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,
10
11
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
12
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
13
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
14
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
15
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
16
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.
17
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).
18
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
19
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
20
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
21
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)
Tell Customer to Order a nonalcoholic Drink
Customer Orders Drink
Make sure customer is at least 21 years old
Get Drink For Customer
Drink is alcoholic
Customer age >=21
Customer’s age <21
22
- 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.
23
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.
24
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
25
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.
26
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 kelas–kelas. Diagram kelas digunakan
ketika mengembangkan model sistem berorientasi objek untuk menunjukkan kelas–
kelas dalam sistem dan hubungan antara kelas–kelas 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
27
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 kelas–kelas tersebut. Artinya, setiap pasien memiliki satu
record dan setiap record menangani informasi hanya satu pasien.
28
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:
29
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 anak–anak
turunannya.
Public, dapat dipanggil oleh siapa saja.
Hubungan antar class :
30
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
31
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
32
- 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
33
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
34
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
35
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.
36
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
37
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).
38
- 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
Penjelasan adalah bagian
terpenting dari sistem pakar
39
itu diperoleh
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 (Case–Based Reasoning)
40
Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi–solusi 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 kasus–kasus 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 : Computer–Aided Monitoring Systems.
7. Debugging, memberikan resep obat terhadap suatu kegagalan.
41
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.
42
- 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
43
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 (µA). 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 µA = 1, sedangkan yang bukan anggota dengan µA = 0. Hal ini diperlihatkan
pada gambar 2.10 (Molnar & Bezdek, 2011).
Usia menengah
1
µA
44
0___________________________________ x0 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 µA adalah 1. Sedangkan
pada usia antara 50 sampai 65, dan antara usia 30 sampai 50, keanggotaan µA
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
µA
0 _________________________________________ x0 20 40 60 80 100Usia
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
45
fungsi keanggotaan berbentuk kurva Z. Gambar 2.13 memperlihatkan fungsi
keanggotaan berbentuk kurva Pi.
fungsi Z
1
µA
_____________________ x 0 10 30 40
Gambar 2.12 Fungsi keanggotaan berbentuk kurva Z (Molnar Z., Bezdek V., 2011)
1 fungsi Pi
µA
_____________________ x0 20 40 60 80
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
46
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 parallel rules are combined crisp (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
47
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)o…o(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).
48
Gambar di atas menunjukkan contoh fungsi keanggotaan pada variabel suhu (S).
Data yang dimiliki adalah 22ºC, 26ºC dan 32ºC, 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 22ºC, maka kondisi suhu sudah semakin mendekati SANGAT RENDAH,
dan keluar dari semesta pembicaraan dari data penelitian. Namun apabila suhu semakin
melebihi 22ºC, 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 26ºC dan mendekati 22ºC, 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).
49
Himpunan fuzzy TINGGI akan memiliki domain [26,38], dengan derajat
keanggotaan NORMAL tertinggi (=1) terletak pada nilai 32. Apabila suhu semakin
kurang dari 32ºC dan mendekati 26ºC, 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 32ºC, 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).
50
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).
51
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).
52
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;
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;
54
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.
55
2.2.4 Defuzzifikasi
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)
56
- 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).
2.2.5 Fuzzy 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)
57
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 µtinggi(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
µtinggi(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)
58
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
59
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) :
60
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
61
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).
62
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).
63
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) x AKK
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) x AKK x FB
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),
64
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
65
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.
66
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.
67
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 &
1,5 1 1 0 1 0 KB 1 0
68
sambungan
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
<5 Semua 3 2 1≥5<10
IALainnya
32
21
11
≥10<30
IA, IBIIB, VBLainnya
211
101
101
≥ 30 Semua 0 0 0
2.2.6.4 Pemadam Kebakaran
Menurut Peraturan Menteri Pekerjaan Umum (2009), waktu tanggap terdiri atas
waktu pengiriman pasukan dan sarana pemadam kebakaran (dispatch time), waktu
perjalanan menuju lokasi kebakaran, dan waktu menggelar sarana pemadam kebakaran
sampai siap untuk melaksanakan pemadaman. Faktor yang menentukan waktu tanggap
adalah jenis layanan, ukuran atau luasan wilayah yang dilayani termasuk potensi
bahaya, kemampuan komunitas termasuk pemerintah setempat dalam menyediakan
prasarana dan sarana proteksi kebakaran. Waktu tanggap instansi pemadam kebakaran
terhadap pemberitahuan kebakaran untuk kondisi di Indonesia tidak lebih dari 15 (lima
belas) menit.
69
Menurut Peraturan Menteri Pekerjaan Umum (2009), wilayah manajemen
kebakaran (WMK) dibentuk oleh pengelompokan hunian. Daerah pelayanan
pemadaman kebakaran dalam setiap WMK tidak melebihi perjalanan 7,5 km (travel
distance) dan dipenuhinya waktu tanggap kurang dari 15 menit. Untuk jenis layanan
medis darurat dan bahan beracun dan berbahaya (B3), pemenuhan waktu tanggap
disesuaikan dengan kebutuhan. Di luar daerah tersebut dikategorikan sebagai daerah
yang tidak terlindungi (unprotected area). Daerah yang sudah terbangun dan dihuni
harus mendapat perlindungan oleh mobil kebakaran yang pos terdekatnya berada dalam
jarak 2,5 km dan berjarak 3,5 km dari sector. Selanjutnya dibuat peta jangkauan layanan
proteksi kebakaran yang menunjukkan lokasi dari setiap pos pemadam di dalam wilayah
tersebut, sumber air, aksesibilitas serta kondisi topografi.
2.2.6.5 Sprinkler Ditinjau Dari Pencegah Kebakaran
Menurut NFPA 13D (2007), sprinkler harus memenuhi kapasitas aliran tidak
kurang dari 49 liter/ menit per sprinkler yang bekerja secara simultan. Kapasitas aliran
sprinkler tidak kurang dari 68 liter/ menit untuk setiap sprinkler.
Sprinkler dipasang sesuai dengan tipe dan konfigurasi langit – langit. Jarak
minimum springkler untuk perumahan tidak kurang dari 2,44 m. Untuk properti yang
bukan perumahan, tekanan operasi minimum dari tiap sprinkler harus lebih tinggi dari
0,5 bar (NFPA 13D, 2007).
2.2.6.6 Penangkal Petir Ditinjau Dari Pencegah Kebakaran
70
Petir terjadi pada kondisi cuaca tertentu, antara lain pada lokasi yang sedang
hujan dan berawan, serta berangin. Sistem penangkal petir dipakai pada untuk
menghindari kebakaran akibat petir (Underwriters Laboratories, 2009).
Penangkal petir perlu dipasang pada beberapa lokasi. Lokasi tersebut antara lain
adalah pada struktur, seperti ruang elektronika dan distribusi listrik, ruang komunikasi,
utility service (got, air), di atas atap, dan di ruang bawah tanah. Selain itu penangkap
petir juga dipasang pada struktur elektronika, mekanika, sistem komunikasi dan sistem
alat yang memakai penangkal petir (Underwriters Laboratories, 2009).
2.2.6.7 Kondisi Kabel Untuk Mencegah Kebakaran
Menurut Babrauskas (2001), hasil klaim asuransi menunjukkan bahwa
penyelidikan penyebab kebakaran yang disebabkan oleh kondisi listrik sering
menunjukkan hasil yang salah. Pada kenyataannya kebakaran sering terjadi oleh
kesalahan listrik oleh kondisi kabel. Hasil statistik tahun 1993 – 1997 yang dilakukan
oleh National Fire Protection Association (NFPA) menunjukkan bahwa 41200 struktur
rumah terbakar setiap tahun yang disebabkan oleh distribusi listrik. Kejadian ini
menyebabkan 336 kematian, 1446 terluka dan sejumlah kerugian yang cukup besar.
Dari hasil statistik yang dilakukan pada tahun 1985 – 1994 oleh FEMA, disimpulkan
bahwa distribusi listrik merupakan ranking ke lima penyebab kebakaran, ranking ke dua
penyebab kerugian.
Kesalahan mekanisma dari sambungan kabel dan sifat keterbakaran komponen
distribusi listrik dapat menyebabkan kebakaran. Hal ini disebabkan oleh beberapa
aspek, yaitu sambungan kabel yang kurang baik dan arus berlebih, degradasi termal dari
PVC, pelepasan gas HCl oleh PVC, absorpsi kelembapan disebabkan oleh sifat
71
higroskopik dari kandungan isi calcium carbonat, terbentuknya lapisan karbon pada
PVC baik pada permukaan maupun di dalamnya, arcing, pemanasan ohmic berlebihan
tanpa arcing, dan pemanasan external. Umur dari lapisan PVC pada kabel yang sudah
lama juga dapat menyebabkan mudahnya keterbakaran. Pencegahan kebakaran dapat
dilakukan dengan menambah lapisan/ insulasi external dari kabel. Penambahan lapisan/
insulasi ini dapat menahan kabel dalam kondisi tetap dingin (Babrauskas, 2001).
2.2.6.8 Detektor Asap Untuk Mencegah Kebakaran
Kerugian akibat asap disebabkan oleh suatu kegiatan yang mendadak, tidak
biasa, dan cara kerja yang salah dari unit pemanasan dan pemasakan. Unit pemanasan
dan pemasakan tersebut dimaksudkan dihubungkan dengan cerobong asap oleh pipa
asap atau pipa angin/ udara, dan berada di dalam atau pada pekarangan. Kerugian akibat
asap tidak termasuk asap dari tungku api atau peralatan industri (Menteri Keuangan,
1981).
Menurut NFPA 72 (2007), detektor asap adalah berupa peralatan alarm, yang
diatur jumlah dan lokasi pemasangannya. Detektor ini perlu dipasang di ruang tidur,
ruang tinggal, ruang bawah tanah. Seluruh titik langit – langit perlu dipasang sebuah
detektor asap dengan jarak jangkauan 9.1 m, atau dipasang pada lantai sebuah detektor
per 46.5 m2.
2.2.6.9 Lokasi Banjir
72
Menurut FEMA (2012), lokasi banjir ditinjau dari keadaan geografis seperti
ketinggian dari lokasi tersebut dan kontribusinya terhadap banjir. Lokasi dengan resiko
banjir yang sedang adalah lokasi dengan kejadian banjir antara 100 sampai 500 tahun
sekali. Sedangkan lokasi dengan resiko banjir yang rendah adalah dengan kejadian
banjir diatas 500 tahun sekali.
Lokasi dengan resiko banjir yang tinggi di golongkan pada lokasi dengan
kemungkinan banjirnya lebih dari 1% setiap tahun. Resiko banjir yang tinggi juga pada
lokasi dekat sungai atau aliran air, lokasi dekat sistem pengontrol banjir seperti waduk
(FEMA, 2012).
Resiko banjir yang tinggi untuk daerah pantai adalah lokasi dengan
kemungkinan banjirnya lebih dari 1% setiap tahun. Resiko banjir tinggi daerah pantai
juga dijumpai pada lokasi dengan kemungkinan banjirnya lebih dari 1% setiap tahun
diikuti dengan badai (FEMA, 2012).
2.2.6.10 Kerusuhan Dan Pemogokan
Menurut General Insurance (2011), asuransi kerusuhan menjamin kerugian atau
kerusakan yang disebabkan oleh kerusuhan, pemogokan buruh, perbuatan jahat, dan
huru-hara, atau biasa disebut RSMD (Riots, Strikes, Malicious Damage, and Civil
Commotions). Kerusuhan adalah tindakan sekelompok orang (minimal 12 orang) yang
menimbulkan gangguan ketertiban dan tindakan anarkis atau pengrusakan benda –
benda milik orang lain, seperti tawuran pelajar, tawuran warga, demo yang anarkis, dll.
Menurut General Insurance (2011), pemogokan buruh adalah tindakan anarkis
atau pengrusakan harta benda oleh sekelompok buruh atau pekerja (minimal 12 orang)
73
dalam melakukan aksi protes atas peraturan atau persyaratan kerja oleh majikan.
Perbuatan jahat adalah tindakan seseorang yang dengan sengaja melakukan pengrusakan
harta benda milik orang lain karena dendam, dengki, amarah, atau vandalistis. Huru-
hara adalah kekacauan masal di suatu kota yang disertai dengan pengrusakan besar-
besaran dan terhentinya aktifitas ekonomi masyarakat dan menimbulkan ketakutan
umum, seperti halnya tragedi May 1998.
