13

BAB 2

LANDASAN TEORI

Bab ini berisi teori teori pendukung yang digunakan dalam pembuatan aplikasi, diantaranya adalah pengertian kecerdasan buatan, pengertian sistem pakar, metode Fuzzy Logic, dan hal hal yang terkait.

2.1 Teori Umum

2.1.1 Rekayasa Perangkat Lunak

2.1.1.1 Pengertian Rekayasa Perangkat Lunak

Menurut Pressman (2010, p4) perangkat lunak adalah :

Instruksi (program komputer) yang ketika dijalankan menyediakan fitur, fungsi, dan tampilan yang diinginkan.

Struktur data yang memungkinkan program untuk secara memadai memanipulasi informasi.

Informasi deskriptif pada hard copy dan virtual form yang menggambarkan operasi dan program yang digunakan.

Menurut Pressman (2010, p7) ada tujuh kategori software komputer yang memberikan tantangan terhadap pengembang perangkat lunak :

1. System software yaitu, kumpulan program yang ditulis untuk melayani program lain. Beberapa perangkat lunak sistem seperti compilers, editors, dan file management utilities. Pada kasus area perangkat lunak sistem ditandai dengan interaksi berat dengan perangkat keras komputer, penggunaan berat oleh beberapa pengguna, operasi bersamaan yang membutuhkan penjadwalan, berbagi sumber daya, manajemen proses yang canggih, struktur data yang kompleks, dan antarmuka eksternal yang ganda.

2. Application software, program yang berdiri sendiri memecahkan bisnis spesifik yang dibutuhkan. Aplikasi pada area proses bisnis atau teknikal data dengan cara memfasilitasi operasi bisnis atau manajemen pengambilan keputusan teknis. Selain aplikasi pengolahan data konvensional, aplikasi perangkat lunak digunakan untuk mengontrol fungsi bisnis secara real time.

3. Scientific software, ditandai dengan algoritma number crunching. Aplikasi berkisar pada astronomi untuk vulkanologi, dari analisis tegangan automotif untuk ruang orbit antar jemput yang dinamis.

4. Embedded software, yaitu terletak dalam suatu produk atau sistem dan digunakan untuk sistem itu sendiri. Dapat memberikan fungsi signifikan, misalnya fungsi digital dalam sebuah kontrol bahan bakar mobil.

5. Product line software, dirancang untuk memberikan kemampuan khusus untuk digunakan oleh banyak pelanggan yang berbeda. Contohnya persediaan kontrol produk.

6. Web application, terkait dengan hypertext yang menyajikan informasi menggunakan teks dan grafis yang terbatas. Namun, setelah web 2.0 muncul, webapps berkembang menjadi lingkungan komputasi canggih yang tidak hanya menyediakan stand alone feature, fungsi komputasi, dan konten kepada pengguna akhir, tetapi juga terintegrasi dengan database perusahaan dan aplikasi bisnis.

7. Artificial intelligence software, menggunakan algoritma non numerical untuk memecahkan masalah yang kompleks yang tidak bisa menerima perhitungan atau analisis langsung. Aplikasi dalam wilayah ini meliputi robotika, sistem pakar, pengenalan pola, jaringan syaraf tiruan, dan game.

Menurut Pressman (2010, p14) rekayasa perangkat lunak adalah sebuah teknologi yang harus terdiri dari lapisan :

Fokus pada kualitas

Pendekatan teknik apapun (termasuk rekayasa perangkat lunak) harus bersandar pada komitmen organisasi terhadap suatu mutu. Total kualitas manajemen dan filosofi yang sama mendorong budaya perbaikan proses yang berkesinambungan, dan budaya inilah yang mengarah pada pengembangan pendekatan yang semakin dewasa untuk rekayasa perangkat lunak.

Proses

Dasar untuk rekayasa perangkat lunak adalah lapisan proses. Proses pada rekayasa perangkat lunak adalah perangkat yang mengendalikan teknologi lapisan (layer) bersama - sama dan memungkinkan pengembangan perangkat lunak yang rasional dan tepat waktu. Proses mendefinisikan suatu kerangka kerja untuk suatu set key process areas (KPAs) yang harus ditetapkan untuk penyampaian (delivery) yang efektif dari teknologi perangkat lunak. Key process areas membentuk dasar bagi kontrol manajemen proyek perangkat lunak dan menetapkan konteks metode - metode teknis mana yang diterapkan, produk kerja (model, dokumen, data laporan, form, dll) yang diproduksi, milestone yang diterapkan, kualitas terjamin dan perubahan yang dikelola dengan baik.

Metode

Metode rekayasa perangkat lunak menyediakan teknis bagaimana untuk membangun sebuah perangkat lunak. Metode mencakup tugas dan mencakup analisis kebutuhan, desain, program konstruksi, pengujian, pemeliharaan.

Alat bantu

Alat bantu automatis atau semi automatis menyediakan dukungan untuk proses dan metode. Ketika alat alat diintegrasikan, sehingga informasi yang dibuat oleh satu alat dapat digunakan oleh alat lainnya, sebuah sistem yang mendukung perangkat lunak, yang disebut computer aided software engineering (CASE), didirikan. CASE menggabungkan sebuah software, hardware, dan database (sebuah repository berisi informasi penting tentang analisis, desain, program konstruksi dan pengujian) untuk menciptakan lingkungan rekayasa perangkat lunak yang analog dengan CASE untuk hardware.

Gambar 2.1 Lapisan rekayasa perangkat lunak (Pressman, 2010)

2.1.1.2 Model Proses Waterfall

Menurut Pressman (2010, p39) waterfall model disebut juga dengan model classic life cycle. Model proses tersebut mengusulkan sebuah pendekatan kepada perkembangan perangkat lunak yang sistematik dan sekuensial, yang mulai dari tingkat dan kemajuan sistem pada seluruh analisis, desain, kode, pengujian, dan pemeliharaan. Model sekuensi linier melingkupi aktivitas aktivitas sebagai berikut :

Komunikasi

Proses pencarian kebutuhan yang diintensifkan dan difokuskan pada perangkat lunak. Untuk mengetahui sifat dari program yang akan dibuat maka pengembang perangkat lunak harus mengerti tentang domain informasi dari perangkat lunak, contohnya fungsi yang dibutuhkan, user interface, dan lain sebagainya. Komunikasi dititikberatkan untuk mencapai kesepakatan user requirement dan system requirement.

Perencanaan

Menetapkan suatu rencana pengembangan dari perangkat lunak antara lain tugas tugas teknik yang harus dipenuhi, resiko yang kemungkinan akan dihadapi, sumber daya yang dibutuhkan, hasil kerja, dan jadwal kerja.

Pemodelan

Menghasilkan suatu model yang memungkinkan pengembang dan pelanggan memahami lebih lanjut mengenai kebutuhan software dan perancangan perancangan untuk memenuhi kebutuhan tersebut. Desain perangkat lunak sebenarnya adalah proses multi langkah yang berfokus pada empat atribut sebuah program yang berbeda; struktur data, arsitektur perangkat lunak, representasi antarmuka, dan detail (algoritma) procedural. Proses desain menerjemahkan syarat atau kebutuhan ke dalam sebuah representasi perangkat lunak, yang dapat diperkirakan demi kualitas sebelum dimulai kegiatan mengkode. Sebagaimana persyaratan, desain didokumentasikan dan menjadi bagian dari konfigurasi perangkat lunak.

Konstruksi

Desain harus diterjemahkan ke dalam bentuk mesin yang bisa dibaca, atau disebut juga langkah pembuatan kode. Jika desain dilakukan dengan cara yang lengkap, pembuatan kode dapat diselesaikan secara mekanis.

Penyebaran

Perangkat lunak dikirim kepada pelanggan yang dimaksudkan untuk mengevaluasi hasil kerja dan memberikan feedback (umpan balik) berdasarkan evaluasi tersebut.

Gambar 2.2 Waterfall Model (Pressman, 2010)

2.1.1.3 Delapan Aturan Emas

Ben Sneiderman mengemukakan delapan aturan yang dapat digunakan sebagai petunjuk dasar perancangan antarmuka bagi pengguna dalam membangun suatu aplikasi (Smith, 2010, p86). Delapan aturan ini disebut Eight Golden Rules of Interface Design, yaitu :

1. Berusaha untuk konsisten.

Konsistensi bisa berarti banyak hal. Ada konsistensi tindakan, tata letak layar, navigasi, dan terminologi. Menyediakan konsistensi dapat membantu pengguna untuk mengetahui apa yang diharapkan dan dapat mempelajari antarmuka dengan lebih cepat.

2. Memenuhi kegunaan yang universal.

Pengguna yang beragam, membuat desain harus diperhitungkan dalam pertimbangan pertimbangan yang kompleks, seperti rentang usia, disabilitas, dan keragaman teknologi. Mungkin butuh penjelasan bagi pemula, tetapi shortcuts harus disediakan untuk expert user.

3. Memberikan umpan balik yang informatif.

Untuk setiap aksi, harus ada semacam respon, yang disebut juga umpan balik. Tindakan yang sering dilakukan dan tidak terlalu penting, dapat diberikan umpan balik sederhana. Tetapi ketika tindakan merupakan suatu hal yang penting, maka umpan balik sebaiknya lebih substansial. Contoh : timbulnya respon suara ketika salah menekan tombol pada waktu input data.

4. Merancang dialog untuk menghasilkan suatu penutupan.

Urutan informasi harus dikelompokkan mulai dari awal, tengah, dan akhir. Umpan balik yang informatif akan memberikan indikasi bahwa cara yang dilakukan sudah benar dan dapat mempersiapkan kelompok aksi yang berikutnya.

5. Memberikan penanganan kesalahan yang sederhana.

Sistem harus dirancang agar pengguna tidak melakukan kesalahan yang serius. Apabila kesalahan terjadi, sistem dapat mendeteksi kesalahan dengan cepat dan memberikan mekanisme yang sederhana, sehingga mudah dipahami untuk penanganan kesalahan.

6. Mudah kembali ke tindakan sebelumnya.

Hal tersebut dapat mengurangi kekhawatiran pengguna, karena pengguna mengetahui bahwa kesalahan yang dilakukan dapat dibatalkan, sehingga pengguna tidak takut untuk melakukan eksplorasi pilihan pilihan lain yang belum biasa digunakan.

7. Mendukung tempat pengendali internal.

Pengguna yang memiliki keterampilan merasa menginginkan untuk mengontrol sistem dan sistem akan merespon aksi yang mereka lakukan, sehingga tidak terjadi hal yang sebaliknya bahwa pengguna merasa dikendalikan oleh sistem. Sebaiknya sistem dirancang sedemikian rupa, sehingga pengguna menjadi inisiator daripada responden.

8. Mengurangi beban ingatan jangka pendek.

Manusia hanya bisa memproses informasi secara terbatas pada memori jangka pendeknya, oleh karena itu dibutuhkan tampilan sederhana yang bertujuan untuk memudahkan, membagi materi menjadi segmen kecil yang dapat lebih mudah dicerna.

2.1.1.4 The Unified Modelling Language (UML)

Menurut Sommerville (2011, p119) pemodelan sistem adalah proses mengembangkan abstract models dari suatu sistem, dengan masing masing merepresentasikan perspektif yang berbeda dari sistem tersebut. Pemodelan sistem umumnya merepresentasikan sistem menggunakan beberapa jenis notasi grafis, yang sekarang hampir selalu didasarkan pada notasi dalam Unified Modelling Language (UML).

Menurut Sommerville (2011, p120) UML telah menjadi bahasa pemodelan standar untuk pemodelan berorientasi objek. UML memiliki tipe tipe diagram dan juga mendukung penciptaan berbagai jenis model sistem.

Dengan menggunakan UML kita dapat membuat model untuk semua jenis aplikasi perangkat lunak, dimana aplikasi tersebut dapat berjalan pada perangkat keras, sistem operasi dan jaringan apapun, serta ditulis dalam bahasa apapun. Tetapi karena UML ditulis menggunakan class dan operation dalam konsep dasarnya, maka lebih cocok untuk digunakan dalam aplikasi perangkat lunak dalam bahasa bahasa berorientasi objek seperti C++, Java, C#, maupun VB.NET.

Konsep dasar UML dapat kita rangkum seperti tabel di bawah ini:

Tabel 2.1 Konsepsi dasar UML (Sommerville, 2011)

Abstraksi konsep dasar UML yang terdiri dari structural classification, dynamic behavior, model management, bisa kita pahami dengan mudah apabila kita mengamati gambar di atas, dari diagrams main concepts bisa dipandang dari term yang akan muncul pada saat membuat diagram, dan view adalah kategori dari diagram tersebut.

Untuk menguasai UML sebenarnya cukup dua hal yang harus diperhatikan, yaitu :

1. Menguasai pembuatan diagram UML.

2. Menguasai langkah langkah dalam analisa dan pengembangan dengan UML.

Langkah langkah penggunaan UML :

1. Buatlah daftar proses bisnis dari level tertinggi untuk mendefinisikan aktivitas dan proses yang mungkin muncul.

2. Petakan use case untuk setiap proses bisnis untuk mendefinisikan dengan tepat fungsionalitas yang harus disediakan oleh sistem. Kemudian perhalus use case diagram dilengkapi dengan constraint, requirement, dan catatan lainnya.

3. Buatlah deployment diagram secara kasar untuk mendefinisikan arsitektur fisik sistem.

4. Definisikan requirement lain (non fungsional, security, dan sebagainya) yang juga harus disediakan oleh sistem.

5. Berdasarkan use case diagram mulailah membuat activity diagram.

6. Definisikan objek level atas (package atau domain) dan buatlah sequence atau collaboration diagram untuk setiap alir pekerjaan. Jika sebuah use case memiliki sebuah kemungkinan alir normal atau error, buatlah satu diagram untuk masing masing alir.

7. Buatlah rancangan user interface model yang menyediakan antarmuka bagi pengguna untuk menjalankan skenario use case.

8. Berdasarkan model yang sudah ada, buatlah class diagram. Setiap package atau domain dipecah menjadi hirarki class lengkap dengan atribut dan metodenya. Tetapi akan lebih baik jika setiap class dibuat unit rest untuk menguji fungsionalitas class dan interaksi dengan class lain.

9. Setelah class diagram dibuat, kemudian dapat dilihat kemungkinan pengelompokan class menjadi komponen komponen. Oleh karena itu buatlah komponen diagram pada tahap ini, dan juga definisikan tes integrasi unik setiap komponen meyakinkan ia berinteraksi dengan baik.

10. Perhalus deployement program yang telah dibuat. Perinci kemampuan requirement perangkat lunak sistem operasi, jaringan, dan sebagainya. Petakan komponen ke dalam node.

11. Mulailah membangun sistem, ada dua pendakatan yang digunakan :

Pendekatan use case, dengan menetapkan use case kepada tim pengembang, untuk mengembangkan unit kode yang lengkap dengan tes.

Pendekatan komponen, yaitu menetapkan tiap komponen kepada tim pengembang tertentu.

12. Lakukan uji modul serta uji integrasi serta perbaikan model berserta kodenya. Model harus sesuai dengan kode yang aktual.

13. Aplikasi siap dirilis.

Menurut survei yang dilakukan pada tahun 2007 oleh Erickson dan Siau (Sommerville, 2011, p120), menunjukkan sebagian besar pengguna UML berpikir bahwa lima tipe diagram merepresentasikan esensi bagi suatu sistem :

Diagram activity

Menurut Sommerville (2011, p120) activity diagram menunjukkan aktivitas yang terlibat di dalam proses atau dalam pengolahan data. Diagram activity seperti diagram state, merupakan diagram yang digunakan untuk memahami alur kerja dari objek atau komponen yang dilakukan. Diagram activity dapat digunakan untuk mevisualisasikan interelasi dan interaksi antara use case yang berbeda, serta sering digunakan untuk mengasosiasikan dengan class yang berbeda. Kekuatan diagram activity adalah merepresentasikan concurrent activity.

Diagram activity

Menurut Sommerville (2011, p120) activity diagram menunjukkan aktivitas yang terlibat di dalam proses atau dalam pengolahan data. Diagram activity seperti diagram state, merupakan diagram yang digunakan untuk memahami alur kerja dari objek atau komponen yang dilakukan. Diagram activity dapat digunakan untuk mevisualisasikan interelasi dan interaksi antara use case yang berbeda, serta sering digunakan untuk mengasosiasikan dengan class yang berbeda. Kekuatan diagram activity adalah merepresentasikan concurrent activity.

Gambar 2.3 Contoh activity diagram (IBM, 2003)

Use case

Pemodelan use case pada awalnya dikembangkan oleh Jacobson pada 1990-an dan dimasukkan dalam rilis pertama UML. Use case secara luas digunakan untuk mendukung persyaratan dari elicitation. Use case dapat diambil sebagai skenario sederhana yang menggambarkan apa yang pengguna harapkan dari suatu sistem.

Setiap use case merepresentasikan tugas terpisah yang melibatkan interaksi eksternal dengan sistem. Use case mengidentifikasi interaksi individu antara sistem dan pengguna atau sistem lain. Setiap use case harus didokumentasikan dengan deksripsi tekstual, yang kemudian dapat dikaitkan dengan model lain dalam UML yang akan membangun skenario dengan lebih terperinci. (Sommerville, 2011, p107).

Gambar 2.4 Use case informal (Sommerville, 2011)

Ada dua aktor dalam gambar 2.4 di atas, operator yang mentransfer data dan sistem record pasien. Stick figure semula dikembangkan untuk mencakup interaksi manusia, tetapi sekarang digunakan untuk merepresentasikan sistem ekternal lainnya dan perangkat keras. Secara formal, use case diagram harus menggunakan lines tanpa panah, dalam UML panah menunjukkan arah aliran pesan. Dalam use case pesan melewati dua arah. Namun, tanda panah pada gambar 2.4 digunakan secara informal untuk menunjukkan bahwa receptionist medis memulai transaksi dan data ditransfer ke sistem record pasien.

Gambar 2.5 Contoh use case (Sommerville, 2011)

Use case terdiri dari :

Aktor : pemakai sistem atau sesuatu yang berinteraksi dengan sistem merepresentasikan pesan, bukan pemakai individual.

Use case : cara spesifik penggunaan sistem oleh aktor.

Tujuan utama memodelkan use case :

Memutuskan dan mendeskripsikan kebutuhan fungsional sistem.

Memberikan deskripsi yang jelas dan konsisten dari apa yang harus dilakukan.

Melakukan basis yang menyediakan pengujian sistem yang meverifikasi sistem.

Menyediakan kemampuan melacak fungsi analistis menjadi class class, operasi operasi, dan aktual sistem.

Ciri ciri use case :

Terdapat pola perilaku yang harus dipenuhi oleh sistem.

Terdapat sekuen traksaksi terhubung yang dilakukan oleh aktor dan sistem.

Memberikan informasi yang berharga bagi user.

Kegunaan use case :

Menangkap kebutuhan sistem.

Berkomunikasi dengan pemakai akhir dan pakar domain masalah.

Pengkajian sistem.

Sequence Diagram

Sequence diagram dalam UML terutama digunakan untuk memodelkan interaksi antara aktor dan objek dalam sistem dan interaksi antara objek itu sendiri. UML memiliki sintaks yang sangat beragam untuk sequence diagram, yang memungkinkan perbedaan tipe interaksi yang akan dimodelkan. (Sommerville, 2011, p126).

Sesuai namanya, sequence diagram menunjukkan urutan interaksi yang terjadi selama use case instance. Diagram sequence dapat digunakan untuk menggambarkan skenario atau rangkaian langkah langkah yang telah dilakukan sebagai response dari sebuah event untuk menghasilkan output tertentu. Sequence diagram menunjukkan interaksi antara aktor dan sistem dan juga antara komponen sistem (Sommerville, 2011, p120).

Objek dan aktor yang terlibat, tercantum di bagian atas diagram dengan garis titik titik yang ditarik secara vertikal. Interaksi antar objek ditunjukkan dengan panah yang terhubung. Persegi panjang pada garis putus putus menunjukkan jalur lifeline dari objek yang bersangkutan. Anda membaca sequence interaksi dari atas ke bawah. Penjelasan pada tanda panah menunjukkan panggilan ke objek, parameter mereka, dan return value.

Gambar 2.6 Contoh sequence diagram (Sommerville, 2011)

Dari gambar 2.6 di atas, dapat dijelaskan bahwa :

1. Resepsionis medis memicu metode ViewInfo dalam instance P dari kelas objek PatientInfo, penyediaan identifier pasien, PID. P adalah objek antarmuka pengguna, yang ditampilkan sebagai bentuk informasi pasien.

2. Instance P memanggil database untuk mengembalikkan informasi yang dibutuhkan, penyediaan resepsionis identifier memungkinkan pemeriksaan keamanan (pada tahap ini, tidak perduli darimana UID berasal).

3. Pemeriksaan dengan sistem autorisasi kepada pengguna yang memiliki wewenang.

4. Jika diizinkan, informasi pasien dikembalikan. Jika autorisasi gagal, maka pesan kesalahan akan dikembalikan.

Diagram sequence digunakan untuk :

Overview perilaku sistem.

Menunjukan objek objek yang diperlukan.

Mendokumentasikan skenario dari diagram use case.

Memberi jalur pengaksesan.

Class Diagram

Menurut Sommerville (2011, p120), class diagram menunjukkan kelas objek dalam sistem dan asosiasi antara kelaskelas. Diagram kelas digunakan ketika mengembangkan model sistem berorientasi objek untuk menunjukkan kelaskelas dalam sistem dan hubungan antara kelaskelas tersebut. Sebuah kelas objek dapat dianggap sebagai definisi umum dari sebuah objek sistem. Sebuah asosiasi adalah link antara kelas yang mengindikasikan bahwa ada relasi antara kelas kelas tersebut. Akibatnya, masing masing kelas mungkin harus memiliki pengetahuan mengenai kelas yang berkaitan.

Ketika seorang developer sedang mengembangkan model pada tahap awal proses rekayasa perangkat lunak, objek merepresentasikan sesuatu di dunia nyata, seperti pasien, resep, dokter, dan lain lain. Sebagai sebuah implementasi yang dibangun, biasanya seorang developer harus menentukan objek implementasi tambahan yang digunakan untuk menyediakan fungsionalitas sistem yang dibutuhkan.

Kelas diagram pada UML dapat diekspresikan dengan tingkat rincian yang berbeda. Ketika seorang developer mengembangkan sebuah model, tahap pertama biasanya melihat world, mengidentifikasi objek esensial, dan merepresentasikan itu sebagai class. Cara paling sederhana penulisannya adalah mendeskripsikan nama kelas dalam sebuah kotak. Anda juga dapat mencatat adanya asosiasi dengan menggambar garis antara kelas. Sebagai contoh gambar 2.7 adalah gambar sederhana yang menampilkan dua kelas, menunjukkan adanya hubungan antar record pasien dan pasien itu sendiri.

Gambar 2.7 Asosiasi kelas sederhana (Sommerville, 2011)

Pada contoh di atas dianotasikan dengan 1, yang berarti ada hubungan 1:1 diantara objek dalam kelaskelas tersebut. Artinya, setiap pasien memiliki satu record dan setiap record menangani informasi hanya satu pasien.

Gambar 2.8 Contoh class dan asosiasi (Sommerville, 2011)

Gambar 2.8 mengembangkan jenis class diagram untuk menunjukkan bahwa objek dari kelas pasien juga terlibat dalam hubungan dengan sejumlah kelas lainnya. UML juga memungkinkan peran objek untuk berpartisipasi dalam asosiasi yang ditentukan.

Ketika menampilkan asosiasi antar kelas, akan lebih mudah untuk merepresentasikan kelas tersebut dengan sesederhana mungkin. Untuk mendefinisikan secara lebih rinci, anda menambahkan informasi mengenai atribut mereka (karateristik dari objek) dan operasi (hal yang dapat anda request dari objek). Sebagai contoh sebuah objek pasien akan memiliki atribut address dan juga mencakup operasi yang disebut change address, yang dipanggil ketika pasien menunjukkan bahwa mereka telah pindah dari satu address ke address lain. Dalam UML, anda menunjukkan atribut dan operasi dengan mengembangkan persegi panjang yang merepresentasikan kelas. Hal tersebut diilustrasikan dalam gambar 2.9 di bawah ini:

Gambar 2.9 The consultation class (Sommerville, 2011)

Pada gambar 2.9 dapat dirumuskan bahwa :

1. Nama dari class object berada di bagian atas.

2. Atribut class berada di bagian tengah. Hal tersebut harus juga menyertakan nama atribut, dan pilihan tipenya.

3. The operation (dipanggil dalam methods pada Java dan OOP lainnya), asosiasi dengan kelas objek yang letaknya di bawah persegi panjang tersebut.

Atribut dan metoda dapat memiliki salah satu sifat berikut ini :

Private, tidak dapat dipanggil dari luar class yang bersangkutan.

Protected, hanya dipanggil oleh class yang bersangkutan dan anakanak turunannya.

Public, dapat dipanggil oleh siapa saja.

Hubungan antar class :

1. Asosiasi yaitu hubungan statis antar class. Umumnya class yang menggambarkan atribut berupa class lain, atau class yang harus mengetahui eksistensi class lain. Panah menunjukan arah query antar class.

2. Agregasi yaitu hubungan yang menyatakan bagian.

3. Pewarisan, yaitu hubungan hirarki antar class. Class dapat diturunkan dari class lain dan dapat mewarisi atribut dan metode class asalnya dan dapat menambahkan fungsionalitas baru, sehingga ia disebut anak dari class yang diwarisinya.

Kebalikan dari pewarisan adalah generalisasi.

4. Hubungan dinamis, yaitu rangkaian pesan yang di-passing antara satu class kepada class lainnya. Hubungan dinamis dapat digambarkan dengan menggunakan diagram sequence.

State Diagram

Menurut Sommerville (2011, p120) state diagram menunjukkan bagaimana sistem bereaksi terhadap kejadian internal dan eksternal. UML mendukung pemodelan event based menggunakan state diagram. State diagram menunjukkan state sistem dan event yang menyebabkan transisi dari state yang satu ke state lainnya. Hal tersebut tidak menunjukkan aliran data dalam sistem, tetapi mungkin mencakup informasi tambahan pada komputasi yang dilakukan di tiap tiap state.

2.1.2 Kecerdasan Buatan

2.1.2.1 Paparan Umum Kecerdasan Buatan

Menurut Jones (2008, p1) untuk membangun perangkat lunak yang dianggap cerdas, harus dimulai dengan definisi kecerdasan. Kecerdasan secara sederhana dapat didefinisikan sebagai serangkaian properties dari pemikiran. Properti ini mencakup kemampuan untuk merencanakan, memecahkan masalah, dan pada umumnya, alasan. Definisi sederhana dapat diartikan bahwa kecerdasan adalah kemampuan untuk membuat keputusan yang tepat yang diberi serangkaian input dan berbagai tindakan yang mungkin.

Lebih detailnya, pengertian kecerdasan buatan dapat dipandang dari berbagai sudut pandang antara lain :

1. Sudut pandang kecerdasan.

Kecerdasan buatan akan membuat mesin menjadi cerdas, yaitu mampu membuat seperti apa yang dilakukan oleh manusia.

2. Sudut pandang penelitian.

Kecerdasan buatan adalah suatu studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia.

Domain yang sering dibahas oleh peneliti meliputi :

a. Mundane task

Persepsi (vision & speech)

Bahasa alami (understanding, generation & translation)

Pemikiran yang bersifat commonsense

Robot control

b. Formal task

Permainan atau games

Matematika

c. Expert task

Analisis finansial

Analisis medikal

Analisis ilmu pengetahuan

Rekayasa

3. Sudut pandang bisnis

Kecerdasan buatan adalah kumpulan peralatan yang sangat metodologis dalam menyelesaikan masalah masalah bisnis.

4. Sudut pandang pemrograman

Kecerdasan buatan meliputi studi tentang pemrograman simbolik, penyelesaian masalah dan pencarian.

Untuk melakukan aplikasi kecerdasan buatan ada dua bagian utama yang sangat dibutuhkan, yaitu :

a. Basis pengetahuan, yaitu berisi fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.

b. Motor inferensi, yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.

Beberapa karakteristik yang ada pada sistem yang menggunakan kecerdasan buatan adalah pemrogramannya yang cenderung bersifat simbolik ketimbang algoritmik, bisa mengakomodasi input yang tidak lengkap, bisa melakukan inferensi, dan adanya pemisahan antara kontrol dan pengetahuan.

Lingkup utama dalam kecerdasan buatan adalah :

1. Sistem pakar, yaitu lingkup yang digunakan untuk membuat aplikasi yang telah dikembangkan oleh penulis. Di sini komputer digunakan sebagai sarana untuk menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru keahlian yang dimiliki oleh pakar.

2. Pengolahan bahasa alami, diharapkan agar pengguna dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari hari.

3. Pengenalan ucapan, diharapkan manusia dapat berinteraksi dengan komputer menggunakan suara.

4. Robotika dan sistem sensor.

5. Computer vision, menginterpretasikan gambar atau objek tampak melalui komputer.

6. Intelligent Computer aided Instruction, yaitu komputer sebagai tutor dapat digunakan untuk melatih dan mengajar.

7. Game playing

2.1.2.2 Latar Belakang Kecerdasan Buatan

Kecerdasan buatan termasuk bidang ilmu yang relatif lebih muda. Pada tahun 1950-an para ilmuwan dan peneliti mulai memikirkan bagaimana caranya agar mesin dapat melakukan pekerjaan seperti yang bisa dikerjakan oleh manusia (Jones, 2008).

Manusia menjadi pintar dalam menyelesaikan berbagai permasalahan karena manusia memiliki pengetahuan dan pengalaman. Pengetahuan didapatkan dari proses belajar, pengalaman didapat dari perjalanan waktu dan kehidupan yang dialami oleh manusia. Semakin banyak bekal pengetahuan dan pengalaman, diharapkan manusia tersebut lebih mampu untuk menyelesaikan permasalahan yang dihadapinya (Jones, 2008).

Agar komputer bisa bertindak seperti dan sebaik manusia, maka harus dibekali dengan pengetahuan dan diberi kemampuan untuk menalar. Oleh sebab itu, artificial intelligence akan mencoba untuk membekali komputer dengan dua komponen tersebut, agar komputer menjadi mesin yang cerdas (Jones, 2008).

2.1.2.3 Tujuan Kecerdasan Buatan

Adapun tujuan dari kecerdasan buatan adalah sebagai berikut (Jones, 2008) :

1. Untuk mengembangkan metode dan sistem untuk menyelesaikan masalah. Masalah yang biasa diselesaikan melalui aktivitas intelektual manusia, contohnya pengolahan citra, perencanaan, pemahaman, meningkatkan kinerja sistem informasi yang berbasis komputer.

2. Menambah pemahaman mengenai bagaimana otak manusia bekerja.

2.1.3 Sistem Pakar

2.1.3.1 Definisi Sistem Pakar

Menurut Kusumadewi (2003), sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dipecahkan oleh seorang pakar dalam bidang tersebut. Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli. Dengan sistem pakar ini, orang awam juga dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat dilakukan dengan bantuan para ahli. Bagi para ahli, sistem pakar ini juga membantu aktivitasnya sebagai asisten yang sangat berpengalaman.

Pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah. Beberapa aktivitas pemecahan masalah yang dimaksud antara lain : pembuatan keputusan, pemaduan pengetahuan, pembuatan desain, perencanaan, perkiraan, pengaturan, pengendalian, diagnosis, perumusan, penjelasan, pemberian nasehat, dan pelatihan. Selain itu, sistem pakar juga dapat berfungsi sebagai asisten yang pandai bagi seorang pakar.

2.1.3.2 Keuntungan Sistem Pakar

Menurut Kusumadewi (2003), secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain :

1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.

2. Bisa melakukan proses secara berulang dengan automatis.

3. Menyimpan pengetahuan dengan keahlian para pakar.

4. Meningkatkan output dan produktivitas.

5. Meningkatkan kualitas.

6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).

7. Mampu beroperasi dalam lingkungan yang berbahaya.

8. Memiliki kemampuan untuk mengakses pengetahuan.

9. Memiliki reliabilitas.

10. Meningkatkan kapabilitas sistem komputer.

11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.

12. Sebagai media pelengkap dalam pelatihan.

13. Meningkatkan kapabilitas dalan penyelesaian masalah.

14. Menghemat waktu dalam pengambilan keputusan.

2.1.3.3 Kelemahan Sistem Pakar

Menurut Kusumadewi (2003), di samping memiliki beberapa kelebihan, sistem pakar juga memiliki kelemahan, antara lain sebagai berikut :

1. Biaya yang dibutuhkan untuk membuat dan memeliharanya sangat mahal.

2. Sulit dikembangkan, hal ini berkaitan dengan ketersediaan pakar di bidangnya.

3. Sistem pakar tidak 100% bernilai benar.

2.1.3.4 Konsep Dasar Sistem Pakar

Menurut Kusumadewi (2003), konsep dasar sistem pakar mengandung : keahlian, ahli, pengalihan, inferensi, aturan dan dan kemampuan menjelaskan.

Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca, atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian adalah :

Fakta pada lingkup permasalahan tertentu.

Teori pada lingkup permasalahan tertentu.

Prosedur dan aturan yang berkenaan dengan lingkup permasalahan tertentu.

Strategi global untuk menyelesaikan masalah.

Meta knowledge (pengetahuan tentang pengetahuan).

Bentuk ini memungkinkan para ahli untuk dapat mengambil keputusan lebih cepat dan lebih baik daripada seorang yang bukan ahli.

Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal hal seputar topik permasalahan (domain), menyusun kembali pengetahuan jika dipandang perlu, memecah aturan aturan jika dibutuhkan, dan menentukan relevan atau tidaknya keahlian mereka.

Pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli, merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan empat aktivitas, yaitu :

Tambahan pengetahuan (dari para ahli atau sumber lainnya).

Representasi pengetahuan (ke komputer).

Inferensi pengetahuan.

Pengalihan pengetahuan ke pengguna.

Ada dua tipe pengetahuan, yaitu fakta dan prosedur (biasanya berupa aturan).

Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar. Jika keahlian keahlian sudah disimpan sebagai basis pengetahuan dan sudah tersedia program yang mampu mengakses basis data, maka komputer harus dapat diprogram untuk membuat inferensi. Proses inferensi ini dikemas dalam bentuk motor inferensi (inference engine).

Sebagian sistem pakar komerial dibentuk dalam rule based system, yang mana pengetahuan disimpan dalam bentuk aturan aturan. Aturan tersebut biasanya berbentuk IF THEN.

Fitur lainnya dari sistem pakar adalah kemampuan untuk merekomendasi. Kemampuan itulah yang membedakan antara sistem pakar dengan sistem konvensional.

Tabel 2.2 Perbedaan sistem konvensional dan sistem pakar

Sistem Konvensional

Sistem Pakar

Informasi dan pemrosesan biasanya menjadi satu dengan program

Basis pengetahuan merupakan bagian terpisah dari mekanisme inferensi

Biasanya tidak dapat menjeleskan mengapa suatu input data itu dibutuhkan, atau bagaimana output itu diperoleh

Penjelasan adalah bagian terpenting dari sistem pakar

Pengubahan program cukup sulit dan membosankan

Pengubahan aturan dapat dilakukan dengan mudah

Sistem hanya akan beroperasi jika sistem tersebut sudah lengkap

Sistem dapat beroperasi hanya dengan beberapa aturan

Eksekusi dilakukan langkah demi langkah

Eksekusi dilakukan pada keseluruhan basis pengetahuan

Menggunakan data

Menggunakan pengetahuan

Tujuan utamanya adalah efisiensi

Tujuan utamanya adalah efektivitas

2.1.3.5 Basis Pengetahuan

Menurut Kusumadewi (2003), basis pengetahuan berisi pengetahuan pengetahuan dalam penyelesaian masalah, tentu saja di dalam domain tertentu. Ada dua bentuk pendekatan basis pengetahuan yang sangat umum digunakan, yaitu :

1. Penalaran berbasis aturan (Rule Based Reasoning)

Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentuk : IF THEN. Bentuk ini digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan si pakar dapat menyelesaikan masalah tersebut secara berurutan. Di samping itu, bentuk ini juga digunakan apabila dibutuhkan penjelasan tentang jejak (langkah - langkah) pencapaian solusi.

2. Penalaran berbasis kasus (CaseBased Reasoning)

Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusisolusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan apabila pengguna menginginkan untuk mengetahui lebih banyak lagi pada kasuskasus yang hampir sama. Selain itu, bentuk ini juga digunakan apabila kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan.

2.1.3.6 Permasalahan Yang Disentuh Oleh Sistem Pakar

Menurut Kusumadewi (2003), ada beberapa masalah yang menjadi area luas aplikasi sistem pakar, antara lain:

1. Interpretasi. Pengambilan keputusan dari hasil observasi, termasuk diantaranya: pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasan.

2. Prediksi. Termasuk diantaranya : peramalan, prediksi demografis, peramalan ekonomi, prediksi lalu lintas, estimasi hasil, militer, pemasaran, atau peramalan keuangan.

3. Diagnosis. Termasuk diantaranya : medis, elektronis, mekanis, dan diagnosis perangkat lunak.

4. Perancangan. Termasuk diantaranya : layout sirkuit dan perancangan bangunan.

5. Perencanaan. Termasuk diantaranya : perencanaan keuangan, komunikasi, militer, pengembangan produk, routing, dan manajemen proyek.

6. Monitoring. Contohnya : ComputerAided Monitoring Systems.

7. Debugging, memberikan resep obat terhadap suatu kegagalan.

8. Perbaikan.

9. Instruksi. Melakukan instruksi untuk diagnosis, debugging, dan perbaikan kinerja.

10. Kontrol. Melakukan kontrol terhadap interpretasi, prediksi, perbaikan, dan monitoring kelakuan sistem.

2.2 Teori Teori Khusus

2.2.1 Fuzzy Logic

Menurut Jones (2008, p410) logika fuzzy adalah cara yang ideal untuk mengambil konsep analog dari dunia nyata dan dikelola dalam dunia diskrit dari sistem komputer.

Fuzzy logic diciptakan oleh Lotfi Zadeh dari Universitas California di Barkeley pada tahun 1965. Waktu itu, metode tersebut sangat kontoversial. Tetapi ternyata dapat diadopsi dengan sukses di Jepang dengan berbagai jenis aplikasi. Adopsi di Amerika serikat jauh lebih lambat, tetapi aplikasi telah tumbuh dengan metode ini. Hal tersebut disebabkan karena, fuzzy logic dapat diimplementasikan dalam low cost dan low-end microprocessors (Jones, 2008, p410).

Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Sebagai contoh :

Manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manajer produksi akan menetapkan jumlah barang yang harus diproduksi esok hari.

Pelayan restoran memberikan pelayanan terhadap tamu, kemudian tamu akan memberikan tip atas baik atau tidaknya pelayanan yang diberikan.

Anda mengatakan pada saya seberapa sejuk ruangan yang anda inginkan, saya akan mengatur putaran kipas yang ada pada ruangan ini.

Penumpang taksi berkata pada sopir taksi seberapa cepat laju kendaraan yang diinginkan, sopir taksi akan mengatur pijakan gas taksinya.

Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain :

1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.

2. Logika fuzzy sangat fleksibel.

3. Logika fuzzy memiliki toleransi terhadap data data yang tidak tepat.

4. Logika fuzzy mampu memodelkan fungsi fungsi non linier yang sangat kompleks.

5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman pengalaman para pakar secara langsung, tanpa harus melalui proses pelatihan.

6. Logika fuzzy dapat bekerja sama dengan teknik teknik kendali secara konvensional.

7. Logika fuzzy didasarkan pada bahasa alami.

Menurut pakar penemu FL yaitu Zadeh, fuzzy logic (FL) terdiri dari empat bidang utama. Pertama adalah di bidang logika FL, yaitu logika perkiraan pendekatan. Kedua adalah di bidang teoritis set (FLs), yaitu mengenai klasifikasi tapal batas tak jelas (fuzzy sets). Ketiga adalah di bidang relasi (FLr) mengenai variable linguistic, yaitu aturan fuzzy bila maka, yang mendasari seluruh aplikasi fuzzy logic dalam mengontrol membuat analisa dalam pengambilan keputusan, sistem perindustrian, dan produk konsumen. Keempat adalah di bidang epistemic (FLe), yaitu mengenai pengetahuan, arti, dan linguistik.

Sistem database digunakan sebagai penyimpan sumber informasi yang ada dan nyata. Fuzzy logic digunakan untuk mencari di dalam database sehingga dapat mengevaluasi. Aplikasi ini digunakan untuk mengambil keputusan dan mengontrol, seperti contohnya penggunaannya di perusahaan asuransi (Molnar & Bezdek, 2011).

Fuzzy logic (FL) merupakan suatu definisi keanggotaan di dalam set. Keanggotaan ini didefinisikan sebagai angka fungsi keanggotaan (A). Fuzzy set dari keanggotaan didefinisikan sebagai hubungan dan/ atau. Contoh keanggotaan golongan usia menengah menggunakan matematik klasik dengan nilai angka numerik untuk 40 60 adalah A = 1, sedangkan yang bukan anggota dengan A = 0. Hal ini diperlihatkan pada gambar 2.10 (Molnar & Bezdek, 2011).

Usia menengah

1

A

0___________________________________ x

0 20 40 60 80 100

Usia

Gambar 2.10 Usia menengah menggunakan matematik klasik

(Molnar Z., Bezdek V., 2011)

Bentuk fungsi kurva keanggotaan fuzzy logic adalah bervariasi. Fungsi keanggotaan fuzzy yang berbentuk kurva segitiga dapat dilihat pada gambar 2.11 di bawah ini. Pada gambar 2.11 ini terlihat bahwa pada usia 50, nilai keanggotaan A adalah 1. Sedangkan pada usia antara 50 sampai 65, dan antara usia 30 sampai 50, keanggotaan A mengikuti fungsi fuzzy, dimana nilainya bervariasi. Dapat dikatakan bahwa pada usia 65, nilai keanggotaannya lebih kecil dari usia 60, dan bahkan lebih kecil lagi dari usia 55 (Molnar & Bezdek, 2011).

Usia menengah

1

A

0_________________________________________ x

020406080100

Usia

Gambar 2.11 Usia menengah menggunakan fuzzy logic

(Molnar Z., Bezdek V, 2011)

Pada umumnya ada empat bentuk fungsi kurva dari keanggotaan, yaitu berbentuk kurva segitiga, kurva S, kurva Z, dan kurva Pi. Gambar 2.12 memperlihatkan fungsi keanggotaan berbentuk kurva Z. Gambar 2.13 memperlihatkan fungsi keanggotaan berbentuk kurva Pi.

fungsi Z

1

A

_____________________ x

0 1030 40

Gambar 2.12 Fungsi keanggotaan berbentuk kurva Z (Molnar Z., Bezdek V., 2011)

1

fungsi Pi

A

_____________________ x

020406080

Gambar 2.13 Fungsi keanggotaan berbentuk kurva Pi

(Molnar Z., Bezdek V., 2011)

2.2.2 Fuzzy Inference System

Menurut Mathworks (2012), Sebuah fuzzy inference system (FIS) pada dasarnya merupakan proses dalam merumuskan pemetaan suatu data input menjadi data output yang menggunakan aturan fuzzy. Sebagai contoh proses fuzzy inference menggunakan dua data input dan tiga aturan. Struktur diagramnya dapat dilihat pada gambar 2.14 sebagai berikut:

Dinner for two

2 input, 1 output, 3 rule system

Rule 1

If service is poor or food is

Input 1

rancid, than tip is cheap

Service 0-10

Rule 2

If service is good

Output

than tip is average

tip 5-25

Input 2

Food 0-10

Rule 3

If service is excellent or food is

delicious, than tip is generous

the input are crisp all rules are

the result of the the result is a

(non fuzzy)

evaluated in parallelrules are combinedcrisp (non

Numbers limited to using fuzzy

and distilled

fuzzy)

Specific range

reasoning

(defuzzyfied)

number

Gambar 2.14 Block Diagram suatu fuzzy inference system (Mathworks, 2012)

2.2.3 Fuzzifikasi

Pada bagian ini kita akan membahas proses inferensi fuzzy yang biasa disebut metoda Sugeno, atau Takagi-Sugeno-Kang.

Diperkenalkan pada tahun 1985, metoda Sugeno ini mirip dengan metoda Mamdani dalam banyak hal. Kedua metoda ini persis sama pada bagian proses inferensi fuzzy, yaitu fuzzifying dan penerapan operator fuzzy (Kusumadewi, 2010).

Perbedaan utama antara metoda Mamdani dan Sugeno adalah bahwa keluaran fungsi keanggotaan Sugeno adalah linier atau konstan (Kusumadewi, 2010).

Secara umum bentuk model fuzzy Sugeno Orde-Nol adalah :

IF (X1 is A1) o (X2 is A2) o (X3 is A3)oo(XN is AN) THEN Z=K

Dengan Ai adalah himpunan fuzzy ke-I sebagai anteseden, dan k adalah suatu konstanta (tegas) sebagai konsekuen (Kusumadewi, 2010).

Berikut ini adalah contoh dari pembentukan fungsi keanggotaan dan pembentukan aturan fuzzy dengan fuzzifikasi metoda Sugeno menurut Kusumadewi (2010).

Pembentukan Fungsi keanggotaan

Gambar 2.15 Fungsi Keanggotaan Himpunan-himpunan Fuzzy

dengan Variabel Suhu (Kusumadewi, 2010).

Gambar di atas menunjukkan contoh fungsi keanggotaan pada variabel suhu (S). Data yang dimiliki adalah 22C, 26C dan 32C, dengan demikian variabel ini bisa dibagi menjadi 3 himpunan fuzzy, yaitu RENDAH, NORMAL, dan TINGGI.

Pada himpunan fuzzy rendah memiliki domain [18,26], dengan derajat keanggotaan RENDAH tertinggi (=1) terletak pada nilai 22. Apabila suhu semakin kurang dari 22C, maka kondisi suhu sudah semakin mendekati SANGAT RENDAH, dan keluar dari semesta pembicaraan dari data penelitian. Namun apabila suhu semakin melebihi 22C, maka kondisi suhu sudah semakin mendekati NORMAL (Kusumadewi, 2010).

Himpunan fuzzy NORMAL akan memiliki domain [22,32], dengan derajat keanggotaan NORMAL tertinggi (=1) terletak pada nilai 26. Apabila suhu semakin kurang dari 26C dan mendekati 22C, maka kondisi suhu sudah semakin RENDAH, sehingga derajat keanggotaannya pada himpunan NORMAL akan semakin berkurang sedangkan derajat keangotaannya pada himpunan RENDAH akan semakin bertambah (Kusumadewi, 2010).

Himpunan fuzzy TINGGI akan memiliki domain [26,38], dengan derajat keanggotaan NORMAL tertinggi (=1) terletak pada nilai 32. Apabila suhu semakin kurang dari 32C dan mendekati 26C, maka kondisi suhu sudah semakin NORMAL, sehingga derajat keanggotaannya pada himpunan TINGGI akan semakin berkurang sedangkan derajat keangotaannya pada himpunan NORMAL akan semakin bertambah. Namun apabila suhu semakin melebihi 32C, maka kondisi suhu sudah semakin mendekati SANGAT TINGGI dan keluar dari pembicaraan data penelitian (Kusumadewi, 2010).

Gambar 2.16 Fungsi Keanggotaan Himpunan-himpunan Fuzzy

dengan Variabel Kebisingan (Kusumadewi, 2010).

Pada variabel kebisingan (G), data yang dimiliki adalah 55db, 75db, dan 90db. Dengan demikian pada variabel ini bisa dibagi menjadi 3 himpunan fuzzy, yaitu TENANG, AGAK BISING, dan BISING (Kusumadewi, 2010).

Pada himpunan fuzzy TENANG memiliki domain [35,75], dengan derajat keanggotaan TENANG tertinggi (=1) terletak pada nilai 55.

Pada himpunan fuzzy AGAKBISING memiliki domain [55,90], dengan derajat keanggotaan AGAKBISING tertinggi (=1) terletak pada nilai 75.

Pada himpunan fuzzy BISING memiliki domain [75,105], dengan derajat keanggotaan BISING tertinggi (=1) terletak pada nilai 90 (Kusumadewi, 2010).

Gambar 2.17 Fungsi Keanggotaan Himpunan-himpunan Fuzzy

dengan Variabel Pencahayaan (Kusumadewi, 2010).

Pada variabel pencahayaan (C), data yang dimiliki adalah 150 lux, 300 lux, dan 500 lux. Dengan demikian pada variabel ini bisa dibagi menjadi 3 himpunan fuzzy, yaitu REDUP, AGAK TERANG, dan TERANG (Kusumadewi, 2010).

Himpunan fuzzy REDUP akan memiliki domain [0, 300], dengan derajat keanggotaan TENANG tertinggi (=1) terletak pada nilai 150.

Pada himpunan fuzzy AGAK TERANG memiliki domain [150, 500], dengan derajat keanggotaan AGAK TERANG tertinggi (=1) terletak pada nilai 300 (Kusumadewi, 2010).

Pada himpunan fuzzy TERANG memiliki domain [300, 700], dengan derajat keanggotaan TERANG tertinggi (=1) terletak pada nilai 500 (Kusumadewi, 2010).

Pembentukan aturan fuzzy

Dari fungsi keanggotaan yang ada, aturan fuzzy yang didapat ada 27 aturan, dengan catatan bahwa setiap aturan yang dibentuk menyertakan semua variabel. Metoda inferensi fuzzy yang akan digunakan adalah metoda Sugeno orde-0. Pada metoda ini, anteseden direpresentasikan dengan proposisi dalam himpunan fuzzy, sedangkan konsekuen direpresentasikan dengan sebuah konstanta.

Ke-27 aturan tersebut adalah:

Rule 1 : IF Suhu RENDAH and Kebisingan TENANG and Pencahayaan REDUP THEN Rata-Rata Jumlah Produk = 148;

Rule 2 : IF Suhu RENDAH and Kebisingan TENANG and Pencahayaan AGAK TERANG THEN Rata-Rata Jumlah Produk = 150,9;

Rule 3 : IF Suhu RENDAH and Kebisingan TENANG and Pencahayaan TERANG THEN Rata-Rata Jumlah Produk = 146,5;

Rule 4 : IF Suhu RENDAH and Kebisingan AGAK BISING and Pencahayaan REDUP THEN Rata-Rata Jumlah Produk = 143,1;

Rule 5 : IF Suhu RENDAH and Kebisingan AGAK BISING and Pencahayaan AGAK TERANG THEN Rata-Rata Jumlah Produk = 146,53;

Rule 6 : IF Suhu RENDAH and Kebisingan AGAK BISING and Pencahayaan TERANG THEN Rata-Rata Jumlah Produk = 142,73;

Rule 7 : IF Suhu RENDAH and Kebisingan BISING and Pencahayaan REDUP THEN Rata-Rata Jumlah Produk = 136,73;

Rule 8 : IF Suhu RENDAH and Kebisingan BISING and Pencahayaan AGAK TERANG THEN Rata-Rata Jumlah Produk = 140,77;

Rule 9 : IF Suhu RENDAH and Kebisingan BISING and Pencahayaan TERANG THEN Rata-Rata Jumlah Produk = 135,97;

Rule 10 : IF Suhu NORMAL and Kebisingan TENANG and Pencahayaan REDUP THEN Rata-Rata Jumlah Produk = 149,73;

Rule 11 : IF Suhu NORMAL and Kebisingan TENANG and Pencahayaan AGAK TERANG THEN Rata-Rata Jumlah Produk = 153,27;

Rule 12 : IF Suhu NORMAL and Kebisingan TENANG and Pencahayaan TERANG THEN Rata-Rata Jumlah Produk = 152,13;

Rule 13 : IF Suhu NORMAL and Kebisingan AGAK BISING and Pencahayaan REDUP THEN Rata-Rata Jumlah Produk = 148;

Rule 14 : IF Suhu NORMAL and Kebisingan AGAK BISING and Pencahayaan AGAK TERANG THEN Rata-Rata Jumlah Produk = 150,63;

Rule 15 : IF Suhu NORMAL and Kebisingan AGAK BISING and Pencahayaan TERANG THEN Rata-Rata Jumlah Produk = 147,63;

Rule 16 : IF Suhu NORMAL and Kebisingan BISING and Pencahayaan REDUP THEN Rata-Rata Jumlah Produk = 141,47;

Rule 17 : IF Suhu NORMAL and Kebisingan BISING and Pencahayaan agak TERANG THEN Rata-Rata Jumlah Produk = 145,67;

Rule 18 : IF Suhu NORMAL and Kebisingan BISING and Pencahayaan TERANG THEN Rata-Rata Jumlah Produk = 140,2;

Rule 19 : IF Suhu TINGGI and Kebisingan TENANG and Pencahayaan REDUP THEN Rata-Rata Jumlah Produk = 142,10;

Rule 20 : IF Suhu TINGGI and Kebisingan TENANG and Pencahayaan AGAK TERANG THEN Rata-Rata Jumlah Produk = 146,53;

Rule 21 : IF Suhu TINGGI and Kebisingan TENANG and Pencahayaan TERANG THEN Rata-Rata Jumlah Produk = 142,17;

Rule 22 : IF Suhu TINGGI and Kebisingan AGAK BISING and Pencahayaan REDUP THEN Rata-Rata Jumlah Produk = 138,7;

Rule 23 : IF Suhu TINGGI and Kebisingan AGAK BISING and Pencahayaan AGAK TERANG THEN Rata-Rata Jumlah Produk = 141,4;

Rule 24 : IF Suhu TINGGI and Kebisingan AGAK BISING and Pencahayaan TERANG THEN Rata-Rata Jumlah Produk = 138,3;

Rule 25 : IF Suhu TINGGI and Kebisingan BISING and Pencahayaan REDUP THEN Rata-Rata Jumlah Produk = 133,33;

Rule 26 : IF Suhu TINGGI and Kebisingan BISING and Pencahayaan AGAK TERANG THEN Rata-Rata Jumlah Produk = 138,33;

Rule 27 : IF Suhu TINGGI and Kebisingan BISING and Pencahayaan TERANG THEN Rata-Rata Jumlah Produk = 133,77.

2.2.4Defuzzifikasi

Defuzzifikasi adalah memetakan besaran yang berupa himpunan fuzzy menjadi titik crisp. Defuzzifikasi dibutuhkan dalam penerapan sistem fuzzy karena yang digunakan dalam aplikasi adalah besaran crisp. Beberapa metode defuzzifikasi menurut Ross (2010, p99) :

Prinsip keanggotaan maksimum

Metoda ini, juga diketahui sebagai metoda tinggi, skemanya dibatasi untuk fungsi output yang memuncak.

Gambar 2.18 Metoda defuzzifikasi keanggotaan maksimum

(Ross, 2010, p99)

Metoda centroid

Metoda ini disebut juga center of area atau center of gravity, paling umum digunakan dan secara fisik paling menarik dari semua metode defuzzifikasi (Ross, 2010).

Gambar 2.19 Metoda centroid (Ross, 2010, p100)

Metoda average weighted

Metoda average weighted adalah yang paling sering digunakan dalam aplikasi fuzzy, karena merupakan salah satu metoda dengan komputasi paling efisien. Sayangnya, biasanya dibatasi oleh fungsi keanggotaan output simetris (Ross, 2010).

Keanggotaan mean max

Metoda ini juga disebut middle of maxima, berkaitan erat untuk metoda yang pertama, kecuali lokasi keanggotaan maksimum bisa nonunique, contoh adalah keanggotaan maksimum bisa menjadi plateau daripada sebuah single point (Ross, 2010).

2.2.5Fuzzy Logic Di Bidang Asuransi Properti

Menurut Molnar dan Bezdek (2011), perancangan dan pembagian untuk memperkecil interval pada model fuzzy logic terdiri dari tiga tahap proses, yaitu fuzzification, fuzzy interference dan defussification. Tahapan proses ini dapat dilihat pada gambar 2.20 :

Gambar 2.20 Penyelesaian Masalah dengan Fuzzy Logic

(Molnar & Bezdek, 2011)

Tahap pertama perancangan model fuzzy logic adalah proses fuzzification. Pada proses ini variabel nyata diubah menjadi variabel linguistik. Variabel linguistik adalah variabel yang berupa kata kata atau kalimat yang pembagiannya diperkecil. Sebagai contoh variabel linguistik dinilai dengan rendah, tinggi, dan sebagainya (Molnar & Bezdek, 2011).

Contoh kasus adalah tingkat resiko dalam asuransi yang digambarkan sebagai nilai numerik yang berkisar di dalam interval (0, 100%). Setiap variable linguistik dapat diinterpretasikan sebagai nilai fuzzy subset dari himpunan X = (0, 100%), yang variabel dasarnya (x) adalah kapasitas resiko bernilai numerik. Gambar 2.21 memperlihatkan fungsi keanggotaan (MF), yaitu hubungan tinggi(x) dengan x, yang berbentuk kurva S. Kurva ini menunjukkan gradasi dari keanggotaan yang berkisar diantara nol dan satu (Shapiro, 2004).

rendah fuzzy tinggi

1

tinggi(x)

x

0 10 20 30 40 50 60 70 80 90 100

Tingkat resiko dalam %

Gambar 2.21 Fuzzy set pelanggan dengan tingkat resiko tinggi

(Shapiro, 2004)

Pada gambar 2.21 terlihat pelangan individu dengan tingkat resiko tinggi. Pada resiko sebesar 50% atau kurang pelanggan digolongkan sebagai keanggotaan tingkat nol, sedangkan pelanggan dengan tingkat resiko 80% atau lebih digolongkan sebagai keanggotaan dengan tingkat satu. Antara kapasitas ini (50%, 80%), tingkat keanggotaannya adalah fuzzy (Shapiro, 2004).

Tahap ke dua perancangan model fuzzy logic adalah proses fuzzy interference. Pada proses ini sistem didefinisikan dalam aturan seperti bila, maka, yang digunakan untuk mengolah variabel input (Molnar & Bezdek, 2011).

Tahap ke tiga perancangan model fuzzy logic adalah proses defuzzification. Pada proses ini hasil akan ditransfer dari fuzzy interference menjadi variabel output yang dideskripsikan secara verbal (misalnya ada atau tidak ada resiko) (Molnar & Bezdek, 2011).

2.2.6 Teori Asuransi

Dalam merumuskan diterima atau tidaknya suatu resiko suatu properti untuk diasuransikan, seringkali persepsi resiko ditentukan berdasarkan faktor psikologi dan emosi. Hal ini langsung berakibat pada keuntungan dan kerugian perusahaan yang diukur dengan satuan uang. Penentuan resiko secara ini berbahaya bagi underwriter yang kurang pengalaman (Kunreuther, 2002).

Seluruh faktor resiko harus dipertimbangkan dan dicatat dalam mengidentifikasikan resiko, tidak peduli meskipun pada kenyataannya beberapa sudah diketahui dan dikontrol oleh suatu organisasi. Resiko dapat digolongkan berdasarkan asalnya, aktifitas dan kejadian, dampaknya, alasan timbulnya, mekanisma pelindungan dan kontrol, waktu dan tempat kejadiannya (Enisa, 2005 2012).

Menurut Enisa (2005 2012), informasi internal dan external mengenai suatu properti sangat penting dalam mengidentifikasi resiko. Data historis tentang properti yang serupa (dari perusahaan atau bukan) juga dapat membantu dalam mengidentifikasi suatu resiko, sehingga hasil prediksi dapat lebih tepat. Identifikasi resiko yang belum dan akan terjadi seringkali sulit, sehingga perlu dipelajari penyebab dan skenario yang mungkin terjadi. Metoda yang digunakan dalam mengidentifikasi suatu resiko adalah:

1. Pemikiran team berdasarkan pengalamannya.

2. Teknik struktur seperti contohnya aliran diagram, review sistem, bahaya dan kemudahan operasi.

3. Situasi didefinisikan sejelasnya, seperti identifikasi stratefi resiko, proses, menggunakan apa bila dan analisa skenarionya.

Analisa resiko merupakan suatu fase dalam menentukan tingkat resiko. Informasi ini merupakan input awal bagi pengambil keputusan dalam menentukan apakah resiko perlu diolah atau tidak, hal ini meliputi (Enisa, 2005 2012):

1. Penentuan sumber resiko

2. Konsekuensi positif dan negatifnya

3. Konsekuensi yang akan terjadi dan faktor yang menyebabkannya.

4. Analisa kontrol dan proses untuk mengurangi resiko negatif dan menambah resiko positif.

Tingkat resiko didapatkan dari data statistik pada masa lampau. Bila data tidak tersedia perkiraan tingkat resiko didapatkan dari diskusi dengan para ahli atau pakar. Informasi tersebut berasal dari (Enisa, 2005 2012) :

1. Pengalaman atau data dan laporan yang ada

2. Reliable practices, seperti standard dan petunjuk internasional

3. Penelitian dan analisa pasar

4. Percobaan dan prototip

5. Model ekonomi, teknologi dan lainnya

6. Saran pakar dan para ahli.

Analisa resiko dapat dilakukan secara kualitatif, semi kualitatif, kuantitatif dan kombinasinya

Dalam bisnis asuransi, kompensasi nilai kapital atau kelebihannya harus dapat dikembalikan dalam jumlah yang cukup. Landasan yang perlu untuk memenuhi kebutuhan ini adalah penentuan harga premi yang cukup, dan dapat menutupi biaya produk (dalam bentuk kerugian dan pengeluaran), serta mendapatkan profit margin bagi kebutuhan kapital dalam menjalankan bisnis (Henwood & Breipohl, 2002).

Biaya produk merupakan premi murni (yang berupa biaya claim) ditambah dengan pengeluaran. Hal ini dapat dirumuskan sebagai berikut (Henwood & Breipohl, 2002):

Premi yang dibutuhkan = Premi murni + Pengeluaran + Keuntungan

Stewart Myers dan Richard Cohn mengembangkan model profit margin yang didasarkan pada cash flow. Perumusan dari model Myers Cohn didasarkan pada kesetimbangan, dimana asset sama dengan nilai pasar asset, dan ditingkatkan dengan pertambahan premi. Nilai premi harus setimbang untuk pemilik perusahaan asuransi dan pemilik perusahaan yang diasuransikan. Pemilik perusahaan yang akan diasuransikan membayar sejumlah biaya untuk kerugian, pengeluaran dan pajak untuk mengkompensasikan resiko (Henwood & Breipohl, 2002).

PV(P) = PV(L)

+ PV(UWPT)

+ PV(IBT)

dimana:

PV(P)

=nilai masa kini (present value) dari premi

PV(L)

= nilai masa kini (present value) dari pengeluaran, kerugian

PV(UWPT) = nilai masa kini (present value) dari pajak keuntungan underwriting

PV(IBT)=nilai masa kini (present value) dari pendapatan investasi

Pada system yang kompleks, dimana jumlah kapital cukup banyak, pendekatan model Myers Cohn kurang efektif untuk menyelesaikan masalah, karena banyak faktor-faktor lain yang perlu diperhatikan selain laju pertambahan nilai (Henwood & Breipohl, 2002). Di dunia nyata pernyataan deskripsi model yang ada banyak menyimpang. Seringkali masalah yang ada tidak dapat ditentukan dengan jelas, sehingga deskripsi ini menghasilkan banyak kesalahan akibat kenyataan yang ada di lingkungan karena kompleksnya sistem. Pada kenyataannya, dunia nyata terdiri dari sejumlah data kualitatif yang tidak sesuai dengan binary boundaries dari sistem konvensional matematika klasik yang terdiri dari nilai numerik 0 dan 1 saja. Sehingga kesimpulan tidak mungkin ditarik secara gamblang tanpa memperhatikan data-data kualitatif yang diabaikan (Molnar & Bezdek, 2011).

2.2.6.1 Faktor Dan Komponen Yang Mempengaruhi Tingkat Resiko Asuransi

Menurut General Insurance (2011), kerugian yang timbul di bidang asuransi properti disebabkan karena pengeluaran biaya terhadap kerusakan yang ditimbulkan oleh faktor kebakaran serta kerusuhan, dan banjir. Jaminan pokok asuransi kebakaran adalah kerusakan atau kerugian karena kebakaran, petir, ledakan, kejatuhan pesawat terbang dan asap. Terkadang ini disebut FLEXAS (Fire, Lightning, Explosion, impact of Aircraft and Smoke). Asuransi kerusuhan adalah tambahan jaminan yang biasanya melekat pada jenis asuransi kebakaran.

Kebakaran menjamin kebakaran baik yang disebabkan oleh hubungan arus pendek atau korsleting listrik, menjalarnya api atau panas yang timbul sendiri, atau karena menjalarnya api dari kebakaran benda lain, rumah tetangga, kebakaran pohon, dll.. Bisa juga kebakaran karena kelalaian atau kekurang hati-hatian, karena kompor meledak, kebocoran gas, atau karena punting rokok. Kerusakan yang ditimbulkan akibat usaha pemadam kebakaran juga dijamin. Sambaran petir juga dapat menimbulkan kebakaran atau kerusakan pada peralatan elektronik dan lainnya. Ledakan dari bejana boiler, ketel uap dan sejenisnya juga menimbulkan kebakaran. Kejatuhan pesawat terbang juga dapat berakibat fatal dan menimbulkan kerusakan dan kerugian harta benda. Kerusakan yang disebabkan oleh asap karena kebakaran juga dijamin dalam asuransi kebakaran (General Insurance, 2011).

2.2.6.2 Analisis Risiko Kebakaran

Berdasarkan Peraturan Menteri Pekerjaan Umum (2009) tentang pedoman teknis managemen proteksi kebakaran di perkotaan, perencanaan sistem proteksi kebakaran di perkotaan didasarkan kepada penentuan wilayah managemen kebakaran (WMK). Perencanaan harus dimulai dengan evaluasi terhadap tingkat risiko kebakaran dalam suatu WMK oleh instansi kebakaran setempat. Unsur utama yang penting dalam perencanaan ini adalah penentuan penyediaan air untuk pemadaman kebakaran di setiap WMK.

Menurut Peraturan Menteri Pekerjaan Umum (2009), jumlah kebutuhan air minimum tanpa faktor risiko bangunan gedung berdekatan (exposure) dinyatakan dengan rumus:

Pasokan Air Minimum =(V/ ARK) xAKK

dimana:

V

=volume total bangunan dalam (m3)

ARK

=angka klasifikasi risiko kebakaran

AKK

=angka klasifikasi konstruksi bangunan gedung

Menurut Peraturan Menteri Pekerjaan Umum (2009), jumlah kebutuhan air minimum dengan memperhitungkan faktor risiko bangunan gedung berdekatan (exposure) dinyatakan dengan rumus:

Pasokan Air Minimum =(V/ ARK) xAKKxFB

dimana:

V

=volume total bangunan dalam (m3)

ARK

=angka klasifikasi risiko kebakaran

AKK

=angka klasifikasi konstruksi bangunan gedung

FB

=faktor bahaya dari bangunan berdekatan sebesar 1,5 kali

Angka klasifikasi risiko kebakaran ditentukan dari survey bangunan gedung yang meliputi klasifikasi bahaya kebakaran (data historis klasifikasi risiko kebakaran), klasifikasi konstruksi bangunan gedung, dimensi atau ukuran bangunan (ukuran horisontal dan vertical), serta bahaya dari bangunan yang berdekatan (exposure) bila ada (Peraturan Menteri Pekerjaan Umum, 2009).

Instansi pemadam kebakaran (IPK) setempat harus membuat dan memperbaharui secara berkala pasokan air di setiap WMK. Pasokan air harus berkualitas, dipelihara, dan dapat diakses sepanjang tahun. Otoritas berwenang dan/atau instansi pemadam kebakaran (IPK) setempat berdasarkan hasil survey harus menentukan angka klasifikasi risiko kebakaran. Angka klasifikasi risiko kebakaran berkisar dari skala 3 sampai 7. Bila terdapat lebih dari satu jenis peruntukan/ hunian dalam sebuah bangunan gedung, maka untuk seluruh bangunan gedung harus digunakan angka klasifikasi risiko kebakaran untuk peruntukan/ hunian yang paling berbahaya (Peraturan Menteri Pekerjaan Umum, 2009).

Angka klasifikasi risiko kebakaran 3 diperuntukkan untuk hunian dengan bahaya kebakaran sangat tinggi. Apabila bangunan yang berdekatan (exposure) termasuk klasifikasi risiko kebakaran 3, maka harus dipandang sebagai faktor bahaya bangunan gedung yang berdekatan (exposure) jika jaraknya 15 m atau kurang, tanpa melihat luasnya (Peraturan Menteri Pekerjaan Umum, 2009).

Angka klasifikasi risiko kebakaran 4 diperuntukkan untuk hunian dengan risiko kebakaran tinggi. Apabila bangunan yang berdekatan (exposure) termasuk klasifikasi risiko kebakaran 4, maka harus dipandang sebagai faktor bahaya bangunan gedung yang berdekatan (exposure) jika jaraknya 15 m atau kurang, tanpa melihat luasnya (Peraturan Menteri Pekerjaan Umum, 2009).

Angka klasifikasi risiko kebakaran 5 diperuntukkan untuk hunian dengan risiko kebakaran sedang, dimana kuantitas atau kandungan bahan mudah terbakar sedang dan penyimpanan bahan mudah terbakar tidak melebihi ketinggian 3,7 m (Peraturan Menteri Pekerjaan Umum, 2009).

Angka klasifikasi risiko kebakaran 6 diperuntukkan untuk hunian dengan risiko kebakaran rendah, dimana kuantitas atau kandungan bahan mudah terbakar relatif rendah (Peraturan Menteri Pekerjaan Umum, 2009).

Angka klasifikasi risiko kebakaran 7 diperuntukkan untuk hunian dengan risiko kebakaran ringan, dimana kuantitas atau kandungan bahan mudah terbakar relatif ringan (Peraturan Menteri Pekerjaan Umum, 2009).

2.2.6.3 Jenis Bahan Konstuksi Ditinjau Dari Daya Tahan Api.

Menurut Peraturan Menteri Pekerjaan Umum (2009), klasifikasi konstruksi bangunan gedung digolongkan sebagai berikut:

1. Klasifikasi konstruksi bangunan gedung tipe I (konstruksi tahan api). Bangunan gedung yang dibuat dengan bahan tahan api (beton, bata dan lain-lain dengan bahan logam yang dilindungi) dengan struktur yang dibuat sedemikian, sehingga tahan terhadap peruntukan dan perambatan api mempunyai angka klasifikasi 0,5.

2. Klasifikasi konstruksi bangunan gedung tipe II (tidak mudah terbakar, konstruksi kayu berat). Bangunan gedung yang seluruh bagian konstruksinya (termasuk dinding, lantai dan atap) terdiri dari bahan yang tidak mudah terbakar yang tidak termasuk sebagai bahan tahan api, termasuk bangunan gedung konstruksi kayu dengan dinding bata, tiang kayu 20,3 cm, lantai kayu 76 mm, atap kayu 51 mm, balok kayu 15,2 x 25,4 cm, ditetapkan mempunyai angka klasifikasi konstruksi bangunan gedung 0.75.

3. Klasifikasi konstruksi bangunan gedung tipe III (biasa). Bangunan gedung dengan dinding luar bata atau bahan tidak mudah terbakar lainnya sedangkan bagian bangunan gedung lainnya terdiri dari kayu atau bahan yang mudah terbakar ditentukan mempunyai angka klasifikasi konstruksi 1,0.

4. Klasifikasi konstruksi bangunan gedung tipe IV (kerangka kayu). Bangunan gedung (kecuali bangunan gedung rumah tinggal) yang strukturnya sebagian atau seluruhnya terdiri dari kayu atau bahan mudah terbakar yang tidak tergolong dalam konstruksi bangunan gedung biasa (tipe III) ditentukan mempunyai angka klasifikasi konstruksi 1,5.

Menurut International Building Code (2003), secara umum bahan dan struktur bangunan berdasarkan daya tahannya terhadap api dapat digolongkan menjadi lima tipe konstruksi. Konstruksi tipe I dan II adalah tipe konstruksi bangunan yang tidak mudah terbakar. Tipe III adalah konstruksi yang dinding luarnya (exterior wall) tidak mudah terbakar dan dinding dalam (interior wall) terbuat dari material yang diperbolehkan oleh kode ini. Rangka kayu yang dikerjakan untuk memperlambat sifat keterbakaran dapat digunakan untuk dinding luar dengan rating 2 jam atau kurang.Tipe IV (kayu berat, KB) adalah tipe konstruksi dinding luar yang terbuat dari material tidak mudah terbakar, dan dinding dalam (interior wall) dari kayu padat atau lapisan kayu tanpa celah. Rangka kayu yang dikerjakan untuk memperlambat sifat keterbakaran dapat digunakan pada dinding luar dengan rating 2 jam atau kurang. Tipe V adalah konstruksi dengan komponen struktur, dinding luar, dan dinding dalam terbuat dari material yang diizinkan oleh kode ini.

Menurut International Building Code (2003), dalam menentukan tingkat resiko asuransi berdasarkan daya tahannya terhadap api kualitas bahan konstruksi yang dipilih penggolongannya tidak boleh kurang daripada yang diberikan pada tabel 2.3 di bawah ini. Sedangkan dinding yang bukan penahan dan partisi berdasarkan jarak pemisahannya dengan api mengacu pada tabel 2.4 di bawah ini.

Tabel 2.3 Rating ketahanan terhadap api bagi komponen konstruksi (jam) (International Building Code, 2003)

Komponen Konstruksi

Tipe I

Tipe II

Tipe III

Tipe IV

Tipe V

A

B

A

B

A

B

KB

A

B

Rangka struktur, kolom, pengikat

3

2

1

0

1

0

KB

1

0

Dinding penahan

Luar

Dalam

3

3

2

2

1

1

0

0

2

1

2

0

2

1/KB

1

1

0

0

Dinding bukan

penahan & partisi

Bagian luar

Lihat tabel 2.4

Dinding bukan penahan & partisi bagian dalam

0

0

0

0

0

0

Tahan api 2 jam

0

0

Konstruksi lantai, penahan & sambungan

2

2

1

0

1

0

KB

1

0

Konstruksi atap, penahan & sambungan

1,5

1

1

0

1

0

KB

1

0

Keterangan : KB = Kayu berat

Tabel 2.4 Rating ketahanan terhadap api untuk dinding luar berdasarkan jarak Pemisahan Api (International Building Code, 2003)

Jarak

Pemisahan Api

(feet)

Tipe

Konstruksi

Grup H

Grup F-1, M,

S-1

Grup A, B, E,

F-2, I, R, S-2, U