BAB 2 LANDASAN TEORI
2.1 Probabilitas Probabilitas atau dalam bahasa Indonesia sering di artikan kemungkinan adalah konsep dasar yang biasanya dipelajari pada awal-awal perkualiahan statistic. dalam postingan kali ini, saya akan menggunakan kata probabilitas. Probabilitas adalah peluang terjadinya sebuah peristiwa. Biasanya probabilitas dinyatakan dalam pecahan seperti 1/2, 1/3, ¼ ataupun dalam bentuk decimal seperti 0,25, 0,50 ataupun 0,75. Rentangan probabilitas antara 0 sampai dengan 1. Jika kita mengatakan probabilitas sebuah peristiwa adalah 0, maka peristiwa tersebut tidak mungkin terjadi. Dan jika kita mengatakan bahwa probabilitas sebuah peristiwa adalah 1 maka peristiwa tersebut pasti terjadi. Contoh yang paling sering digunakan dalam menerangkan tentang konsep probabilitas adalah pelemparan mata uang. Jika kita melempar mata uang, maka kemungkinan sisi depan untuk muncul sama dengan kemungkinan munculnya sisi belakang. Dengan demikian, probabilitas munculnya sisi depan adalah 1/2 atau 0,5 dan demikian pula dengan sisi belakang. Akan tetapi jika kita mengambil satu kartu dari satu set kartu bridge yang berjumlah 52, maka kemungkinan terambilnya satu kartu adalah 1/52. Dua hal yang harus dipahami dalam konsep probabilitas adalah mutually exclusive dan collectively exhaustive. Mutually exclusive adalah peristiwa yang terjadi terpisah satu sama lain. ketika kita melempar uang logam, maka hanya ada satu sisi yang
memiliki kemungkinan untuk muncul. Karena itulah kemungkinan munculnya sisi belakang atau sisi depan disebut mutually exclusive. Akan tetapi jika ada lebih dari satu kemungkinan untuk munculnya sebuah peristiwa maka hal itu disebut collectively exhaustic.
2.2 Analisis Data Ada beberapa teknik statistik yang dapat digunakan untuk menganalisis data. Tujuan dari analisis data adalah untuk mendapatkan informasi yang relevan yang terkandung di dalam data tersebut, dan menggunakan hasil analisis tersebut untuk memecahkan suatu masalah. Permasalahan yang akan dipecahkan biasanya dinyatakan dalam bentuk satu atau lebih hipotesis nol. Sampel data yang dikumpulkan kemudian digunakan untuk menguji menolak atau tidak menolak hipotesis nol secara statistik. Dahulu banyak pengguna metode statistik dari berbagai disiplin ilmu menggunakan metode statistik univariat. Alasannya karena selain mudah dalam perhitungannya karena cukup dengan menggunakan bantuan kalkulator sederhana, juga mudah dalam menafsirkan hasil analsisnya. Misalnya dengan menggunakan Uji t baik untuk sampel bebas maupun untuk sampel berpasangan, ataupun analisis variansi. Sebagai contoh : misalnya seseorang meneliti mengenai perilaku konsumen dalam membeli sesuatu barang. Peneliti hanya bisa membandingkan ada atau tidaknya perbedaan rata-rata skor frekuensi membeli, atau waktu membeli, atau jumlah yang dibeli, atau siapa yang berinisiatif membeli dan sebagainya. Karena hanya melibatkan 1 variabel maka ia harus menggunakan analisis univariate, misalnya menggunakan uji t atau analisis variansi satu arah. Tetapi ia tidak dapat membandingkan ada atau tidaknya
perbedaan perilaku konsumen. Alasannya karena pengertian perilaku mengandung arti multivariabel, tidak hanya menyangkut frekuensi membeli, atau waktu membeli, atau jumlah yang dibeli, atau siapa yang berinisiatif membeli dan sebagainya secara terpisah, tetapi lebih dari itu perilaku mengandung arti secara bersamaan atau simultan. Dalam hal ini ia harus menggunakan analisis multivariate.Umumnya analisis univariat menggunakan asumsi bahwa sampel berasal dari populasi yang mempunyai distribusi normal univariat, khususnya jika datanya adalah berskala pengukuran interval atau rasio. Sedangkan analisis multivariat umumnya menggunakan asumsi bahwa sampel berasal dari populasi yang mempunyai distribusi normal multivariat, khususnya juga jika data yang digunakan adalah menggunakan pengukuran skala interval atau rasio.
1. Analisis Deskriptif Analisis deskriptif ini mempunyai tujuan untuk memberikan gambaran atau deskripsi suatu populasi. Misalnya populasi dilihat dari nilai rata-ratanya (mean, median, modus), standar deviasi, variansi, nilai minimum dan maksimum, kurtosis dan skewness (kemencengan distribusi). Data yang dianalisis dapat berupa data kualitatif atau data kuantitatif. Cara penyajiannya dapat dilengkapi dengan menggunakan tabel, grafik dan diagram (garis, batang, lingkaran maupun yang lain baik dengan 2 dimensi maupun 3 dimensi).
2. Analisis Univariat Analisis ini digunakan untuk memecahkan permasalahan yang hanya terdiri dari 1 variabel. Analisis yang sering digunakan dalam univariate ini diantaranya : Uji t (uji beda untuk 2 populasi), Analisis Variansi (Anova, Uji F) jika digunakan untuk menguji perbedaan lebih dari 2 populasi.
3. Analisis Multivariat Analisis Multivariat digolongkan menjadi 2 golongan analisis : a. Model Dependen. Pada model dependen ini, dapat dibedakan dengan jelas mana variabel dependennya dan mana variabel independennya. Model dengan 1 variabel dependen dan > 1 variabel independen. Jika variabel dependen maupun variabel independen mempunyai skalapengukuran interval atau rasio, maka analisis data yang sesuai adalah : “Analisis Regresi Berganda” (Multiple Regression Analysis). Jika variabel dependen mempunyai skala pengukuran nominal yang terdiri dari 2 kategori, sedangkan variabel independen semuanya mempunyai skala pengukurannominal, ordinal, interval maupun rasio, atau campuran diantara keempat skala pengukuran, maka analisis data yang sesuai adalah : “Analisis Regresi Logistik” (Logistic Regression Analysis). Analisis yang mirip dengan analisis regresi tetapi variabel dependennya dinyatakan dengan skor diskriminan (D), maka analisis ini dikenal dengan “Analisis Diskriminan” (Discriminant Analysis). Analisis Diskriminan ini menitik beratkan pada teknik pengelompokan yaitu dengan mencari kombinasi linier
variabel independen (variabel diskriminator) mana saja yang bisa mengelompokkan individu menjadi 2 kelompok, 3 kelompok dan sebagainya. Model dengan > 1 variabel dependen dan 1 variabel independen. Jika Variabel dependen semuanya mempunyai skala pengukuran interval atau rasio, dan variabel independennya mempunyai skala pengukuran nominal dengan 2 atau lebih kategori, maka analisis data yang sesuai adalah : “Analisis Varian Multivariat” (Multivariate Analysis of Variance = MANOVA). Jika variabel independen mempunyai skala pengukuran nominal dengan 2 kategori maka analisis data yang sesuai adalah : “Hotelling’s T”. Jika variabel independen mempunyai skala pengukuran nominal dengan > 2kategori maka analisis data yang sesuai adalah : “Wilk’s Lambda”. Jika variabel dependen mempunyai skala pengukuran nominal sedangkan variabel independen skala pengukuran interval atau rasio maka dapat digunakan : “Analisis Korelasi Kanonikal” (Canonical Correlation Analysis). Pada analisis korelasi kanonikal ini kita mencari kombinasi linier diantara sejumlah variabel independen yang mempunyai korelasi yang kuat dengan sejumlah variabel dependen.
b. Model Interdependen. Pada model interdependen ini, tidak dapat dibedakan dengan jelas mana variabel dependennya dan mana variabel independennya, keduanya saling interdependensi.
Semua variabel mempunyai skala pengukuran interval atau rasio, maka ada 4 jenis analisis data yang dapat digunakan. •
Analisis Komponen Utama (Principal Component Analysis).
Analisis Komponen Utama ini merupakan teknik untuk mereduksi variabel dengan menyusun kombinasi linier variabel asal sehingga jumlahnya menjadi lebih sedikit dan satu sama yang lain menjadi orthogonal (independen). Ini salah satu cara untuk mengatasi adanya kolinieritas variabel independen pada analisis regresi. •
Analisis Faktor (Factor Analysis). Analisis Faktor ini juga merupakan teknik untuk mereduksi variabel menjadi faktor yang merupakan kumpulan variabel.
•
Penskalaan Multidimensi Metrik (Metric Multidimension Scaling). Analisis Penskalaan Multidimensi Metrik ini merupakan teknik matematik yang memungkinkan seseorang untuk menyajikan kedekatan atau kemiripan (proximity or similarity) antara obyek secara meruang (spatial) sebagimana dalam suatu peta. Jadi intinya adalah memetakan obyek dalam ruang multidimensi sedemikian rupa sehingga posisi relatif di suatu ruang mencerminkan derajat kemiripan antara obyek.
•
Analisis Rumpun (Cluster Analysis). Analisis Rumpun merupakan teknik untuk mereduksi data sehingga menjadi kelompok yang lebih kecil sedemikian rupa sehingga elemen yang berada di dalam satu rumpun mempunyai kemiripan yang tinggi dibandingkan dengan elemen lain yang berada di dalam rumpun lain. Penggunaannya sering dikacaukan dengan analisis diskriminan. Pada analisis diskriminan penentuan jumlah kelompok (dua atau lebih) dilakukan dari awal, sedangkan pada analisis
rumpun pada akhir alanisis diperoleh sejumlah rumpun atas dasar kemiripan (similarity).
Semua variabel mempunyak skala pengukuran nominal. Jika semua variabel mempunyai skala pengukuran nominal, maka analisis data yang sesuai adalah “Model Log Linier” (Loglinear Model). Model Log Linier ini mempelajari hubungan antar multivariabel yang mempunyai skla pengukuran nominal yang membentuk tabel kontingensi multidimensional (Multidimensional Contingency Table). Model Log Linier ini menyatakan probabilitas sel dari tabel kontingensi multidimensional dalam bentuk efek utama (main effect) dan efek interaksi (interaction effect). Dalam hal model, Model Log Linier ini ada kemiripan dengan Analisis Variansi Dua Arah.
c. Model-Model Analisis Multivariate Yang Lain. •
Analisis regresi Ordinal (Ordinal Regression Analysis) . Analisis regresi Ordinal adalah analisis regresi dimana variabel dependen maupun variabel independennya mempunyai skala pengukuran ordinal.
•
Analisis Regresi Polikhotomus (Polychotomous Regression Analysis). Analisis Regresi Polikhotomus ini mirip dengan Analisis Logistik. Jika pada analisis logistik variabel dependen adalah dikhotomus (2 kategori) maka pada analisis regresi polikhotomus variabel dependen adalah polikhotomus (>2 kategori).
•
Analisis Regresi Poisson (Poisson Regression Analysis).
Analisis Regresi Poisson adalah analisis regresi yang variabel dependennya mengikuti distribusi Poisson. •
Analisis Jalur (Path Analysis). Analisis Jalur ini mirip dengan analisis regresi. Perbedaannya adalah bahwa pada analisis jalur ini dapat membantu dalam mempelajari efek langsung, efek tidak langsung maupun efek total dari variabel-variabel yang dianggap menjadi penyebab dari variabel-variabel lain yang dianggap sebagai variabel akibat.
•
Analisis Model Persamaan Struktural(Structural Equation Model ). Analisis Model Persamaan Struktural (Structural Equation Model), merupakan metode statistik yang menggunakan pendekatan konfirmatory yang mengandung dua aspek penting, yaitu : proses yang dikaji dapat ditampilkan dalam bentuk persamaan struktural (regresi) dan hubungan struktural dari persamaan tersebut dapat divisualisasikan dalam bentuk gambar (diagram). Dalam analisis SEM ini peneliti dapat melakukan tiga kegiatan sekaligus secara serempak yaitu : - Pemeriksaan validitas dan reliabilitas instrumen (setara dengan analisis faktor konfirmatory). - Pengujian model hubungan antar variabel laten (setara dengan analisis jalur). - Membuat model prakiraan (setara dengan model struktural atau analisis
regresi).
2.3
Model Regresi Probability Unit (Probit) Model regresi ini pertama kali diperkenalkan oleh Chester Bliss pada tahun
1935. Model probit merupakan model non linier yang digunakan untuk menganalisis hubungan antara satu variabel respon dan beberapa variabel bebas, dengan variabel responnya berupa data kualitatif dikotomi yaitu bernilai 1 untuk menyatakan keberadaan sebuah karakteristik dan bernilai 0 untuk menyatakan ketidakberadaan sebuah karakteristik. Model probit dengan satu variabel respon dapat dikembangkan menjadi model probit dengan menggunakan dua variabel respon, model ini disebut model probit bivariat. Model probit bivariat menggunakan dua variabel dikotomi sebagai variabel responnya, sedangkan variabel bebasnya dapat berupa variabel yang bersifat diskrit maupun variabel yang bersifat kontinu dan juga dapat berupa variabel kualitatif yaitu variabel nominal atau ordinal. Jika model logit menggunakan fungsi logistik kumulatif (F), maka model probit menggunakan fungsi normal kumulatif (Φ). Menurut Sugeng Santoso (2010), persamaan antara model probit dan logit adalah kedua model tersebut menghasilkan probabilitas antara 0-1 yang sifatnya nonlinear terhadap variabel independen dan sama-sama menggunakan maximum likelihood untuk menghitung koefisien. Menurut Robert A. Hanneman (2002), sisi kanan dari persamaan model probit dan logit itu sama karena kedua model itu adalah model regresi linear klasik dimana koefisien persamaan tersebut menjelaskan efek dari perubahan satu unit variabel X terhadap probabilitas Y. Hasil dari perhitungan probit dan logit tidak jauh berbeda. Menurut Eugene D. Hahn (2004), untuk membedakan antara model logit dan probit adalah ketika ukuran sampel besar dan pola
ekstrim tertentu diamati di dalam data. Sedangkan menurut Robert A. Hanneman (2002), perbedaan antara model logit dan probit berada pada sisi kiri dari persamaan. Persamaan pada model logit: log
1
Sedangkan persamaan pada model probit: Probit[π(x)] = α + βx Sisi kiri dari model logit adalah log dari odds dimana sebuah kasus masuk dalam satu kategori Y dibandingkan dengan yang lainnya. Sebagai contohnya, jika Y adalah apakah seorang anak dilahirkan seorang wanita dalam suatu tahun tertentu. Model logit akan mengekspresikan efek dari X dalam log odds dari birth versus non-birth. Sedangkan sisi kiri dari model probit dapat dianggap sebagai Z score. Dalam model probit, sebuah perubahan unit dalam X menghasilkan perubahan dalam probabilitas normal kumulatif (Z score) bahwa Y masuk dalam kategori tertentu. Sebagai contoh, model probit akan menggambarkan efek dari sebuah perubahan unit dalam X di probabilitas normal kumulatif bahwa seorang wanita akan melahirkan dalam suatu tahun tertentu. Interpretasi koefisien pada regresi probit lebih mudah daripada logit. Koefisien regresi model probit adalah efek dari sebuah fungsi normal kumulatif (CDF) dari probabilitas bahwa Y=1. Misalnya model probit dari sebuah penelitian adalah: Y = -.3349 -.00829(Age) -.0216(Education) Maka dapat dinyatakan bahwa “Nilai Z dari seseorang berumur nol dan pendidikan 0 adalah -0,3349. Untuk setiap tahun dari umur, maka nilai Z berkurang sebanyak
0 0,00829, sed dangkan unttuk setiap taahun pendidiikan, nilai Z berkurang sebanyak 0,216. 0 D situ kitta bisa secarra langsung menterjemah Dari m hkan nilai Z (predicted probit) p ke dalam d p probabilitas menggunakkan cumulativve distributive function (CDF). ( Lang gkah - langkaah dalam moodel probit: 1.
Data dik kelompokkaan dalam kateegori. Misalnya 0 untuk gagal dan 1 untuk berhaasil.
2 2.
Mencari koefisien variabel v indeependen moddel probit meenggunakan maximum od. likelihoo
3 3.
Memasu ukkan koefissien yang diddapat ke dalam model.
4 4.
Menghiitung probabbilitas denggan mengguunakan cumuulative distrributive funnction (CDF).
E Error functio on =
2 Uji Lik 2.4 kelihood Rattio Statistic (LRS) Untu uk menguji variabel bebasnya appakah salah satu variabbel bebas dapat d m memberikan n hubungan lebih kuatt dibandinggkan jika tiidak mengggunakan varriabel t tersebut, pen nulis mengguunakan uji Likelihood L Raatio Statisticc sebagai berrikut:
X2 banding X2 tabel dengan derajat bebas jumlah parameter dalam model dikurangi 1. Bila X2 lebih besar dari X2 tabel (X2>X2 tabel) maka H0 diterima.
2.5 Berbasis Komputer Yang dimaksud dari berbasis komputer adalah merubah perhitungan yang dilakukan secara manual dengan menggunakan alat tulis ke dalam bentuk perhitungan yang menggunakan komputer. Untuk membantu dalam proses perhitungan dengan menggunakan komputer dibutuhkan sebuah program. Untuk merancang sebuah program yang baik dan benar perlu dilakukan sesuai dengna prosedur.
2.5.1 Pengertian Perangkat Lunak Menurut Pressman (2009, p10), perangkat lunak adalah : a. Perintah-perintah dalam suatu program komputer yang jika dijalankan akan memberikan fungsi dan hasil yang diinginkan. b. Struktur-struktur data yang membuat program dapat memanipulasi data. c. Dokumen yang menggambarkan operasi dan penggunaan program.
2.5.2 Pengertian Rekayasa Perangkat Lunak Menurut Pressman (2009, p28), rekayasa perangkat lunak adalah: “Pengembangan dan penggunaan prinsip rekayasa untuk memperoleh perangkat lunak secara ekonomis yang reliabel dan bekerja secara efisien pada mesin nyata”.
2.5.3 Model Proses Perangkat Lunak Menurut Pressman (2009, p36) salah satu model proses perangkat lunak yang sering digunakan adalah linear sequential model. Model ini sering disebut dengan classic life cycle atau waterfall model. Model ini adalah model yang muncul pertama kali yaitu sekitar tahun 1970 sehingga sering dianggap kuno, tetapi merupakan model yang paling banyak dipakai di dalam Software Engineering (SE). Model ini melakukan pendekatan pada pengembangan perangkat lunak yang sistematis dan sekuensial yang mulai pada tingkat dan kemajuan sistem pada seluruh analisis, desain, kode, pengujian dan pemeliharaan. Model ini meliputi serangkaian aktivitas, yaitu:
Gamber 2.1 Waterfall Model
a. Rekayasa sistem (System Engineering) Permodelan ini diawali dengan mencari kebutuhan dari keseluruhan sistem yang akan diaplikasikan ke dalam bentuk software. Hal ini sangat penting, mengingat software harus dapat berinteraksi dengan elemen-elemen yang lain seperti hardware, database, dsb. Tahap ini sering disebut dengan Project Definition.
b. Analisis kebutuhan perangkat lunak (Software Requirements Analysis). Proses pencarian kebutuhan diintensifkan dan difokuskan pada software. Untuk mengetahui sifat dari program yang akan dibuat, maka para software engineer harus mengerti tentang domain informasi dari software, misalnya fungsi yang dibutuhkan, user interface, dsb. Dari 2 aktivitas tersebut (pencarian kebutuhan sistem dan software) harus didokumentasikan dan ditunjukkan kepada pelanggan. c. Perancangan (Design). Proses ini digunakan untuk mengubah kebutuhan-kebutuhan diatas menjadi representasi ke dalam bentuk “blueprint” software sebelum coding dimulai. Desain harus dapat mengimplementasikan kebutuhan yang telah disebutkan pada tahap sebelumnya. Seperti 2 aktivitas sebelumnya, maka proses ini juga harus didokumentasikan sebagai konfigurasi dari software. d. Pengkodean (Coding). Untuk dapat dimengerti oleh mesin, dalam hal ini adalah komputer, maka desain tadi harus diubah bentuknya menjadi bentuk yang dapat dimengerti oleh mesin, yaitu ke dalam bahasa pemrograman melalui proses coding. Tahap ini merupakan implementasi dari tahap design yang secara teknis nantinya dikerjakan oleh programmer. e. Pengujian (Testing) Sesuatu yang dibuat haruslah diujicobakan. Demikian juga dengan software. Semua fungsi-fungsi software harus diujicobakan, agar software bebas dari error, dan
hasilnya harus benar-benar sesuai dengan kebutuhan yang sudah didefinisikan sebelumnya. d. Pemeliharaan (Maintenance). Pemeliharaan
suatu
software
diperlukan,
termasuk
di
dalamnya
adalah
pengembangan, karena software yang dibuat tidak selamanya hanya seperti itu. Ketika dijalankan mungkin saja masih ada errors kecil yang tidak ditemukan sebelumnya, atau ada penambahan fitur-fitur yang belum ada pada software tersebut. Pengembangan diperlukan ketika adanya perubahan dari eksternal perusahaan seperti ketika ada pergantian sistem operasi, atau perangkat lainnya.
2.6 Basis Data (Database) Basis Data merupakan salah satu komponen dari Sistem Basis Data dan terdiri atas tiga hal (Connolly, 2009, p7) yaitu kumpulan data yang terorganisir, relasi antar data dan obyektifnya. Ada banyak pilihan dalam mengorganisasi data dan ada banyak pertimbangan dalam membentuk relasi antar data, namun pada akhirnya yang terpenting adalah obyek utama yang harus selalu diingan yaitu kecepatan dan kemudahan berinteraksi dengan data yang dikelola/diolah. Dapat dikatakan bahwa, basis data mempunyai berbagai sumber data dalam pengumpulan data, bervariasi derajat interaksi kejadian dari dunia nyata, dirancang dan dibangun agar dapat digunakan oleh beberapa pengguna untuk berbagai kepentingan. Basis data hanya merupakan suatu komponen dari sistem basis data, jadi masih terdapat komponen lainnya, yaitu hardware, software dan brainware. Ketiga komponen
ini saling ketergantungan. Basis data tidak mungkin dapat dioperasikan tanpa adanya software yang mengorganisasikannya. Keuntungan dari basis data: •
Mengurangi duplikasi data
•
Meningkatkan integritas data
•
Memelihara independensi data
•
Meningkatkan keamanan data
•
Memelihara konsistensi data
•
Manipulasi data lebih canggih
•
Mudah untuk digunakan
•
Mudah untuk di akses
2.7 Interaksi Manusia dan Komputer Interaksi Manusia dan Komputer adalah suatu ilmu yang mempelajari perencanaan dan desain tentang cara manusia dan komputer saling bekerja sama, sehingga manusia dapat merasa puas dengan cara yang paling efektif. Menurut Shneiderman (2010, p74-75), dalam perancangan sebuah interface terdapat aturan-aturan yang telah dikenal dengan Eight Golden Rules of Interface Design (delapan aturan emas), yaitu: 1.
Berusaha keras untuk konsisten (strive for consistency) Konsisten ini adalah konsisten dalam penggunaan bentuk dan ukuran, font, pemberian warna pada latar belakang dan tulisan, pembuatan layout.
2.
Memungkinkan pengguna menggunakan shortcuts (enable frequent users to use shortcuts) Pengurangan jumlah interaksi melalui fasilitas shortcuts memberikan manfaat bagi pengguna dalam memberikan waktu respon dan waktu tampilan yang cepat.
3.
Memberikan umpan balik yang informatif (offer informative feedback) Untuk setiap tindakan yang dilakukan oleh pengguna, harus diberikan umpan balik. Umpan balik bisa berupa tampilan ataupun suara sehingga pengguna mengetahui bahwa perangkat lunak tersebut memberikan respon.
4.
Merancang dialog untuk menghasilkan keadaan akhir (design dialogs to yield closure) Urutan dari tindakan harus diatur ke dalam suatu kelompok yang memiliki bagian awal, bagian tengah, dan bagian akhir, Umpan balik yang informatif dalam penyelesaian tindakan-tindakan akan memberikan kepuasan pemakai.
5.
Memberikan penanganan kesalahan yang sederhana (offer error prevention and simple error handling) Dalam mendesain, sebisa mungkin diberikan pencegahan kesalahan, contohnya pada menu untuk memasukkan nama, pengguna tidak diperbolehkan untuk memasukkan angka. Jika pengguna melakukan kesalahan sistem harus dapat mendeteksi kesalahan tersebut dan menampilkan kesalahan si pengguna dan memberikan contoh penggunaan yang benar secara sederhana.
6.
Mengizinkan pembalikan aksi dengan mudah (permit easy reversal of actions)
Dalam melakukan desain, sebisa mungkin diberikan undo. Hal ini akan memudahkan pengguna jika melakukan kesalahan yang tidak disengan ketika sedang mengerjakan sesuatu. 7.
Menyediakan kendali internal bagi pengguna(support internal locus of control) Sistem harus dirancang supaya pengguna merasa menguasai sistem dan sistem akan memberi respon atas tindakan yang diberikan.
8.
Mengurangi muatan memori jangka pendek (reduce short-term memory load) Manusia mempunyai keterbatasan dalam mengingat sehingga memerlukan tampilan sederhana, tampilan halaman-halaman dapat digabungkan, dan pergerakan windows dapat dikurangi. Suatu program yang interaktif dan baik harus bersifat user friendly. 5 kriteria
yang harus dipenuhi oleh suatu program yang user friendly yaitu (Shneiderman, 20010, p16): 1.
Waktu Belajar Sebuah sistem yang baik selayaknya mudah dipelajari dan digunakan bahkan oleh pengguna awam sekalipun
2.
Kecepatan kinerja Sebuah sistem yang baik menyelesaikan masalah dan melakukan pemrosesan data secara cepat dan efisien.
3.
Tingkat kesalahan Sebuah sistem yang baik meminimalkan jumlah dan tingka kesalahan pengguna.
4.
Daya ingat
Kriteria ini terkait erat dengan seberapa lama pemakai dapat mempertahankan pengetahuannya dan dengan demikian tidak perlu mempelajari ulang penggunaan sistem di masa yang akan datang. 5.
Kepuasan subyektif Hal ini terkait dengan seberapa puas pengguna terhadap sistem yang digunakannya.
2.8
UML (Unified Modeling Language)
2.8.1 Pengertian UML (Unified Modeling Language) UML (Unified Modeling Language) adalah metode pemodelan secara visual sebagai sarana untuk merancang dan atau membuat perangkat lunak berorientasi obyek. Karena UML ini merupakan bahasa visual untuk pemodelan bahasa berorientasi obyek, maka semua elemen dan diagram berbasiskan pada paradigma object oriented (Booch et al., 2005, p13). UML sendiri jumga memberikan standar penulisan sebuah sistem blue print, yang meliput konsep bisnis proses, penulisan kelas-kelas dalam bahasa program yang spesifik, skema database, dan komponen-komponen yang diperlukan dalam sistem perangkat lunak. Untuk dapat memahami UML membutuhkan bentuk konsep dari sebuah bahasa model, dan mempelajari tiga elemen utama dari UML, yaitu (Booch et al., 2005, p17): 1.
Building block, terdiri dari tiga macam antara lain: benda, hubungan, diagram
2.
Aturan-aturan yang menyatakan bagaimana building block diletakkan secara bersamaan
3.
Beberapa mekanisme umum (common). Perlu diketahui bahwa terdapat tiga karakteristik penting dari UML, yaitu
(Booch et al., 2005, p33): 1.
Use case driven 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.
2.
Architecture centric Arsitektur sistem digunakan sebagai pegangan utama dalam pembuatan konsep, mengkonstruksi, mengatur dan menyusun sistem yang sedang berjalan.
3.
Iterative dan incremental process Iterative berarti proses menyangkut keputusan yang dapat dikerjakan secara berkelanjutan. Sedangkan incremental process adalah suatu proses yang melibatkan integrasi terus menerus dan arsitektur sistem untuk menghasilkan keputusan yang diikuti oleh keputusan berikutnya yang lebih baik dari sebelumnya. Iterative dan incremental process adalah risk driven, artinya keputusan yang baru difokuskan untuk mengatasi atau mengurangi resiko yang paling besar untuk suksesnya sistem yang dibangun.
2.8.2
Diagram-diagram UML UML memiliki beberapa diagram yang digunakan dalam menggambarkan suatu
sistem. Tujuan dari pembuatan diagram-diagram ini adalah agar sistem mudah dimengerti oleh semua pihak. Diagram-diagram UML terdiri dari (Booch et al., 2005, p97): 1.
Activity Diagram Menurut Booch et al. (2005, p333) Activity Diagram adalah jenis khusus dari
Statechart diagram, menunjukkan flow aktivitas ke aktivitas (bukan status ke status)
Gambar 2.2Activity Diagram
2.
Use Case Diagram
Menggambarkan apa saja aktivitas yang dilakukan oleh suatu sistem dari sudut pandang pengamatan luar atau menggambarkan sekumpulan use case dan actor dan hubungan antara mereka (Booch et al., 2005, p233).
Gambar 2.4 Use Case Diagram
Actor adalah seseorang atau sesuatu yang berinteraksi dengan sistem untuk melakukan pekerjaan-pekerjaan tertentu. Use case adalah proses-proses yang terjadi dalam suatu sistem. Relation: hubungan antar elemen dalam use case diagram. Include relationship: kelakuan yang harus dipenuhi agar sebuah event dapat terjadi. Extend relationship: relasi yang memungkinkan suatu use case memiliki kemungkinan untuk memperluas fungsionalitas yang disediakan oleh use case lainnya.
3.
Sequence diagram
Merupakan diagram interaksi yang menekankan pada urutan waktu dari pertukaran message; message (pesan) apa yang dikirm dan kapan pelaksanaannya (Booch et al., 2005, p246).
Gambar 2.5 Sequence Diagram
2.9
Pemrograman Berorientasi Objek Pemrograman
berorientasi
objek
(Inggris: object-oriented
programming
disingkat OOP) merupakan paradigma pemrograman yang berorientasikan kepada objek. Semua data dan fungsi di dalam paradigma ini dibungkus dalam kelas-kelas atau objek-objek. Setiap objek dapat menerima pesan, memproses data, dan mengirim pesan ke objek lainnya, Model data berorientasi objek dikatakan dapat memberi fleksibilitas yang lebih, kemudahan mengubah program, dan digunakan luas dalam teknik piranti lunak skala besar. Lebih jauh lagi, pendukung OOP mengklaim bahwa OOP lebih mudah dipelajari
bagi pemula dibanding dengan pendekatan sebelumnya, dan pendekatan OOP lebih mudah dikembangkan dan dirawat. Konsep dasar dari Pemrograman Berorientasi Objek Pemrograman orientasiobjek menekankan konsep berikut: 1.
Kelas Kumpulan atas definisi data dan fungsi-fungsi dalam suatu unit untuk suatu
tujuan tertentu. Sebagai contoh 'class of dog' adalah suatu unit yang terdiri atas definisidefinisi data dan fungsi-fungsi yang menunjuk pada berbagai macam perilaku/turunan dari anjing. Sebuah class adalah dasar dari modularitas dan struktur dalam pemrograman berorientasi object. Sebuah class secara tipikal sebaiknya dapat dikenali oleh seorang non-programmer sekalipun terkait dengan domain permasalahan yang ada, dan kode yang terdapat dalam sebuah class sebaiknya (relatif) bersifat mandiri dan independen (sebagaimana kode tersebut digunakan jika tidak menggunakan OOP). Dengan modularitas, struktur dari sebuah program akan terkait dengan aspek-aspek dalam masalah yang akan diselesaikan melalui program tersebut. Cara seperti ini akan menyederhanakan pemetaan dari masalah ke sebuah program ataupun sebaliknya. 2.
Objek Membungkus data dan fungsi bersama menjadi suatu unit dalam sebuah program
komputer; objek merupakan dasar dari modularitas dan struktur dalam sebuah program komputer berorientasi objek. 3. Abstraksi Kemampuan sebuah program untuk melewati aspek informasi yang diproses olehnya, yaitu kemampuan untuk memfokus pada inti. Setiap objek dalam sistem
melayani sebagai model dari "pelaku" abstrak yang dapat melakukan kerja, laporan dan perubahan keadaannya, dan berkomunikasi dengan objek lainnya dalam sistem, tanpa mengungkapkan bagaimana kelebihan ini diterapkan. Proses, fungsi atau metode dapat juga dibuat abstrak, dan beberapa teknik digunakan untuk mengembangkan sebuah pengabstrakan. 4. Enkapsulasi Memastikan pengguna sebuah objek tidak dapat mengganti keadaan dalam dari sebuah objek dengan cara yang tidak layak; hanya metode dalam objek tersebut yang diberi izin untuk mengakses keadaannya. Setiap objek mengakses interface yang menyebutkan bagaimana objek lainnya dapat berinteraksi dengannya. Objek lainnya tidak akan mengetahui dan tergantung kepada representasi dalam objek tersebut. 5. Polimorfisme Tidak bergantung kepada pemanggilan subrutin, bahasa orientasi objek dapat mengirim pesan; metode tertentu yang berhubungan dengan sebuah pengiriman pesan tergantung kepada objek tertentu di mana pesa tersebut dikirim. Contohnya, bila sebuah burung menerima pesan "gerak cepat", dia akan menggerakan sayapnya dan terbang. Bila seekor singa menerima pesan yang sama, dia akan menggerakkan kakinya dan berlari. Keduanya menjawab sebuah pesan yang sama, namun yang sesuai dengan kemampuan hewan tersebut. Ini disebut polimorfisme karena sebuah variabel tungal dalam program dapat memegang berbagai jenis objek yang berbeda selagi program berjalan, dan teks program yang sama dapat memanggil beberapa metode yang berbeda di saat yang berbeda dalam pemanggilan yang sama. Hal ini berlawanan dengan bahasa fungsional yang mencapai polimorfisme melalui penggunaan fungsi kelas-pertama.
Dengan menggunakan OOP maka dalam melakukan pemecahan suatu masalah kita tidak melihat bagaimana cara menyelesaikan suatu masalah tersebut (terstruktur) tetapi objek-objek apa yang dapat melakukan pemecahan masalah tersebut. Sebagai contoh anggap kita memiliki sebuah departemen yang memiliki manager, sekretaris, petugas administrasi data dan lainnya. Misal manager tersebut ingin memperoleh data dari bag administrasi maka manager tersebut tidak harus mengambilnya langsung tetapi dapat menyuruh petugas bag administrasi untuk mengambilnya. Pada kasus tersebut seorang manager tidak harus mengetahui bagaimana cara mengambil data tersebut tetapi manager bisa mendapatkan data tersebut melalui objek petugas adminiistrasi. Jadi untuk menyelesaikan suatu masalah dengan kolaborasi antar objek-objek yang ada karena setiap objek memiliki deskripsi tugasnya sendiri.
2.10
4 Pilar Proses Design Perancangan layar merupakan suatu tahapan untuk membuat blue print atas
tampilan layar yang sesungguhnya. Shneiderman (2010, p80) mengusulkan pedoman perancangan layar yang baik adalah: 1.
Konsistensi tampilan data. Istilah, singkatan, format dan lainnya harus standar.
2.
Beban ingatan yang seminimal mungkin bagi pengguna. Pengguna sedapat mungkin tidak diharuskan mengingat informasi dari layar satu ke layar lainnya.
3.
Kompatibilitas tampilan data dengan pemasukan data. Format tampilan informasi perlu berhubungan dengan tampilan pemasukan data.
4.
Fleksibilitas kendali pengguna terhadap data. Pengguna program harus dapat memperoleh informasi yang diinginkan sesuai format yang paling memudahkan.
2.11 Pendidikan 2.11.1 Pengertian Pendidikan Pendidikan didefinisikan sebagai usaha terencana untuk menyelenggarakan sebuah lingkungan belajar dan proses belajar sehingga pelajar dapat secara aktif membangun potensial diri mereka untuk memiliki kekuatan spiritual keagamaan, pengendalian diri, kepribadian, kecerdasan, akhlak mulia, serta keterampilan yang diperlukan dirinya dan masyarakat. Pendidikan di Indonesia dibagi menjadi dua bagian besar, formal dan non-formal. Pendidikan formal dibagi menjadi tiga tingkat yaitu pendidikan primer, sekunder, dan tertier. Pendidikan di Indonesia diatur oleh Kementerian Pendidikan Nasional Republik Indonesia, yang dahulu bernama Departemen Pendidikan dan Kebudayaan, dan Kementerian Agama Republik Indonesia. Di Indonesia, semua penduduk menempuh pendidikan wajib 9 tahun, dimana 6 tahun di sekolah dasar dan 3 tahun di sekolah menengah pertama. Sekolah di Indonesia diselenggarakan baik oleh pemerintah dan swasta. Beberapa sekolah privat menyatakan diri sebagai sekolah nasional plus yang berarti mereka memiliki kurikulum yang melebihi syarat pemerintah, terutama dalam hubungannya dalam penggunaan bahasa Inggris sebagai media pengajaran atau memiliki kurikulum internasional.
2.11.2 Universitas Universitas adalah suatu institusi pendidikan tinggi dan penelitian, yang memberikan gelar akademik dalam berbagai bidang. Sebuah universitas menyediakan pendidikan sarjana dan pascasarjana. Kata universitas berasal dari bahasa Latin universitas magistrorum et scholarium, yang berarti "komunitas guru dan akademisi". Universitas dalam pendidikan di Indonesia merupakan salah satu bentuk perguruan tinggi selain akademi, institut, politeknik, dan sekolah tinggi. Universitas terdiri atas sejumlah fakultas yang menyelenggarakan pendidikan akademik dan/atau pendidikan vokasi dalam sejumlah ilmu pengetahuan, teknologi, dan/atau seni dan jika memenuhi syarat dapat menyelenggarakan pendidikan profesi. Mahasiswa atau Mahasiswi adalah panggilan untuk orang yang sedang menjalani pendidikan tinggi di sebuah universitas atau perguruan tinggi.
2.12 Media Sosial Menurut Alan Mislove (2007,p1) Media sosial adalah sebuah media online dimana para penggunanya bisa dengan mudah berpartisipasi, berbagi, dan menciptakan isi meliputi blog, sosial network atau jejaring sosial, wiki, forum dan dunia virtual. Blog, jejaring sosial dan wiki mungkin merupakan bentuk media sosial yang paling umum digunakan oleh masyarakat di seluruh dunia. Sementara jejaring sosial merupakan situs dimana setiap orang bisa membuat web page pribadi, kemudian terhubung dengan teman-teman untuk berbagi informasi dan berkomunikasi. Jejaring sosial terbesar antara lain Facebook, Myspace, dan Twitter.
Jika media tradisional menggunakan media cetak dan media broadcast, maka media sosial menggunakan internet. Media sosial mengajak siapa saja yang tertarik untuk berpertisipasi dengan memberi kontribusi dan feedback secara terbuka, memberi komentar, serta membagi informasi dalam waktu yang cepat dan tak terbatas. Saat teknologi internet dan mobile phone makin maju maka media sosial pun ikut tumbuh dengan pesat. Kini untuk mengakses facebook atau twitter misalnya, bisa dilakukan dimana saja dan kapan saja hanya dengan menggunakan sebuah mobile phone. Demikian cepatnya orang bisa mengakses media sosial mengakibatkan terjadinya fenomena besar terhadap arus informasi tidak hanya di negara-negara maju, tetapi juga di Indonesia. Karena kecepatannya media sosial juga mulai tampak menggantikan peranan media massa konvensional dalam menyebarkan berita-berita. Pesatnya perkembangan media sosial kini dikarenakan semua orang seperti bisa memiliki media sendiri. Jika untuk memiliki media tradisional seperti televisi, radio, atau koran dibutuhkan modal yang besar dan tenaga kerja yang banyak, maka lain halnya dengan media. Seorang pengguna media sosial bisa mengakses menggunakan social media dengan jaringan internet bahkan yang aksesnya lambat sekalipun, tanpa biaya besar, tanpa alat mahal dan dilakukan sendiri tanpa karyawan. Kita sebagai pengguna social media dengan bebas bisa mengedit, menambahkan, memodifikasi baik tulisan, gambar, video, grafis, dan berbagai model content lainnya. Menurut Antony Mayfield dari iCrossing, media sosial adalah mengenai menjadi manusia biasa. Manusia biasa yang saling membagi ide, bekerjasama, dan berkolaborasi untuk menciptakan kreasi, berfikir, berdebat, menemukan orang yang bisa menjadi teman baik, menemukan pasangan, dan membangun sebuah komunitas. Intinya,
menggunakan media sosial menjadikan kita sebagai diri sendiri. Selain kecepatan informasi yang bisa diakses dalam hitungan detik, menjadi diri sendiri dalam media sosial adalah alasan mengapa media sosial berkembang pesat. Jika dalam kehidupan sehari-hari kita tidak bisa menyampaikan pendapat secara terbuka karena satu dan lain hal, maka tidak jika kita menggunakan media sosial. Kita bisa menulis apa saja yang kita mau atau kita bebas mengomentari apapun yang ditulis atau disajikan orang lain. Ini berarti komunikasi terjalin dua arah. Komunikasi ini kemudian menciptakan komunitas dengan cepat karena ada ketertarikan yang sama akan suatu hal.
