7 BAB 2 LANDASAN TEORI
Suspensi adalah suatu sistem yang berfungsi meredam kejutan, getaran yang terjadi pada kendaraan akibat permukaan jalan yang tidak rata. Suspensi dapat meningkatkan kenyamanan berkendaraan dan mengendalikan kendaraan. Suspensi pada kendaraan berawal pada abad XVI (sumber ,http://www.pikiran-rakyat.com/cetak /2006/042006/07/otokir/utama01.htm, 2007), pada saat itu suspensi dipergunakan pada kereta kuda agar nyaman. Dimana jalan-jalan saat itu banyak yang bergelombang. Sistem suspensi pada kendaraan digantung pada keempat tiang yang terkait ke sasis atau rangka. Suspensi pada dasarnya merupakan bagian dari sasis. Sasis terdiri atas rangka kendaraan, sistem suspensi, sistem kemudi, dan roda. Sistem suspensi terdiri atas pegas, peredam (shock absorber), dan komponen lain seperti lengan ayun, sambungan (joints), batang pengkaku (anti-roll bar atau stabilizer), dan karet-karet. Berkenaan dengan konfigurasi, terdapat dua jenis sistem suspensi, yakni dependent dan independent. Suspensi dependent dapat dicirikan dari poros penghubung roda kiri dan kanan yang merupakan satu kesatuan utuh serta kaku (rigid). Biasanya, suspensi dependent dipakai di kendaran angkutan barang (truk). Pegas yang digunakan untuk menumpu beban kendaraan biasanya dari jenis pegas daun (leaf spring). Suspensi independen, seperti jenis MacPherson atau double wishbone umumnya digunakan di roda depan pada kendaraan jenis sedan atau kendaraan penumpang (minibus) keluaran terbaru. Dari konstruksinya, dapat dilihat pada gambar (2.1) bahwa suspensi independent memungkinkan roda kiri untuk bergerak bebas terhadap roda
8 kanan, meski hanya untuk kisaran gerak yang terbatas (sumber, http://www.pikiranrakyat.com /cetak/2007/022007/16/otokir/utama01.htm, 2007).
Gambar 2.1 Suspensi independent jenis MacPherson Berdasarkan sistem pengontrolannya, terdapat dua jenis sistem suspensi yakni suspensi pasif dan suspensi aktif. Pada suspensi pasif (sistem yang umum diterapkan pada kendaraan saat ini) kekakuan pegas dan konstanta redamannya bernilai konstan. Namun pada suspensi aktif, pengontrolan kekakuan pegas dan redaman dapat diatur, sehingga dapat menambah kenyamanan penumpangnya. Konstanta suspensi atau yang biasa disebut dengan konstanta spring didapatkan dari besarnya gaya per satuan jarak. Dengan rumusan sebagai berikut. F = − kx
2.1
•
F = gaya
•
k = konstanta spring
•
x = perpindahan jarak
Suspensi Aktif Pada penelitian tugas akhir ini hanya akan meninjau suspensi aktif. Suspensi
aktif merupakan teknologi otomotif yang mengontrol pergerakan vertikal pada roda. Pada model suspensi aktif dijelaskan dengan gambar(2.2) dibawah ini.
9
Gambar 2.2 Sistem suspensi aktif Dalam hal Ini diasumsikan bahwa roda kendaraan menempel pada jalan. Persamaan pergerakan pada sistem aktif, berdasarkan hukum Newton 2, akan diberikan sebagai berikut: mb &z&b = f a − k1 ( z b − z w ) − c s ( z& b − z& w ) m w &z&w = − f a + k1 ( z b − z w ) − k 2 ( z w − z r ) + c s ( z& b − z& w ) •
mb = berat body
•
m w = berat roda
•
k1 = konstanta spring
•
k 2 = konstanta roda
•
f a = actuator force (besaran gaya pada hidrolik)
•
c s = damping rasio (peredam kejut)
•
z r = pemindahan jalan (perpindahan vertikal pada jalan)
10 •
z b = pemindahan body
•
z w = pemindahan roda Pada hukum Newton 2, jumlah gaya yang bekerja sama dengan massa dikalikan
dengan percepatan. Dengan rumusan sebagai berikut. F = ma
•
F = gaya
•
m = massa
•
a = percepatan
Damping adalah kontrol dari osilasi. Damping tersebut mengontrol kecepatan gerak suspensi. Arah gaya yang bekerja berlawanan dengan arah gerak suspensi. Kendaraan yang tidak memiliki damping akan terus berosilasi naik turun. Rumusan damping adalah sebagai berikut. F = −cv
2.2
•
F = gaya
•
c = koefisien damping
•
v = kecepatan
Logika Fuzzy Logika fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang logika
fuzzy baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada pada diri kita sejak lama. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang masukan ke dalam suatu ruang keluaran (Sri Kusumadewi, 2003,p163).
11 Logika fuzzy pertama kali diperkenalkan oleh profesor Lotfi Zadeh dari universitas california di Berkeley pada tahun 1965. Logika fuzzy merupakan suatu teori himpunan logika yang dikembangkan untuk mengatasi konsep nilai yang terdapat diantara kebenaran (truth) dan kesalahan (false). Dengan menggunakan logika fuzzy nilai yang dihasilkan bukan hanya ya (1) atau tidak (0) tetapi seluruh kemungkinan diantara 0 dan 1. (sumber, http://en.wikipedia.org/wiki/Fuzzy_logic)
2.2.1
Himpunan Crisp dan Himpunan Fuzzy Himpunan Crisp A didefinisikan oleh item-item yang ada pada himpunan itu.
Jika a ∈ A, maka nilai keanggotaan dari a adalah 1. Namun, jika
a ∉ A, maka nilai
keanggotaan dari a adalah 0. Notasi A = {x | P(x)} menunjukkan bahwa A berisi item x dengan P (x) benar. Jika XA merupakan fungsi karakteristik A dan properti P, dapat dikatakan bahwa P(x) benar, jika dan hanya jika XA(x) = 1. Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai keanggotaannya menunjukkan bahwa suatu item tidak hanya bernilai benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah. Sebagai contoh, kecepatan kendaraan dapat masuk dalam 2 himpunan berbeda, lambat dan sedang, sedang dan cepat. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaannya. Gambar (2.3) menunjukkan himpunan
fuzzy untuk peubah kecepatan kendaraan.
12
Gambar 2.3 Grafik pengelompokan kecepatan kendaraan dengan logika fuzzy Pada Gambar (2.3) dapat dilihat bahwa:
•
Kendaraan yang berkecepatan 40 km/jam, termasuk dalam himpunan lambat dengan µlambat [50] = 0,25; namun kecepatan tersebut juga termasuk dalam himpunan sedang dengan µsedang [50] = 0,5.
•
Kendaraan yang berkecepatan 50 km/jam, termasuk dalam himpunan cepat dengan µcepat [60] = 0,25, namun kecepatan tersebut juga termasuk dalam himpunan sedang dengan µsedang [60] = 0,5. Pada himpunan crisp, nilai keanggotaannya hanya ada dua kemungkinan, yaitu
antara 0 atau 1, sedangkan pada himpunan fuzzy nilai keanggotaannya pada rentang antara 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy µA[x] = 0, berarti x tidak menjadi anggota himpunan A, dan juga apabila x memiliki nilai keanggotaan fuzzy µA[x] = 1 berarti x menjadi anggota penuh pada himpunan A. Istilah fuzzy logic memiliki berbagai arti. Salah satu arti fuzzy logic adalah perluasan crisp logic, sehingga dapat mempunyai nilai antara 0 sampai 1. Pertanyaan yang akan timbul adalah, bagaimana dengan operasi NOT, AND dan OR-nya? Ada banyak solusi untuk masalah tersebut. Salah satunya adalah:
•
operasi NOT x diperluas menjadi 1 - µx,
•
x OR y diperluas menjadi max(µx,µy)
13
•
x AND y diperluas menjadi min(µx,µy).
Dengan cara ini, operasi dasar untuk crisp logic tetap sama. Sebagai contoh :
•
NOT 1 = 1 – 1 = 0
•
1 OR 0 = max (1,0) = 1
•
1 AND 0 = min (1,0) = 0
dan ini diperluas untuk logika fuzzy. Sebagai contoh :
•
NOT 0,7 = 1 – 0,7 = 0,3
•
0,3 OR 0,1 = max (0,3, 0,1) = 0,3
•
0,8 AND 0,4 = min (0,8, 0,4) = 0,4
2.2.2 Fungsi Keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data kedalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi representasi yang bisa digunakan dalam logika fuzzy. Di antaranya adalah sebagai berikut (Sri Kusumadewi, 2003,p160).
•
Representasi linear, permukaan digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas. Ada dua keadaan himpunan fuzzy linear. Pertama, kenaikan himpunan dimulai dari domain yang memiliki derajat keanggotaan nol
14 (0) bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi. Perhatikan gambar (2.4) dibawah ini.
Gambar 2.4 Representasi linear naik Fungsi keanggotaan pada linear naik:
Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai dominan dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai dominan yang memiliki derajat keanggotaan lebih rendah.
15
Gambar 2.5 Representasi linear turun Fungsi keanggotaan pada linear turun:
•
Representasi kurva segitiga, pada dasarnya merupakan gabungan antara dua garis linear. Perhatikan gambar (2.6)
Gambar 2.6 Representasi kurva segitiga
16 Fungsi keanggotaan pada kurva segitiga:
•
Representasi kurva trapesium, kurva segitiga pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1. Perhatikan gambar (2.7)
Gambar 2.7 Representasi kurva trapesium Fungsi keanggotaan pada kurva trapesium:
•
Representasi kurva bentuk bahu, daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan dirinya akan naik turun (misalkan: dingin bergerak ke sejuk bergerak ke hangat dan bergerak ke panas). Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami perubahan. Sebagai contoh, apabila telah mencapai puncak
17 panas. Himpunan fuzzy bahu, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar. Gambar (2.8) memperlihatkan variabel temperatur dengan daerah bahunya.
Gambar 2.8 Representasi bentuk bahu pada variabel temperatur
•
Representasi kurva-S, kurva pertumbuhan dan penyusutan merupakan kurva-S atau sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan secara tak linear. Kurva-S untuk pertumbuhan akan bergerak dari sisi paling kiri dengan nilai keanggotaan = 0 ke sisi paling kanan dengan nilai keanggotaan =1.
18
Gambar 2.9 Representasi kurva-S pertumbuhan Fungsi keanggotaan pada kurva-S pertumbuhan:
Kurva-s untuk penyusutan akan bergerak dari sisi paling kanan dengan nilai keanggotaan = 1 ke sisi paling kiri dengan nilai keanggotaan = 0 seperti terlihat pada gambar (2.10) dibawah ini.
Gambar 2.10 Representasi kurva-S menurun
19 Fungsi keanggotaan pada kurva-S menurun:
Kurva-S didefinisikan dengan menggunakan 3 parameter, yaitu: nilai keanggotaan nol ( α ), nilai keanggotaan lengkap ( γ ), dan titik infleksi atau
crossover ( β ) yaitu titik yang memiliki domain 50% benar. Gambar (2.11) dibawah ini menunjukkan karakteristik kurva-S dalam bentuk skema.
Gambar 2.11 Karakteristik fungsi kurva-S
•
Representasi kurva bentuk lonceng (bell curve), pada kurva bentuk lonceng dibagi menjadi tiga kelas, yaitu kurva PI, beta, dan Gauss.
20 i.
Kurva PI, berderajat keanggotaan 1 terletak pada pusat dengan domain ( γ ), dan lebar kurva ( β ) seperti terlihat pada gambar (2.12)
Gambar 2.12 Karakteristik fungsi kurva PI Fungsi keanggotaan pada kurva PI:
ii.
Pada kurva beta juga berbentuk lonceng namun lebih rapat. Kurva ini juga didefinisikan dengan dua parameter, yaitu nilai pada domain yang menunjukan pusat kurva ( γ ), dan setengah lebar kurva ( β ) seperti terlihat pada gambar (2.13) dibawah ini.
21
Gambar 2.13 Karakteristik fungsi kurva Beta Fungsi keanggotaan pada kurva Beta: B ( x, γ , β ) =
1
⎛ x −γ 1 + ⎜⎜ ⎝ β
⎞ ⎟⎟ ⎠
2
Salah satu perbedaan mencolok kurva Beta dari kurva PI adalah fungsi keanggotaan Beta akan mendekati nol hanya jika nilai ( β ) sangat besar iii.
Pada kurva Gauss, menggunakan ( γ ) untuk menunjukan nilai domain pada pusat kurva, dan (k). Seperti terlihat pada gambar (2.14) dibawah ini. Pada
22 makalah ini, akan menggunakan model fuzzy representasi kurva Gauss.
Gambar 2.4 Karakteristik fungsi kurva Gauss Fungsi keanggotaan pada kurva Gauss:
G ( x, k , γ ) = e − k ( γ − x ) 2.3
2
Blok Diagram Sebuah blok diagram pada sistem adalah gambaran representasi dari fungsi
masing-masing komponen dan menurunkan beberapa sinyal. Pada blok diagram semua sistem variabel dihubungkan ke masing-masing fungsional blok. Fungsional blok adalah sebuah simbol untuk operasi matematik pada sinyal input ke blok yang mengeluarkan output. Blok yang berhubungan ditandai dengan sebuah panah sebagai arah sinyal.
23
Gambar 2.15 Elemen dari blok diagram Arah panah yang menuju ke blok menandakan sinyal input dan arah panah yang meninggalkan blok menandakan sinyal output.
2.3.1 Node Penjumlahan (summing point) dan Node Pencabangan (branch point)
Gambar 2.16 Node penjumlah (Summing point) Pada gambar di atas, lingkaran dengan di dalamnya ada tanda silang merupakan sebuah simbol dari operasi penjumlahan atau pengurangan. Tanda tambah atau kurang pada arah panah menandakan sinyal tersebut ditambah atau dikurang. Hal ini sangat penting bahwa kuantitas ditambah atau dikurang memiliki dimensi dan unit yang sama. Node pencabangan (branch point) adalah sebuah node di mana sinyal dari sebuah blok pergi menuju ke blok yang lain atau ke node penjumlahan.
24 2.3.2 Blok Diagram Pada Sistem Perulangan Tertutup
R(s)
E(s) +
-
C(s) G(s)
Gambar 2.17 Sistem perulangan tertutup (Closed-loop system) Gambar di atas adalah contoh dari blok diagram sistem perulangan tertutup. Perulangan tertutup pada sistem hanya dapat diindikasi dengan gambar diagram tersebut. Nilai keluaran C(s) akan kembali ke node penjumlahan di mana nilai tersebut akan dibandingkan dengan nilai masukan R(s). Masukan dari E(s) akan menuju ke blok fungsi transfer (transfer function) G(s), setelah itu akan memperoleh nilai keluaran C(s). Beberapa sistem control linier mungkin dipresentasikan dengan blok diagram yang terdiri dari blok, node penjumlah dan node pencabangan. Ketika nilai output kembali ke node penjumlah untuk membandingkan dengan nilai masukan, nilai tersebut perlu dikonversi dari sinyal keluaran ke sinyal masukan. Untuk contohnya, pada kontrol sistem suhu, sinyal keluaran biasanya yang mengontrol suhu. Sinyal keluaran, di mana yang memiliki dimensi dari suhu, harus sebelumnya dikonversi ke gaya atau pasisi atau voltase sebelum dibandingkan dengan sinyal masukan. Konversi ini akan diselesaikan oleh sebuah fungsi transfer (transfer function) H(s). Terlihat gambar dibawah ini.
25
Gambar 2.18 Sistem perulangan tertutup 2 Pengaturan pada elemen umpan balik (feedback element) harus memodifikasi nilai keluaran sebelum nilai tersebut dibandingkan dengan nilai masukan. Pada kebanyakan masalah, umpan balik adalah sebuah sensor yang mengukur nilai keluaran dari rencana. Nilai dari keluaran tersebut akan dibandingkan dengan nilai masukan dan gerakan sinyal kesalahan dapat dihasilkan. Sinyal umpan balik yang mengarah ke node penjumlahan untuk dibandingkan dengan masukan adalah B(s)=G(s)H(s). Nilai keluaran dan masukan pada gambar (2.8) di atas dapat dijabarkan seperti di bawah ini.
C ( s) = G ( s) E ( s) E ( s ) = R( s ) − B( s ) → E ( s ) = R ( s ) − H ( s )C ( s ) Dengan mengeliminasi E (s ) maka
C ( s) = G ( s )[ R( s) − H ( s)C ( s)] atau
Maka C ( s ) =
G(s) R( s) 1 + G ( s) H ( s)
C ( s) G ( s) = R( s) 1 + G ( s) H ( s)
26 2.4
Transformasi Laplace
Transformasi
Laplace
adalah
suatu
teknik
untuk
menyederhanakan
permasalahan dalam suatu sistem yang mengandung masukan dan keluaran, dengan melakukan transformasi dari suatu domain pengamatan ke domain pengamatan yang lain (http://id.wikipedia.org/wiki/Transformasi_Laplace). Dalam matematika jenis transformasi ini merupakan suatu konsep yang penting sebagai bagian dari analisa fungsional, yang dapat membantu dalam melakukan analisa sistem invarian-waktu linier, seperti rangkaian elektronik, osilator harmonik, devais optik dan sistem-sistem mekanik. Dengan mengetahui deksripsi matematika atau fungsional sederhana dari masukan atau keluaran suatu sistem, transformasi Laplace dapat memberikan deskripsi funsional alternatif yang kadang dapat menyederhanakan proses analisa kelakukan dari sistem atau membuat suatu sistem baru yang berdasarkan suatu kumpulan spesifikasi. Dalam sistem fisik sebenarnya transformasi Laplace sering dianggap sebagai suatu transformasi dari cara pandang domain-waktu, di mana masukan dan keluaran dimengerti sebagai fungsi dari waktu, ke cara pandang domain-frekuensi, di mana masukan dan keluaran yang sama dipandang sebagai fungsi dari frekuensi angular kompleks, atau radian per satuan waktu. Transformasi ini tidak hanya menyediakan cara mendasar lain untuk mengerti kelakukan suatu sistem, tetapi juga secara drastis mengurangi kerumitan perhitungan matematika yang dibutuhkan dalam menganalisa suatu sistem.
27 Transformasi Laplace memiliki peran penting dalam aplikasi-aplikasi dalam bidang fisika, optik, rekayasa listrik, rekayasa kendali, pemrosesan sinyal dan teori kemungkinan. Nama transformasi ini diberikan untuk menghormati seorang ahli matematika dan astronomi, Pierre-Simon Laplace, yang menggunakan teknik transformasi ini pada hasil karyanya dalam teori kemungkinan. Sebenarnya teknik ini ditemukan sebelumnya oleh Leonhard Euler, seorang ahli matematika prolific Swiss abad kedelapanbelas. Transformasi Laplace dari suatu fungsi f(t), yang terdefinisi untuk semua nilai t riil dengan t ≥ 0, adalah fungsi F(s), yang didefinisikan sebagai: F ( s ) = L{ f (t )} = ∫ ∞0 e − st f (t )dt Transformasi Laplace ini memiliki sejumlah sifat yang membuatnya amat berguna bagi analisa sistem dinamik linier. Keunggulan utama dari cara ini adalah mengubah proses diferensiasi menjadi perkalian dan integrasi menjadi pembagian, dengan adanya s (Hal ini mirip dengan fungsi logaritma yang mengubah operasi perkalian dan pembagian menjadi penjumlahan dan pengurangan). Perubahan persamaan integral dan diferensial menjadi bentuk polinomial menyederhanakan proses penyelesaian. Beberapa fungsi dasar Trasformasi Laplace:
1 s
•
L{1} = f ( s) =
•
L{t n } = f ( s ) =
•
L{e at } = f ( s ) =
n! s n +1 1 s−a
28 s s +ω2
•
L{cos ωt} = f ( s ) =
•
L{sin ωt} = f ( s ) =
•
L{cosh at} = f ( s ) =
s s − a2
•
L{sinh at} = f ( s ) =
a s − a2
2.5
2
ω s +ω2 2
2
2
Simulasi
Simulasi adalah sesuatu bentuk imitasi yang menyerupai aslinya (sumber, http://en.wikipedia.org/wiki/Simulation). Pada proses kerja, simulasi mempresentasikan karakteristik dan bentuk fisik seperti pada aslinya. Dengan menggunakan simulasi maka kita dapat memperoleh berbagai kelebihan, seperti: •
Efisiensi biaya. Didalam simulasi sangatlah dipertimbangkan, karena sebagian inti dari simulasi adalah untuk memperoleh efisiensi pengeluaran biaya.
•
Menghemat waktu. Simulasi dapat dengan signifikan menghemat waktu untuk memproses suatu pemecahan masalah dengan akurat.
•
Tidak mempengaruhi keadaan sistem aslinya sehingga dapat dilakukan metode Trial and Error.
•
Mudah untuk diperbanyak. Dengan menggunakan bantuan komputer, simulasi sangatlah mudah untuk dilakukan perubahan baik penambahan maupun pengurangan.
29 Adapun kekurangan yang terdapat pada simulasi, sebagai berikut: •
Perlu belajar terlebih dahulu untuk dapat melakukan suatu proses simulasi
•
Diperlukan data yang cukup akurat untuk dapat memperoleh hasil yang akurat.
•
Diperlukan ketelitian yang tinggi sehingga tidak terjadi kesalahan dalam menurunkan persamaan.
2.6
Alat Bantu Perancangan
2.6.1
State Transition Diagram (STD)
State Transition Diagram merupakan salah satu cara untuk menggambarkan jalannya suatu proses. STD ini terdiri dari input/kondisi, state proses, output/aksi yang terjadi dan perubahan statenya. Komponen dasar State Transition Diagram dapat dilihat pada gambar 2.9 dibawah ini. State X
State Sekarang Input Output
State Y
State Selanjutnya
Gambar 2.19 Komponen dasar State Transition Diagram State menunjukkan satu atau lebih kegiatan atau keadaan atau atribut yang menjelaskan bagian tertentu dari proses. Anak panah berarah menunjukkan perubahan state yang disebabkan oleh input tertentu (state X ke state Y). Input atau kondisi merupakan suatu kejadian pada lingkungan eksternal yang dapat dideteksi oleh sistem misal sinyal, interupsi atau data. Hal ini menyebabkan perubahan dari satu state ke state
30 yang lainnya atau dari satu aktivitas ke aktivitas lainnya. Output atau aksi merupakan hal yang dilakukan oleh sistem jika terjadi perubahan state atau merupakan reaksi terhadap kondisi. Aksi dapat menghasilkan output, tampilan pesanan pada layar, kalkulasi atau kegiatan lainnya.
2.6.2
Pseudocode
Pseudocode berasal dari kata pseudo dan code, adalah deskripsi yang informal dan padat dari sebuah algoritma pemrograman komputer yang menggunakan aturan struktural dari bahasa pemrograman, tetapi menghilangkan detail-detail seperti subrutin, deklarasi
variabel
atau
syntax
bahasa
pemrograman
tertentu
(sumber,
http://en.wikipedia.org/wiki/pseudocode, 2007). Bahasa pemrograman dalam hal ini digabungkan dengan penjelasan detail dalam bahasa natural agar terlihat lebih umum. Pseudocode bukanlah skeleton program atau dummy code yang masih dapat di-compile tanpa error. Flowchart dapat juga dianggap sebagai salah satu bentuk pseudocode.
2.7
Teori Perancangan Program
2.7.1
Waterfall Method
Metode Waterfall adalah sebuah model perancangan program secara sekuensial, dimana proses perancangan tersebut mengalir secara teratur kebawah sehingga terlihat seperti air terjun (sumber, http://en.wikipedia.org/wiki/waterfall_method, 2007). Proses ini melalui fase-fase seperti, analisis kebutuhan, desain, implementasi, pengetesan atau validasi, integrasi dan perawatan. Asal kata waterfall sering dikutip dari
31 artikel yang dipublikasikan pada tahun 1970 oleh W. W. Royce, ironisnya, Royce sendiri tidak menggunakan kata tersebut, sebaliknya memakai kata pendekatan iteratif dalam perancangan software. Pada awalnya Royce menggambarkan metode Waterfall adalah contoh metode yang beresiko dan rawan terhadap kegagalan. Tetapi walapun begitu, penggunaan metode ini tetap populer di dalam perancangan program.
Gambar 2.20 Metode Waterfall Seperti yang terlihat pada Gambar (2.20), proses perancangan program bergerak dari atas ke bawah seperti air terjun. Di dalam model Waterfall yang dinyatakan oleh Royce, fase-fasenya adalah sebagai berikut : •
Spesifikasi Kebutuhan
•
Desain
•
Konstruksi atau Implementasi
•
Pengetesan dan Debugging (verifikasi)
•
Perawatan
