bab 2 landasan teori -...
Post on 14-Mar-2018
244 Views
Preview:
TRANSCRIPT
7
BAB 2
LANDASAN TEORI
Suspensi adalah suatu sistem yang berfungsi meredam kejutan, getaran yang
terjadi pada kendaraan akibat permukaan jalan yang tidak rata. Suspensi dapat
meningkatkan kenyamanan berkendaraan dan mengendalikan kendaraan. Suspensi pada
kendaraan berawal pada abad XVI (sumber ,http://www.pikiran-rakyat.com/cetak
/2006/042006/07/otokir/utama01.htm, 2007), pada saat itu suspensi dipergunakan pada
kereta kuda agar nyaman. Dimana jalan-jalan saat itu banyak yang bergelombang.
Sistem suspensi pada kendaraan digantung pada keempat tiang yang terkait ke sasis atau
rangka. Suspensi pada dasarnya merupakan bagian dari sasis. Sasis terdiri atas rangka
kendaraan, sistem suspensi, sistem kemudi, dan roda. Sistem suspensi terdiri atas pegas,
peredam (shock absorber), dan komponen lain seperti lengan ayun, sambungan (joints),
batang pengkaku (anti-roll bar atau stabilizer), dan karet-karet.
Berkenaan dengan konfigurasi, terdapat dua jenis sistem suspensi, yakni
dependent dan independent. Suspensi dependent dapat dicirikan dari poros penghubung
roda kiri dan kanan yang merupakan satu kesatuan utuh serta kaku (rigid). Biasanya,
suspensi dependent dipakai di kendaran angkutan barang (truk). Pegas yang digunakan
untuk menumpu beban kendaraan biasanya dari jenis pegas daun (leaf spring).
Suspensi independen, seperti jenis MacPherson atau double wishbone umumnya
digunakan di roda depan pada kendaraan jenis sedan atau kendaraan penumpang
(minibus) keluaran terbaru. Dari konstruksinya, dapat dilihat pada gambar (2.1) bahwa
suspensi independent memungkinkan roda kiri untuk bergerak bebas terhadap roda
8
kanan, meski hanya untuk kisaran gerak yang terbatas (sumber, http://www.pikiran-
rakyat.com /cetak/2007/022007/16/otokir/utama01.htm, 2007).
Gambar 2.1 Suspensi independent jenis MacPherson
Berdasarkan sistem pengontrolannya, terdapat dua jenis sistem suspensi yakni
suspensi pasif dan suspensi aktif. Pada suspensi pasif (sistem yang umum diterapkan
pada kendaraan saat ini) kekakuan pegas dan konstanta redamannya bernilai konstan.
Namun pada suspensi aktif, pengontrolan kekakuan pegas dan redaman dapat diatur,
sehingga dapat menambah kenyamanan penumpangnya.
Konstanta suspensi atau yang biasa disebut dengan konstanta spring didapatkan
dari besarnya gaya per satuan jarak. Dengan rumusan sebagai berikut.
kxF −=
• F = gaya
• k = konstanta spring
• x = perpindahan jarak
2.1 Suspensi Aktif
Pada penelitian tugas akhir ini hanya akan meninjau suspensi aktif. Suspensi
aktif merupakan teknologi otomotif yang mengontrol pergerakan vertikal pada roda.
Pada model suspensi aktif dijelaskan dengan gambar(2.2) dibawah ini.
9
Gambar 2.2 Sistem suspensi aktif
Dalam hal Ini diasumsikan bahwa roda kendaraan menempel pada jalan.
Persamaan pergerakan pada sistem aktif, berdasarkan hukum Newton 2, akan diberikan
sebagai berikut:
)()(1 wbswbabb zzczzkfzm &&&& −−−−=
)()()( 21 wbsrwwbaww zzczzkzzkfzm &&&& −+−−−+−=
• bm = berat body
• wm = berat roda
• 1k = konstanta spring
• 2k = konstanta roda
• af = actuator force (besaran gaya pada hidrolik)
• sc = damping rasio (peredam kejut)
• rz = pemindahan jalan (perpindahan vertikal pada jalan)
10
• bz = pemindahan body
• wz = pemindahan roda
Pada hukum Newton 2, jumlah gaya yang bekerja sama dengan massa dikalikan
dengan percepatan. Dengan rumusan sebagai berikut.
maF =
• F = gaya
• m = massa
• a = percepatan
Damping adalah kontrol dari osilasi. Damping tersebut mengontrol kecepatan
gerak suspensi. Arah gaya yang bekerja berlawanan dengan arah gerak suspensi.
Kendaraan yang tidak memiliki damping akan terus berosilasi naik turun. Rumusan
damping adalah sebagai berikut.
cvF −=
• F = gaya
• c = koefisien damping
• v = kecepatan
2.2 Logika Fuzzy
Logika fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang logika
fuzzy baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang
logika fuzzy itu sendiri sudah ada pada diri kita sejak lama. Logika fuzzy adalah suatu
cara yang tepat untuk memetakan suatu ruang masukan ke dalam suatu ruang keluaran
(Sri Kusumadewi, 2003,p163).
11
Logika fuzzy pertama kali diperkenalkan oleh profesor Lotfi Zadeh dari
universitas california di Berkeley pada tahun 1965. Logika fuzzy merupakan suatu teori
himpunan logika yang dikembangkan untuk mengatasi konsep nilai yang terdapat
diantara kebenaran (truth) dan kesalahan (false). Dengan menggunakan logika fuzzy
nilai yang dihasilkan bukan hanya ya (1) atau tidak (0) tetapi seluruh kemungkinan
diantara 0 dan 1. (sumber, http://en.wikipedia.org/wiki/Fuzzy_logic)
2.2.1 Himpunan Crisp dan Himpunan Fuzzy
Himpunan Crisp A didefinisikan oleh item-item yang ada pada himpunan itu.
Jika a ∈ A, maka nilai keanggotaan dari a adalah 1. Namun, jika a ∉A, maka nilai
keanggotaan dari a adalah 0. Notasi A = {x | P(x)} menunjukkan bahwa A berisi item x
dengan P (x) benar. Jika XA merupakan fungsi karakteristik A dan properti P, dapat
dikatakan bahwa P(x) benar, jika dan hanya jika XA(x) = 1.
Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi
karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada
interval [0,1]. Nilai keanggotaannya menunjukkan bahwa suatu item tidak hanya
bernilai benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan
masih ada nilai-nilai yang terletak antara benar dan salah.
Sebagai contoh, kecepatan kendaraan dapat masuk dalam 2 himpunan berbeda,
lambat dan sedang, sedang dan cepat. Seberapa besar eksistensinya dalam himpunan
tersebut dapat dilihat pada nilai keanggotaannya. Gambar (2.3) menunjukkan himpunan
fuzzy untuk peubah kecepatan kendaraan.
12
Gambar 2.3 Grafik pengelompokan kecepatan kendaraan dengan logika fuzzy
Pada Gambar (2.3) dapat dilihat bahwa:
• Kendaraan yang berkecepatan 40 km/jam, termasuk dalam himpunan lambat
dengan µlambat [50] = 0,25; namun kecepatan tersebut juga termasuk dalam
himpunan sedang dengan µsedang [50] = 0,5.
• Kendaraan yang berkecepatan 50 km/jam, termasuk dalam himpunan cepat
dengan µcepat [60] = 0,25, namun kecepatan tersebut juga termasuk dalam
himpunan sedang dengan µsedang [60] = 0,5.
Pada himpunan crisp, nilai keanggotaannya hanya ada dua kemungkinan, yaitu
antara 0 atau 1, sedangkan pada himpunan fuzzy nilai keanggotaannya pada rentang
antara 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy µA[x] = 0, berarti x tidak
menjadi anggota himpunan A, dan juga apabila x memiliki nilai keanggotaan fuzzy
µA[x] = 1 berarti x menjadi anggota penuh pada himpunan A.
Istilah fuzzy logic memiliki berbagai arti. Salah satu arti fuzzy logic adalah
perluasan crisp logic, sehingga dapat mempunyai nilai antara 0 sampai 1. Pertanyaan
yang akan timbul adalah, bagaimana dengan operasi NOT, AND dan OR-nya? Ada
banyak solusi untuk masalah tersebut. Salah satunya adalah:
• operasi NOT x diperluas menjadi 1 - µx,
• x OR y diperluas menjadi max(µx,µy)
13
• x AND y diperluas menjadi min(µx,µy).
Dengan cara ini, operasi dasar untuk crisp logic tetap sama. Sebagai contoh :
• NOT 1 = 1 – 1 = 0
• 1 OR 0 = max (1,0) = 1
• 1 AND 0 = min (1,0) = 0
dan ini diperluas untuk logika fuzzy. Sebagai contoh :
• NOT 0,7 = 1 – 0,7 = 0,3
• 0,3 OR 0,1 = max (0,3, 0,1) = 0,3
• 0,8 AND 0,4 = min (0,8, 0,4) = 0,4
2.2.2 Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik-titik input data kedalam nilai keanggotaannya (sering juga
disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah
satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan
melalui pendekatan fungsi.
Ada beberapa fungsi representasi yang bisa digunakan dalam logika fuzzy. Di
antaranya adalah sebagai berikut (Sri Kusumadewi, 2003,p160).
• Representasi linear, permukaan digambarkan sebagai suatu garis lurus. Bentuk
ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu
konsep yang kurang jelas. Ada dua keadaan himpunan fuzzy linear. Pertama,
kenaikan himpunan dimulai dari domain yang memiliki derajat keanggotaan nol
14
(0) bergerak ke kanan menuju ke nilai domain yang memiliki derajat
keanggotaan lebih tinggi. Perhatikan gambar (2.4) dibawah ini.
Gambar 2.4 Representasi linear naik
Fungsi keanggotaan pada linear naik:
Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai
dominan dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak
menurun ke nilai dominan yang memiliki derajat keanggotaan lebih rendah.
15
Gambar 2.5 Representasi linear turun
Fungsi keanggotaan pada linear turun:
• Representasi kurva segitiga, pada dasarnya merupakan gabungan antara dua
garis linear. Perhatikan gambar (2.6)
Gambar 2.6 Representasi kurva segitiga
16
Fungsi keanggotaan pada kurva segitiga:
• Representasi kurva trapesium, kurva segitiga pada dasarnya seperti bentuk
segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1.
Perhatikan gambar (2.7)
Gambar 2.7 Representasi kurva trapesium
Fungsi keanggotaan pada kurva trapesium:
• Representasi kurva bentuk bahu, daerah yang terletak di tengah-tengah suatu
variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan
dirinya akan naik turun (misalkan: dingin bergerak ke sejuk bergerak ke hangat
dan bergerak ke panas). Tetapi terkadang salah satu sisi dari variabel tersebut
tidak mengalami perubahan. Sebagai contoh, apabila telah mencapai puncak
17
panas. Himpunan fuzzy bahu, bukan segitiga, digunakan untuk mengakhiri
variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah, demikian
juga bahu kanan bergerak dari salah ke benar. Gambar (2.8) memperlihatkan
variabel temperatur dengan daerah bahunya.
Gambar 2.8 Representasi bentuk bahu pada variabel temperatur
• Representasi kurva-S, kurva pertumbuhan dan penyusutan merupakan kurva-S
atau sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan
secara tak linear. Kurva-S untuk pertumbuhan akan bergerak dari sisi paling kiri
dengan nilai keanggotaan = 0 ke sisi paling kanan dengan nilai keanggotaan =1.
18
Gambar 2.9 Representasi kurva-S pertumbuhan
Fungsi keanggotaan pada kurva-S pertumbuhan:
Kurva-s untuk penyusutan akan bergerak dari sisi paling kanan dengan nilai
keanggotaan = 1 ke sisi paling kiri dengan nilai keanggotaan = 0 seperti terlihat
pada gambar (2.10) dibawah ini.
Gambar 2.10 Representasi kurva-S menurun
19
Fungsi keanggotaan pada kurva-S menurun:
Kurva-S didefinisikan dengan menggunakan 3 parameter, yaitu: nilai
keanggotaan nol (α ), nilai keanggotaan lengkap (γ ), dan titik infleksi atau
crossover (β ) yaitu titik yang memiliki domain 50% benar. Gambar (2.11)
dibawah ini menunjukkan karakteristik kurva-S dalam bentuk skema.
Gambar 2.11 Karakteristik fungsi kurva-S
• Representasi kurva bentuk lonceng (bell curve), pada kurva bentuk lonceng
dibagi menjadi tiga kelas, yaitu kurva PI, beta, dan Gauss.
20
i. Kurva PI, berderajat keanggotaan 1 terletak pada pusat dengan domain (γ ), dan
lebar kurva (β ) seperti terlihat pada gambar (2.12)
Gambar 2.12 Karakteristik fungsi kurva PI
Fungsi keanggotaan pada kurva PI:
ii. Pada kurva beta juga berbentuk lonceng namun lebih rapat. Kurva ini juga
didefinisikan dengan dua parameter, yaitu nilai pada domain yang menunjukan
pusat kurva (γ ), dan setengah lebar kurva ( β ) seperti terlihat pada gambar
(2.13) dibawah ini.
21
Gambar 2.13 Karakteristik fungsi kurva Beta
Fungsi keanggotaan pada kurva Beta:
B 2
1
1),,(
⎟⎟⎠
⎞⎜⎜⎝
⎛ −+
=
βγ
βγx
x
Salah satu perbedaan mencolok kurva Beta dari kurva PI adalah fungsi
keanggotaan Beta akan mendekati nol hanya jika nilai (β ) sangat besar
iii. Pada kurva Gauss, menggunakan (γ ) untuk menunjukan nilai domain pada
pusat kurva, dan (k). Seperti terlihat pada gambar (2.14) dibawah ini. Pada
22
makalah ini, akan menggunakan model fuzzy representasi kurva Gauss.
Gambar 2.4 Karakteristik fungsi kurva Gauss
Fungsi keanggotaan pada kurva Gauss:
2)(),,( xkekxG −−= γγ
2.3 Blok Diagram
Sebuah blok diagram pada sistem adalah gambaran representasi dari fungsi
masing-masing komponen dan menurunkan beberapa sinyal. Pada blok diagram semua
sistem variabel dihubungkan ke masing-masing fungsional blok. Fungsional blok adalah
sebuah simbol untuk operasi matematik pada sinyal input ke blok yang mengeluarkan
output. Blok yang berhubungan ditandai dengan sebuah panah sebagai arah sinyal.
23
Gambar 2.15 Elemen dari blok diagram
Arah panah yang menuju ke blok menandakan sinyal input dan arah panah yang
meninggalkan blok menandakan sinyal output.
2.3.1 Node Penjumlahan (summing point) dan Node Pencabangan (branch point)
Gambar 2.16 Node penjumlah (Summing point)
Pada gambar di atas, lingkaran dengan di dalamnya ada tanda silang merupakan
sebuah simbol dari operasi penjumlahan atau pengurangan. Tanda tambah atau kurang
pada arah panah menandakan sinyal tersebut ditambah atau dikurang. Hal ini sangat
penting bahwa kuantitas ditambah atau dikurang memiliki dimensi dan unit yang sama.
Node pencabangan (branch point) adalah sebuah node di mana sinyal dari
sebuah blok pergi menuju ke blok yang lain atau ke node penjumlahan.
24
2.3.2 Blok Diagram Pada Sistem Perulangan Tertutup
+ - G(s)R(s) E(s) C(s)
Gambar 2.17 Sistem perulangan tertutup (Closed-loop system)
Gambar di atas adalah contoh dari blok diagram sistem perulangan tertutup.
Perulangan tertutup pada sistem hanya dapat diindikasi dengan gambar diagram
tersebut. Nilai keluaran C(s) akan kembali ke node penjumlahan di mana nilai tersebut
akan dibandingkan dengan nilai masukan R(s). Masukan dari E(s) akan menuju ke blok
fungsi transfer (transfer function) G(s), setelah itu akan memperoleh nilai keluaran C(s).
Beberapa sistem control linier mungkin dipresentasikan dengan blok diagram yang
terdiri dari blok, node penjumlah dan node pencabangan.
Ketika nilai output kembali ke node penjumlah untuk membandingkan dengan
nilai masukan, nilai tersebut perlu dikonversi dari sinyal keluaran ke sinyal masukan.
Untuk contohnya, pada kontrol sistem suhu, sinyal keluaran biasanya yang mengontrol
suhu. Sinyal keluaran, di mana yang memiliki dimensi dari suhu, harus sebelumnya
dikonversi ke gaya atau pasisi atau voltase sebelum dibandingkan dengan sinyal
masukan. Konversi ini akan diselesaikan oleh sebuah fungsi transfer (transfer function)
H(s). Terlihat gambar dibawah ini.
25
Gambar 2.18 Sistem perulangan tertutup 2
Pengaturan pada elemen umpan balik (feedback element) harus memodifikasi
nilai keluaran sebelum nilai tersebut dibandingkan dengan nilai masukan. Pada
kebanyakan masalah, umpan balik adalah sebuah sensor yang mengukur nilai keluaran
dari rencana. Nilai dari keluaran tersebut akan dibandingkan dengan nilai masukan dan
gerakan sinyal kesalahan dapat dihasilkan. Sinyal umpan balik yang mengarah ke node
penjumlahan untuk dibandingkan dengan masukan adalah B(s)=G(s)H(s).
Nilai keluaran dan masukan pada gambar (2.8) di atas dapat dijabarkan seperti di
bawah ini.
)()()( sEsGsC =
)()()()()()()( sCsHsRsEsBsRsE −=→−=
Dengan mengeliminasi )(sE maka
)]()()()[()( sCsHsRsGsC −= atau )()(1
)()()(
sHsGsG
sRsC
+=
Maka )()()(1
)()( sRsHsG
sGsC+
=
26
2.4 Transformasi Laplace
Transformasi Laplace adalah suatu teknik untuk menyederhanakan
permasalahan dalam suatu sistem yang mengandung masukan dan keluaran, dengan
melakukan transformasi dari suatu domain pengamatan ke domain pengamatan yang
lain (http://id.wikipedia.org/wiki/Transformasi_Laplace).
Dalam matematika jenis transformasi ini merupakan suatu konsep yang penting
sebagai bagian dari analisa fungsional, yang dapat membantu dalam melakukan analisa
sistem invarian-waktu linier, seperti rangkaian elektronik, osilator harmonik, devais
optik dan sistem-sistem mekanik. Dengan mengetahui deksripsi matematika atau
fungsional sederhana dari masukan atau keluaran suatu sistem, transformasi Laplace
dapat memberikan deskripsi funsional alternatif yang kadang dapat menyederhanakan
proses analisa kelakukan dari sistem atau membuat suatu sistem baru yang berdasarkan
suatu kumpulan spesifikasi.
Dalam sistem fisik sebenarnya transformasi Laplace sering dianggap sebagai
suatu transformasi dari cara pandang domain-waktu, di mana masukan dan keluaran
dimengerti sebagai fungsi dari waktu, ke cara pandang domain-frekuensi, di mana
masukan dan keluaran yang sama dipandang sebagai fungsi dari frekuensi angular
kompleks, atau radian per satuan waktu. Transformasi ini tidak hanya menyediakan cara
mendasar lain untuk mengerti kelakukan suatu sistem, tetapi juga secara drastis
mengurangi kerumitan perhitungan matematika yang dibutuhkan dalam menganalisa
suatu sistem.
27
Transformasi Laplace memiliki peran penting dalam aplikasi-aplikasi dalam
bidang fisika, optik, rekayasa listrik, rekayasa kendali, pemrosesan sinyal dan teori
kemungkinan.
Nama transformasi ini diberikan untuk menghormati seorang ahli matematika
dan astronomi, Pierre-Simon Laplace, yang menggunakan teknik transformasi ini pada
hasil karyanya dalam teori kemungkinan. Sebenarnya teknik ini ditemukan sebelumnya
oleh Leonhard Euler, seorang ahli matematika prolific Swiss abad kedelapanbelas.
Transformasi Laplace dari suatu fungsi f(t), yang terdefinisi untuk semua nilai t
riil dengan t ≥ 0, adalah fungsi F(s), yang didefinisikan sebagai:
dttfetfLsF st )()}({)( 0−∞∫==
Transformasi Laplace ini memiliki sejumlah sifat yang membuatnya amat
berguna bagi analisa sistem dinamik linier. Keunggulan utama dari cara ini adalah
mengubah proses diferensiasi menjadi perkalian dan integrasi menjadi pembagian,
dengan adanya s (Hal ini mirip dengan fungsi logaritma yang mengubah operasi
perkalian dan pembagian menjadi penjumlahan dan pengurangan). Perubahan
persamaan integral dan diferensial menjadi bentuk polinomial menyederhanakan proses
penyelesaian.
Beberapa fungsi dasar Trasformasi Laplace:
• s
sfL 1)(}1{ ==
• 1
!)(}{ +== nn
snsftL
• as
sfeL at
−==
1)(}{
28
• 22)(}{cosω
ω+
==s
ssftL
• 22)(}{sinω
ωω+
==s
sftL
• 22)(}{coshas
ssfatL−
==
• 22)(}{sinhas
asfatL−
==
2.5 Simulasi
Simulasi adalah sesuatu bentuk imitasi yang menyerupai aslinya (sumber,
http://en.wikipedia.org/wiki/Simulation). Pada proses kerja, simulasi mempresentasikan
karakteristik dan bentuk fisik seperti pada aslinya. Dengan menggunakan simulasi maka
kita dapat memperoleh berbagai kelebihan, seperti:
• Efisiensi biaya. Didalam simulasi sangatlah dipertimbangkan, karena sebagian
inti dari simulasi adalah untuk memperoleh efisiensi pengeluaran biaya.
• Menghemat waktu. Simulasi dapat dengan signifikan menghemat waktu untuk
memproses suatu pemecahan masalah dengan akurat.
• Tidak mempengaruhi keadaan sistem aslinya sehingga dapat dilakukan metode
Trial and Error.
• Mudah untuk diperbanyak. Dengan menggunakan bantuan komputer, simulasi
sangatlah mudah untuk dilakukan perubahan baik penambahan maupun
pengurangan.
29
Adapun kekurangan yang terdapat pada simulasi, sebagai berikut:
• Perlu belajar terlebih dahulu untuk dapat melakukan suatu proses simulasi
• Diperlukan data yang cukup akurat untuk dapat memperoleh hasil yang akurat.
• Diperlukan ketelitian yang tinggi sehingga tidak terjadi kesalahan dalam
menurunkan persamaan.
2.6 Alat Bantu Perancangan
2.6.1 State Transition Diagram (STD)
State Transition Diagram merupakan salah satu cara untuk menggambarkan
jalannya suatu proses. STD ini terdiri dari input/kondisi, state proses, output/aksi yang
terjadi dan perubahan statenya. Komponen dasar State Transition Diagram dapat dilihat
pada gambar 2.9 dibawah ini.
Gambar 2.19 Komponen dasar State Transition Diagram
State menunjukkan satu atau lebih kegiatan atau keadaan atau atribut yang
menjelaskan bagian tertentu dari proses. Anak panah berarah menunjukkan perubahan
state yang disebabkan oleh input tertentu (state X ke state Y). Input atau kondisi
merupakan suatu kejadian pada lingkungan eksternal yang dapat dideteksi oleh sistem
misal sinyal, interupsi atau data. Hal ini menyebabkan perubahan dari satu state ke state
State X
State Y
State Sekarang
State Selanjutnya
Input Output
30
yang lainnya atau dari satu aktivitas ke aktivitas lainnya. Output atau aksi merupakan
hal yang dilakukan oleh sistem jika terjadi perubahan state atau merupakan reaksi
terhadap kondisi. Aksi dapat menghasilkan output, tampilan pesanan pada layar,
kalkulasi atau kegiatan lainnya.
2.6.2 Pseudocode
Pseudocode berasal dari kata pseudo dan code, adalah deskripsi yang informal
dan padat dari sebuah algoritma pemrograman komputer yang menggunakan aturan
struktural dari bahasa pemrograman, tetapi menghilangkan detail-detail seperti subrutin,
deklarasi variabel atau syntax bahasa pemrograman tertentu (sumber,
http://en.wikipedia.org/wiki/pseudocode, 2007).
Bahasa pemrograman dalam hal ini digabungkan dengan penjelasan detail dalam
bahasa natural agar terlihat lebih umum. Pseudocode bukanlah skeleton program atau
dummy code yang masih dapat di-compile tanpa error. Flowchart dapat juga dianggap
sebagai salah satu bentuk pseudocode.
2.7 Teori Perancangan Program
2.7.1 Waterfall Method
Metode Waterfall adalah sebuah model perancangan program secara sekuensial,
dimana proses perancangan tersebut mengalir secara teratur kebawah sehingga terlihat
seperti air terjun (sumber, http://en.wikipedia.org/wiki/waterfall_method, 2007).
Proses ini melalui fase-fase seperti, analisis kebutuhan, desain, implementasi,
pengetesan atau validasi, integrasi dan perawatan. Asal kata waterfall sering dikutip dari
31
artikel yang dipublikasikan pada tahun 1970 oleh W. W. Royce, ironisnya, Royce sendiri
tidak menggunakan kata tersebut, sebaliknya memakai kata pendekatan iteratif dalam
perancangan software. Pada awalnya Royce menggambarkan metode Waterfall adalah
contoh metode yang beresiko dan rawan terhadap kegagalan. Tetapi walapun begitu,
penggunaan metode ini tetap populer di dalam perancangan program.
Gambar 2.20 Metode Waterfall
Seperti yang terlihat pada Gambar (2.20), proses perancangan program bergerak
dari atas ke bawah seperti air terjun. Di dalam model Waterfall yang dinyatakan oleh
Royce, fase-fasenya adalah sebagai berikut :
• Spesifikasi Kebutuhan
• Desain
• Konstruksi atau Implementasi
• Pengetesan dan Debugging (verifikasi)
• Perawatan
top related