BAB 2 LANDASAN TEORI
2.1
Gambaran Umum Perusahaan
2.1.1 Sejarah Perusahaan PT Prolindo Surya Kencana bergerak dalam berbagai bidang. Rust Evader merupakan salah satu produk yang dihasilkan PT Prolindo Surya Kencana yang mengadopsi teknologi asli Amerika. Dalam kurun waktu 10 tahun, berdasarkan pengalaman pasar dan penghargaan atas kepuasan pelanggan, produk Rust Evader sudah menjadi produk dengan kualitas terbaik di masyarakat. Di Afrika Selatan Rust Evader sudah diuji dan di rekomendasikan oleh “Automobile Association” dari Afrika Selatan (tes dilakukan pada Januari 1993) yang menyatakan bahwa Rust Evader adalah anti karat elektronik yang dapat mengontrol karat dengan sangat efektif dengan cara memperlambat munculnya karat dan korosi di setiap bagian dari badan motor yang terbuat dari besi. Dalam 15 tahun belakangan ini, Rust Evader sudah menandatangani kontrak dengan lebih dari 500 perusahaan di Afrika Selatan dan menjadi program TV utama untuk ilmu pengetahuan di Australia sejak tahun 2000. Rust Evader menjadi paten untuk “Hybrid” teknologi yang berbasiskan C.D.O.I (Capacitive Discharge Oxidation Interference) dan sudah lolos di setiap tes laboratorium dan mereka juga setuju dengan pendapat tersebut. Tes yang lengkap sudah dilakukan oleh laboratorium di 16 negara di dunia, dan Rust Evader mendapat penghargaan yang di dokumentasikan dalam bentuk testimonial dan sudah menjalani tes German TUV dan CE Stamp Endorsement yang
6
cukup berat. Dengan pemakaian yang terus menerus dan kepuasan konsumen untuk setiap tipe mobil dalam setiap cuaca, produk Rust Evader sudah terjual lebih dari 1,7 juta unit di seluruh dunia dimana dunia sudah mengakui keungulan dari teknologi tersebut.
2.1.2
Cara kerja Rust Evader Rust Evader bukan salah satu bentuk yang membuktikan proses kimia dari karat,
tetapi merupakan suatu bagian nyata yang mempunyai cara kerja seperti alarm. Bagiannya terdiri atas sebuah perintah modul berwarna hitam dengan 2 anoda, yang tidak berbahaya. Tidak seperti bentuk kimia yang hanya dapat melindungi kira-kira 30 % bagian dari mobil serta bagian yang hanya terlindungi oleh semprotan kimia saja, dengan sangat kontras Rust Evader dapat melindungi 95 % bagian dari mobil, termasuk lubang kerangka mobil, pintu , kap depan mobil dan seluruh lapisan atap mobil dari kendaraan anda. Tidak hanya terlindungi dari dalam saja tetapi juga bagian luar kendaraan yang mungkin terkena korosi juga akan terlindungi. Tenaga yang digunakan Rust Evader diambil dari aki yang menjadi baterai di mobil. Alat ini bekerja seperti sistem alarm yang ada di mobil. Setiap 8 detik alat ini akan menghasilkan gelombang listrik di seluruh bagian mobil yang terlindungi atau berada dalam area jangkuan alat ini, Rust Evader juga dapat menjaga cat mobil agar tetap bagus dan terjauh dari segala bentuk abrasi yang memungkinkan munculnya karat. Selain itu juga dapat melindungi mobil dari kerusakan. Tenaga yang dihasilkan tidak akan membahayakan pemakai, tetapi elektron bebas yang dihasilkan akan menghalangi proses karat dan korosi secara signifikan.
7
Karat adalah hasil alami dari suatu lingkungan. Mobil baru tidak lepas dari kondisi-kondisi lingkungan yang mungkin mempercepat terjadinya proses karat. Untuk mencegah terjadinya hal ini dengan menggunakan prinsip-prinsip ilmiah dan teknologi yang dapat ditemukan pada Anti Karat Elektronik. Alat ini melepas aliran listrik statis berukuran kecil ke seluruh metal bodi mobil. Hal ini dapat menghambat terjadinya proses karat dan korosi di bagian-bagian bodi mobil yang sudah mengelupas cat pelindungnya. Anti Karat Elektronik memberikan perlindungan total luar-dalam pada kendaraan dari serangan karat. Sistem ini merupakan penemuan terbaru dan merupakan solusi terbaik untuk perlindungan kendaraan. Anti Karat Elektronik lebih praktis dan efektif, tidak melubangi bodi mobil, tidak berbau dan tidak menetes. Prinsip dasar perlindungannya memakai sistem perlindungan katodik yang telah lama dipakai dan digunakan pada jembatan, kapal laut dan pipa bawah tanah. Setelah dilakukan penelitian dan pengembangan selama 15 tahun, maka terciptalah untuk kendaraan.
2.1.3 Perbedaan Rust Evader Dengan Produk Anti Karat Lainnya Tidak semua sistem kontrol elektronik korosi otomotif bekerja dengan baik. Revolusi teknologi yang dihasilkan oleh Rust Evader adalah salah satu produk dunia yang menerapkan cara “Capacitive Discharge Oxidation Interference” (CDOI), yang merupakan bentuk teknologi terbaru (http://www.rustevader.co.za). Cara kerja teknologi CDOI tidak menggunakan perlindungan katodik yang secara ilmu pengetahuan sudah dibuktikan lewat penelitian di laboratorium dan penelitian di dunia kurang efektif. Perlindungan katodik terbatas untuk area tertentu yang secara terus menerus
8
menghasilkan aliran elektrolitik antara mengkorosi besi (katoda) dan proses oksidasi (anoda).
2.1.4
Keuntungan Menggunakan Rust Evader Berikut ini beberapa keuntungan menggunakan anti karat Rust Evader :
a. Membantu meningkatkan harga jual mobil di masa mendatang b. Memberi perlindungan dari serangan karat seperti menjauhkan dari lubang pada mobil, abrasi, dan serangan air laut c. Dapat digunakan kembali untuk mobil yang lain d. Tidak mengandung bahan kimia, aman untuk lingkungan e. Cara pemasangan mudah f. Sudah dipakai oleh banyak konsumen lebih dari 15 tahun g. Sudah dipakai hampir 1,7juta konsumen di dunia
2.1.5
Produk Rust Evader Ada 3 jenis produk Rust Evader:
a. Total Protection Economy Unit (RE522e) Unit ini terdiri atas black command module dengan sebuah anoda yang dibuat didalam command box. Model ini cocok untuk semua jenis mobil Sedan dan tipe kendaraan one-shelled LDV. b. 2 Anoda Unit (RE633) Unit ini terdiri atas black command module dengan 2 buah anoda dengankilatan LED untuk mengindikasi agar produk bekerja dengan benar. Unit ini digunakan di semua mobil Sedan dan tipe kendaraan one-shelled LDV. 9
c. 4 Anoda Unit (RE634) Unit ini terdiri atas black command module dan memiliki 4 anoda dengan kilatan LED . Unit ini sebaiknya digunakan untuk semua tipe kendaraan split bin LDV, mini bus dan semua kendaraan umum dengan tipe SUV 4x4. Produk Rust Evader mempunyai spesifikasi Input voltage : 12 Volt DC, Ground : (-) Negative, dan Current Draw : 6-80 ma. Untuk komposisi anodanya yaitu “CarbosilTM Capsules ” non sacrificial. Sedangkan Command module sizenya memiliki anoda : 50mm X 50 mm dan weight : 230g
2.2
Peramalan
2.2.1 Pengertian Peramalan (forecasting) Dalam melakukan analisis ekonomi atau analisis kegiatan perusahaan, haruslah diperkirakan apa yang akan terjadi dalam bidang ekonomi atau dalam dunia usaha pada masa yang akan datang. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang kita sebut dengan apa yang disebut peramalan (forecasting). Setiap kebijakan ekonomi maupun kebijakan perusahaan tidak akan terlepas dari usaha untuk meningkatkan kesejahteraan masyarakat dan juga untuk kemajuan perusahaan itu sendiri dalam mencapai tujuan di masa yang akan datang. Oleh karena itu perlu dilihat dan dikaji situasi dan kondisi pada saat kebijakan tersebut dilaksanakan. Usaha untuk melihat dan mengkaji situasi serta kondisi tersebut tidak terlepas dari kegiatan peramalan.
10
2.2.2
Jenis-jenis Metode Peramalan Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan
terjadi pada masa yang akan datang berdasarkan data yang relevan pada masa lalu. Oleh karena metode peramalan didasarkan atas data yang relevan pada masa lalu, maka metode peramalan dipergunakan untuk peramalan yang objektif. Karena itu, metode peramalan merupakan cara memperkirakan data secara kuantitatif, maka peramalan dengan suatu metode tertentu, termasuk dalam kegiatan peramalan kuantitatif. Untuk memperkirakan kegiatan-kegiatan yang terjadi pada akhir-akhir ini, tepat tidaknya peramalan yang dilakukan atas dasar keadaan kondisi pada beberapa masa yang lalu sangat menentukan, maka terdapat usaha untuk mengembangkan teknik dan metode peramalan. Saat ini telah dikembangkan beberapa metode atau teknik-teknik peramalan untuk menghadapi bermacam-macam keadaan yang terjadi. Seperti yang telah disebutkan di atas, bahwa metode peramalan termasuk dalam kegiatan peramalan kuantitatif. Menurut Sofyan Assauri (1984,p9-10) pada dasarnya metode peramalan kuantitatif dapat dibedakan atas: a. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu, atau time series. b. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antara
variabel
yang
akan
diperkirakan
dengan
variabel
lain
yang
mempengaruhinya, yang bukan waktu, yang disebut dengan metode korelasi atau sebab akibat (causal methods).
11
Selain itu ada metode-metode peramalan dengan menggunakan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, atau analisa deret waktu, terdiri dari: a. Metode Smoothing, yang mencakup metode data lewat (past data), metode ratarata kumulatif, metode rata-rata bergerak (moving averages) dan metode Exponential Smoothing. b. Metode Box Jenkins. c. Metode proyeksi trend dengan regresi. Metode Smoothing digunakan untuk mengurangi ketidakteraturan musiman dari data yang lalu dengan membuat rata-rata tertimbang dari sederetan data yang lalu. Keakuratan dari peramalan dengan metode ini sangat baik pada peramalan jangka pendek, Sedangkan untuk peramalan jangka panjang keakuratannya sangat kurang. Biasanya metode ini digunakan untuk perencanaan serta pengendalian produksi dan persediaan, perencanaan keuntungan, dan perencanaan keuangan lainnya. Data yang dibutuhkan untuk peramalan dengan metode ini adalah minimal data selama 2 tahun. Metode Box Jenkins menggunakan dasar deret waktu dengan model matematis agar kesalahan yang terjadi dapat sekecil mungkin. Oleh karena itu penggunaan metode ini membutuhkan identifikasi model serta estimasi parameternya. Seperti pada metode Smoothing, metode ini juga sangat baik keakuratannya untuk peramalan jangka pendek dan sangat kurang keakuratannya untuk peramalan jangka panjang. Data yang dibutuhkan dengan metode peramalan ini adalah minimal selama 2 tahun. Dan akan lebih baik lagi jika data yang ada lebih dari 2 tahun. Metode ini digunakan untuk peramalan dalam perencanaan dan pengendalian produksi, persediaan serta perencanaan anggaran. 12
Metode proyeksi trend dengan regresi merupakan dasar garis trend untuk suatu persamaan matematis, sehingga dengan dasar persamaan tersebut dapat diproyeksikan suatu hal yang diteliti untuk masa depan. Untuk peramalan jangka pendek maupun peramalan jangka panjang, ketepatan peramalan dengan metode ini sangat baik. Data yang dibutuhkan untuk penggunaan metode peramalan ini adalah data tahunan, dan makin banyak data yang dimiliki akan semakin baik. Minimal data yang digunakan itu adalah selama 5 tahun. Penggunaan metode ini adalah untuk peramalan bagi penyusunan rencana penanaman tanaman baru, perencanaan produk baru, rencana ekspansi, rencana investasi dan rencana pembangunan suatu negara dan daerah. Metode-metode peramalan dengan menggunakan analisis pola hubungan antara variabel yang diperkirakan dengan variabel lain yang mempengaruhi, yang bukan waktu, atau dikenal dengan metode sebab akibat (causal methods) atau korelasi, terdiri dari: a. Metode regresi dan korelasi b. Metode ekonometri c. Metode input output Metode regresi dan korelasi didasarkan pada penetapan suatu persamaan estimasi menggunakan teknik least square. Hubungan yang ada pertama-tama dianalisis secara statistik. Keakuratan metode ini sangat baik untuk peramalan jangka pendek, Sedangkan untuk peramalan jangka panjang ternyata keakuratannya kurang begitu baik. Penggunaan metode ini antara lain pada peramalan penjualan, perencanaan keuntungan, peramalan permintaan dan peramalan keadaan ekonomi. Data yang dibutuhkan untuk penggunaan metode peramalan ini adalah data kuartalan dari beberapa tahun yang lalu. Metode ekonometri didasarkan atas peramalan pada sistem persamaan regresi yang diestimasikan secara simultan. Keakuratan metode peramalan ini sangat baik untuk 13
peramalan jangka panjang maupun peramalan jangka pendek. Penggunaan metode ini pada peramalan penjualan menurut kelas produk, atau peramalan keadaan ekonomi masyarakat, seperti permintaan, harga dan penawaran. Data yang digunakan pada metode peramalan ini adalah data kuartalan beberapa tahun. Metode input-output digunakan untuk menyusun proyeksi trend ekonomi jangka panjang. Model ini kurang baik keakuratannya untuk peramalan jangka pendek dan sangat baik ketepatannya untuk peramalan jangka panjang. Penggunaan metode ini yaitu pada peramalan penjualan perusahaan, penjualan sektor industri dan subsektor industri, produksi dari sektor dan subsektor industri. Data yang dibutuhkan untuk penggunaan metode ini adalah data tahunan selama sekitar sepuluh sampai lima belas tahun.
2.2.3
Kegunaan Metode Peramalan Metode peramalan yang digunakan sangat besar manfaatnya apabila dikaitkan
dengan keadaan informasi atau data yang dipunyai. Misalnya dengan metode peramalan yang ada kita dapat mengetahui bahwa data yang lalu itu polanya musiman, maka untuk peramalan satu tahun ke depan sebaiknya digunakan metode variasi musim. Sedangkan apabila dari data yang lalu diketahui adanya pola hubungan antara variabel-variabel yang saling mempengaruhi, maka sebaiknya digunakan metode Sebab Akibat (causal methods) atau Korelasi (cross section). Metode peramalan merupakan cara memperkirakan apa yang akan terjadi pada masa depan secara sistematis dan pragmatis sehingga berguna untuk memprediksikan kejadian masa depan secara sistematis dan pragmatis atas dasar data relevan pada masa yang lalu. Objektivitas yang diberikan oleh metode peramalan juga diharapkan lebih besar. 14
Selain itu metode peramalan dapat memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan sehingga bila digunakan pendekatan yang sama atas permasalahan dalam suatu kegiatan peramalan, maka akan didapat dasar pemikiran dan pemecahan yang sama karena argumentasinya sama. Kemudian cara pengerjaan dan pemecahan atas pendekatan suatu masalah dari metode peramalan itu teratur/terarah sehingga dengan demikian dapat dimungkinkannya penggunaan teknik-teknik penganalisaan yang lebih maju. Dengan penggunaan teknikteknik tersebut, maka diharapkan dapat memberikan tingkat kepercayaan atau keyakinan yang lebih besar karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi secara ilmiah. Dalam dunia bisnis, hasil peramalan mampu memberikan gambaran tentang masa depan perusahaan yang memungkinkan manajemen membuat perencanaan, menciptakan peluang bisnis maupun mengatur pola investasi mereka. Ketepatan hasil peramalan
bisnis
akan
meningkatkan
peluang
tercapainya
investasi
yang
menguntungkan. Semakin tinggi akurasi yang dicapai peramalan, semakin meningkat pula peran peramalan dalam perusahaan karena hasil dari suatu peramalan dapat memberikan arah bagi perencanaan perusahaan, perencanaan produk dan pasar, perencanaan penjualan, perencanaan produksi dan persediaan serta perencanaan keuangan. Intinya secara keseluruhan adalah bahwa metode peramalan sangat bermanfaat dalam membantu untuk mengadakan pendekatan analisis terhadap tingkah laku atau pola dari data yang lalu sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat atau disusun. 15
2.2.4
Pemilihan Teknik dan Metode Peramalan Metode peramalan tidak hanya digunakan oleh para peneliti atau analis untuk
penelitian serta analisis yang dilakukannya. Namun metode tersebut saat ini juga bermanfaat untuk pengambilan keputusan oleh setiap pimpinan perusahaan maupun pimpinan organisasi pemerintah. Untuk itu mereka harus memilih teknik dan metode peramalan yang tepat untuk suatu masalah dan keadaan tertentu yang mereka hadapi. Walaupun sejumlah teknik dan metode telah tersedia, akan tetapi perlu adanya pedoman yang dapat digunakan untuk pemilihan teknik dan metode peramalan yang tepat untuk suatu situasi tertentu. Dalam pemilihan teknik dan metode peramalan, pertama-tama kita perlu mengetahui ciri-ciri yang penting yang perlu diperhatikan bagi pengambilan keputusan dan analisis keadaan dalam mempersiapkan peramalan. Menurut Sofyan Assauri (1984,p14-15) ada enam hal yang perlu diperhatikan, yaitu: a. Horison Waktu (time horizon) Periode waktu yang diambil untuk peramalan dalam pengambilan keputusan atau analisis harus menggunakan serta memperhatikan pemilihan teknik dan metode peramalan yang tepat. Horison waktu umumnya dapat dibagi ke dalam jangka pendek (satu sampai dengan tiga bulan), menengah (tiga sampai dengan satu setengah tahun) dan jangka panjang (lebih dari satu setengah tahun). Walaupun demikian ukuran panjangnya waktu tidak harus tepat atau benar dengan kata lain ukuran panjangnya waktu tidak harus menjadi patokan utama untuk pemilihan teknik dan metode peramalan ini karena pedoman pemakaiannya sangat tergantung pada kebutuhan dan situasi penggunaannya.
16
b. Tingkat perincian (level of detail) Dalam pengambilan keputusan dan analisis tidak semuanya harus berpusat kepada satu individu saja, misalnya berpusat kepada pimpinan perusahaan saja. Pada perusahaan besar pasti terdapat bagian perencanaan yang mengerjakan perencanaan yang menyeluruh untuk perusahaan tersebut. Perencanaan itu mungkin diperinci untuk beberapa tingkat yang lain dalam organisasi, seperti bagian produksi atau bagian lain berdasarkan tugas masing-masing bagian. c. Jumlah produk Dalam keadaan di mana hanya ada satu produk yang diramalkan, maka aturanaturan yang digunakan dalam persiapan ramalan dapat lebih terperinci dan lebih rumit dari keadaan di mana terdapat banyak ramalan untuk hal-hal yang harus dibuat. d. Pengawasan versus perencanaan Manager dan analis yang membuat suatu keputusan dalam bidang pengawasan, mempunyai kebutuhan yang berbeda bila dibandingkan dengan manager dan analis yang membuat keputusan dalam bidang perencanaan. Metode peramalan yang dibutuhkan untuk pengawasan adalah metode peramalan yang mampu memperkirakan dan mengetahui sedini mungkin perubahan-perubahan yang terdapat dalam pola dasar. Sedangkan dalam bidang perencanaan pola yang ada akan berkelanjutan pada masa depan dan karena itu dasar-dasar utama yang penting
adalah
mengidentifikasikan
pola-pola
mengekstrapolasikannya untuk masa yang akan datang.
17
tersebut
dan
e. Stabilitas Dalam keadaan stabil, metode peramalan dapat diterima dan diperiksa secara periodik untuk menentukan apakah hal tersebut masih berlaku. Dalam hal yang tidak pasti (uncertain case) maka metode yang dibutuhkan adalah metode yang dapat sesuai dengan hasil-hasil yang terbaru secara terus-menerus dan informasiinformasi terakhir. f. Prosedur perencanaan yang ada Suatu metode peramalan umumnya memasukkan proses perubahan rencana perusahaan dan prosedur-prosedur pengambilan keputusan. Hal yang sangat penting dalam penggunaan yang efektif dari suatu metode peramalan adalah usaha untuk memulai dengan hal-hal yang sangat erat dengan prosedur yang ada dan kemudian melakukan pengerjaannya dengan pendekatan yang berkembang dari peningkatan metode-metode tersebut serta membuat perbaikan-perbaikan.
2.2.5 Manfaat Utama Keakuratan Peramalan Manfaat-manfaat yang dapat diperoleh dari peramalan yang akurat dan dibagibagi menurut jangka waktu suatu peramalan tersebut dilaksanakan. Menurut Harjono Sugiarto (2000,p6-p8) jangka waktu tersebut dibagi menjadi: a. Jangka Pendek (kurang dari 3 bulan) Manfaatnya antara lain dapat meningkatkan kepuasan pelanggan karena jadwal produksi yang terorganisir dengan baik sehingga pelanggan dapat memperoleh produk dengan cepat dan kualitas produk tersebut pasti lebih baik dibandingkan produk yang telah lama diproduksi namun belum terjual karena manajemen produksi yang kurang baik. Selain itu perusahaan dapat menetapkan kebijakan 18
promosi produk dengan efektif sehingga tidak memakan waktu dan biaya, kebijakan penetapan harga yang efektif sehingga dapat terjangkau oleh konsumen, manajemen kas yang efektif, pengaturan persediaan produk yang baik untuk kelancaran produksi maupun penjualan, serta manajemen tenaga kerja/personalia yang efektif. b. Jangka Menengah (3 bulan s/d 2 tahun) Manfaatnya antara lain manajemen keuangan yang baik karena pengaturan produksi yang terorganisir sehingga persediaan serta penjualan juga terorganisir dan mengakibatkan keseimbangan pengeluaran dan pemasukan, alokasi sumber daya yang lebih baik, tingkat persediaan berkurang karena penjualan dan produksi terjadwal dengan baik, peningkatan laba atau pengurangan kerugian, dan posisi persaingan yang lebih baik. c. Jangka waktu 2-5 tahun Manfaatnya antara lain perumusan strategi penjualan, produksi dan persediaan produk yang lebih efektif, pengenalan perubahan dalam organisasi misalnya yang menyebabkan perubahan dalam tingkat penjualan, produksi dan persediaan, identifikasi bidang-bidang lain yang menjanjikan untuk penanaman modal tetapi harus menyadari bahwa pesaing kemungkinan memiliki akses terhadap ramalan yang juga akurat, proyek-proyek penelitian dan pengembangan yang menjanjikan, peningkatan atau pemeliharaan posisi persaingan. d. Jangka waktu 5-15 tahun Manfaatnya antara lain membangun konsensus, dapat memulai studi kelayakan untuk proyek-proyek penelitian dan pengembangan yang menjanjikan dan penetapan arah yang strategis. 19
2.3
Pengertian Dasar Regresi Metode regresi didasarkan pada penetapan suatu persamaan estimasi
menggunakan teknik ”least squares”. Hubungan yang ada pertama-tama dianalisa secara statistik. Ketepatan peramalan dengan metode ini sangat baik untuk peramalan jangka pendek. Metode ini banyak digunakan untuk peramalan penjualan, perncanaan keuntungan, peramalan permintaan dan peramalan keadaan ekonomi. Data yang dibutuhkan untuk penggunaan metode peramalan ini adalah data kuartalan dari beberapa tahun yang lalu.
2.3.1
Regresi Linear Sederhana Untuk analisis regresi (Sudjana, 2003, p6) akan dibedakan dua jenis variabel
yaitu variabel bebas atau variabel prediktor dan variabel tak bebas atau variabel respon. Penentuan variabel mana yang bebas dan mana yang tak bebas dalam beberapa hal tidak mudah dapat dilaksanakan. Studi yang cermat, diskusi yang seksama, berbagai pertimbangan, kewajaran masalah yang dihadapai dan pengalaman akan membantu memudahkan penentuan. Variabel yang mudah didapat atau tersedia sering dapat digolongkan ke dalam variabel bebas, Sedangkan variabel yang terjadi karena variabel bebas itu merupakan variabel tak bebas. Untuk keperluan analisis, variabel bebas akan dinyatakan dengan X 1 , X 2 ,......., X k
(k ≥ 1)
Sedangkan variabel tak bebas akan
dinyatakan dengan Y. Misalnya, untuk kasus yang meliputi waktu atau jarak tempuh mobil dan tingkat aus ban yang digunakan, sebaiknya diambil variabel bebas atau prediktor X = waktu atau jarak tempuh dan variabel tak bebas atau respon Y= tingkat aus ban. Demikian pula jika
20
masalah yang dipelajari itu berhubungan dengan hasil uji untuk matematika, fisika, biologi dan kimia. Karena antara respon Y sebenarnya dan respon yang diperoleh dari regresi pada umumnya harganya berbeda, maka untuk respon yang didapat dari regresi akan diberi ) lambang Y dengan topi, yakni Y . Model atau persamaan regresi linear sederhana Y atas X, secara umum berbentuk :
) Y = b0 + b1 X
(2.1)
Bentuk persamaan di atas akan dicari dengan menggunakan data hasil pengamatan (tepatnya pasangan data X i dan Yi ) sehingga regresi yang diperoleh merupakan bentuk hubungan yang paling cocok dengan pola data pengamatan. Pola ini dapat diketahui, atau diduga dari grafik data pengamatan yang digambarkan menggunakan sumbu datar X dan sumbu tegak Y. Gambar tiap pasang data X i dan Yi pada sistem sumbu ini akan berupa titik-titik sehingga terjadi kumpulan titik-titik yang tertitik. Karena itulah grafiknya sering disebut pula diagram titik. Apabila letak titik-titik pada diagram titik itu cenderung mengikuti pola lurus, kita duga regresi Y atas X akan lurus atau linear dan untuk itu persamaan umumnya seperti dalam persamaan (2.1). Dalam hal lain, yakni bila letak titik-titik pada diagram titik jauh dari kecenderungan mengikuti pola lurus, kita duga regresinya non linear dan persamaannya tidak berbentuk seperti dalam persamaan (2.1) melainkan bentuk lain.
21
2.4
Regresi Splines Kuadrat Terkecil Regresi Splines merupakan salah satu pemodelan regresi nonparametrik yang
dikembangkan oleh Friedman pada tahun 1990. Metode ini menggunakan algoritma recursive partitioning yang dimodifikasi (Friedman,1991).
2.4.1
Regresi Splines Regresi Splines adalah regresi yang terdiri atas beberapa penggal polinom
berorde tertentu, yang saling bersambungan pada titik-titik ikat. Nilai absis titik ikat ini disebut knot (Smith,2001). Kebaikan regresi Splines tergantung pada penempatan dan jumlah knot serta pemilihan basis. Jumlah knot perlu ditetapkan terlebih dahulu dan penempatannya dapat dilakukan dengan mencoba semua kombinasi knot yang mungkin. (Steinberg et al. 2001), ditentukan secara manual dan diduga sebagai parameter dengan menggunakan regresi nonlinier (Smith, 2001). Cara ini tidak akan terlalu sulit untuk data dengan satu peubah prediktor dan satu knot yang akan dipilih, tetapi untuk data dengan peubah prediktor berdimensi besar atau jumlah knot yang besar hal ini akan menimbulkan kesulitan.
2.4.2
Fungsi Basis Suatu fungsi Basis adalah jarak antar knot yang berurutan (Cherkassy & Mulier,
1998). Dalam Regresi Splines, fungsi basis adalah satu set fungsi yang menggambarkan informasi yang terdiri dari satu atau lebih peubah. Seperti komponen utama, fungsi basis menggambarkan hal-hal yang memberikan kontribusi paling besar dalam hubungan peubah prediktor dan peubah penjelas.
22
Nilai fungsi basis di dalam Regresi Splines (Budiantara, 2007, p3)dapat digambarkan sebagai berikut: max(0,x - t) atau max(0,t-x) dengan t adalah nilai yang menggambarkan letak titik knot dan x adalah
peubah
prediktor. Setiap satu nilai knot (Kekunusa, 2007, p18) akan menghasilkan 2 fungsi basis yang berpasangan (Gambar 2.1).
0.6 0.5 0.4 0.3 0.2 0.1 0.0 -0.1 0.0
0.2
0.4
t
0.6
0.8
1.0
Gambar 2.1 Fungsi Basis
2.4.3
Recursive Partitioning Recursive Partitioning (RP) merupakan pendekatan dari fungsi f(x) yang tidak
diketahui dengan menggunakan pengembangan fungsi basis. Dari persamaan, misalkan terdapat n contoh dari y dan x = ( x1 , x2 ……, x p )
23
dinamakan
{yi , xi }in=1
Dengan daerah asal (domain) D ⊂ R
q< p
p
, dari persamaan diambil R
q
dimana
merupakan himpunan bagian (subregion) dari daerah asal D.
Recursive Partitioning menduga fungsi f(x) dengan :
f (x ) = am
dengan
bm ( x )
(2.2)
= koefisien dalam subregion
Bm ( x ) = I[
M ∑ am m =1
fungsi dari
[
I x ∈ Rq
]
] menunjukkan fungsi indikator yang mempunyai nilai 1 (satu) jika pernyataan
[x ∈ R ] q
benar, dan 0 (nol) jika salah. Penentuan nilai
berdasarkan pada model terbaik bagi data,dimana nilai
am
am
setiap subregion
dipilih yang memberikan
komponen jumlah kuadrat terkecil. Setiap fungsi indikator merupakan perkalian fungsi peubah tunggal (univariate
step function,
H [η ] ) yang menggambarkan setiap subregion. Jadi Bm ( x ) merupakan
fungsi basis yang mempunyai nilai 1 (satu) jika x merupakan anggota himpunan bagian
Rq
dari
D. ⎧ 1 , untuk η ≥ 0 H [η ] = ⎨ ⎩0 , untuk lainnya
Recursive Partitioning metode yang menjanjikan tetapi secara umum Recursive Partitioning terdapat kekurangan dalam pemodelan regresi, diantaranya :
24
a. Model Recursive Partitioning menghasilkan subregion yang saling lepas dan diskontinu pada batas subregion. b. Recursive Partitioning tidak cukup mampu dalam menduga fungsi
f ( x ) linier
atau aditif. c. Bentuk model Recursive Partitioning pada persamaan 1 mengalami kesulitan jika peubah prediktor banyak.
2.4.4
Modifikasi Friedman
Beberapa inovasi dilakukan Friedman untuk mengatasi kelemahan metode
Recursive Partitioning. Untuk mengatasi kelemahan Recursive Partitioning dalam mengidentifikasi fungsi linier dan aditif , Friedman mengusulkan untuk tidak menghapus induk (parent) selama pemilihan subregion berlangsung. Jadi pada iterasi berikutnya parent dan pilihan subregion dapat dipilah lebih lanjut, sehingga diperoleh subregion yang saling tumpang tindih. Dengan modifikasi ini, Recursive Partitioning dapat menghasilkan model linier dengan pemilihan berulang pada peubah prediktor yang berbeda. Disamping itu dihasilkan pula model yang lebih fleksibel. Untuk mengatasi adanya diskontinu pada titik knot yang disebabkan perkalian fungsi peubah tunggal
H (η )
, Friedman mengusulkan untuk mengganti
H (η )
dengan regresi linier Splines (ordo satu) dengan sisi kiri (-) dan sisi kanan (+). Fungsi basis dalam Regresi Splines dapat dinyatakan dengan :
Bm ( x ) = dengan
Sm
∏ i =1
(Skm (X v(k , m ) − tkm ))
S m = jumlah pilihan himpunan bagian ke-m dari domain D, 25
(2.3)
tkm S km
= knot dari peubah prediktor
X v (k , m )
nilainya +1 atau –1 jika knotnya terletak disebelah kanan atau kiri dari
himpunan bagian.
Setelah modifikasi Friedman , model dari Regresi Splines menjadi :
f (x ) dimana
β0
Sm M = β 0 + ∑ am ∏ m =1 i =1
(Sm (X V (k ,m ) − tkm ))
adalah konstanta regresi dari fungsi basis, koefisien
(2.4)
{am }mM=1 ditentukan
dengan menggunakan metode kuadrat terkecil.
2.4.5
Algortima Regresi Splines
Regresi Splines menentukan lokasi dan jumlah knot berdasarkan pemilihan peubah pada tahap maju (forward) dan tahap mundur (backward) algoritma recursive partitioning yang dimodifikasi, dimana jumlah lokasi dan jumlah knot yang optimum disesuaikan dengan perilaku data. Gambaran secara umum algoritma Regresi Splines adalah sebagai berikut : a. Forward stepwise
Pada tahap ini dimungkinkan untuk memasukkan fungsi basis baru kedalam model. Maksimal fungsi basis yang akan masuk di dalam model ditentukan oleh peniliti.
26
b. Backward stepwise
Pada tahap ini dapat digambarkan dalam tiga langkah, tentukan fungsi basis yang harus dihapus dari model ,hapus fungsi basis yang telah ditentukan, tentukan model akhir. Di sini fungsi basis yang kontribusinya terhadap nilai dugaan respon kecil, akan dihapus. Ukuran kontribusi yang digunakan dalam tahap mundur (backward) adalah modifikasi kriteria validasi silang (generalized cross validation, GCV) (Friedman, 2001), yakni : 2
N
GCV (M ) = (1 / N )∑ [ yi − f M ( xi )]
(2.5)
i =1
M adalah jumlah himpunan bagian dan N adalah jumlah pengamatan.
Model dari Regresi Splines dapat dinyatakan dalam persamaan :
y = f (x ) = β 0 + dengan
y
= peubah respon
β 0 = konstanta regresi am = parameter fungsi basis Bm ( x ) = fungsi basis
27
M ∑ am Bm m =1
(x )
(2.6)
Kolinieritas dalam peubah prediktor adalah masalah pokok dalam pemodelan. Salah satu strategi pada Regresi Splines untuk mengatasi masalah ini dengan mengurangi secara langsung peubah yang akan dimasukkan ke dalam persamaan.
2.4.6
Metode Regresi Splines Kuadrat Terkecil
Regresi
Splines
dapat
diduga
melalui
metode
kuadrat
terkecil
(www.springerlink.com). Metode kuadrat terkecil dapat dipakai untuk menentukan dugaan bentuk regresi (Sudjana, 2002, p314). Metode ini berpangkal pada kenyataan bahwa jumlah pangkat dua (kuadrat) daripada jarak antara titik-titik dengan garis regresi yang sedang dicari harus sekecil mungkin. Untuk keadaan yang terdiri dari sebuah variabel bebas X dan sebuah variabel tak bebas Y di mana model regresi linier untuk populasi, dapat dinyatakan sebagai berikut :
Yi = β 0 + β1 X i + ε i
(2.7)
sehingga akan didapat model estimasinya sebagai berikut : ^
Yi = b0 + b1 X i
(2.8)
Kesalahan error i akan dihitung dengan rumus :
ei = Yi − (b0 + b1 X i )
(2.9)
Dan kesalahan kuadrat akan dihitung dengan rumus :
ei 2 = [Yi − (b0 + b1 X i )]2 Metode kuadrat terkecil akan menghitung koefisien- koefisien sedemikian rupa sehingga
ei 2
(2.10)
b0
dan
b1
minimum. Caranya adalah dengan membuat turunan
28
parsial
ei 2
terhadap
b0
kemudian terhadap
b1
dan menyamakannya dengan nol,
sehingga kita dapat memperoleh rumus :
b0 = y − b1 x b1 = Setelah
persamaan
n∑ X iYi − ∑ X i ∑ Yi n∑ X i regresi
2
(2.11)
2 − (∑ X i )
dengan
ei 2 minimum
diperoleh,
dengan
menggunakan rumus regresi Splines, untuk menentukan jumlah error kuadrat minimum digunakan modifikasi kriteria validasi silang (generalized cross validation, GCV) (Friedman, 2001), yakni : N
2
GCV (M ) = (1 / N )∑ [ yi − f M ( xi )] i =1
M adalah jumlah himpunan bagian sesuai dengan titik knot dan peubah prediktor yang akan dipilih dan N adalahjumlah pengamatan.
2.5
Aplikasi Rekayasa Perangkat Lunak
Rekayasa Perangkat lunak dapat diaplikasikan ke berbagai situasi di mana serangkaian langkah prosedural (seperti algoritma) telah didefinisikan (pengecualianpengecualian yang dapat dicatat pada aturan ini adalah sistem pakar dan perangkat lunak jaringan syaraf kecerdasan buatan). Kandungan (content) informasi dan determinasi merupakan faktor terpenting dalam menentukan sifat aplikasi perangkat lunak. Content mengarah kepada arti dan bentuk dari informasi yang masuk dan yang keluar.
29
Pemrosesan informasi bisnis merupakan area aplikasi perangkat lunak yang paling luas. Aplikasi dalam area ini menyusun kembali struktur data yang ada dengan suatu cara tertentu untuk memperlancar operasi bisnis atau pengambilan keputusan manajemen. Banyak perangkat lunak sistem (misal compiler, editor, dan utilitas pengatur file) memproses stuktur-struktur informasi yang lengkap namun tetap. Aplikasi-aplikasi
sistem yang lain (komponen sistem operasi, driver, prosesor telekomunikasi) memproses secara luas data yang bersifat tetap. Di dalam setiap kasus tersebut, area perangkat lunak sistem ditandai dengan eratnya interaksi dengan perangkat keras komputer, penggunaan oleh banyak pemakai dan struktur-struktur data yang kompleks. Selanjutnya, ada empat tahapan dalam daur hidup perangkat lunak, yaitu : a. Inception (kelahiran) Tahapan dimana benih pemikiran membangun sistem mulai diterima, minimal secara internal organisasi. b. Elaboration (perluasan dari rencana semula) Tahapan yang menghasilkan visi mengenai produk dan arsitektunya. Tahapan ini juga menghasilkan sistem requirements berupa pernyataaan sederhana mengenai visi, bahkan sampai pada kriteria evaluasi untuk tiap perilaku fungsional maupun non-fungsional,
sehingga
masing-masing
dapat
menjadi
“basis”
pengetesan. c. Construction (pembangunan) Pada tahapan ini software dibangun, diuji, diperbaiki dan disempurnakan d. Transition (peralihan) Dalam tahapan ini software diserahkan kepada komunitas user. 30
untuk
2.5.1
Basis Data (Database)
Menurut Farthansyah (2004,p7), Basis Data merupakan salah satu komponen dari Sistem Basis Data dan terdiri atas 3 hal yaitu kumpulan data yang terorganisir, relasi antar data dan objektifnya. Ada banyak pilihan dalam mengorganisasi data dan ada banyak pertimbangan dalam membentuk relasi antar data, namun pada akhirnya yang terpenting adalah objek utama yang harus selalu kita ingat yaitu kecepatan dan kemudahan berinteraksi dengan data yang dikelola/diolah. Seperti telah dikemukakan di atas, bahwa Basis Data hanya merupakan satu komponen dari Sistem Basis Data, jadi masih ada komponen lainnya yaitu perangkat keras, perangkat lunak serta pemakai. Ketiga komponen ini saling ketergantungan. Basis Data tidak mungkin dapat dioperasikan tanpa adanya perangkat lunak yang mengorganisasikannya. Begitupun pemakai tidak dapat berinteraksi dengan basis data tanpa melalui perangkat lunak yang sesuai.
2.5.2
UML (Unified Modeling Laguange)
2.5.2.1 Pengertian UML
UML adalah suatu bahasa pemodelan standar untuk menulis rancangan software. UML dapat digunakan untuk visualisasi, spesifikasi, konstruksi dan dokumentasi suatu software yang intensif dari suatu sistem. UML memungkinkan pembangunan sistem untuk membuat rencana yang memungkinkan untuk dimengerti dan berkomunikasi dengan yang lain. Komunikasi dalam hal pandangan adalah yang paling penting di dalam pembangunan sistem. Sistem analis akan mencoba untuk memperkirakan kebutuhan dari client mereka, membuat analisis permintaan di beberapa notasi yang dapat dimengerti oleh analis (namun tidak selalu dimengerti oleh client), memberikan 31
hasil analisa tersebut kepada programmer atau kelompok programmer, dan berharap produk terakhir adalah sistem yang diinginkan oleh client. Dan dengan adanya UML, masalah-masalah di atas dapat diatasi. UML adalah bahasa standar untuk mebuat cetak biru dari piranti lunak. UML dapat
digunakan
untuk
visualisasi
dan
menentukan,
membangun
serta
mendokumentasikan hasil kerja dari sistem yang dirancang untuk piranti lunak.(Booch, Rumbaugh, dan Jacobson, 1998, p13). UML memiliki tiga unsur utama, yaitu : a. Blok-blok bangunan, terdiri dari tiga jenis, yaitu Things, Relationship dan Diagrams.
b. Aturan yang mengatur bagaimana bok-blok itu dihubungkan. c.
Mekanisme yang dapat digunakan. Untuk memahami UML, perlu diketahui tiga karakteristik penting dari UML,
yaitu : a. Use case Driven Use case digunakan sebagai awalan untuk membuat perilaku, verifikasi dan
validasi arsitektur sistem. Selanjutnya use case digunakan untuk pengetesan sistem dan sebagai alat komunikasi antara pihak-pihak yang berkepentingan dengan pembangunan sistem ini. b. Architecture centric
Arsitektur sistem digunakan sebagai pegangan utama untuk membuat konsep, mengkonstruksi, mengatur (manage) dan menyusun sistem yang sedang dikembangkan.
32
c. Iterative dan Incremental process Iterative berarti proses itu menyangkut pernyataan/keputusan yang dapat
dikerjakan secara berkelanjutan. Sedangkan incremental process adalah suatu proses yang melibatkan integrasi terus menerus dan arsitektur sistem untuk menghasilkan pernyataan / keputusan yang diikuti oleh pernyataan/keputusan berikutnya yang lebih baik dari sebelumnya. Iterative
dan
incremental
process
adalah
risk
driven,
artinya
pernyataan/keputusan yang baru difokuskan untuk mengatasi atau mengurangi risiko yang paling besar untuk suksesnya sistem yang dibangun.
2.5.2.2 Diagram-diagram UML
UML memiliki beberapa diagram yang digunakan untuk menggambarkan suatu sistem. Tujuan pembuatan diagram ini adalah agar sistem mudah dimengerti oleh semua pihak, baik yang teknis maupun non teknis. Berikut diagram dalam UML: a. Class Diagram, menggambarkan hubungan antar objek. b. Object Diagram, adalah objek dan hubungan sebagai pencerminan dari prototipe. c. Component Diagram, adalah komponen dan hubungan yang mengilustrasikan implementasi sistem. d. Deployment Diagram, konfigurasi waktu kerja dari node dan objek yang memiliki node. e. Use case Diagram. Diagram ini digunakan untuk mengorganisasikan use case dan behaviour (sifat). f. Sequence Diagram. Diagram ini menggambarkan waktu urutan message dan object lifeline. 33
g. Collaboration Diagram, menggambarkan waktu urutan message dan organisasi objek dalam interaksi. h. Activity Diagram, menggambarkan arus kerja dari aktivitas, difokuskan pada operasi yang dilewatkan antar objek. i. Statechart Diagram. Merupakan diagram yang menggambarkan life cycle dari objek sebagai perubahan dari satu state ke state lain, dibangkitkan oleh message. Untuk perancangan ini, tipe UML yang penulis gunakan antara lain: a. Use Case Diagram Menggambarkan sekumpulan use case dan actor dan hubungan antara mereka (Booch, Rumbaugh, dan Jacobson, 1998, p97). Use case diagram mempunyai peranan penting dalam pengorganisasian dan pemodelan behavior dari sistem.
Gambar 2.2 Use case diagram dalam UML
34
b. Activity Diagram Merupakan gambaran dari perubahan keadaan (state) suatu objek (Booch, Rumbaugh, dan Jacobson, 1998, p98).
Gambar 2.3 Activity diagram dalam UML c. Sequence Diagram Merupakan diagram interaksi yang menekankan pada urutan waktu dari pertukaran message. (Booch, Rumbaugh, dan Jacobson, 1998, p97).
35
Gambar 2.4 Sequence diagram dalam UML
2.6
Interaksi Manusia dan Komputer
Saat ini kebanyakan orang menggunakan suatu sistem atau program yang interaktif, karena itu penggunaan komputer telah berkembang pesat sebagai suatu program yang interaktif yang membuat orang tertarik untuk menggunakannya. Program yang interaktif itu perlu dirancang dengan baik sehingga pengguna dapat merasa puas dan juga dapat ikut berinteraksi dengan baik dalam menggunakannya. Suatu program yang interaktif dan baik harus bersifat user friendly. Shneiderman (1998, p15) menjelaskan 5 kriteria yang harus dipenuhi oleh suatu program yang user friendly yaitu :
36
a. Waktu belajar yang tidak lama b. Kecepatan penyajian informasi yang tepat c. Tingkat kesalahan pemakaian rendah d. Penghafalan sesudah melampaui jangka waktu e. Kepuasan pribadi dari user yang menggunakannya Suatu program yang interaktif dapat dengan mudah dibuat dan dirancang dengan suatu perangkat bantu pengembang sistem user interface, seperti C# (baca: C Sharp), Visual Basic, Borland Delphi dan sebagainya. Keuntungan penggunaan perangkat bantu untuk mengembangkan user interface menurut Sentosa (1997, p7) yaitu : a. User interface yang dihasilkan lebih baik. b. Program user interface-nya menjadi mudah ditulis dan lebih ekonomis untuk dipelihara.
37
