KAJIAN ANALISIS CLUSTERING DAN PENERAPANNYA PADA SISTEM PENDUKUNG KEPUTUSAN

KAJIAN ANALISIS CLUSTERING DAN PENERAPANNYA PADA SISTEM PENDUKUNG KEPUTUSAN

TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung

Oleh :

ANDRI HERYANDI NIM : 23506002 (Program Studi Magister Informatika)

INSTITUT TEKNOLOGI BANDUNG 2009

ABSTRAK

KAJIAN ANALISIS CLUSTERING DAN PENERAPANNYA PADA SISTEM PENDUKUNG KEPUTUSAN

Oleh :

Andri Heryandi NIM : 23506002

Informasi merupakan kebutuhan dasar yang diperlukan untuk melakukan pengambilan keputusan. Informasi merupakan suatu bentuk hasil pengolahan data dari suatu atau sekumpulan data yang telah mempunyai arti bagi penerimanya. Untuk mengidentifikasi informasi dari sumber datanya membutuhkan teknik tertentu sesuai dengan bentuk informasi yang ingin dihasilkan. Untuk membantu para pengambil keputusan dibutuhkan suatu sistem yang dapat untuk mengolah data menjadi informasi. Sistem tersebut adalah sistem pendukung keputusan (SPK). SPK tidak digunakan untuk mengganti peran manusia untuk mengambil keputusan, tetapi digunakan sebagai alat bantu pengolahan data yang dapat memberikan bahan-bahan pertimbangan untuk pengambilan keputusan. Salah satu teknik yang dapat diimplementasikan dalam sebuah SPK adalah analisis clustering. Analisis clustering merupakan suatu teknik pengolahan data yang digunakan untuk mengelompokkan obyek uji berdasarkan karakteristik alamiahnya. Proses clustering yang baik harus mendapatkan tingkat homogen (kemiripan) yang tinggi antar obyek uji dalam suatu cluster dan tingkat heterogen (ketidakmiripan) yang tinggi antar cluster. Ada dua kelompok besar teknik analisis clustering yaitu hierarki dan non-hierarki. Tesis ini akan mengimplementasikan sebuah teknik analisis clustering yang nonhierarki yaitu K-Mean yang dikombinasikan dengan proses optimizing procedure dengan metode pengukuran kemiripan menggunakan Euclidean distance dan Manhattan distance. Pemilihan ini didasarkan kepada kemampuan teknik ini untuk melakukan optimalisasi hasil clustering sehingga diharapkan dapat menghasilkan cluster-cluster yang baik. Perangkat lunak yang dibangun agar dapat memenuhi kebutuhan analisis clustering untuk berbagai kasus. Untuk memenuhi hal tersebut ada beberapa hal yang harus dipenuhi oleh perangkat lunak yang dibangun, diantaranya kemampuan untuk membaca data dari berbagai sumber, adanya pengaturan variable yang akan menjadi acuan proses clustering, adanya nilai transformasi i

sebagai pengganti data yang bukan numerik, mampu untuk melakukan clustering sesuai dengan parameter dari pengguna dan ekspor cluster hasil clustering ke berbagai format untuk digunakan untuk pengambilan keputusan. Perangkat lunak ini dibangun menggunakan lingkungan pengembangan perangkat lunak Borland Delphi 7 dengan menggunakan server basis data MySQL untuk penyimpanan data clusteringnya. Pengujian perangkat lunak dilakukan dengan dengan dua cara yaitu pengujian fungsional perangkat lunak dan pengujian hasil clustering. Pengujian fungsional perangkat lunak dilakukan dengan menguji semua kebutuhan fungsional perangat lunak. Sedangkan pengujian hasil clustering dilakukan dengan membandingkan cluster hasil clustering dengan cluster hasil clustering yang dihasilkan oleh perangkat lunak lain yang umum digunakan untuk melakukan clustering yaitu Matlab. Dari pengujian-pengujian yang telah dilakukan dapat diambil kesimpulan bahwa perangkat lunak telah dapat melakukan proses clustering sesuai dengan masukan parameter dari pengguna dan hasilnya dapat diekspor untuk mendukung pengambilan keputusan.

Kata Kunci : Sistem Pendukung Keputusan, Analisis Clustering, Optimized Procedure

ii

ABSTRACT

CLUSTERING ANALYSIS STUDY AND IMPLEMENTATION ON DECISION SUPPORT SYSTEM Information is the basic requirement needed to make decisions. Information is a form of data processing results from one or a set of data that already have meaning for the recipient. To identify the information from the data source requires a specific technique in accordance with the form of information to be produced. Decision makers need a system for processing from raw data to be meaningfull information. The system is a decision support system (DSS). DSS was not used to replace the human role to make decisions, but used as a data processing tool that can provide materials for decision-making considerations. One technique that can be implemented in as a DSS is clustering analysis. Clustering analysis is a data processing technique used to group the test object based on its natural characteristics. A good clustering process to obtain high homogeneous (similarity) level between the test objects within cluster and to obtain high heterogeneous (dissimilarity) level between clusters. There are two major groups of clustering analysis techniques are hierarchical and non-hierarchy. This thesis will implement a non-hierarchical clustering analysis technique called K-Means and its combined with an optimizing procedure in the process with the similarity measurement method using Euclidean distance and Manhattan distance. This technique was selected because non-hierarchical clustering method have an ability to optimize the clustering results that are expected to produce good clusters. The software is built to meet the needs of clustering analysis for various cases. To meet this, there are several things that must be met by software that was built, including the ability to read data from various sources, the existence of variable settings that will be the reference clustering process, the value of the transformation as a substitute for non-numerical data, ability to perform appropriate clustering based on the parameters from the user and the export of cluster to various formats to be used for decision making. This software is built using Borland Delphi 7 software development environment by using the MySQL database server for data storage. Software testing conducted in two ways. The First test was conducted to test the functional of software. Software functional testing is done by testing all software functional requirements. On the second testing, the clustering results is compared with the clusters generated by other software commonly used to perform clustering. That software is Matlab. iii

From the tests that have been made can be concluded that the software has been able to do clustering process in accordance with the input parameters from the user and the results can be exported to support decision-making.

Keywords: Decision Support System, Clustering Analysis, Optimized Procedure

iv

LEMBAR PENGESAHAN

KAJIAN ANALISIS CLUSTERING DAN PENERAPANNYA PADA SISTEM PENDUKUNG KEPUTUSAN

Oleh :

Andri Heryandi NIM : 23506002 (Program Studi Magister Informatika)

INSTITUT TEKNOLOGI BANDUNG

Menyetujui Tanggal 2 Oktober 2009

Pembimbing

(Ir. Hira Laksmiwati, M.Sc)

v

PEDOMAN PENGGUNAAN TESIS

Tesis S2 yang tidak dipublikasikan terdaftar dan tersedia di Perpustakaan Institut Teknologi Bandung, dan terbuka untuk umum dengan ketentuan bahwa hak cipta ada pada pengarang dengan mengikuti aturan HaKI yang berlaku di Institut Teknologi Bandung. Referensi kepustakaan diperkenankan dicatat, tetapi pengutipan atau peringkasan hanya dapat dilakukan seizin pengarang dan harus disertai dengan kebiasaan ilmiah untuk menyebutkan sumbernya. Memperbanyak atau menerbitkan sebagian atau seluruh tesis haruslah seizin Direktur Program Pascasarjana, Institut Teknologi Bandung.

vi

Dipersembahkan kepada : Mamah Iyah Siti Syariah (alm) dan Bapak Emin Hasyimin (alm) Ananda akan selalu mengingatmu. Selalu.

Dan tidak lupa untuk seluruh anggota keluargaku.

vii

KATA PENGANTAR

Segala puji dan syukur yang sedalam-dalamnya dipanjatkan ke khadirat Allah SWT yang telah memberikan karunia dan hidayah-Nya sehingga penulis dapat menyelesaikan tesis yang berjudul “Kajian Analisis Clustering dan Penerapanya Pada Sistem Pendukung Keputusan”. Tesis ini disusun untuk memenuhi syarat untuk memperoleh gelar magister dari program studi Magister Informatika di Institut Teknologi Bandung. Penulis menyadari sepenuhnya bahwa dalam penulisan tesis ini masih terdapat kekurangan, karena itu penulis terbuka untuk menerima saran dan kritik yang sifatnya membangun dari pembaca agar dapat digunakan sebagai bahan kajian untuk penulisan karya ilmiah yang lebih baik. Walau pun demikian, penulis telah berusaha semaksimal mungkin untuk dapat menyelesaikan tesis ini dengan harapan dapat memberikan manfaat khususnya dalam wawasan ilmu pengetahuan. Dalam menyelesaikan tesis ini, penulis banyak sekali mendapat bantuan serta dorongan dari berbagai pihak baik moril maupun materil. Oleh karena itu perkenankan penulis menyampaikan terima kasih dan penghargaan sebesarbesarnya kepada : 1. Rektor Universitas Komputer Indonesia dan Yayasan Science and Technology yang telah memberikan beasiswa untuk melanjutkan pendidikan. 2. Ibu Ir. Hira Laksmiwati, M.Sc. sebagai dosen wali dan dosen pembimbing yang telah memberikan saran yang membantu dalam penyusunan tesis ini. 3. Ibu Tricya E. Widagdo, S.T., M.Sc. sebagai reviewer dan penguji I yang telah memberikan saran perbaikan dalam penulisan tesis ini. 4. Ibu Fazat Nur Azizah, S.T., M.Sc. sebagai penguji II yang telah memberikan saran perbaikan dalam tesis ini. 5. Seluruh keluarga yang selalu memberikan dukungan terhadap penulis.

viii

6. Semua rekan-rekan dosen di Teknik Informatika Universitas Komputer Indonesia. 7. Pegawai TU Informatika. Pak Ade dan Ibu Nur, terima kasih atas kesabaran dan bantuan-bantuannya. 8. Dan juga kepada seluruh pihak-pihak yang tidak bias penulis tuliskan satu per satu. Penulis berharap tulisan ini dapat bermanfaat bagi semua pihak dan semoga hasil penelitian ini dapat dilanjutkan sehingga didapatkan hasil yang bisa lebih baik dari yang telah penulis susun. Bandung, Oktober 2009 Penulis.

ix

DAFTAR ISI

ABSTRAK ............................................................................................................... i ABSTRACT ........................................................................................................... iii LEMBAR PENGESAHAN .................................................................................... v PEDOMAN PENGGUNAAN TESIS.................................................................... vi KATA PENGANTAR ......................................................................................... viii DAFTAR ISI ........................................................................................................... x DAFTAR LAMPIRAN ......................................................................................... xv DAFTAR GAMBAR ........................................................................................... xvi DAFTAR TABEL ................................................................................................ xix BAB I PENDAHULUAN ...................................................................................... 1 I.1

Latar Belakang ........................................................................... 1

I.2

Rumusan Masalah...................................................................... 2

I.3

Tujuan ........................................................................................ 3

I.4

Ruang Lingkup Masalah ............................................................ 3

I.5

Sistematika Penulisan ................................................................ 4

BAB II LANDASAN TEORI ................................................................................ 6 II.1

Sistem Pendukung Keputusan ................................................... 6

II.1.1

Definisi Sistem Pendukung Keputusan ..................................... 6

II.1.2

Komponen Sistem Pendukung Keputusan ................................ 6

II.2

Data Mining ................................................................................ 7

II.3

Analisis Clustering ..................................................................... 9

II.3.1

Definisi Analisis Clustering........................................................ 9

II.3.2

Tujuan Analisis Clustering ....................................................... 10 x

II.3.3

Klasifikasi Teknik Clustering ................................................... 11

II.3.3.1

Teknik Clustering Hierarki ....................................................... 12

II.3.3.1.1 Single linkage (keterhubungan tunggal) ................................... 13 II.3.3.1.2 Complete linkage (keterhubungan lengkap) ............................. 13 II.3.3.1.3 Average linkage (keterhubungan rata-rata) .............................. 13 II.3.3.2

Teknik Clustering Non-Hierarki ............................................... 14

II.3.3.2.1 Clustering dengan metode Sequential Threshold Clustering ... 16 II.3.3.2.2 Clustering dengan metode Parallel Threshold Clustering ........ 17 II.3.3.2.3 Clustering dengan metode Optimizing Procedure Clustering .. 17 II.3.4

Langkah-Langkah Proses Analisis Clustering .......................... 18

II.3.4.1

Merumuskan Masalah............................................................... 18

II.3.4.2

Memilih Metode Pengukuran Jarak/Similaritas ....................... 19

II.3.4.3

Memilih Prosedur Clustering.................................................... 20

II.3.4.4

Menentukan Banyaknya Cluster ............................................... 20

II.3.4.5

Menginterpretasi dan Memprofile Cluster ............................... 20

II.3.4.6

Menguji Keandalan dan Validitas Cluster ................................ 21

BAB III ANALISIS ............................................................................................. 22 III.1

Analisis Konseptual Teknik Pengolahan Data ......................... 22

III.2

Deskripsi Perangkat Lunak ....................................................... 28

III.3

Batasan-batasan dan Asumsi .................................................... 30

III.4

Analisis Kebutuhan Fungsional ................................................ 31

III.5

Analisis Kebutuhan Non Fungsional ........................................ 33

III.6

Arsitektur Sistem Yang Akan Dibangun .................................. 34

III.7

Diagram Use Case .................................................................... 37

III.7.1

Skenario Use Case Login ......................................................... 38

III.7.2

Skenario Use Case Pendefinisian Proyek Clustering ............... 38 xi

III.7.3

Skenario Use Case Penambahan Proyek Clustering................. 39

III.7.4

Skenario Use Case Pengolahan Proyek Clustering .................. 40

III.7.5

Skenario Use Case Penghapusan Proyek Clustering ................ 41

III.7.6

Skenario Use Case Input Obyek Uji ......................................... 42

III.7.7

Skenario Use Case Pengaturan Variable .................................. 43

III.7.8

Skenario Use Case Pengaturan Nilai Transformasi .................. 44

III.7.9

Skenario Use Case Clustering .................................................. 44

III.7.10

Skenario Use Case Validasi Cluster ......................................... 45

III.7.11

Skenario Use Case Pelabelan Cluster ....................................... 46

III.7.12

Skenario Use Case Output Data Cluster ................................... 46

III.8

Realisasi Use Case .................................................................... 47

III.8.1

Realisasi Use Case Login ......................................................... 47

III.8.2

Realisasi Use Case Pendefinisian Proyek Clustering ............... 48

III.8.3

Realisasi Use Case Penambahan Proyek Clustering Baru ........ 49

III.8.4

Realisasi Use Case Pengolahan Proyek Clustering .................. 50

III.8.5

Realisasi Use Case Penghapusan Proyek Clustering ................ 51

III.8.6

Realisasi Use Case Input Data Obyek Uji ................................ 52

III.8.7

Realisasi Use Case Pengaturan Variable .................................. 53

III.8.8

Realisasi Use Case Pengaturan Nilai Transformasi ................. 54

III.8.9

Realisasi Use Case Clustering .................................................. 55

III.8.10

Realisasi Use Case Validasi Cluster ......................................... 56

III.8.11

Realisasi Use Case Pelabelan Cluster ....................................... 57

III.8.12

Realisasi Use Case Output Data Cluster................................... 58

III.9

Diagram Kelas Keseluruhan Tahap Analisis ............................ 60

BAB IV PERANCANGAN ................................................................................. 62 IV.1

Perancangan Struktur Data ....................................................... 62 xii

IV.1.1

Perancangan Struktur Data Untuk Data Obyek Uji .................. 62

IV.1.2

Perancangan Struktur Data Untuk Data Cluster ....................... 63

IV.2

Diagram Kelas Tahap Perancangan .......................................... 64

IV.3

Perancangan Struktur Basis Data ............................................. 65

IV.3.1

Skema Relasi ............................................................................ 65

IV.3.2

Struktur Table ........................................................................... 67

IV.4

Perancangan Interface............................................................... 70

IV.4.1

Interface Layar Login ............................................................... 70

IV.4.2

Interface Layar Pendefinisian Proyek Clustering ..................... 71

IV.4.3

Interface Layar Penambahan Proyek Clustering Baru ............. 71

IV.4.4

Interface Layar Pengolahan Proyek Clustering ........................ 72

IV.4.5

Interface Layar Penghapusan Proyek Clustering Baru ............. 73

IV.4.6

Interface Layar Input Obyek Uji .............................................. 73

IV.4.7

Interface Layar Pengaturan Variable ........................................ 74

IV.4.8

Interface Layar Pengaturan Nilai Transformasi ....................... 75

IV.4.9

Interface Layar Pembacaan Data Obyek Uji ............................ 76

IV.4.10

Interface Layar Analisis Clustering ......................................... 77

IV.4.11

Interface Layar Validasi Cluster .............................................. 78

IV.4.12

Interface Layar Output Cluster ................................................ 79

IV.4.13

Interface Layar Export Cluster ................................................ 80

IV.5

Format Masukan Obyek Uji .................................................... 81

IV.5.1

Format Masukan Obyek Uji Dari Database ............................ 81

IV.5.2

Format Masukan Obyek Uji Dari File Excel ........................... 82

IV.5.3

Format Masukan Obyek Uji Dari File Teks ............................ 83

IV.6

Format Keluaran Cluster ......................................................... 84

IV.6.1

Format Keluaran Data Cluster Ke File SQL ........................... 84 xiii

IV.6.2

Format Keluaran Data Cluster Ke File Excel .......................... 86

IV.6.3

Format Keluaran Data Cluster Ke File Teks ........................... 87

BAB V IMPLEMENTASI ................................................................................... 88 V.1

Perangkat Lunak Pengembangan............................................. 88

V.2

Implementasi Kelas ................................................................. 88

V.3

Implementasi Antarmuka ........................................................ 91

BAB VI PENGUJIAN ......................................................................................... 95 VI.1

Rencana Pengujian ................................................................... 95

VI.2

Pengujian Fungsional Perangkat Lunak ................................... 95

VI.3

Pengujian Hasil Proses Clustering ............................................ 96

VI.4

Kesimpulan Hasil Pengujian .................................................... 97

BAB VII KESIMPULAN DAN SARAN ............................................................ 98 VII.1

Kesimpulan ............................................................................... 98

VII.2

Saran ......................................................................................... 98

DAFTAR PUSTAKA ......................................................................................... 100

xiv

DAFTAR LAMPIRAN

LAMPIRAN A DATA PENGUJIAN ................................................................. 101 LAMPIRAN B HASIL PENGUJIAN ................................................................ 104

xv

DAFTAR GAMBAR

Gambar II.1

Hubungan antar sub sistem dalam SPK ...................................... 7

Gambar II.2

Proses Data Mining dalam Pengambilan Keputusan .................. 8

Gambar II.3

Ilustrasi obyek sebelum dan sesudah dicluster ........................... 9

Gambar II.4

Klasifikasi teknik-teknik clustering .......................................... 11

Gambar II.5

Contoh clustering dan pembentukan diagram scatter dan Dendrogram .............................................................................. 12

Gambar II.6

Pengukuran jarak menggunakan single linkage ....................... 13

Gambar II.7

Pengukuran jarak dengan complete linkage ............................. 13

Gambar II.8

Pengukuran jarak dengan average linkage ............................... 13

Gambar II.9

Pengukuran jarak dengan centroid linkage ............................... 14

Gambar II.10

Langkah-langkah proses analisis clustering ............................. 18

Gambar II.11

Perbandingan Pengukuran Jarak Euclidean dan Manhattan .... 19

Gambar III.1.

Contoh pengukuran tingkat kemiripan ..................................... 23

Gambar III.2

Ilustrasi Kelemahan Algoritma Non Hierarki .......................... 27

Gambar III.3

Model Sistem Analisis Clustering ............................................ 28

Gambar III.4

Cara kerja perangkat lunak Analisis Clustering ....................... 29

Gambar III.5

Arsitektur Perangkat Lunak Yang Akan Dibangun .................. 36

Gambar III.6

Diagram Use Case Sistem ........................................................ 37

Gambar III.7

Diagram Kelas Use Case Login................................................ 47

Gambar III.8

Sequence Diagram Login ......................................................... 48

Gambar III.9

Diagram Kelas Use Case Pendefinisian Proyek Clustering ..... 48

Gambar III.10

Sequence Diagram Pendefinisian Proyek Clustering ............... 49

Gambar III.11

Diagram Kelas Use Case Penambahan Proyek Clustering ....... 49 xvi

Gambar III.12

Sequence Diagram Penambahan Proyek Clustering Baru ........ 50

Gambar III.13

Diagram Kelas Use Case Pengolahan Proyek Clustering ........ 50

Gambar III.14

Sequence Diagram Pengolahan Proyek Clustering .................. 51

Gambar III.15

Kelas Diagram Use Case Penghapusan Proyek Clustering ...... 51

Gambar III.16

Sequence Diagram Penghapusan Proyek Clustering ................ 52

Gambar III.17

Diagram Kelas Use Case Input Data Obyek Uji ...................... 52

Gambar III.18

Sequence Diagram Input Data Obyek Uji ................................ 53

Gambar III.19

Sequence Diagram Pengaturan Variable .................................. 53

Gambar III.20

Sequence Diagram Pengaturan Variable .................................. 54

Gambar III.21

Kelas Diagram Use Case Pengaturan Nilai Transforamsi ........ 54

Gambar III.22

Sequence Diagram Pengaturan Nilai Transformasi.................. 55

Gambar III.23

Kelas Diagram Use Case Clustering ........................................ 55

Gambar III.24

Sequence Diagram Clustering .................................................. 56

Gambar III.25

Kelas Diagram Use Case Validasi Cluster ............................... 56

Gambar III.26

Sequence Diagram Validasi Cluste .......................................... 57

Gambar III.27

Kelas Diagram Use Case Pelabelan Cluster ............................. 57

Gambar III.28

Sequence Diagram Pelabelan Cluster ....................................... 58

Gambar III.29

Diagram Kelas Use Case Output Data Cluster ......................... 58

Gambar III.30.

Sequence Diagram Output Data Cluster ................................... 59

Gambar III.31

Diagram Kelas Keseluruhan Tahap Analisis ............................ 60

Gambar IV.1

Struktur data untuk menyimpan Data Obyek Uji ..................... 62

Gambar IV.2

Struktur data untuk menyimpan Data Cluster .......................... 63

Gambar IV.3

Diagram Kelas Tahap Perancangan .......................................... 65

Gambar IV.4

Skema Relasi ............................................................................ 66

Gambar IV.5

Interface Layar Login ............................................................... 70

Gambar IV.6

Interface Layar Pendefinisian Proyek Clustering ..................... 71 xvii

Gambar IV.7

Interface Layar Penambahan Proyek Clustering Baru ............. 72

Gambar IV.8

Interface Layar Pengolahan Proyek Clustering ........................ 72

Gambar IV.9

Interface Layar Penghapusan Proyek Clustering...................... 73

Gambar IV.10

Interface Layar Input Obyek Uji .............................................. 74

Gambar IV.11

Interface Layar Pengolahan Variable ....................................... 74

Gambar IV.12

Interface Layar Pengolahan Nilai Transformasi ....................... 75

Gambar IV.13

Interface Layar Pembacaan Data Obyek Uji ............................ 76

Gambar IV.14

Interface Layar Analisis Clustering .......................................... 77

Gambar IV.15

Interface Layar Validasi Cluster ............................................... 78

Gambar IV.16

Interface Layar Output Cluster ................................................. 79

Gambar IV.17

Interface Layar Export Cluster ................................................. 80

Gambar IV.18

Format Masukan Obyek Uji Dari Database ............................. 81

Gambar IV.19

Contoh Masukan Obyek Uji Dari Database ............................. 81

Gambar IV.20

Format Masukan Obyek Uji Dari File Excel ............................ 82

Gambar IV.21

Contoh Masukan Obyek Uji Dari File Excel............................ 82

Gambar IV.22

Format Masukan Obyek Uji Dari File Teks ............................. 83

Gambar IV.23

Contoh Masukan Obyek Uji Dari File Teks ............................. 83

Gambar IV.24

Format Keluaran Data Cluster ke File SQL ............................. 85

Gambar IV.25

Format Keluaran Data Cluster ke File Excel ............................ 86

Gambar IV.26

Format Keuaran Data Cluster ke File Teks .............................. 87

Gambar V.1

Interface Layar Login ............................................................... 92

Gambar V.2

Interface Layar Pendefinisian Proyek Clustering ..................... 92

Gambar V.3

Interface Layar Pengolahan Proyek Clustering ........................ 93

Gambar V.4

Interface Layar Analisis Clustering .......................................... 93

Gambar V.5

Interface Layar Output Cluster ................................................. 94

xviii

DAFTAR TABEL

Tabel III.1

Perbandingan Algoritma Clustering Hierarki dan Non Hierarki ... 25

Tabel III.2

Daftar Spesifikasi Kebutuhan Fungsional ..................................... 31

Tabel III.3

Daftar Spesifikasi Kebutuhan Non Fungsional ............................. 33

Tabel III.4

Deskripsi Kelas .............................................................................. 60

Tabel IV.1

Hubungan Kelas Entitas dengan Tabel Basis Data ....................... 66

Tabel V.1

Hubungan Kelas Perancangan dan Kelas Implementasi ............... 88

Tabel V.2

Daftar Antarmuka Implementasi ................................................... 91

Tabel VI.1

Butir-Butir Pengujian Fungsionalitas Perangkat Lunak ................ 95

xix