyimpan fakta yang dihasilkan oleh inference engine dengan penambalan parameter berupa derajat kepercayaan atau dapat juga dikatakan sebagai global database dari fakta yang digunakan rule-rule yang ada.
4. Explanation Facility
Menyediakan kebenaran dari solusi yang dihasilkan kepada user (reasoning chain)
5. Knowledge Acquisition Facility
Meliputi proses pengumpulan, pemindahan dan perubahan dari kemampuan pemecahan masalah seorang pakar atau sumber pengetahuan terdokumentasikan ke program computer, yang bertujuan untuk memperbaiki atau mengembangkan basis pengetahuan.
6. User Interface
Mekanisme untuk memberi kesempatan kepada user dan sistem pakar untuk berkomunikasi. Antarmuka menerima informasi dari pamakai dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Selain itu antarmuka menerima informasi dari sistem dan menyajikannya ke dalam bentuk yang dapat dimengerti oleh pemakai.
Adapun Gambar Struktur Sistem Pakar yang ditunjukan pada gambar II.1.
Gambar II.1. Struktur Sistem Pakar (Sumber : Rika Rosnelly; 2012: 13)
II.2.5. Karakteristik Sistem Pakar
Sistem pakar umumnya dirancang untuk memenuhi beberapa karakteristik umum berikut (Rika Rosnelly; 2012: 20):
1. Kinerja yang sangat baik. Sistem harus mampu memberikan respon berupa saran (advice) dengan tingkat kualitas yang sama
2. Waktu respon yang baik. Sistem juga harus mampu bekerja dalam waktu yang sama baiknya.
3. Dapat diandalkan (good reliability). Sistem harus dapat diandalkan dan tidak mudah rusak/crash.
4. Dapat dipahami. Sistem ini harus mampu menjelaskan langkah-langkah penalaran yang dilakukannya seperti seorang pakar.
Explanation Facility Knowledge Base (Rules) Inference Engine (agenda) Knowledge Acquisition facility Working Memori (facts) User Interface
5. Fleksibel. Sistem harus menyediakan mekanisme untuk menambah, mengubah dan menghapus pengetahuan.
II.3. Teorema Bayes
Teorema bayes merupakan satu metode yang digunakan untuk menghitung ketidakpastian data menjadi data yang pasti dengan membandingkan antara data ya dan tidak. Probabilitas bayes merupakan salah satu cara untuk mengatasi ketidakpastian data.Dalam Bidang kedokteran Teorema Bayes sudah dikenal tetapi teorema lebih banyak diterapkan dalam logika kedokteran modern. Pada dasarnya, teorema tersebut mengatakan bahwa suatu kejadian yang terjadi di masa depan atau yang belum terjadi dapat diprediksi dengan syarat kejadian sebelumnya yang telah terjadi secara statistic yang berhubungan dengan probabilitas serta kemungkinan dari Penyakit dan Gejala-gejala yang berkaitan.
Dalam Teorema Bayes sering disebut istilah probabilitas bersyarat. Probabilitas bersyarat adalah suatu kejadian yang mungkin atau tidak tergantung pada terjadinya peristiwa lain. Ketergantungan ini dapat ditulis dalam bentuk probabilitas bersyarat sebagai berikut : P(A|B), maksudnya adalah probabilitas bahwa kejadian A akan terjadi apabila kejadian B terjadi atau bisa disebut sebagai probabilitas gabungan kejadian A dan B.
Teori Kemungkinan (probabilitas) Yaitu : Nilai probabilitas berada antara 0 dan 1:
a) Nilai 0 artinya kejadian tidak akan terjadi b) Nilai 1 artinya kejadian pasti terjadi
c) Nilai 0.5 artinya kemungkinan kejadian akan terjadi sama dengan kejadian tidak akan terjadi
Teorema bayes menyediakan beberapa rumusan untuk menarik kesimpulan berdasarkan fakta (evidance) dan hipotesis :
a. Bentuk Umum Teorema Bayes :
| = | . … … … . . 1
Keterangan :
P(H|E) = probabilitas hipotesis H terjadi jika evidance E terjadi P(E|H) = probabilitas munculnya evidance E, jika hipotesis H terjadi P(H)= probabilitas hipotesis H tanpa memandang evidance apapun P(E)= probabilitas evidance E tanpa memandang apapun
Probabilitas menunjukkan kemungkinan sesuatu akan terjadi atau tidak. Untuk menghitung probabilitas ditunjukkan dengan persamaan:
( ) = 100 … … … 2
Dimana : P(x) = Probabilitas terjadinya x. (Jusniwati, 2013: 67).
Contoh :
Analisis masalah adalah penguraian dari suatu masalah yang utuh ke dalam bagian-bagian komponennya dengan maksud mengidentifikasi dan mengevaluasi permasalahan, kesempatan, hambatan yang terjadi dan kebutuhan yang diharapkan sehingga dapat diusulkan perbaikan.
Tabel II.1.Tabel Relasi Data Gejala Penyakit
Kode Gejala A QA RA KT OM AS
G001 Nyeri pada sendi/tulang * * * * * *
G002 Nyeri sendi pada saat aktivitas
* G003 Nyeri sendi pada saat
istirahat
*
G004 Nyeri sendi pada pagi hari * * * *
G005 Nyeri sendi pada gerak yang dipaksa
* * *
G006 Nyeri pada jari-jari dan pergelangan tangan kaki
* *
G007 Nyeri pada punggung bawah pantat
* G008 Nyeri sendi tulang
meningkat hari ke hari
*
G009 Kaku pada pagi hari *
G010 Bengkak pada sendi tulang * * * * *
G011 Merah pada sendi/tulang yang sakit
G012 Rasa hangat pada sendi * * *
G013 Demam * * * *
G014 Berat badan menurun * *
G015 Mudah lelah * * *
G016 Benjolan pada kelenjar getah bening
*
G017 Gerakan terbatas pada sendi * *
G018 Obesitas *
G019 Mual *
G021 Keringat pada malam hari * G022 Nyeri menyebar ketulang
rusuk, tulang belikat, tulang paha, dan tumit
*
G023 Ujung kuku menghitam *
G024 Nyeri pada jari-jari tangan * *
G025 Hilang nafsu makan *
• A : Austeoarthitis • OA : Osteoarthritis • RA : Rheumatoid Arthritis • KT : Kanker Tulang • OM : Osteomyelitis • AS : Ankylosing Sponditis
Dari tabel diatas, sistem dapat memberikan informasi mengenai penyakit pada Tulang, jika gejala pada penyakit tulang sesuai dengan yang diinput, maka rule yang dapat digunakan untuk menentukan penyakit pada tulang adalah sebagai berikut :
Rule 1 : If gejala G001 AND G004 AND G010 AND G011 AND G012 AND G014
AND G016 AND G017 Then Penyakit Arthritis Rule 2 : If gejala G001 AND G002 AND G009
AND G010 AND G012 AND G015 AND G017 Then Penyakit Osteoarthritis
Rule 3 : If gejala G001 AND G004 AND G009 AND G013 AND G015 AND G023 AND G025 Then Penyakit Rheumatoid Arthritis Rule 4: If gejala G001 AND G004 AND G009
AND G013 AND G015 AND G023 AND G025 Then Penyakit Kanker Tulang
Rule 5: If gejala G001 AND G004 AND G009
AND G013 AND G015 AND G023 AND G025 Then Penyakit Osteomyelitis
Rule 6: If gejala G001 AND G004 AND G009
AND G013 AND G015 AND G023 AND G025 Then Penyakit Ankylosing Sponditis.
b. Penerapan Metode Bayes Pada Diagnosa
Pada Contoh dibawah ini, akan di cari persentase kemungkinan dari gangguan penyakit Tulang dengan menggunakan perhitungan pada table dibawah ini :
Tabel II.2 : Gejala Pilihan Pada Penyakit Arthritis
No Gejala BOBOT
1 Nyeri pada sendi tulang 0,4
2 Nyeri sendi pada saat aktivitas 0,3
Dengan Nilai
Tabel II.3 : Nilai Bayes
Bayes 0,5 0,25 0,25
Maka
Untuk menghitung nilai Bayes penyakit yang dipilih dengan menggunakan bobot yang telah ditentukan pada setiap gejala.
Tabel II.4 : Bobot
Bobot Gejala x Bobot Bayes
Nama penyakit Gejala-1 Gejala-2 Gejala-3
0,4 x 0,5 0,3 x 0,25 0,3 x 0,25
Penyakit Arthitis 0,2 0,0075 0,0075
Tabel II.5 : Bobot Gejala X Bobot Bayes Bobot
Nama Penyakit Penjumlahan Gejala
Penyakit Arthritis 0,2 + 0,0075 + 0,0075 0,215
Tabel II.6 : Persentase Keyakinan Nama Penyakit Nilai Akhir Jumlah
Negara
Total Nilai Persentase (%)
Maka dari table diatas diperoleh kesimpulan bahwa Tulang mengalami penyakit Arthritis dengan persentase 95%.
II.4. Penyakit Chordoma ( Chondrosarcoma)
Chordoma adalah neoplasma ganas langka vertebral yang kolom. Hal ini diyakini bahwa lesi ini timbul dari degenerasi ganas dari notochordal bersandar. Mayoritas dari chordomas berkembang di wilayah sacrococcygeal (40% sampai 50%) atau dasar tengkorak (35% sampai 40%), dan hanya sebagian kecil yang ditemukan di tubuh vertebral (15% untuk 20%) 1. Meskipun chordomas rendah ke menengah-kelas lesi ganas, mereka sangat sulit untuk mengobati. Gejala sering kabur dan malas dan bisa bingung dengan orang-orang dari berbagai kondisi lain, menyebabkan penundaan dalam diagnosis. Chordoma sering mencapai ukuran besar sebelum diagnosis, dan marginasi miskin dan anatomi panggul kompleks membuat pengobatan sulit. Mencapai sisa-sisa kelangsungan hidup jangka panjang tantangan dan mungkin dipengaruhi oleh tumor local control 2-5. Namun, terlalu sering, chordoma yang dipotong dengan kuretase atau dibiopsi melalui dinding rektum, prosedur yang hasil kompromi. Chordoma tidak sensitif terhadap kemoterapi, dan eksisi bedah lengkap adalah andalan treatment 6-8. Namun, disfungsi neurogenik dan ketidakstabilan panggul konsekuensi sering operasi pengangkatan memadai dan komplikasi ini berkorelasi dengan tingkat reseksi. Oleh karena itu Pendekatan bedah radikal masih kontroversial. (Bruno Fuchs,dkk : 2005).
Kanker adalah suatu kondisi dimana sel telah kehilangan pengendalian dan mekanisme normalnya, sehingga mengalami pertumbuhan yang tidak normal, cepat dan tidak terkendali. Penyakit kanker tulang adalah kondisi yang merusak kerangka dan membuat tulang lemah dan rentan terhadap patah tulang. Masa tulang rendah di mulai ketika tulang kehilangan mineral, seperti kalsium. Penyakit tulang mempengaruhi perempuan dan laki-laki dari berbagai usia.
Tumor tulang merupakan kasus yang jarang dijumpai (1,2). Menurut WHO 2002 insiden tumor ganas primer pada tulang hanya 0,2% dari seluruh tumor pada manusia (3). Di Indonesia sendiri menurut data Badan Registrasi Kanker (BRK) tahun 2003 didapatkan 257 kasus tumor ganas di tulang, 196 di antaranya adalah tumor primer. Insiden tumor ganas tulang di Indonesia adalah 1,6% dari seluruh jenis tumor ganas di tubuh manusia. Data ini menunjukkan insiden yang lebih tinggi dari data WHO (4). Di laboratorium Patologi Anatomi Rumah Sakit Umum Malang didapatkan kecenderungan insiden tumor tulang yang terus meningkat setiap tahunnya. Pada tahun 2005 didapatkan 12 kasus tumor tulang jinak dan ganas yang diperiksa histopatologi. Pada tahun 2006 jumlah kasusnya meningkat menjadi 16 dan pada tahun 2007 meningkat lagi menjadi 17 kasus. Tumor tulang ganas primer sering mengenai anak-anak dan remaja pada usia dua dekade pertama dari kehidupan dan sangat bervariasi dalam gambaran makroskopik, mikroskopik dan perilaku klinisnya.Variasi ini menimbulkan banyak masalah diagnosa dan terapi baik bagi dokter maupun bagi pasien. ( Eviana Norahmawati ; 2013 :77)
II.5. PHP
PHP Pada awalnya PHP merupakan kependekan dari Personal Home Page (Situs personal). PHP pertama kali dibuat oleh Rasmus Lerdorf pada tahun 1995. Pada waktu itu PHP masih bernama Form Interpreted (FI), yang wujudnya berupa sekumpulan skrip yang digunakan untuk mengolah data formulir dari web.Rasmus merilis kode sumber tersebut untuk umum dan menamakannya PHP/FI. Dengan perilisan kode sumber ini menjadi sumber terbuka, maka banyak pemrogram yang tertarik untuk ikut mengembangkan PHP. (Aniysa 2013 : 51) II.6. Database
Secara sederhana database (basis data / pangkalan data) dapat diungkapkan sebagai suatu pengorganisasian data dengan bantuan komputer yang memungkinkan data dapat diakses dengan mudah dan cepat. Pengertian akses dapat mencakup pemerolehan data maupun pemanipulasian data seperti menambah serta menghapus data. Dengan memanfaatkan komputer, data dapat disimpan dalam media pengingat yang disebut hard disk. Dengan menggunakan media ini, keperluan kertas untuk menyimpan data dapat dikurangi. Selain itu, data menjadi lebih cepat untuk diakses terutama jika dikemas dalam bentuk database. Pengaplikasian database dapat kita lihat dan rasakan dalam keseharian kita. Database ini menjadi penting untuk mengelola data dari berbagai kegiatan. Misalnya, kita bisa menggunakan mesin ATM (anjungan tunai mandiri / automatic teller machine) bank karena bank telah mempunyai database tentang nasabah dan rekening nasabah. Kemudian data tersebut dapat diakses melalui mesin ATM ketika bertransaksi melalui ATM. Pada saat melakukan transaksi,
dalam konteks database sebenarnya kita sudah melakukan perubahan (update) data pada database di bank. (Agustinus Mujilan; 2012: 23)
II.7. MySQL
MySQL (bisa dibaca dengan mai-es-ki-el atau bisa juga mai-se-kuel) adalah suatu perangkat lunak database relasi (Relational Database Management System atau DBMS), seperti halnya ORACLE, POSTGRESQL, MSSQL, dan sebagainya. SQL merupakan singkatan dari Structure Query Language, didefinisikan sebagai suatu sintaks perintah-perintah tertentu atau bahasa program yang digunakan untuk mengelola suatu database. Jadi MySQL adalah softwarenya dan SQL adalah bahasa perintahnya. (Aniysa 2013:52)
Gambar II.2. Tampilan MySQL II.8. Teknik Normalisasi
Normalisasi adalah teknik perancangan yang digunakan sebagai pemadu dalam merancang basis data relasional. Pada dasarnya, normalisasi adalah proses dua langkah yang meletakkan data dalam bentuk tabulasi dengan menghilangkan kelompok berulang lalu menghilangkan data yang terduplikasi dari tabel relasional.
Teori normalisasi didasarkan pada konsep bentuk normal. Sebuah tabel relasional dikatakan berada pada bentuk normal tertentu jika tabel memenuhi himpunan batasan tertentu. Ada lima bentuk normal yang telah ditemukan.
II.8.1. Bentuk-Bentuk Normalisasi
1. Bentuk Normal Tahap Pertama (1’’ Normal Form)
Contoh yang kita gunakan disini adalah sebuah perusahaan yang mendapatkan barang dari sejumlah pemasok. Masing-masing pemasok berada pada satu kota. Sebuah kota dapat mempunyai lebih dari satu pemasok dan masing-masing kota mempunyai kode status tersendiri.
2. Bentuk Normal Tahap Kedua (2nd Normal Form)
Defenisi bentuk normal kedua menyatakan bahwa tabel dengan kunci utama gabungan hanya dapat berada pada INF, tetapi tidak pada 2NF, sebuah tabel relasional berada pada bentuk normal kedua jika dia berada pada bentuk normal kedua jika dia berada pada INF dan setiap kolom bukan kunci yang sepenuhnya tergantung pada seluruh kolom yang membentuk kunci utama. 3. Bentuk Normal Tahap Ketiga (3rd Normal Form)
Bentuk normal ketiga mengharuskan semua kolom pada tabel relasioanl tergantung hanya pada kunci utama. Secara defenisi, sebuah tabel berada pada bentuk normal ketiga (3NF) jika tabel sudah berada pada 2NF dan setiap kolom yang bukan kunci tidak tergantung secara transitif pada kunci utamanya.
Setelah 3NF, semua masalah normalisasi hanya melibatkan tabel yang mempunyai tiga kolom atau lebih dan semua kolom adalah kunci. Banyak praktisi berpendapat bahwa menempatkan entitas pada 3NF bukan merupakan 4NF dan 5NF.
5. Bentuk Normal Tahap Keempat
Sebuah tabel relasional berada pada bentuk normal keempat (4NF) jika dia dalam BCNF dan semua ketergantungan fungsional. Bentuk normal keempat (4NF) didasarkan pada konsep ketergantungan multivalue (MDV).
6. Bentuk Normal Tahap Kelima
Sebuah tabel berada pada bentuk normal kelima (5NF) jika ia tidak dapat mempunyai dekomposisi lossless menjadi sebuah tabel lebih kecil. Empat bentuk normal pertama berdasarkan pada konsep ketergantungan fungsional, sedangkan bentuk normal kelima berdasarkan pada konsep ketergantungan gabungan (join dependence). (Janner Simarmata; 2010: 79)
II.10. UML (Unified Modeling Language)
Menurut Windu Gata (2013 : 4) Hasil pemodelan pada OOAD terdokumentasikan dalam bentuk Unified Modeling Language (UML). UML adalah bahasa spesifikasi standar yang dipergunakan untuk mendokumentasikan, menspesifikasikan dan membangun perangkat lunak.
UML merupakan metodologi dalam mengembangkan sistem berorientasi objek dan juga merupakan alat untuk mendukung pengembangan sistem, dan
merupakan standar bahasa pemodelan umum dalam industri perangkat lunak dan pengembangan sistem. Alat bantu yang digunakan dalam perancangan berorientasi objek berdasarkan UML adalah sebagi berikut :
1. Use Case Diagram
Use Case Diagram merupakan 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. Dapat dikatakan use case digunakan untuk mengetahui fungsi apa saja yang ada di dalam sistem informasi dan siapa saja yang berhak menggunakan fungsi-fungsi tersebut. Simbol yang digunakan dalam use case diagram, yaitu sebagai berikut
Tabel II.7. Simbol-Simbol pada diagram Use Case
Simbol Nama Keterangan
Use case
Menggambarkan fungsionalitas yang disediakan sistem sebagai unit-unit yang bertukar pesan antar unit dengan actor, biasanya dinyatakan dengan menggunakan kata kerja di awal nama use case
Aktor
Aktor adalah abstraction dari orang atau sistem yang lain yang mengaktifkan fungsi dari target sistem. Untuk mengidentifikasikan actor, harus ditentukan pembagian tenaga kerja Perlu dicatat bahwa actor berinteraksi dengan use case, tetapi tidak memiliki control terhadap use case.
Asosiasi
Asosiasi antara actor dan use case digambarkan dengan garis tanpa panah yang mengindikasikan siapa atau apa nama
yang memninta interaksi secara langsung dan bukannya mengindikasikan aliran data
Asosiasi antara actor dan use case yang menggunakan panah terbuka untuk mengindikasikan bila actor berinteraksi secara pasif dengan sistem.
<<include>>
Include
Include, merupakan di dalam use case lain (required) atau pengambilan use case oleh use case lain, contohnya adalah pemanggilan sebuah fungsi program.
<<extend>>
Extend
Extend, merupakan perluasan dari use case lain jika kondisi atau syarat terpenuhi.
(Sumber : Windu Gata; 2013: 4)
2. Diagram Aktivitas (Activity Diagram)
Activity Diagram menggambarkan workflow (aliran kerja) atau aktivitas dari sebuah sistem atau proses bisnis. Simbol-simbol yang digunakan dalam activity diagram yaitu :
Tabel II.8. Simbol Activity Diagram
Gambar Keterangan
Start point, diletakkan pada pojok kiri atas dan merupakan awal aktivitas.
End point, akhir aktivitas.
Activites, menggambarkan suatu proses/ kegiatan bisnis.
Fork (percabangan), digunakan untuk menunjukkan kegiatan ysng dilakukan secara parallel atau untuk menggabungkan dua kegiatan menjadi satu
Join (penggabungan) atau Rake, digunkan untuk menunjukkan adanya dekomposisi
Decision Point, menggambarkan pilihan untuk pengambilan keputusan, true, false.
Swimlane, pembagian activity diagram untuk menunjukkan siapa melakukan apa.
(Sumber : Windu Gata; 2013: 6)
3. Diagram Urutan (Sequence Diagram)
Sequence Diagram menggambarkan kelakuan objek pada use case dengan mendeskripsikan waktu hidup objek dan pesan yang dikirimkan dan diterima antar objek. Simbol-simbol yang digunakan dalam Sequence Diagram yaitu:
Tabel II.9. Simbol Sequence Diagram
Gambar Keterangan
Entity Class, merupakan bagian dari sistem yang berisi kumpulan kelas berupa entitas-entitas yang membentuk gambaran awal sistem dan menjadi landasan untuk menyusun basis data
Boundary Class, berisi kumpulan kelas yang menjadi interface atau interaksi antara satu atau lebih actor dengan sistem, seperti tampilan formentry dan form cetak.
Control Class, suatu objek yang berisi logika aplikasi yang tidak memiliki tanggung jawab kepada entitas, contohnya adalah kalkulasi dan aturan bisnis yang melibatkan berbagai objek.
Message, symbol mengirim pesan antar class.
Recursive, menggambarkan pengiriman pesan yang dikirim untuk dirinya sendiri.
Activation, mewakili sebuah eksekusi operasi dari objek, panjang kotak ini berbanding lurus dengan durasi aktivitas sebuah operasi.
Lifeline, garis titik-titik yang terhubung dengan objek, sepanjang lifeline terdapat activation.
(Sumber : Windu Gata; 2013: 7)
4. Class Diagram (Diagram Kelas)
Merupakan hubungan antar kelas dan penjelasan detail tiap-tiap kelas di dalam model desain dari suatu sistem, juga memperlihatkan aturan-aturan dan tanggung jawab entitas yang menentukan perilaku sistem. Class Diagram juga menunjukkan atribut-atribut dan operasi-operasi dari sebuah kelas dan constraint yang berhubungan dengan objek yang dikoneksikan. Class Diagram secara khas meliputi : Kelas (class), Relasi, Associations, Generalization, dan Aggregation, Atribut (Attributes), Operasi (Operations/Method. Visibility, tingkat akses objek eksternal kepada suatu operasi atau atribut. Hubungan antar kelas mempunyai keterangan yang disebut dengan Multiplicity atau kardinaliti.
Tabel II.10. Multiplicity Class Diagram
Multiplicity Penjelasan
1 Satu dan hanya satu
0..* Boleh tidak ada atau 1 atau lebih
1..* 1 atau lebih
0..1 Boleh tidak ada, maksimal 1
n..n Batasan antara. Contoh 2.4. mempunyai arti minimal 2 maksimum 4
