BAB II LANDASAN TEORI. Landasan teori merupakan suatu hal penting dalam membuat tulisan ilmiah,

9

BAB II

LANDASAN TEORI

Landasan teori merupakan suatu hal penting dalam membuat tulisan ilmiah, karena landasan teori digunakan untuk mengaitkan permasalahan dengan teori- teori yang sudah ada untuk mencapai tujuan yang dimaksud.

2.1 Pengertian Sistem informasi

Secara sepintas sistem informasi dapat diartikan sebuah kombinasi dari manusia, fasilitas atau alat teknologi, media, prosedur dan pengendalian atas kegiatan kegiatan tertentu yang menghasilkan sebuah informasi yang dapat dimanfaatkan oleh pemakainya. Menurut al-bahra bil ladjamudin (2005) sistem informasi dapat didefinisikan sebagai berikut :

1. Suatu sistem yang dibuat oleh manusia yang terdiri dari komponen- komponen dalam organisasi untuk mencapai suatu tujuan yaitu menyajikan informasi.

2. Sekumpulan prosedur organisasi yang pada saat dilaksanakan akan memberikan informasi bagi pengambil keputusan dan atau untuk mengendalikan organisasi.

3. Suatu sistem di dalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi, mendukung operasi, bersifat manajerial dan kegiatan strategi dari suatu organisasi dan menyediakan pihak luar tertentu laporan-laporan yang diperlukan.

Adapun tujuan dari sistem informasi adalah menghasilkan informasi.

Informasi (information) adalah data yang diolah menjadi bentuk yang berguna bagi para pemakainya. Untuk dapat berguna, maka informasi harus didukung oleh tiga pilar seperti berikut : tepat kepada orangnya atau relevan (relevance), tepat waktu (timelines) dan tepat nilainya atau akurat (accurate). Keluaran yang tidak didukung oleh ketiga pilar ini tidak dapat dikatakan sebagai informasi yang berguna, tetapi merupakan sampah (garbage) (Jogiyanto, 2003).

2.2 Sistem Penunjang Keputusan

Suatu sistem penunjang keputusan atau decision support system didefinisikan sebagai suatu sistem informasi untuk membantu manajer level menengah untuk proses pengambilan keputusan setengah terstruktur (semi structured) supaya lebih efektif dengan menggunakan model-model analitis dan data yang tersedia (Jogiyanto, 2003).

Konsep Sistem Pendukung Keputusan (SPK) / Decision Support System (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S.Scott Morton dengan istilah Management Decision System. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur. Beberapa definisi Sistem Penunjang Keputusan (SPK) oleh beberapa ahli antara lain :

1. Bonczek (1980)

Sistem pendukung keputusan sebagai sebuah sistem berbasis computer yang terdiri atas komponen-komponen antara lain komponen sistem bahasa (language), komponen sistem pengetahuan (knowledge), dan

komponen sistem pemrosesan masalah (problem processing) yang saling berinteraksi satu dengan yang lainnya.

Menurut Turban, beberapa karakteristik DSS yang membedakan dengan sistem informasi yang lainnya adalah :

1. Berfungsi untuk membantu proses pengambilan keputusan untuk memecahkan masalah yang sifatnya semi terstruktur maupun tidak terstruktur.

2. Bekerja dengan melakukan kombinasi model-model dan teknik-teknik analisis dengan memasukan data yang telah ada dan fungsi pencari informasi.

2.2.1 Pengertian Pengambilan Keputusan

Menurut Herbert A. Simon (Kadarsah, 2002:15-16) Pengambilan keputusan (desicion making) adalah melakukan penilaian dan menjatuhkan pilihan.

Keputusan ini diambil setelah melalui beberapa perhitungan dan pertimbangan alternatif. Sebelum pilihan dijatuhkan, ada beberapa tahap yang mungkin akan dilalui oleh pembuat keputusan. Tahapan tersebut bisa saja meliputi identifikasi masalah utama, menyusn alternatif yang akan dipilih dan sampai pada pengambilan keputusan yang terbaik.

Pengambilan keputusan sebagai kelanjutan dari cara pemecahan masalah memiliki fungsi sebagai pangkal atau permulaan dari semua aktivitas manusia yang sadar dan terarah secara individual dan secara kelompok baik secara institusional maupun secara organisasional. Di samping itu, fungsi pengambilan keputusan merupakan sesuatu yang bersifat futuristik, artinya bersangkut paut

dengan hari depan, masa yang akan datang, dimana efek atau pengaruhnya berlangsung cukup lama.

Terkait dengan fungsi tersebut, maka tujuan pengambilan keputusan dapat dibedakan:

• Tujuan yang bersifat tunggal. Tujuan pengambilan keputusan yang bersifat tunggal terjadi apabila keputusan yang dihasilkan hanya menyangkut satu masalah, artinya bahwa sekali diputuskan, tidak ada kaitannya dengan masalah lain.

• Tujuan yang bersifat ganda. Tujuan pengambilan keputusan yang bersifat ganda terjadi apabila keputusan yang dihasilkan menyangkut lebih dari satu masalah, artinya keputusan yang diambil itu sekaligus memecahkan dua (atau lebih) masalah.

2.2.2 Tujuan Dan Keunggulan SPK

Adapun tujuan dari Sistem Penunjang Keputusan (SPK) menurut Leod (2007:49) adalah :

1. Sistem harus dapat membantu manajer dalam membuat keputusan guna memecahkan masalah semi terstruktur.

2. Sistem harus dapat mendukung manajer, bukan mencoba menggantikannya.

3. Sistem harus dapat meningkatkan efektivitas pengambilan keputusan manajer.

Sistem Penunjang Keputusan (SPK) dengan tujuan membantu manajemen dalam pengambilan keputusan memiliki banyak keunggulan dalam dukungannya.

Berbagai keunggulan SPK menurut Turban (2005) adalah : 1. Kecepatan komputasi

Komputer memungkinkan para pengambil keputusan melakukan banyak perhitungan secara cepat dan tentunya dengan biaya yang lebih murah.

2. Peningkatan produktifitas

SPK dapat mengurangi jumlah personil dalam kelompok pengambil keputusan dan memungkinkan para anggota kelompok tersebut untuk berada pada lokasi yang berbeda-beda sehingga menghemat biaya yang harus dikeluarkan.

3. Peningkatan atau perbaikan komunikasi

Pada sistem yang berbasis web kolaborasi dan komunikasi antar kelompok dapat berjalan dengan lebih efektif dan efisien.

4. Dukungan teknis

SPK memungkinkan data disimpan dalam beberapa database baik pada sistem stand-alone, client-server, dan berbasis web.

5. Akses data warehouse

Untuk data warehouse yang besar diperlukan metode-metode khusus untuk mengorganisasikan dan mencari data.

6. Dukungan kualitas

Komputer dapat meningkatkan kualitas keputusan yang dibuat.

Contoh : semakin banyak data yang dapat diakses maka makin banyak alternatif yang dapat dievaluasi, analisis resiko dapat dilakukan dengan cepat, dan memungkinkan mendapatkan pandangan dari para pakar dengan biaya rendah.

7. Berdaya saing

SPK membantu organisasi untuk meningkatkan daya saing dengan proses pengambilan keputusan yang cepat, tepat, dan efisien

8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan.

Komputer membantu manusia dalam hal memproses dan menyimpan informasi dengan tingkat kesalahan yang lebih rendah.

2.2.3 Tipe Pengambilan Keputusan

Menurut George R. Terry Tipe Pengambilan keputusan (decision making) adalah tindakan manajemen dalam pemilihan alternative untuk mencapai sasaran.

Keputusan dibagi dalam 3 tipe :

• Keputusan terprogram / keputusan terstruktur : keputusan yang berulang-ulang dan rutin, sehingga dapat diprogram. Keputusan terstruktur terjadi dan dilakukan terutama pada manjemen tingkat bawah.

• Keputusan setengah terprogram / setengah terstruktur : keputusan yang sebagian dapat diprogram, sebagian berulang-ulang dan rutin dan sebagian tidak terstruktur. Keputusan ini seringnya bersifat rumit dan membutuhkan perhitungan serta analisis yang terperinci.

• Keputusan tidak terprogram / tidak terstruktur : keputusan yang tidak terjadi berulang-ulang dan tidak selalu terjadi. Keputusan ini terjadi di manajemen tingkat atas. Informasi untuk pengambilan keputusan tidak terstruktur tidak mudah untuk didapatkan dan tidak mudah tersedia dan biasanya berasal dari lingkungan luar.

2.2.4 Komponen SPK (Sistem Pendukung Keputusan)

Menurut Turban (2005), Sistem Penunjang Keputusan terdiri dari empat subsistem yaitu :

1. Manajemen data

Meliputi basis data yang berisi data-data yang relevan dengan keadaan dan dikelola oleh perangkat lunak yang disebut dengan database Management System (DBMS).

2. Manajemen model

Berupa sebuah paket perangkat lunak yang berisi model-model finansial, statistic, management science, atau model kuantitatif yang menyediakan kemampuan analisa dan perangkat lunak manajemen yang sesuai.

3. Subsistem dialog atau komunikasi

Merupakan subsistem yang dipakai oleh user untuk berkomunikasi dan memberi perintah (menyediakan user interface).

4. Manajemen knowledge

Mendukung subsistem lain atau berlaku sebagai komponen yang berdiri sendiri.

2.3 Sistem Penunjang Keputusan Decicion Tree

2.3.1 Decision Tree

Secara konsep Decision Tree adalah salah satu dari teknik decision analysis.Tries sendiri pertama kali diperkenalkan pada tahun 1960-an oleh Fredkin. Trie atau digital tree berasal dari kata retrival (pengambilan kembali) sesuai dengan fungsinya. Secara etimologi kata ini diucapkan sebagai ‘tree’.

Meskipun mirip dengan penggunaan kata ‘try’ tetapi hal ini bertujuan untuk membedakannya dari general tree. Dalam ilmu komputer, trie, atau prefix tree adalah sebuah struktur data dengan representasi ordered tree yang digunakan untuk menyimpan associative array yang berupa string. Berbeda dengan binary search tree (BST) yang tidak ada node di tree yang menyimpan elemen yang berhubungan dengan node sebelumnya dan, posisi setiap elemen di tree sangat menentukan. Semua keturunan dari suatu node mempunyai prefix string yang mengandung elemen dari node itu, dengan root merupakan string kosong. Values biasanya tidak terkandung di setiap node, hanya di daun dan beberapa node di tengah yang cocok dengan elemen tertentu.

Secara singkat bahwa Decision Tree merupakan salah satu metode klasifikasi pada text mining. Klasifikasi adalah proses menemukan kumpulan pola atau fungsi-fungsi yang mendeskripsikan dan memisahkan kelas data satu dengan lainnya, untuk dapat digunakan untuk memprediksi data yang belum memiliki kelas data tertentu (Jianwei Han, 2001).

Decision Tree adalah sebuah struktur pohon, dimana setiap node pohon merepresentasikan atribut yang telah diuji, setiap cabang merupakan suatu

pembagian hasil uji, dan node daun (leaf) merepresentasikan kelompok kelas tertentu. Level node teratas dari sebuah Decision Tree adalah node akar (root) yang biasanya berupa atribut yang paling memiliki pengaruh terbesar pada suatu kelas tertentu. Pada umumnya Decision Tree melakukan strategi pencarian secara top-down untuk solusinya. Pada proses mengklasifikasi data yang tidak diketahui, nilai atribut akan diuji dengan cara melacak jalur dari node akar (root) sampai node akhir (daun) dan kemudian akan diprediksi kelas yang dimiliki oleh suatu data baru tertentu.

Decision Tree menggunakan algoritma ID3 atau C4.5, yang diperkenalkan dan dikembangkan pertama kali oleh Quinlan yang merupakan singkatan dari iterative Dichotomiser 3 atau Induction of Decision “3″.

2.3.2 Metode Decision Tree ID3 (Iterative Dichotomiser 3)

Iterative Dichotomiser 3 (ID3) merupakan sebuah metode yang digunakan untuk membangkitkan pohon keputusan. Algoritma pada metode ini berbasis pada Occam’s razor: lebih memilih pohon keputusan yang lebih kecil (teori sederhana) dibanding yang lebih besar. Tetapi tidak dapat selalu menghasilkan pohon keputusan yang paling kecil dan karena itu occam’s razor bersifat heuristik.

Occam’s razor diformalisasi menggunakan konsep dari entropi informasi.

Algoritma ID3 adalah sebuah algoritma yang dikategorikan dalam Algoritma Learning. Pada dasarnya dalam kecerdasan buatan, terdapat tiga teknik dasar yaitu teknik searching, reasoning dan planning, yang memerlukan aturan baku dalam penyelesaian sebuah masalah, yang terkadang ada beberapa masalah dimana, tidak dapat menentukan aturan secara benar dan tepat, dikarenakan kurang lengkap.

Menurut Setiawan (Setiawan, 2010) membangun klasifikasi dengan Decision Tree menggunakan Algoritma ID3, melalui berapa hahapan sebagai berikut:

1. Pertama siapkan data training yang biasanya diambil dari data histori atau data masa ampau yang kemudian dibuat ke dalam kelas-kelas tertentu.

2. Menghitung nilai entropy yang akan digunakan untuk menghitung nilai gain dari masing-masing atribut sehingga diperoleh atribut dengan nilai gain yang tertinggi yang selanjutnya akan digunakan menjadi akar pohon.

3. Rumus menghitung entropy dan gain seperti yang ditunjukkan dalam persamaan (1) dan (2).

(1)

C :jumlah nilai yang ada pada atribut pi :Jumlah sampai untuk kelas i

(2)

A : atribut

V : menyatakan suatu nilai yang munkin untuk atribut A

Values(A) : himpunan nilai-nilai yang mungkin untuk atribut A

|Sv| : jumlah sampel untuk nilia v

|S| : jumlah seluruh sampel data

Entropy(Sv) : entropy untuk sampel-sampel yang memiliki nilai v

4. Ulangi terus langkah sebelumnya yaitu menghitung nilai tiap atribut berdasarkan nilai gain yang tertinggi hingga semua record terpartisi.

5. Proses dari Decision Tree ini akan berhenti jika semua record dalam simpul N mendapat kelas yang sama, tidak ada atribut di dalam record yang dipartisi lagi, dan tidak ada record di dalam cabang yang kosong.

2.3.3 Contoh ID3

Terdapat 11 orang pelamar kerja dengan 3 parameter/atribut penilaian:

IPK (Index Prestasi Komulatif), hasil test psikologi, dan hasil test wawancara.

IPK dikelompokan menjadi tiga kategori (bagus, cukup, kurang). Hasil test psikologi dikelompokan menjadi tiga (Tinggi, Sedang, Rendah). Hasil test wawancara dikelompokan menjadi dua kategori (Baik dan Buruk). Untuk data lengkap, seharusnya terdapat 3 x 3 x 2 = 18 kombinasi sampel data. Tetapi pada Tabel 2.1 terdapat 11 data. Artinya, masih ada 7 sampel data lainya yang belum diketahui.

Tabel 2.1 Data penerimaan pegawai

Dengan menerapkan algoritma ID3 maka didapat proses-proses sebagai berikut:

1. Rekursi level 0 iterasi ke-1

Memanggil fungsi ID3 dengan sampel training semua sampel data yaitu [8+, 3-] Untuk label training ‘Diterima’ dan atributnya adalah {IPK, Psikologi, Wawancara}. Tanda positif (+) untuk data yang keputusan diterima bernilai ‘Ya’ sebaliknya tanda negatif (-) untuk data yang keputusan diterima bernilai ‘Tidak’. Selanjutnya membuat simpul akar untuk pohon yang akan dibuat dengan mencari information gain terbesar dari setiap atribut.

• IPK:

S = [8+, 3-], |S| = 11, Entropy(S) = 0,8454

Sbagus = [3+, 1-], |Sbagus|= 4, Entropy(Sbagus)=0,8113 17 Scukup = [3+, 1-], |Scukup|= 4, Entropy(Scukup)=0,8113 S_kurang=[2+, 1-], |S_kurang|= 3, Entropy(Skurang)=0,9183 Gain(S, IPK) = entropy(S) - (4/11)entropy(Sbagus) –

(4/11)entropy(S_cukup) - (3/11)entropy(S_kurang)

= 0,8454 – (4/11) 0,8113 – (4/11) 0,8113 – (3/11) 0,9183

= 0,0049

• Psikologi:

S = [8+, 3-], |S| = 11, Entropy(S) = 0,8454 S_tinggi = [3+, 0-], |Stinggi|= 3, Entropy(S_tinggi)=0 Ssedang = [4+, 1-], |Ssedang|= 5, Entropy(Ssedang)=0,7219 S_rendah=[1+, 2-], |S_rendah|= 3, Entropy(S_rendah)=0,9183

Gain(S,Psikologi) = entropy(S)-(4/11)entropy(Stinggi)- (4/11)entropy(Ssedang) – (3/11)entropy(Srendah)

= 0,8454 – (3/11) 0 – (5/11) 0,7219 – (3/11) 0,918

= 0,2668

• Wawancara:

S = [8+, 3-], |S| = 11, Entropy(S) = 0,8454 S_baik = [6+, 0-], |S_baik|= 6, Entropy(S_baik)=0

Sburuk = [2+, 3-], |Sburuk|= 5, Entropy(Sburuk)=0,9710 Gain(S, Wawancara) = entropy(S) - (4/11)entropy(Sbaik) - (4/11)entropy(S_buruk)

= 0,8454 – (6/11) 0 – (5/11) 0,9710 = 0,4040

Dari nilai information gain di atas, gain(S,Wawancara) adalah yang paling besar maka atribut wawancara yang akan menjadi root. Untuk nilai baik pada atribut wawancara terdapat 6 sampel, berarti samplebaik tidak kosong. Sehingga perlu memanggil fungsi ID3 dengan kumpulan sampel berupa samplebaik = [6+, 0-], atribut target = ‘diterima’ dan kumpulan atribut = {IPK, Psikologi}. Maka pada tahap ini menghasilkan pohon seperti Gambar 2.1.

Gambar 2.1 Pohon keputusan pada rekursi level 0 iterasi ke-1

2. Rekursi level 1 iterasi ke-1

Karena semua sampel termasuk pada kelas ‘Ya’ pada sampelbaik = [6+, 0-] maka fungsi ini akan berhenti dan mengembalikan satu simpul tunggal root dengan label ‘Ya’. Pada tahap ini menghasilkan pohon seperti Gambar 2.2.

Gambar 2.2 Pohon keputusan pada rekursi level 1 iterasi ke-1 3. Rekursi level 0 iterasi ke-2

Pada rekursi level 0 iterasi ke-1, sudah dilakukan engecekan atribut wawancara dengan nilai ‘baik’. Selanjutnya, dilakukan pengecekan untuk atribut ‘wawancara’ bernilai ‘buruk’. Sehingga memanggil fungsi ID3 dengan sampelburuk = [2+, 3-], target ‘diterima’, dan kumpulan atribut {IPK, Psikologi}. Sehingga pada tahap ini menghasilkan pohon pada Gambar 2.3.

Gambar 2.3 Pohon keputusan pada rekursi level 0 iterasi ke-2

4. Rekursi level 1 iterasi ke-2

Dengan atribut yang sama pada tahap berikutnya maka dilakukan perhitungan information gain untuk atribut IPK dan Psikologi. • IPK: S

= Sampleburuk = [2+, 3-], |S| = 5, Entropy(S) = 0,9710 Sbagus = [1+, 1-], |Sbagus|= 2, Entropy(Sbagus)=1 Scukup = [1+, 1-], |Scukup|= 2, Entropy(Scukup)=1 Skurang=[0+, 1-], |Skurang|= 1,

Entropy(Skurang)=0 Gain(S, IPK) = entropy(S) - (2/5)entropy(Sbagus) - (2/5)entropy(Scukup) - (1/5)entropy(Skurang) = 0,9710 – (2/5) 1 – (2/5) 1 – (1/5) 0 = 0,1710 • Psikologi: S= Sampleburuk = [2+, 3-], |S| =

5, Entropy(S) = 0,9710 Stinggi = [0+, 0-], |Stinggi|= 0, Entropy(Stinggi)=0 Ssedang = [2+, 1-], |Ssedang|= 3, Entropy(Ssedang)=0,9183 Srendah=[0+, 2-], |Srendah|= 2, Entropy(Srendah)=0 Gain(S, Psikologi) = entropy(S) -

(0/5)entropy(Stinggi) - (3/5)entropy(Ssedang) – (2/5)entropy(Srendah)

= 0,9170 – (0/5) 0 – (3/5) 0,9183 – (2/5) 0 = 0,4200 Dari dua

information gain di atas, Gain(S, Psikologi) adalah yang paling besar sehingga akan dijadikan simpul berikutnya. Pada atribut Psikologi maka akan dicek nilainya satu persatu. Untuk nilai tinggi terdapat 0 sampel, berarti Sampeltinggi kosong. Sehingga dapat dibuat satu simpul daun (leaf node, simpul yang tidak mempunyai anak) dengan nilai yang paling sering muncul pada sampelburuk yaitu ‘tidak’. Kemudian

pengecekan dilanjutkan kenilai sedang terdapat samplesedang = [2+, 1-]

untuk pemanggilan fungsi ID3 dengan atribut {IPK}

2.4 UML (Unified Modeling Languange)

Menurut Adi Nugroho (2010:6) UML merupakan salah satu alat bantu yang dapat digunakan dalam bahasa pemograman yang berorientasi objek, saat ini UML akan mulai menjadi standar masa depan bagi industri pengembangan sistem/perangkat lunak yang berorientasi objek sebab pada dasarnya UML digunakan oleh banyak perusahaan raksasa seperti IBM, Microsoft, dan sebagainya.

Langkah-langkah penggunaan Unified Modeling Language (UML) :

1. Buatlah daftar business process dari level tertinggi untuk mendefinisikan aktivitas dan proses yang mungkin muncul.

2. Petakan use case untuk setiap business process untuk mendefinisikan dengan tepat fungsional yang harus disediakan oleh sistem, kemudian perhalus use case diagram dan lengkapi dengan requirement, constraints dan catatan- catatan lain.

3. Buatlah deployment diagram secara kasar untuk mendefinisikan arsitektur fisik sistem.

4. Definisikan requirement lain non fungsional, security dan sebagainya yang juga harus disediakan oleh sistem.

5. Berdasarkan use case diagram, mulailah membuat activity diagram.

6. Definisikan obyek-obyek level atas package atau domain dan buatlah sequence dan/atau collaboration utuk tiap alir pekerjaan, jika sebuah use case memiliki kemungkinan alir normal dan error, buat lagi satu diagram untuk masing-masing alir.

7. Buatlah rancangan user interface mode yang menyediakan antarmuka bagi pengguna untuk menjalankan skenario use case.

8. Berdasarkan model-model yang sudah ada, buatlah class diagram. Setiap package atau domain dipecah menjadi hirarki class lengkap dengan atribut dan metodenya. Akan lebih baik jika untuk setiap class dibuat unit test untuk menguji fungsionalitas class dan interaksi dengan class lain.

9. Setelah class diagram dibuat akan dapat melihat kemungkinan pengelompokkan class menjadi komponen-komponen karena itu buatlah component diagram pada tahap ini. Selain itu, definisikan test integrasi setiap komponen untuk meyakinkan ia dapat bereaksi dengan baik.

10. Perhalus deployment diagram yang sudah dibuat. Detailkan kemampuan dan requirement piranti lunak, sistem operasi, jaringan dan sebagainya.

Petakan komponen ke dalam node.

11. Mulailah membangun sistem.

12. Lakukan uji modul dan uji integrasi serta perbaiki model beserta codenya.

Model harus selalu sesuai dengan code yang aktual.

13. Perangkat lunak siap dirilis.

2.4.1 Jenis-jenis diagram UML (Unified Modeling Language)

Menurut Padeli (2008:5), Berikut ini adalah definisi mengenai 5 diagram UML:

a. Use Case Diagram

Menurut Maimunah (2010:30), "Use case adalah adalah deksripsi fungsi dari sebuah sistem dari perspektif pengguna". Use case bekerja dengan cara mendeskripsikan tipikal interaksi antara pengguna sebuah sistem (aktor) dengan

sistemnya sendiri melalui sebuah cerita bagaimana sebuah sistem dipakai. Use case diagram secara grafis menggambarkan interaksi antara sistem, sistem eksternal dan pengguna. Dengan kata lain use case diagram secara grafis mendeskripsikan siapa yang akan menggunakan sistem dan dalam cara apa pengguna (user) mengharapkan interaksi dengan sistem itu. Use case secara naratif digunakan untuk secara tekstual menggambarkan sekuensi langkah- langkah dari setiap interaksi yang terdapat pada gambar 2.4.

Gambar 2.4 Simbol Use Case Diagram

b. Class Diagram

Menurut Murad (2010:30), Class diagram adalah Class yang menggambarkan keadaan (atribut/property) suatu sistem, sekaligus menawarkan pelayanan untuk memanipulasi keadaan tersebut (metode/fungsi).

Menggambarkan struktur object sistem. Diagram ini menunjukkan class object yang menyusun sistem dan juga hubungan antara class object tersebut.

Gambar 2.5 Simbol Class Diagram

c. Sequence Diagram

Secara grafis menggambarkan bagaimana objek berinteraksi dengan satu sama lain melalui pesan pada sekuensi sebuah use case atau operasi.

Gambar 2.6 Simbol Squence Diagram

d. State Chart Diagram

Digunakan untuk memodelkan behaviour objek khusus yang dinamis. Diagram ini mengilustrasikan siklus hidup objek berbagai keadaan yang dapat diasumsikan oleh objek dan event-event (kejadian) yang menyebabkan objek beralih dari satu state ke state yang lain seperti pada gambar 2.7

Gambar 2.7 Simbol State Chart Diagram

e. Activity Diagram

Secara grafis digunakan untuk menggambarkan rangkaian aliran aktivitas baik proses bisnis maupun use case. Activity diagram dapat juga digunakan untuk memodelkan action yang akan dilakukan saat sebuah operasi dieksekusi, dan memodelkan hasil dari action tersebut.

Gambar 2.8 Simbol Activity Diagram

2.4.2 Flowchart

Flowchart program merupakan langkah-langkah (instruksi-instruksi) program yang menceritakan kejadian suatu proses satu dengan proses lainya dalam suatu program secara mendetail yang di wakilkan dalam bentuk simbol atau bagan. Diagram Panah/Flowchart terdiri dari tiga model simbol, yaitu :

1. Simbol media, digunakan untuk menggambarkan media penyimpanan dan media untuk menampilkan informasi (keluaran), contoh : Document, Online Display, Magnetic Disk, Online Storage, dll.

2. Simbol Proses, digunakan untuk menggambarkan suatu langkah logis / proses / kondisi tertentu, contoh : Decision, Input/Output, Computer, Processing, dll.

3. Simbol Deskriptif, digunakan sebagai penunjuk/keterangan/istilah tertentu dalam proses, contoh : directtional Flow, Terminal, Connector, dll. Adapun simbol-simbol Flowchart sebagaimana Tabel 2.2. di bawah ini.

Tabel 2.2 Simbol-simbol standard Flowchart

No Nama Simbol Keterangan

1. Proses Beberapa pemrosesan

2. Terminator Mengindikasikan awal dan akhir dari aliran program dalam

diagram

3. Dokumen Data yang dapat dibaca oleh

manusia, seperti print out.

4. Decision Keputusan antara dua atau lebih garis dalam sebuah flowchart

5. Data Dapat mempresentasikan

beberapa tipe data dalam sebuah flowchart.

6. Stored data Proses penyimpanan data.

7. Manual input Data yang dimasukkan secara manual dengan keyboard.

8. Preparation Sebuah modifikasi proses, seperti setting switch atau menginisialisasi sebuah rutin.

9. Punched tape Data yang disimpan dalam tape

10. Display Data yang display untuk dibaca, seperti data sebuah monitor atau

projector screen

11. Garis konektor

Penghubung

2.5 Embarcadero Delphi Xe10

Delphi banyak di gunakan untuk pembangunan aplikasi desktop dan enterprise berbasis database, tapi sebagai perangkat pengembangan yang bersifat general-purpose ia juga mampu dan digunakan dalam berbagai jenis proyek pengembangan software. Ia juga yang dikenal sebagai salah satu yang membawa istilah RAD tool, kepanjangan dari Rapid Application Development, saat dirilis tahun 1995 untuk windows 16-bit. Delphi 2, dirilis setahun kemudian, mendukung lingkungan windows 32-bit, dan versi c++, C++Builder, dirilis beberapa tahun kemudian

Chief Architect yang membidani Delphi, dan pendahulunya Turbo Pascal, adalah Anders Hejlsberg sampai kemudian ia pindah ke Microsoft tahun 1996 di mana ia sebagai chief designer C# dan termasuk orang kunci dalam perancangan

Microsoft .Net Framework. Dukungan penuh untuk .Net ditambahkan pada Delphi 8 (dirilis pada bulan Desember 2003) dengan penampilan user interface (look and feel) mirip dengan Microsoft Visual Studio .NET.

Delphi 2005 (nama lain dari Delphi 9) mendukung code generation baik untuk win32 maupun .NET, dan seperti yang telah dikenal, fitur-fitur manipulasi data secara live dari database secara design-time. Ia juga membawa banyak pembaruan pada IDE secara signifikan.

Para penganjur delphi mengklaim dengan bahasa pemrograman Delphi, IDE dan component library (VCL/CLX) yang disediakan oleh vendor tunggal memungkinkan satu paket yang lebih konsisten dan mudah dikenali.

Produk Delphi ini didistribusikan dalam beberapa rancangan: Personal, Professional, Enterprise (sebelumnya Client/Server) dan Architect.

Perbedaan fitur yang utama antara Delphi, Kylix dengan IDE-IDE yang lain adalah keberadaan bahasanya (Bahasa pemrograman delphi), VCL/CLX (Visual Component Library), Penekanan konektifitas database yang sangat baik, dan banyaknya komponen-komponen pihak ketiga yang mendukungnya.

Aspek penting yang perlu dicatat tentang Bahasa pemrograman Delphi termasuk:

• Penanganan object sebagai reference/pointer secara transparan

• Properti sebagai bagian dari bahasa tersebut; baik, sebagai getter dan setter

(atau accessor and mutator), yang secara

transparan mengenkapsulasi akses pada field-field anggota dalam kelas tersebut.

• Property index dan Default yang menyediakan akses pada data kolektif

• Pendelegasian (type safe method pointer) yang digunakan untuk memproses event yang dipicu oleh component

• Pendelegasian implementasi interface pada Field ataupun property dari class.

• Implementasi penanganan windows message dengan cara membuat method dalam class dengan nomer/nama dari windows message yang akan dihandle.

• COM bersifat sebagai interface yang independen dengan implementasi class sebagai reference counted

• Kompilasi yang dapat menghasilkan kode yang bercalan secara native ataupun managed code pada arsitektur framework .NET.

2.6 DBMS

Sistem manajemen basis data (Bahasa Inggris: database management system DBMS) adalah suatu sistem atau perangkat lunak yang dirancang untuk mengelola suatu basis data dan menjalankan operasi terhadap data yang diminta banyak pengguna. Contoh tipikal DBMS adalah akuntansi, sumber daya manusia, dan sistem pendukung pelanggan, DBMS telah berkembang menjadi bagian standar di bagian pendukung (back office) suatu perusahaan. Contoh DBMS adalahOracle, SQL Server 2000/2003, MS Access, MySQL dan sebagainya.

DBMS merupakan perangkat lunak yang dirancang untuk dapat melakukan utilisasi dan mengelola koleksi data dalam jumlah yang besar. DBMS juga dirancang untuk dapat melakukan manipulasi data secara lebih mudah. Sebelum adanya DBMS, data pada umumnya disimpan dalam bentuk flat file, yaitu file

teks yang ada pada sistem operasi. Sampai sekarangpun masih ada aplikasi yang menimpan data dalam bentuk flat secara langsung. Menyimpan data dalam bentuk flat file mempunyai kelebihan dan kekurangan. Penyimpanan dalam bentuk ini akan mempunyai manfaat yang optimal jika ukuran filenya relatif kecil, seperti file passwd pada sistem operasi Unix dan Unix-like. File passwd pada umumnya hanya digunakan untuk menyimpan nama yang jumlahnya tidak lebih dari 1000 orang. Selain dalam bentuk flat file, penyimpanan data juga dapat dilakukan dengan menggunakan program bantu seperti spreadsheet. Penggunaan perangkat lunak ini memperbaiki beberapa kelemahan dari flat file, seperti bertambahnya kecepatan dalam pengolahan data. Namun demikian metode ini masih memiliki banyak kelemahan, diantaranya adalah masalah manajemen dan keamanan data yang masih kurang. Penyimpanan data dalam bentuk DBMS mempunyai banyak manfaat dan kelebihan dibandingkan dengan penyimpanan dalam bentuk flat file atau spreadsheet, diantaranya :

1. Performa yang dapat dengan penyimpanan dalam bentuk DBMS cukup besar, sangat jauh berbeda dengan performance data yang disimpan dalam bentuk flat file. Disamping memiliki unjuk kerja yang lebih baik, juga akan didapatkan efisiensi penggunaan media penyimpanan dan memori

2. Integritas data lebih terjamin dengan penggunaan DBMS. Masalah redudansi sering terjadi dalam flat file. Redudansi adalah kejadian berulangnya data atau kumpulan data yang sama dalam sebuah database yang mengakibatkan pemborosan media penyimpanan.

3. Independensi. Perubahan struktur database dimungkinkan terjadi tanpa harus mengubah aplikasi yang mengaksesnya sehingga pembuatan antarmuka ke dalam data akan lebih mudah dengan penggunaan DBMS.

4. Sentralisasi. Data yang terpusat akan mempermudah pengelolaan database.

kemudahan di dalam melakukan bagi pakai dengan DBMS dan juga kekonsistenan data yang diakses secara bersama-sama akan lebiih terjamin dari pada data disimpan dalam bentuk file atau worksheet yang tersebar.

5. Keamanan. DBMS memiliki sistem keamanan yang lebih fleksibel daripada pengamanan pada file sistem operasi. Keamanan dalam DBMS akan memberikan keluwesan dalam pemberian hak akses kepada pengguna.

2.6.1 MySQL

MySQL adalah database server relasional yang gratis di bawah lisensi GNU General Public License. MySQL dikembangkan oleh MySQL AB, sebuah perusahaan komersial yang membangn layanan bisnisnya melalui basis data MySQL. Awal mula pengembangan MySQL adalah pengguanaan mSQL untuk koneksi ke tabel mempergunakan rutin level rendah (ISAM). Setelah beberapa pengujian diperoleh kesimpulan MySQL tidak cukup cepat dan fleksibel untuk memenuhi kebutuhan. Sehingga dihasilkan suatu antarmuka SQL baru pada basis data tetapi dengan Application Programming Interface (API) yang mirip SQL.

API ini dipilih sedemikian sehingga memudahkan porting kode (Utdirartatmo, 2002).

MySQL juga disebut sebagai suatu sistem manajemen basis data. Suatu basis data adalah sebuah kumpulan data yang terstruktur. Untuk menambahkan, mengakses, dan memproses data yang tersimpan pada suatu basis data komputer diperlukan sistem manajemen basis data seperti MySQL. MySQL mampu menangani basis data berukuran besar yaitu bisa memuat 60 ribu tabel dan 50 juta record. Karena komputer sangat unggul dalam menangani sejumlah besar data, sistem manajemen basis data memainkan suatu peranan yang penting dalam komputasi, baik sebagai utility stand-alone maupun bagian dari aplikasi lainnya.

Perintah-perintah dasar Structured Query Language (SQL) yang dipergunakan pada MySQL adalah sebagai berikut (Utdirartatmo, 2002).

1. CREATE DATABASE

Perintah ini berfungsi untuk membuat database baru.

2. DROP DATABASE

Berfungsi untuk menghapus database.

3. CREATE TABLE

Perintah ini berfungsi untuk membat table baru.

4. DESCRIBE

Perintah ini berguna untuk menampilkan deskripsi dari sebuah tabel.

5. ALTER TABLE

Perintah ini berfungsi untuk melakukan modifikasi tabel.

6. DROP TABLE

Perintah ini digunakan untuk menghapus tabel.

7. DELETE

Perintah ini digunakan untuk menghapus record dari sebuah tabel.

8. GRANT

Perintah ini berfungsi untuk memberikan privilege akses kepada pengguna terhadap tabel dan dapat juga digunakan untuk membuat pengguna baru.

9. LOCK TABLES

Perintah ini berfungsi untuk menutup akses pengguna terhadap tabel.

10. UNLOCK TABLES

Perintah ini berfungsi untuk membuka akses yang sebelumnya dikunci.

11. INSERT INTO

Perintah ini berfungsi untuk memasukkan data ke dalam tabel.

12. LOAD DATA INFILE

Perintah ini gunakan untuk membaca data dari file teks.

13. SELECT

Perintah ini berfungsi untuk menampilkan record dari suatu tabel.

14. UPDATE

Perintah ini berfungsi untuk melakukan update data field dari sebuah tabel.