BAB 2 LANDASAN TEORI 2.1.
Simulasi
2.1.1. Definisi Simulasi Kakiay (2003, p1) mengemukakan definisi simulasi sebagai suatu sistem yang digunakan untuk memecahkan atau menguraikan persoalan-persoalan dalam kehidupan nyata yang penuh dengan ketidakpastian dengan tidak atau menggunakan model atau metode tertentu dan lebih ditekankan pada pemakaian komputer untuk mendapatkan solusinya. Harrel et al. (2000, p5) juga mengemukakan bahwa simulasi adalah imitasi dari sistem dinamis dengan menggunakan model komputer untuk mengevaluasi dan meningkatkan performansi sistem.
2.1.2. Keuntungan dan Kekurangan Simulasi Render et al. (2003, p 603) menyatakan bahwa simulasi merupakan suatu alat yang semakin banyak digunakan karena beberapa alasan yaitu:
Simulasi relatif mudah dan fleksibel.
Perkembangan akhir dalam dunia software memungkinkan beberapa model simulasi sangat mudah untuk dikembangkan.
34
Simulasi dapat digunakan untuk menganalisa situasi dunia nyata yang kompleks dan luas yang tidak dapat diselesaikan oleh model analisis kuantitatif konvensional.
Simulasi memungkinkan analisa what-if. Dengan bantuan komputer, manager mampu mencoba beberapa kebijakan keputusan dalam hitungan menit.
Simulasi tidak mempengaruhi sistem dunia nyata.
Simulasi memungkinkan peneliti untuk mempelajari efek interaktif dari komponen individu ataupun variabel untuk menentukan yang mana yang penting.
Simulasi memungkinkan time compression.
Simulasi memungkinkan terlibatnya beberapa komplikasi yang terjadi di dunia nyata, yang mana tidak dimungkinkan oleh model analisis kuantitatif pada umumnya. Menurut Render et al. (2003, p 604), kekurangan utama dari simulasi adalah:
Model simulasi yang baik untuk situasi kompleks pada umumnya sangat mahal. Proses pembuatannya memakan waktu yang lama dan merupakan proses yang kompleks pula.
Simulasi tidak menghasilkan solusi yang optimal untuk suatu permasalahan seperti teknik analisis kuantitatif lainnya. Simulasi merupakan pendekatan trial and error, yang memberikan solusi yang berbeda setiap pengulangannya.
Manager harus membangkitkan kondisi dan batasan berkaitan dengan solusi yang hendak dicapai.
35
Masing-masing model simulasi bersifat unik. Solusi dan keputusan simulasi tidak selalu dapat diaplikasikan untuk permasalahan lain.
2.2.
Kapan Simulasi dilakukan? Tidak semua permasalahan sistem yang dapat diselesaikan dengan bantuan
simulasi harus diselesaikan dengan simulasi. Pemilihan alat atau metode yang tepat dan benar untuk setiap permasalahan sangatlah penting. Simulasi memiliki beberapa batasan dalam aplikasinya. Menurut Harrel et al. (2000, p12), simulasi merupakan metode yang sesuai bila beberapa kriteria berikut ini adalah benar. Kriteria tersebut antara lain: •
Keputusan operasional (logis maupun kuantitatif) dibutuhkan.
•
Proses yang akan dianalisa terdefinisi dengan baik dan berulang-ulang.
•
Aktivitas dan kejadian menunjukkan sifat ketergantungan dan keanekaragaman.
•
Biaya akibat penerapan keputusan lebih besar dibandingkan biaya pembuatan simulasi.
•
Biaya eksperimen pada sistem aktual lebih besar dibandingkan biaya pembuatan simulasi.
36 2.3.
Tipe Simulasi
2.3.1. Static versus Diynamic Simulation Simulasi statis merupakan simulasi yang tidak berdasarkan atau tidak dipengaruhi oleh waktu. Simulasi statis pada umumnya mencakup proses pembuatan sampel random untuk mengeneralisasikan hasil statistik, yang pada umumnya dinamakan simulasi Monte Carlo. Simulasi dinamis, merupakan kebalikan dari simulasi statis, yang mencakup perubahan waktu. Simulasi dinamis mencakup perubahan status yang terjadi sepanjang waktu. Simulasi dinamis sangat cocok digunakan untuk menganalisa sistem manufaktur dan jasa karena sangat dipengaruhi oleh waktu.
2.3.2. Stochastic versus Deterministic Simulation Simulasi dimana satu atau lebih variabel masukkan bersifat random secara natural dikategorikan sebagai simulasi stokastik atau simulasi probabilistik. Simulasi stokastik menghasilkan output yang merupakan random sehingga hanya memberikan suatu pandangan data bagaimana sistem mungkin beroperasi. Simulasi yang mana komponen masukkannya tidak bersifat random disebut dengan simulasi deterministik. Simulasi deterministik memiliki input yang konstan dan output yang konstan pula.
37 2.3.3. Discrete-Event versus Continious Simulation Discrete-event simulation merupakan simulasi dimana perubahan status berubah pada titik waktu yang diskrit yang dipicu oleh kejadian. Simulasi seperti ini mungkin mencakup: •
Kedatangan entitas pada suatu workstation.
•
Kerusakan/kegagalan dari sumber daya.
•
Penyelesaian dari suatu aktivitas
•
Berhentinya shift. Sedangkan pada Continious simulation, status variabel berubah secara terus
menerus sepanjang waktu.
2.4.
Simulasi Monte Carlo Menurut Kakiay (2003, p114) , simulasi Monte Carlo dikenal juga dengan istilah
Sampling Simulation atau Monte Carlo Sampling Technique. Sampling simulation ini menggambarkan kemungkinan penggunaan data sampel dalam metode Monte Carlo dan juga sudah dapat diketahui atau diperkirakan distribusinya. Simulasi ini menggunakan data yang sudah ada (historical data) yang sebenarnya dipakai pada simulasi untuk tujuan lain. Dengan kata lain apabila menghendaki model simulasi yang mengikutsertakan random dan sampling dengan distribusi probabilitas yang dapat diketahui dan ditentukan, maka cara simulasi Monte Carlo ini dapat dipergunakan.
38 Metode simulasi Monte Carlo ini cukup sederhana di dalam menguraikan ataupun menyelesaikan persoalan, termasuk dalam penggunaan program-programnya di komputer. Ketika sebuah sistem memiliki elemen-elemen yang menunjukkan adanya suatu peluang dalam sifat variabelnya, metode dari simulasi Monte Carlo ini dapat diaplikasikan. Ide dasar dari simulasi Monte Carlo ini adalah mengenerate/ menghasilkan suatu nilai untuk membentuk suatu model dari variabelnya dan dipelajari. Ada banyak sekali variabel-variabel di dalam sistem nyata ini yang merupakan probabilitas secara alami dan yang mungkin ingin kita simulasikan. Berikut adalah beberapa contoh dari variabel-variabel berikut : 1.
Persediaan permintaan harian atau mingguan
2.
Waktu menunggu untuk pemesanan persediaan sampai tiba ke kita
3.
Waktu diantara breakdown mesin
4.
Waktu antar kedatangan di fasilitas pelayanan
5.
Waktu pelayanan
6.
Waktu untuk menyelesaikan suatu proyek
7.
Jumlah karyawan yang tidak hadir setiap harinya. Dasar dari simulasi monte carlo adalah percobaan dari peluang (probabilitas)
elemen melalui penarikan contoh acak (random sampling).
39 Berikut ini Lima langkah-langkah untuk melakukan simulasi monte carlo : 1.
Membuat suatu distribusi probabilitas dari variabel pentingnya
2.
Kemudian menyusun distribusi probabilitas kumulatifnya dari setiap variabel yang berasal dari langkah 1.
3.
Membuat suatu interval angka acak dari setiap variabelnya.
4.
Mengenerate angka acak
5.
Dan terakhir lakukan simulasi secara berkala untuk percobaan-percobaannya.
2.5.
Random Number Generator Menurut Kakiay (2003, p32) Random Number Generator adalah suatu algoritma
yang digunakan untuk menghasilkan urutan-urutan atau sequence dari angka-angka sebagai hasil dari perhitungan dengan komputer yang diketahui distribusinya sehingga angka-angka tersebut muncul secara random dan digunakan secara terus-menerus. Dalam penentuan angka random pada umumnya terdapat beberapa sumber yang dipergunakan, antara lain: •
Tabel angka random. Tabel angka random ini sudah banyak ditemukan mulai dari enam digit sampai dengan dua belas digit.
•
Electronic random number. Electronic random number ini banyak juga dipergunakan dalam percobaan penelitian.
40 •
Congruential pseudo random number generator. Pembangkit angka random ini terdiri dari tiga bagian yaitu:
2.6.
o
Additive (arithmatic) random number generator.
o
Multiplicative random number generator.
o
Mixed congruential random number generator.
Metodologi Simulasi Gambar berikut ini merupakan diagram alir yang menggambarkan langkah-
langkah penting dalam simulasi.(Chase et al, 2006, p693) 1.
Mendefinisikan masalah. Proses mendefinisikan masalah yang dilakukan untuk menentukan tujuan dari simulasi sedikit berbeda dari proses mendefinisikan masalah dalam teknik analisis lainnya. Pada intinya, proses mendefinisikan masalah dalam simulasi mencakup spesifikasi tujuan dan indentifikasi variabel sistem yang dapat dikendalikan dan yang tidak dapat dikendalikan untuk diteliti.
2.
Membangun model simulasi. Perbedaan antara simulasi dengan teknik analisis lainnya seperti linear programming ataupun teori antrian adalah bahwa dalam simulasi, model harus dibangun secara khusus untuk suatu kondisi dimana terjadi masalah.
41 Spesifikasi variabel dan parameter Langkah awal dalam pembangunan model simulasi adalah menentukan karakterisitik dari sistem yang harus diperbaiki, yang disebut dengan parameter, dan karakteristik mana yang diizinkan untuk mengalami perubahan-perubahan selama simulasi, yang dinamakan dengan variabel. Spesifikasi aturan pengambilan keputusan Aturan pengambilan keputusan merupakan kumpulan kondisi-kondisi yang merupakan sifat dari model simulasi yang dikembangkan. Pada umumnya, aturan pengambilan keputusan adalah aturan prioritas dalam suatu model simulasi. Spesifikasi distribusi probabilitas Dua kategori dari distributsi yang dapat digunakan dalam simulasi adalah distribusi frekuensi empiris dan juga distribusi matematik standar. Distribusi empiris diperoleh dari observasi terhadap frekuensi relatif terjadinya suatu kejadian seperti kedatangan dalam suatu antrian. Dengan kata lain, distribusi empiris merupakan suatu distribusi yang khusus dibangun dan hanya sesuai untuk kondisi tertentu. Namun demikian, distribusi data seringkali diasumsikan mengikuti suatu distribusi matematik standar seperti distribusi normal atau distribusi poisson.
42 Spesifikasi time-incrementing procedure Dalam suatu model simulasi, waktu dapat dimajukan dengan dua metode yaitu: (1) peningkatan waktu tetap (fixed-time increments) atau (2) peningkatan waktu variabel (variable-time increments). Kedua metode tersebut membutuhkan konsep waktu dalam simulasi. Dalam peningkatan waktu tetap, waktu (seperti: menit, jam ataupun hari) dalam simulasi meningkat dengan interval yang tetap dari suatu periode waktu ke periode lainnya. Sedangkan dalam peningkatan waktu variabel, peningkatan waktu terjadi dengan suatu variabel yang memerintahkan suatu kejadian pindah ke kejadian lainnya. 3.
Membuat spesifikasi nilai dari variabel dan parameter. Menentukan kondisi awal Suatu variabel selama proses simulasi akan mengalami perubahan nilai, namun demikian suatu variabel harus memiliki nilai awal. Nilai dari parameter akan bersifat tetap, namun demikian, parameter dapat berubah bila alternatif yang berbeda dipelajari dalam simulasi. Menentukan lamanya program dijalankan Lamanya suatu program simulasi dijalankan tergantung pada tujuan dari simulasi. Dengan kata lain, suatu program akan dijalankan hingga mencapai equilibrium.
43 4.
Mengevaluasi hasil. Hasil yang diperoleh dari suatu simulasi tergantung pada bagaimana suatu model simulasi dikembangkan mendekati sistem nyata. Namun demikian, hasil yang diperoleh juga tergantung pada perancangan simulasi dalam suatu area statistik. Pada kondisi tertentu, model simulasi dikembangkan dalam bentuk percobaan hipotesa, sehingga simulasi dijalankan dalam suatu kumpulan sampel data yang menggambarkan analisis formal dalam statistik inferensia.
5.
Melakukan validasi. Proses validasi dapat digambarkan sebagai suatu proses testing pada program komputer untuk meyakinkan bahwa program simulasi yang dikembangkan tepat dan benar. Untuk melakukan validasi, sistem analis memiliki tiga alternatif yaitu (1) membandingkan hasil kalkulasi dari program simulasi dengan hasil kalkulasi pada program yang terpisah, (2) melakukan simulasi terhadap kondisi simulasi dan membandingkan hasilnya dengan sistem yang sekarang, (3) memilih beberapa poin dalam simulasi yang dijalankan dan membandingkannya dengan hasil yang diperoleh dengan hasil yang diperoleh dengan model matematis yang sesuai untuk kondisi yang sama pula.
6.
Membuat proposal penelitian baru. Berdasarkan pada hasil simulasi, suatu proposal terhadap penelitian baru dapat dibuat. Proposal penelitian baru yang diusulkan ini berkaitan dengan perubahan pada parameter, variabel, aturan keputusan, kondisi awal dan lamanya suatu simulasi dijalankan.
44
Gambar 2.1 Langkah-langkah Penting dalam Simulasi
45 2.7.
Model
2.7.1. Pengertian Model Menurut Asmungi (2007, p25), kata model dalam permodelan sistem tidak sama artinya dengan kata model dalam foto model, model iklan dan beberapa kata model lainnya. Model dalam permodelan sistem mempunyai arti cerminan atau gambaran atau representasi dari sistem nyatanya. Dengan demikian permodelan sistem adalah upaya untuk membuat gambaran atau representasi dari pada sistem nyatanya. Ukuran keberhasilan permodelan bukan terletak pada tingkat kerumitan modelnya, akan tetapi terletak pada seberapa sempurnanya model itu sendiri dapat menggambarkan sistem nyatanya seperti sistem aslinya. Perwujudan dari model bisa bermacam-macam bentuknya. Bentuk model bisa berbentuk fisik, berbentuk formula matematik, dan lain sebagainya. Bentuk model yang baik sangat membantu pada para pengaji sistem dalam upayanya mengkaji sistem nyatanya.
2.7.2. Klasifikasi Model Model dapat mempresentasikan sistem atau masalah dengan berbagai tingkatan abstraksi. Model diklasifikasikan berdasarkan tingkat abstraksi, dapat digolongkan menjadi model ikonik (skala), model analog dan model matematis (Turban, 2000, p63). Model ikonik merupakan suatu tipe model dengan abstraksi yang paling rendah – merupakan replika fisik dari sebuah sistem, biasanya pada skala yang berbeda dari
46 aslinya. Model ikonik bisa jadi adalah tiga dimensi, misalnya pesawat terbang, mobil, jembatan, atau lini produksi. Fotografi adalah model skala ikonik dua dimensi. Model analog bertindak sebagai sistem riil, tetapi tidak mirip. Model ini lebih abstrak dibanding model ikonik dan merupakan representasi simbolis dari realitas. Model dengan tipe ini biasanya bagan atau diagram dua dimensi. Model ini dapat berupa model fisik, namun bentuk model berbeda dari sistem aktual. Kompleksitas
hubungan
di
banyak
sistem
organisasi
tidak
dapat
direpresentasikan dengan ikon atau secara analogi karena representasi tersebut akan segera membingungkan, dan akan makan banyak waktu jika menggunakan kedua hal tesebut. Dengan demikian, model yang lebih abstrak dijelaskan secara matematika. Sebagian besar analisis DSS dilakukan secara numerik dengan model matematika atau model kuantitatif lainnya.
2.7.3. Manfaat Model Sistem pendukung manajemen menggunakan model-model untuk alasan berikut ini (Turban, 2000, p63-64): •
Manipulasi model (mengubah variabel keputusan atau lingkungan) jauh lebih mudah dibandingkan memanipulasi sistem riil.
•
Model memungkinkan kompresi waktu.
•
Biaya analisis permodelan jauh lebih rendah ketimbang biaya ekperimen yang serupa yang dilakukan pada sebuah sistem riil.
47 •
Biaya pembuatan kesalahan selama ekperimen trial and error jauh lebih rendah ketika menggunakan model, dibandingkan bila menggunakan sistem riil.
•
Lingkungan bisnis mencakup ketidakpastian yang dapat dipertimbangkan. Dengan permodelan, manajer dapat mengestimasi resiko-resiko dari tindakan tertentu.
•
Model matematika memungkinkan analisis terhadap sejumlah solusi yang mungkin sangat besar, dan kadang-kadang tidak terbatas.
•
Model memperkuat pembelajaran dan pelatihan.
•
Metode model dan solusi tersedia di Web.
•
Ada banyak applet Java (dan program web lainnya) yang telah memecahkan model-model.
2.8.
Definisi Sistem dan Sistem Informasi Definisi sistem adalah kumpulan bagian-bagian yang terintegrasi untuk
melakukan dan mencapai suatu tujuan yang sama (McLeod, 2004, p9). Dengan penjelasan yang tidak terlalu berbeda, James A. O’Brien (2003, p8) memberikan pengertian sistem sebagai suatu kumpulan komponen yang saling berhubungan yang bekerja bersama-sama untuk mencapai tujuan tertentu dengan menerima masukan dan menghasilkan output pada proses transformasi yang terorganisasi.
48 Sistem informasi adalah susunan dari orang, data, proses, penyajian informasi, dan teknologi informasi yang berinteraksi untuk mendukung dan mengembangkan pengoperasian sehingga dapat membantu dalam penyelesaian masalah dan pembuatan keputusan yang dibutuhkan oleh manajemen dan user (Whitten et.al, 2001, p8 ). Sistem informasi adalah suatu sistem yang dapat mengatur kombinasi orang, hardware, software, jaringan komunikasi, dan sumber data yang mengumpulkan, mengubah, dan menyebarkan informasi dalam perusahaan (O’Brien, 2003, p7).
2.9.
Sistem Pendukung Keputusan
2.9.1. Pengambilan Keputusan Manajerial dan Sistem Informasi Menurut Turban (2000, p9), manajemen adalah sebuah proses untuk mencapai tujuan-tujuan organisasi dengan menggunakan sumber daya. Sumber daya tersebut meliputi berbagai input, dan pencapai tujuan dipandang sebagai ouput dari proses. Semua aktivitas manajer berada di seputar pengambilan keputusan. Dahulu pengambilan keputusan yang dilakukan para manajer untuk menetapkan solusi suatu problem, dilakukan dengan gaya (style) yang berbeda, bergantung pada kreatifitas, judgement, intuisi dan pengalamannya. Ketatnya bisnis, membuat permasalahan menjadi kompleks berdampak pada pengambilan keputusan yang semakin sulit, sehingga memerlukan metode dan alat bantu dalam pelaksanaannya.
49 2.9.2. Tahapan dalam Pembuatan Keputusan Menurut Haag et al (2005, p181), pembuatan keputusan adalah salah satu dari banyak aktivitas-aktivitas yang signifikan dan penting dalam bisnis. Organisasi mencurahkan banyak sumber daya baik waktu dan uang pada proses-proses tersebut. Pada bagian ini, kita akan mempertimbangkan fase/tahapan dari pembuatan keputusan dan tipe-tipe keputusan yang berbeda yang membantu anda agar lebih mengerti bagaimana IT dapat menguntungkan proses tersebut. Empat fase/tahapan dari pembuatan keputusan: 1.
Intelligence ( menemukan apa yang harus diperbaiki ) Menemukan atau mengenali suatu masalah, kebutuhan atau kesempatan (biasa disebut fase diagnosis dari pembuatan keputusan). Fase Intelligence meliputi proses mendeteksi dan menerjemahkan tanda-tanda yang menunjukkan situasi yang memerlukan perhatian kita.
2.
Design ( menemukan perbaikan ) Mempertimbangkan cara-cara yang mungkin digunakan untuk memecahkan masalah, memenuhi kebutuhan atau mengambil keuntungan dari suatu kesempatan. Pada fase ini, anda mengembangkan semua solusi yang mungkin anda dapatkan.
50 3.
Choice ( mengambil perbaikan ) Meneliti dan mempertimbangkan bobot dari masing-masing solusi yang telah diberikan pada tahap sebelumnya, mempertimbangkan dampak dari masingmasing solusi dan memilih solusi yang terbaik. Biasa disebut fase prescriptive dari pembuatan keputusan.
4.
Implementation ( mengimplementasikan perbaikan ) Menjalankan solusi yang telah dipilih, mengawasi hasilnya dan membuat penyesuaian apabila diperlukan.
Gambar 2.2 Langkah – langkah pengambilan keputusan
51 2.9.3.
Definisi Sistem Pendukung Keputusan Sistem pendukung keputusan diindentifikasi sebagai suatu sistem yang
mendukung pembuatan keputusan pada tingkat manajerial dengan situasi keputusan semi-terstruktur. Sistem pendukung keputusan hanya memberi informasi pada manajer mengenai masalah yang bersangkutan, namun keputusan tetap berada di tangan manajer. Decision Support System menurut Haag et al (2005, p183) merupakan suatu sistem teknologi informasi yang sangat fleksibel dan interaktif, yang didesain untuk mendukung proses pengambilan keputusan pada saat menghadapi masalah yang tidak terstruktur.
2.9.4.
Karakteristik Sistem Pendukung Keputusan
Gambar 2.3 Karakteristik Sistem Pendukung Keputusan
52 Kapabilitas utama sistem pendukung keputusan menurut Turban (2000, p99) antara lain: 1.
Sistem pendukung keputusan mendukung pengambilan keputusan khususnya pada situasi semi-terstruktur dan tidak terstruktur dengan memadukan antara pertimbangan manusia dengan informasi komputer.
2.
Dukungan disediakan untuk berbagai level manajerial, mulai dari top eksekutif sampai manajer lini.
3.
Dukungan disediakan baik untuk individual maupun group.
4.
Sistem pendukung keputusan mendukung pengambilan keputusan yang berutuan maupun saling bergantungan.
5.
Sistem pengambilan keputusan mendukung semua tahapan pada proses pengambilan keputusan, yaitu intelligence, design, choice, dan implementation
6.
Sistem pendukung keputusan mendukung berbagai macam proses dan gaya pembuatan keputusan.
7.
Sistem pendukung keputusan dapat diadaptasi sesuai keadaan. Pembuat keputusan sebaiknya reaktif, mampu menghadapi kondisi yang berubah-ubah dengan cepat, dan mampu mengadaptasi SPK sesuai dengan situasi yang ada.
8.
Sistem pendukung keputusan memiliki sifat user-friendly, kemampuan grafis yang tinggi, dan interface yang dapat meningkatkan efektivitasnya.
9.
Sistem pendukung keputusan berusaha untuk meningkatkan efektivitas dari pembuatan keputusan (akurat, cepat, dan berkualitas tinggi) daripada efisiensi (biaya untuk pembuatan keputusan).
53 10.
Pembuat keputusan mempunyai kontrol penuh pada semua tahapan proses pembuatan keputusan dalam memecahkan masalah. Sistem pendukung keputusan bertujuan untuk mendukung pembuat keputusan, bukan untuk menggantikan pembuat keputusan.
11.
End user seharusnya dapat membangun dan memodifikasi sistem sederhana sendiri.
12.
Sistem pendukung keputusan menggunakan model untuk menganalisa situasi pembuatan
keputusan.
Kemampuan
modeling
memungkinkan
untuk
bereksperimen dengan strategi yang berbeda. 13.
Akses disediakan untuk berbagai sumber data, format dan tipe, mulai dari sistem informasi geografis (GIS) sampai sistem berorientasi objek.
14.
Dapat dioperasikan pada perangkat stand alone (PC) atau dalam jaringan (distributed).
2.9.5.
Komponen Sistem Pendukung Keputusan
Gambar 2.4 Komponen Sistem Pendukung Keputusan
54 Menurut Turban (2000,p100), aplikasi SPK dibentuk dari subsistem-subsistem. Subsistem yang pertama adalah Data Management Subsystem, meliputi database yang berisi data yang relevan terhadap situasi yang bersangkutan, dan diatur oleh software yang disebut Database Management System (DBMS). Data Management Subsystem dapat diintegrasikan dengan data warehouse perusahaan, suatu penyimpanan data-data yang relevan untuk pembuatan keputusan perusahaan. Yang kedua adalah Model Management Subsystem merupakan software yang meliputi model keuangan, statistik, ilmu manajemen, dan kuantitatif lainnya, yang menyediakan kemampuan analisis sistem dan manajemen software yang tepat. Software ini juga sering disebut Modelbase Management System (MBMS). Komponen ini dapat diintegrasikan dengan penyimpanan external model perusahaan. Ketiga, Knowledge-based Management Subsytem. Subsistem ini dapat mendukung subsistem lainnya atau berperan sebagai komponen yang bebas. Subsistem ini dapat diintegrasikan dengan knowledge depository perusahaan yang disebut organizational knowledge base. Yang terakhir, User Interface Subsystem. User berkomunikasi dan memberi perintah pada SPK melalui subsistem ini.
55 2.9.6. Sub-sistem Manajemen Data
Gambar 2.5 Sub-sistem Manajemen Data Data Management Subsystem terdiri dari elemen-elemen berikut ini: 1)
SPK database Database adalah sekumpulan data yang saling berhubungan yang diorganisir untuk memenuhi kebutuhan dan struktur organisasi dan dapat digunakan oleh lebih dari satu orang untuk lebih dari satu aplikasi. Untuk beberapa SPK, data dapat diambil dari data warehouse. Sedangkan beberapa aplikasi SPK dapat membangun database sendiri jika dibutuhkan. Data pada database SPK diekstrak dari sumber-sumber data internal dan eksternal. Internal data utamanya didapat dari transaction processing system yang dimiliki perusahaan. Contohnya, data pembayaran gaji bulanan. Data operasional dari area
56 fungsi seperti marketing juga diperlukan tergantung kebutuhan SPK. Contohnya, jadwal maintenance mesin-mesin, alokasi dana, ramalan penjualaan di masa yang akan datang, dan rencana perekrutan pegawai untuk tahun depan. Sedangkan eksternal data meliputi data industri, data penelitian pasar, data sensus, peraturan pemerintah, tingkat pajak, atau data ekonomi nasional. Data-data ini dapat berasal dari pemerintah, asosiasi perdagangan, lembaga peneliti pasar, dan usaha organisasi untuk mengumpulkan eksternal data. Seperti halnya internal data, eksternal data dapat dipelihara pada SPK database dan dapat diakses langsung ketika SPK digunakan. 2)
Database Management System Database dibuat, diakses dan diupdate oleh suatu software program yang disebut DBMS. Kebanyakan SPK dibangun dengan menggunakan standar yang menyediakan kapabilitas seperti yang digambarkan di atas. Database dan manajemennya yang efektif dapat mendukung banyak aktivitas manajerial seperti mendukung pembuatan dan maintenance berbagai macam hubungan data. Jadi, kekuatan sesungguhnya dari SPK terjadi ketika data diintegrasikan dengan modelnya.
3)
Data Directory Data directory adalah katalog dari semua data yang ada dalam database. Data directory ini berisi definisi data dan fungsi utamanya adalah untuk menjawab pertanyaan mengenai ketersediaan data, sumbernya, dan arti sebenarnya dari data tersebut. Directory cocok untuk mendukung tahap intelligence pada proses
57 pembuatan keputusan dengan membantu untuk meneliti data dan mengidentifikasi masalah dan kesempatan-kesempatan yang ada. 4)
Query Facility Dengan adanya query facility kita dapat mangakses, memanipulasi dan query data. Query facility menerima permintaan data dari komponen SPK lainnya, menentukan bagaimana permintaan data itu dipenuhi, memformulasikan data secara detil, dan mengembalikan atau memberikan hasilnya pada yang mengeluarkan permintaan.
2.9.7. Sub-sistem Manajemen Model
Models (Model Base) • Strategic,tactical,operational • Statical, financial, marketing, management science • Model building blocks
Model Director
Model Base Management • Modeling commands: creation • Maintenance: update • Database interface
Data Management
Interface Management
Model execution,integration, and command
Knowledge-based subsystem
Gambar 2.6 Sub-sistem Manajemen Model
58 Model Management Subsystem pada SPK terdiri dari elemen-elemen berikut ini: 1)
Model Base Model base terdiri dari statistik khusus, ilmu keuangan, ramalan, manajemen, dan model kuantitatif lainnya yang menyediakan kemampuan analisis pada SPK. Kemampuan untuk menjalankan, mengubah, mengkombinasikan, dan memeriksa model adalah kunci kapabilitas SPK yang membedakannya dari Computer-based Information System lainnya. Model dalam model base ini dapat dibagi menjadi empat kategori utama, yaitu strategic, tactical, operational, dan analytical.
2)
Model Base Management System Model base management system adalah software yang memungkinkan kita untuk memodelkan organisasi dengan transparent data processing.
3)
Model Directory Peranan model directory hampir sama dengan database directory. Model directory adalah katalog dari semua model dan software lain pada model base. Directory ini terdiri dari definisi model dan fungsi utamanya adalah untuk menjawab pertanyaan mengenai ketersediaan dan kapabilitas model.
4)
Model Execution, Integration, and Command Processor Model execution adalah proses mengontrol pelaksanaan model. Model integration meliputi mengkombinasikan operasi-operasi dari beberapa model ketika dibutuhkan (seperti mengatur output suatu model untuk diproses oleh model lainnya) atau mengintegrasikan SPK dengan aplikasi lainnya.
59 Sedangkan model command processor digunakan untuk menerima dan menafsirkan
instruksi
modeling
dari
komponen
user
interface
dan
melanjutkannya ke MBMS, model execution, atau integration function.
2.9.8. Sub-sistem Manajemen User Interface
Gambar 2.7 Sub-sistem Manajemen User Interface User interface subsystem diatur oleh suatu software yang disebut User Interface Management System (UIMS). UIMS terdiri dari beberapa program yang menyediakan kapabilitas, antara lain: a)
Menyediakan Graphical User Interface.
b)
Mengakomodasi user dengan berbagai macam alat untuk melakukan input.
60 c)
Menampilkan data dengan format yang bervariasi dengan peralatan output yang bervariasi.
d)
Menyediakan interaksi dengan database dan model base.
e)
Menyimpan data input dan output.
f)
Menyediakan grafik berwarna, grafik tiga dimensi, dan lainnya.
2.10. Diagram Arus Data atau Data Flow Diagram 2.10.1. Definisi Data Flow Diagram Diagram arus data (data flow diagram) atau DFD adalah suatu gambaran grafis dari suatu sistem yang menggunakan sejumlah bentuk-bentuk simbol untuk menggambarkan bagaimana data mengalir melalui suatu proses yang berkaitan (McLeod, 2001, p429). Data flow diagram menurut Whitten (2001, p168) adalah sebuah diagram yang menggambarkan proses-proses yang sedang berjalan dan atau yang akan ditawarkan dalam sebuah sistem beserta seluruh input, output dan file dari sistem tersebut.
2.10.2. Manfaat dari Data Flow Diagram Manfaat dari DFD adalah: •
Menggambarkan aliran data dari sebuah sistem serta pekerjaan atau pemrosesan yang dijalankan oleh sistem tersebut (Whitten, 2001, p308).
•
Mengilustrasikan kebutuhan-kebutuhan dari proses bisnis (Whitten, 2001, p96).
61 •
Mengilustrasikan bagaimana data akan dikumpulkan, disimpan, digunakan dan dipelihara (Whitten, 2001, p169).
2.10.3. Komponen Data Flow Diagram Komponen-komponen pembentuk DFD adalah 1.
Process (proses) : yaitu notasi yang menggambarkan proses atau tugas yang harus dikerjakan. Proses dapat bekerja secara paralel dimana proses dapat bekerja secara serempak.
2.
Data Store : Gambar kotak dengan garis sisi kanan yang terbuka mewakili sebuah tempat penyimpanan data, yang kadangkala disebut dengan file atau database
3.
Data Flow (aliran data) : tanda panah merepresentasikan aliran data atau inputoutput dari dan ke proses.
4.
External Agent : mendefinisikan seseorang, unit organisasi, sistem lain atau organisasi lain yang berada di luar ruang lingkup proyek, tetapi memiliki interaksi dengan sistem yang dibuat.
62
Sumber : Downs et al (1992,p104) Gambar 2.8. Notasi DFD menurut Gane dan Sarson
2.10.4. Hierarki Data Flow Diagram Hierarki dari penggambaran DFD (Marakas, 2006, pp120-123) adalah sebagai berikut: 1.
Diagram Level Konteks Merupakan diagram level pertama yang menampilkan sistem dengan sangat global (tidak detil), bertujuan untuk mengidentifikasi batasan sistem serta hubungannya dengan berbagai source ataupun sink. Diagram konteks hanya memiliki satu proses yang ditandai dengan nama dari sistem dan tidak ada penggambaran data store.
63 2.
Diagram Level Nol Merupakan penggambaran detil atau penjabaran dari Diagram konteks. Menggambarkan proses-proses utama yang terdapat dalam sebuah sistem, urutan dari proses tersebut, semua data store yang diakses oleh proses dan juga source serta sink yang berinteraksi dengan sistem sesuai dengan yang sudah digambarkan di diagram konteks. Proses ditandai dengan penomoran 1.0, 2.0 dan seterusnya.
3.
Diagram Level 1 hingga N (Rinci) Merupakan penggambaran lebih detil dari masing-masing proses di diagram nol atau level sebelumnya yang membutuhkan penjabaran. Semua penggambaran komponen yang terlibat, harus sesuai dengan penggambaran yang sudah dilakukan di level sebelumnya. Proses ditandai dengan penomoran 1.1, 1.2, 1.1.1, 3.1, 3.2 dan seterusnya. Proses yang sudah terjabarkan hingga sempurna, maka tidak perlu digambarkan ke level selanjutnya dan disebut sebagai funtional primitive.
2.10.5. Aturan Data Flow Diagram Larangan dalam penggambaran proses (Whitten, 2001, p315) : a.
Proses yang memiliki input namun tidak memiliki output disebut sebagai Black Hole.
b.
Proses yang memiliki output namun tidak memiliki input disebut sebagai Miracle.
64 c.
Proses yang jumlah input-nya kurang untuk dapat menghasilkan output yang diinginkan (ada aliran data masuk yang kurang) disebut sebagai Grey Hole.
2.11. Diagram Hubungan Entitas atau Entity Relationship Diagram 2.11.1. Definisi Entity Relationship Diagram Menurut McLeod (2001, p420), Diagram hubungan entitas (entity relationship diagram), atau ERD, mendokumentasikan data perusahaan dengan mengindentifkasi jenis entitas dan hubungannya. Entity Relationship Diagram (Whitten, 2001, p260) adalah sebuah diagram yang menggambarkan data dalam bentuk entitas-entitas beserta hubungan yang terbentuk antar data tersebut. Entity Relationship Diagram (Marakas, 2006, p145) adalah sebuah diagram yang digunakan untuk menggambarkan kebutuhan konseptual data dari sistem yang direncanakan serta mengidentifikasikan aturan dan hubungan antardata.
2.11.2. Manfaat Entity Relationship Diagram Manfaat dari Entity Relationship Diagram adalah •
Untuk memodelkan data mentah yang dihasilkan oleh sebuah sistem (Whitten, 2001, p169).
•
Untuk memodelkan kebutuhan data perusahaan (Whitten, 2001, p97).
65 2.11.3. Komponen Entity Relationship Diagram Komponen-komponen pembentuk ERD (Whitten, 2001, pp260-267) adalah: 1.
Entitas : sesuatu mengenai bisnis yang butuh untuk disimpan datanya. Entitas bisa berupa sekumpulan manusia, tempat, objek, kejadian atau konsep.
Gambar 2.9 Bentuk Entitas 2.
Atribut : sebuah properti deskriptif atau karakteristik dari sebuah entitas.
Gambar 2.10 Contoh Atribut Sebuah Entitas
3.
Relationship (hubungan) : sebuah asosiasi dalam lingkup lingkungan bisnis dan organisasi antar satu entitas dengan entitas lainnya (Marakas, 2006, p149).
66
Gambar 2.11 Contoh Hubungan Antar Entitas 4.
Identification atau Key : sebuah atribut atau sekumpulan atribut yang bernilai unik untuk setiap contoh dari entitas (Whitten, 2001, p262). Primary Key (PK) : sebuah key yang paling unik digunakan untuk mengidentifikasikan sebuah contoh tunggal dari sebuah entitas (Marakas, 2006, p148). Foreign Key (FK) : sebuah primary key dari suatu entitas yang berada di entitas lain untuk mengidentifikasikan hubungan antar entitas tersebut (Whitten, 2001, p267).
5.
Kardinalitas : mendefinisikan nilai minimum dan maksimum dari terjadinya suatu hubungan antar sebuah entitas dengan entitas lainnya. Kardinalitas harus ditentukan untuk kedua arah dari suatu hubungan (Whitten, 2001, p264).
67
Gambar 2.12 Contoh Kardinalitas Hubungan Antar Entitas Tabel 2.1 Notasi Kardinalitas
Interpretasi Kardinalitas
Nilai Minimum
Nilai Maksimum
1
1
Nol atau Satu
0
1
Satu atau Lebih
1
Tepat Satu (Satu dan Hanya Satu)
Banyak (> 1) Banyak Nol, Satu atau Lebih
0 (> 1)
Lebih dari Satu
>1
>1
Notasi Grafik
68 2.12. Normalisasi Menurut Connoly (2002, p376), normalisasi adalah suatu teknik yang digunakan untuk menghasilkan sekumpulan relasi dengan properties yang diinginkan, yang menyediakan kebutuhan data dari perusahaan. Tujuan utama dari perancangan database relasional adalah untuk mengelompokkan atribut-atribut ke dalam relasi yang meminimalkan redudansi data sehingga mengurangi ruang penyimpanan file yang dibutuhkan untuk mengimplementasikan relasi dasar.
2.12.1. Mengindentifikasi ketergantungan fungsional Menurut Connoly (2002, p379), functional dependency atau ketergantungan fungsional merupakan suatu hubungan antara atribut dalam relasi dimana bila A dan B merupakan atribut dari relasi B, B memiliki ketergantungan fungsional terhadap A, bila setiap nilai A diassosiasikan dengan satu dan hanya satu nilai dari B. Untuk melakukan normalisasi, maka dilakukanlah indentifikasi ketergantungan fungsional antar atribut dalam relasi yang memiliki one to one relationship (Connoly, 2002, p380).
2.12.2. Langkah-langkah normalisasi Teknik normalisasi terdiri dari sekumpulan aturan yang dapat digunakan untuk menguji relasi induvidual sehingga database dapat dinormalisasikan dalam tingkat tertentu. Tingkatan dalam melakukan normalisasi adalah
69 •
Unnormalized form (UNF) dapat diartikan sebagai suatu tabel yang mengandung satu atau lebih group yang berulang-ulang (Connoly, 2002, p387).
•
First normal Form (1NF) dapat diartikan sebagai suatu relasi dimana hubungan antar kolum dan baris hanya mengandung satu dan hanya satu nilai (Connoly, 2002, p388). Untuk mendapatkan tabel normalisasi yang pertama, perancang database harus menghilangkan group yang nilainya berulang-ulang.
•
Second normal form (2NF) dapat diartikan sebagai penormalisasikan dari tabel normalisasi yang pertama, dimana setiap atribut non-primary-key memiliki ketergantungan fungsional secara penuh terhadap primary key (Connoly, 2002, p392). Ketergantungan fungsional secara penuh mengindikasikan bahwa jika A dan B merupakan atribut dari suatu relasi, B memiliki ketergantungan fungsional secara penuh terhadap A jika B memiliki ketergantungan fungsional terhadap A, namun bukan merupakan salah satu bagian dari A. Untuk mendapatkan tabel normalisasi yang pertama, perancang database harus menghilangkan atribut yang tidak memiliki ketergantungan fungsional secara penuh terhadap primary key.
•
Third normal form (3NF) dapat diartikan sebagai suatu penormalisasian dari tabel normalisasi yang pertama dan kedua, dimana atibut non-primary-key memiliki ketergantungan
transitif
terhadap primary
key
(Connoly,
2002,
p394)..
Ketergantungan transitif adalah suatu kondisi dimana A, B dan C merupakan atribut dari relasi dimana B memiliki ketergantungan fungsional terhadap A, C memiliki ketergantungan fungsional terhadap B, maka C memiliki ketergantungan
70 transitif terhadap A (syaratnya A tidak memiliki ketergantungan fungsional terhadap B dan C).
2.13. Kamus Data Menurut McLeod (2001, p424), kamus data atau data dictionary adalah suatu penjelasan tertulis mengenai data yang berada di dalam database. Kamus data pertama berbasiskan dokumen – kamus data itu tersimpan dalam bentuk hard copy dengan mencatat semua penjelasan data dalam bentuk tercetak. Walaupun sejumlah kamus berbasiskan dokumen masih ada, prakteknya yang umum sekarang adalah menggunakan kamus data berbasiskan komputer. Pada kamus data berbasiskan komputer, penjelasan data dimasukkan ke dalam komputer dengan menggunakan data description languagei (DDL) dari sistem manajemen database, sistem kamus atau peralatan CASE. Tabel 2.2 Notasi Kamus Data Notasi
Arti Notasi
=
Terdiri dari
+
Dan
()
Opsional (bisa dipakai bisa tidak)
{}
Iterasi (pengulangan)
[]
Pilih salah satu dari beberapa pilihan
**
Komentar
@
Indentifikasi filed kunci dari data store
|
Pemisah pilihan dair bentuk [ ]
71 2.14. Spesifikasi Proses Maksud dari dilakukannya spesifikasi proses adalah untuk menjelaskan apa yang terjadi dalam sistem dalam proses mengubah masukkan menjadi keluaran. Banyak cara yang dapat dipergunakan dalam menggambarkan spesifikasi proses. Untuk praktisnya diperkenalkan 3 bentuk yaitu tabel keputusan, pohon keputusan, dan bahasa Indonesia tersusun. Dalam prakteknya, sebaiknya dipergunakan satu alat saja untuk satu perusahaan guna memudahkan standardisasi pengertian.
2.15.
State Transition Diagram Menurut Yourdon (1989, p259) state transition diagram menitikberatkan pada
perilaku ketergantungan waktu dari sistem atau time dependent behaviour. Sampai saat ini, permodelan dari perilaku ketergantungan waktu dari sistem penting terutama untuk sistem yang sifatnya real time. Contoh sistem yang real time adalah pengendalian proses, telepon, sistem switching, dan mility command and control system. Menurut Yourdon(1989, pp 260-265), notasi state transition diagram terdiri dari 1.
Status sistem, digambarkan dengan kotak persegi panjang yang merupakan kumpulan atribut yang menggambarkan karakteristik dari orang atau benda pada saat tertentu, ataupun kondisi.
2.
Perubahan status, digambarkan dengan menghubungkan sepasang status yang berhubungan dengan tanda panah.
72 3.
Kondisi dan aksi dimana kondisi mengakibatkan status berubah sedangkan aksi dilakukan ketika sistem mengalami perubahan status.
STATE 1
Condition State
STATE 1
Gambar 2.13 Notasi state transition diagram
