7

BAB 2

LANDASAN TEORI

Suspensi adalah suatu sistem yang berfungsi meredam kejutan, getaran yang

terjadi pada kendaraan akibat permukaan jalan yang tidak rata. Suspensi dapat

meningkatkan kenyamanan berkendaraan dan mengendalikan kendaraan. Suspensi pada

kendaraan berawal pada abad XVI (sumber ,http://www.pikiran-rakyat.com/cetak

/2006/042006/07/otokir/utama01.htm, 2007), pada saat itu suspensi dipergunakan pada

kereta kuda agar nyaman. Dimana jalan-jalan saat itu banyak yang bergelombang.

Sistem suspensi pada kendaraan digantung pada keempat tiang yang terkait ke sasis atau

rangka. Suspensi pada dasarnya merupakan bagian dari sasis. Sasis terdiri atas rangka

kendaraan, sistem suspensi, sistem kemudi, dan roda. Sistem suspensi terdiri atas pegas,

peredam (shock absorber), dan komponen lain seperti lengan ayun, sambungan (joints),

batang pengkaku (anti-roll bar atau stabilizer), dan karet-karet.

Berkenaan dengan konfigurasi, terdapat dua jenis sistem suspensi, yakni

dependent dan independent. Suspensi dependent dapat dicirikan dari poros penghubung

roda kiri dan kanan yang merupakan satu kesatuan utuh serta kaku (rigid). Biasanya,

suspensi dependent dipakai di kendaran angkutan barang (truk). Pegas yang digunakan

untuk menumpu beban kendaraan biasanya dari jenis pegas daun (leaf spring).

Suspensi independen, seperti jenis MacPherson atau double wishbone umumnya

digunakan di roda depan pada kendaraan jenis sedan atau kendaraan penumpang

(minibus) keluaran terbaru. Dari konstruksinya, dapat dilihat pada gambar (2.1) bahwa

suspensi independent memungkinkan roda kiri untuk bergerak bebas terhadap roda

8

kanan, meski hanya untuk kisaran gerak yang terbatas (sumber, http://www.pikiran-

rakyat.com /cetak/2007/022007/16/otokir/utama01.htm, 2007).

Gambar 2.1 Suspensi independent jenis MacPherson

Berdasarkan sistem pengontrolannya, terdapat dua jenis sistem suspensi yakni

suspensi pasif dan suspensi aktif. Pada suspensi pasif (sistem yang umum diterapkan

pada kendaraan saat ini) kekakuan pegas dan konstanta redamannya bernilai konstan.

Namun pada suspensi aktif, pengontrolan kekakuan pegas dan redaman dapat diatur,

sehingga dapat menambah kenyamanan penumpangnya.

Konstanta suspensi atau yang biasa disebut dengan konstanta spring didapatkan

dari besarnya gaya per satuan jarak. Dengan rumusan sebagai berikut.

kxF −=

• F = gaya

• k = konstanta spring

• x = perpindahan jarak

2.1 Suspensi Aktif

Pada penelitian tugas akhir ini hanya akan meninjau suspensi aktif. Suspensi

aktif merupakan teknologi otomotif yang mengontrol pergerakan vertikal pada roda.

Pada model suspensi aktif dijelaskan dengan gambar(2.2) dibawah ini.

9

Gambar 2.2 Sistem suspensi aktif

Dalam hal Ini diasumsikan bahwa roda kendaraan menempel pada jalan.

Persamaan pergerakan pada sistem aktif, berdasarkan hukum Newton 2, akan diberikan

sebagai berikut:

)()(1 wbswbabb zzczzkfzm &&&& −−−−=

)()()( 21 wbsrwwbaww zzczzkzzkfzm &&&& −+−−−+−=

• bm = berat body

• wm = berat roda

• 1k = konstanta spring

• 2k = konstanta roda

• af = actuator force (besaran gaya pada hidrolik)

• sc = damping rasio (peredam kejut)

• rz = pemindahan jalan (perpindahan vertikal pada jalan)

10

• bz = pemindahan body

• wz = pemindahan roda

Pada hukum Newton 2, jumlah gaya yang bekerja sama dengan massa dikalikan

dengan percepatan. Dengan rumusan sebagai berikut.

maF =

• F = gaya

• m = massa

• a = percepatan

Damping adalah kontrol dari osilasi. Damping tersebut mengontrol kecepatan

gerak suspensi. Arah gaya yang bekerja berlawanan dengan arah gerak suspensi.

Kendaraan yang tidak memiliki damping akan terus berosilasi naik turun. Rumusan

damping adalah sebagai berikut.

cvF −=

• F = gaya

• c = koefisien damping

• v = kecepatan

2.2 Logika Fuzzy

Logika fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang logika

fuzzy baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang

logika fuzzy itu sendiri sudah ada pada diri kita sejak lama. Logika fuzzy adalah suatu

cara yang tepat untuk memetakan suatu ruang masukan ke dalam suatu ruang keluaran

(Sri Kusumadewi, 2003,p163).

11

Logika fuzzy pertama kali diperkenalkan oleh profesor Lotfi Zadeh dari

universitas california di Berkeley pada tahun 1965. Logika fuzzy merupakan suatu teori

himpunan logika yang dikembangkan untuk mengatasi konsep nilai yang terdapat

diantara kebenaran (truth) dan kesalahan (false). Dengan menggunakan logika fuzzy

nilai yang dihasilkan bukan hanya ya (1) atau tidak (0) tetapi seluruh kemungkinan

diantara 0 dan 1. (sumber, http://en.wikipedia.org/wiki/Fuzzy_logic)

2.2.1 Himpunan Crisp dan Himpunan Fuzzy

Himpunan Crisp A didefinisikan oleh item-item yang ada pada himpunan itu.

Jika a ∈ A, maka nilai keanggotaan dari a adalah 1. Namun, jika a ∉A, maka nilai

keanggotaan dari a adalah 0. Notasi A = {x | P(x)} menunjukkan bahwa A berisi item x

dengan P (x) benar. Jika XA merupakan fungsi karakteristik A dan properti P, dapat

dikatakan bahwa P(x) benar, jika dan hanya jika XA(x) = 1.

Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi

karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada

interval [0,1]. Nilai keanggotaannya menunjukkan bahwa suatu item tidak hanya

bernilai benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan

masih ada nilai-nilai yang terletak antara benar dan salah.

Sebagai contoh, kecepatan kendaraan dapat masuk dalam 2 himpunan berbeda,

lambat dan sedang, sedang dan cepat. Seberapa besar eksistensinya dalam himpunan

tersebut dapat dilihat pada nilai keanggotaannya. Gambar (2.3) menunjukkan himpunan

fuzzy untuk peubah kecepatan kendaraan.

12

Gambar 2.3 Grafik pengelompokan kecepatan kendaraan dengan logika fuzzy

Pada Gambar (2.3) dapat dilihat bahwa:

• Kendaraan yang berkecepatan 40 km/jam, termasuk dalam himpunan lambat

dengan µlambat [50] = 0,25; namun kecepatan tersebut juga termasuk dalam

himpunan sedang dengan µsedang [50] = 0,5.

• Kendaraan yang berkecepatan 50 km/jam, termasuk dalam himpunan cepat

dengan µcepat [60] = 0,25, namun kecepatan tersebut juga termasuk dalam

himpunan sedang dengan µsedang [60] = 0,5.

Pada himpunan crisp, nilai keanggotaannya hanya ada dua kemungkinan, yaitu

antara 0 atau 1, sedangkan pada himpunan fuzzy nilai keanggotaannya pada rentang

antara 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy µA[x] = 0, berarti x tidak

menjadi anggota himpunan A, dan juga apabila x memiliki nilai keanggotaan fuzzy

µA[x] = 1 berarti x menjadi anggota penuh pada himpunan A.

Istilah fuzzy logic memiliki berbagai arti. Salah satu arti fuzzy logic adalah

perluasan crisp logic, sehingga dapat mempunyai nilai antara 0 sampai 1. Pertanyaan

yang akan timbul adalah, bagaimana dengan operasi NOT, AND dan OR-nya? Ada

banyak solusi untuk masalah tersebut. Salah satunya adalah:

• operasi NOT x diperluas menjadi 1 - µx,

• x OR y diperluas menjadi max(µx,µy)

13

• x AND y diperluas menjadi min(µx,µy).

Dengan cara ini, operasi dasar untuk crisp logic tetap sama. Sebagai contoh :

• NOT 1 = 1 – 1 = 0

• 1 OR 0 = max (1,0) = 1

• 1 AND 0 = min (1,0) = 0

dan ini diperluas untuk logika fuzzy. Sebagai contoh :

• NOT 0,7 = 1 – 0,7 = 0,3

• 0,3 OR 0,1 = max (0,3, 0,1) = 0,3

• 0,8 AND 0,4 = min (0,8, 0,4) = 0,4

2.2.2 Fungsi Keanggotaan

Fungsi keanggotaan (membership function) adalah suatu kurva yang

menunjukkan pemetaan titik-titik input data kedalam nilai keanggotaannya (sering juga

disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah

satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan

melalui pendekatan fungsi.

Ada beberapa fungsi representasi yang bisa digunakan dalam logika fuzzy. Di

antaranya adalah sebagai berikut (Sri Kusumadewi, 2003,p160).

• Representasi linear, permukaan digambarkan sebagai suatu garis lurus. Bentuk

ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu

konsep yang kurang jelas. Ada dua keadaan himpunan fuzzy linear. Pertama,

kenaikan himpunan dimulai dari domain yang memiliki derajat keanggotaan nol

14

(0) bergerak ke kanan menuju ke nilai domain yang memiliki derajat

keanggotaan lebih tinggi. Perhatikan gambar (2.4) dibawah ini.

Gambar 2.4 Representasi linear naik

Fungsi keanggotaan pada linear naik:

Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai

dominan dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak

menurun ke nilai dominan yang memiliki derajat keanggotaan lebih rendah.

15

Gambar 2.5 Representasi linear turun

Fungsi keanggotaan pada linear turun:

• Representasi kurva segitiga, pada dasarnya merupakan gabungan antara dua

garis linear. Perhatikan gambar (2.6)

Gambar 2.6 Representasi kurva segitiga

16

Fungsi keanggotaan pada kurva segitiga:

• Representasi kurva trapesium, kurva segitiga pada dasarnya seperti bentuk

segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1.

Perhatikan gambar (2.7)

Gambar 2.7 Representasi kurva trapesium

Fungsi keanggotaan pada kurva trapesium:

• Representasi kurva bentuk bahu, daerah yang terletak di tengah-tengah suatu

variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan

dirinya akan naik turun (misalkan: dingin bergerak ke sejuk bergerak ke hangat

dan bergerak ke panas). Tetapi terkadang salah satu sisi dari variabel tersebut

tidak mengalami perubahan. Sebagai contoh, apabila telah mencapai puncak

17

panas. Himpunan fuzzy bahu, bukan segitiga, digunakan untuk mengakhiri

variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah, demikian

juga bahu kanan bergerak dari salah ke benar. Gambar (2.8) memperlihatkan

variabel temperatur dengan daerah bahunya.

Gambar 2.8 Representasi bentuk bahu pada variabel temperatur

• Representasi kurva-S, kurva pertumbuhan dan penyusutan merupakan kurva-S

atau sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan

secara tak linear. Kurva-S untuk pertumbuhan akan bergerak dari sisi paling kiri

dengan nilai keanggotaan = 0 ke sisi paling kanan dengan nilai keanggotaan =1.

18

Gambar 2.9 Representasi kurva-S pertumbuhan

Fungsi keanggotaan pada kurva-S pertumbuhan:

Kurva-s untuk penyusutan akan bergerak dari sisi paling kanan dengan nilai

keanggotaan = 1 ke sisi paling kiri dengan nilai keanggotaan = 0 seperti terlihat

pada gambar (2.10) dibawah ini.

Gambar 2.10 Representasi kurva-S menurun

19

Fungsi keanggotaan pada kurva-S menurun:

Kurva-S didefinisikan dengan menggunakan 3 parameter, yaitu: nilai

keanggotaan nol (α ), nilai keanggotaan lengkap (γ ), dan titik infleksi atau

crossover (β ) yaitu titik yang memiliki domain 50% benar. Gambar (2.11)

dibawah ini menunjukkan karakteristik kurva-S dalam bentuk skema.

Gambar 2.11 Karakteristik fungsi kurva-S

• Representasi kurva bentuk lonceng (bell curve), pada kurva bentuk lonceng

dibagi menjadi tiga kelas, yaitu kurva PI, beta, dan Gauss.

20

i. Kurva PI, berderajat keanggotaan 1 terletak pada pusat dengan domain (γ ), dan

lebar kurva (β ) seperti terlihat pada gambar (2.12)

Gambar 2.12 Karakteristik fungsi kurva PI

Fungsi keanggotaan pada kurva PI:

ii. Pada kurva beta juga berbentuk lonceng namun lebih rapat. Kurva ini juga

didefinisikan dengan dua parameter, yaitu nilai pada domain yang menunjukan

pusat kurva (γ ), dan setengah lebar kurva ( β ) seperti terlihat pada gambar

(2.13) dibawah ini.

21

Gambar 2.13 Karakteristik fungsi kurva Beta

Fungsi keanggotaan pada kurva Beta:

B 2

1

1),,(

⎟⎟⎠

⎞⎜⎜⎝

⎛ −+

=

βγ

βγx

x

Salah satu perbedaan mencolok kurva Beta dari kurva PI adalah fungsi

keanggotaan Beta akan mendekati nol hanya jika nilai (β ) sangat besar

iii. Pada kurva Gauss, menggunakan (γ ) untuk menunjukan nilai domain pada

pusat kurva, dan (k). Seperti terlihat pada gambar (2.14) dibawah ini. Pada

22

makalah ini, akan menggunakan model fuzzy representasi kurva Gauss.

Gambar 2.4 Karakteristik fungsi kurva Gauss

Fungsi keanggotaan pada kurva Gauss:

2)(),,( xkekxG −−= γγ

2.3 Blok Diagram

Sebuah blok diagram pada sistem adalah gambaran representasi dari fungsi

masing-masing komponen dan menurunkan beberapa sinyal. Pada blok diagram semua

sistem variabel dihubungkan ke masing-masing fungsional blok. Fungsional blok adalah

sebuah simbol untuk operasi matematik pada sinyal input ke blok yang mengeluarkan

output. Blok yang berhubungan ditandai dengan sebuah panah sebagai arah sinyal.

23

Gambar 2.15 Elemen dari blok diagram

Arah panah yang menuju ke blok menandakan sinyal input dan arah panah yang

meninggalkan blok menandakan sinyal output.

2.3.1 Node Penjumlahan (summing point) dan Node Pencabangan (branch point)

Gambar 2.16 Node penjumlah (Summing point)

Pada gambar di atas, lingkaran dengan di dalamnya ada tanda silang merupakan

sebuah simbol dari operasi penjumlahan atau pengurangan. Tanda tambah atau kurang

pada arah panah menandakan sinyal tersebut ditambah atau dikurang. Hal ini sangat

penting bahwa kuantitas ditambah atau dikurang memiliki dimensi dan unit yang sama.

Node pencabangan (branch point) adalah sebuah node di mana sinyal dari

sebuah blok pergi menuju ke blok yang lain atau ke node penjumlahan.

24

2.3.2 Blok Diagram Pada Sistem Perulangan Tertutup

+ - G(s)R(s) E(s) C(s)

Gambar 2.17 Sistem perulangan tertutup (Closed-loop system)

Gambar di atas adalah contoh dari blok diagram sistem perulangan tertutup.

Perulangan tertutup pada sistem hanya dapat diindikasi dengan gambar diagram

tersebut. Nilai keluaran C(s) akan kembali ke node penjumlahan di mana nilai tersebut

akan dibandingkan dengan nilai masukan R(s). Masukan dari E(s) akan menuju ke blok

fungsi transfer (transfer function) G(s), setelah itu akan memperoleh nilai keluaran C(s).

Beberapa sistem control linier mungkin dipresentasikan dengan blok diagram yang

terdiri dari blok, node penjumlah dan node pencabangan.

Ketika nilai output kembali ke node penjumlah untuk membandingkan dengan

nilai masukan, nilai tersebut perlu dikonversi dari sinyal keluaran ke sinyal masukan.

Untuk contohnya, pada kontrol sistem suhu, sinyal keluaran biasanya yang mengontrol

suhu. Sinyal keluaran, di mana yang memiliki dimensi dari suhu, harus sebelumnya

dikonversi ke gaya atau pasisi atau voltase sebelum dibandingkan dengan sinyal

masukan. Konversi ini akan diselesaikan oleh sebuah fungsi transfer (transfer function)

H(s). Terlihat gambar dibawah ini.

25

Gambar 2.18 Sistem perulangan tertutup 2

Pengaturan pada elemen umpan balik (feedback element) harus memodifikasi

nilai keluaran sebelum nilai tersebut dibandingkan dengan nilai masukan. Pada

kebanyakan masalah, umpan balik adalah sebuah sensor yang mengukur nilai keluaran

dari rencana. Nilai dari keluaran tersebut akan dibandingkan dengan nilai masukan dan

gerakan sinyal kesalahan dapat dihasilkan. Sinyal umpan balik yang mengarah ke node

penjumlahan untuk dibandingkan dengan masukan adalah B(s)=G(s)H(s).

Nilai keluaran dan masukan pada gambar (2.8) di atas dapat dijabarkan seperti di

bawah ini.

)()()( sEsGsC =

)()()()()()()( sCsHsRsEsBsRsE −=→−=

Dengan mengeliminasi )(sE maka

)]()()()[()( sCsHsRsGsC −= atau )()(1

)()()(

sHsGsG

sRsC

+=

Maka )()()(1

)()( sRsHsG

sGsC+

=

26

2.4 Transformasi Laplace

Transformasi Laplace adalah suatu teknik untuk menyederhanakan

permasalahan dalam suatu sistem yang mengandung masukan dan keluaran, dengan

melakukan transformasi dari suatu domain pengamatan ke domain pengamatan yang

lain (http://id.wikipedia.org/wiki/Transformasi_Laplace).

Dalam matematika jenis transformasi ini merupakan suatu konsep yang penting

sebagai bagian dari analisa fungsional, yang dapat membantu dalam melakukan analisa

sistem invarian-waktu linier, seperti rangkaian elektronik, osilator harmonik, devais

optik dan sistem-sistem mekanik. Dengan mengetahui deksripsi matematika atau

fungsional sederhana dari masukan atau keluaran suatu sistem, transformasi Laplace

dapat memberikan deskripsi funsional alternatif yang kadang dapat menyederhanakan

proses analisa kelakukan dari sistem atau membuat suatu sistem baru yang berdasarkan

suatu kumpulan spesifikasi.

Dalam sistem fisik sebenarnya transformasi Laplace sering dianggap sebagai

suatu transformasi dari cara pandang domain-waktu, di mana masukan dan keluaran

dimengerti sebagai fungsi dari waktu, ke cara pandang domain-frekuensi, di mana

masukan dan keluaran yang sama dipandang sebagai fungsi dari frekuensi angular

kompleks, atau radian per satuan waktu. Transformasi ini tidak hanya menyediakan cara

mendasar lain untuk mengerti kelakukan suatu sistem, tetapi juga secara drastis

mengurangi kerumitan perhitungan matematika yang dibutuhkan dalam menganalisa

suatu sistem.

27

Transformasi Laplace memiliki peran penting dalam aplikasi-aplikasi dalam

bidang fisika, optik, rekayasa listrik, rekayasa kendali, pemrosesan sinyal dan teori

kemungkinan.

Nama transformasi ini diberikan untuk menghormati seorang ahli matematika

dan astronomi, Pierre-Simon Laplace, yang menggunakan teknik transformasi ini pada

hasil karyanya dalam teori kemungkinan. Sebenarnya teknik ini ditemukan sebelumnya

oleh Leonhard Euler, seorang ahli matematika prolific Swiss abad kedelapanbelas.

Transformasi Laplace dari suatu fungsi f(t), yang terdefinisi untuk semua nilai t

riil dengan t ≥ 0, adalah fungsi F(s), yang didefinisikan sebagai:

dttfetfLsF st )()}({)( 0−∞∫==

Transformasi Laplace ini memiliki sejumlah sifat yang membuatnya amat

berguna bagi analisa sistem dinamik linier. Keunggulan utama dari cara ini adalah

mengubah proses diferensiasi menjadi perkalian dan integrasi menjadi pembagian,

dengan adanya s (Hal ini mirip dengan fungsi logaritma yang mengubah operasi

perkalian dan pembagian menjadi penjumlahan dan pengurangan). Perubahan

persamaan integral dan diferensial menjadi bentuk polinomial menyederhanakan proses

penyelesaian.

Beberapa fungsi dasar Trasformasi Laplace:

• s

sfL 1)(}1{ ==

• 1

!)(}{ +== nn

snsftL

• as

sfeL at

−==

1)(}{

28

• 22)(}{cosω

ω+

==s

ssftL

• 22)(}{sinω

ωω+

==s

sftL

• 22)(}{coshas

ssfatL−

==

• 22)(}{sinhas

asfatL−

==

2.5 Simulasi

Simulasi adalah sesuatu bentuk imitasi yang menyerupai aslinya (sumber,

http://en.wikipedia.org/wiki/Simulation). Pada proses kerja, simulasi mempresentasikan

karakteristik dan bentuk fisik seperti pada aslinya. Dengan menggunakan simulasi maka

kita dapat memperoleh berbagai kelebihan, seperti:

• Efisiensi biaya. Didalam simulasi sangatlah dipertimbangkan, karena sebagian

inti dari simulasi adalah untuk memperoleh efisiensi pengeluaran biaya.

• Menghemat waktu. Simulasi dapat dengan signifikan menghemat waktu untuk

memproses suatu pemecahan masalah dengan akurat.

• Tidak mempengaruhi keadaan sistem aslinya sehingga dapat dilakukan metode

Trial and Error.

• Mudah untuk diperbanyak. Dengan menggunakan bantuan komputer, simulasi

sangatlah mudah untuk dilakukan perubahan baik penambahan maupun

pengurangan.

29

Adapun kekurangan yang terdapat pada simulasi, sebagai berikut:

• Perlu belajar terlebih dahulu untuk dapat melakukan suatu proses simulasi

• Diperlukan data yang cukup akurat untuk dapat memperoleh hasil yang akurat.

• Diperlukan ketelitian yang tinggi sehingga tidak terjadi kesalahan dalam

menurunkan persamaan.

2.6 Alat Bantu Perancangan

2.6.1 State Transition Diagram (STD)

State Transition Diagram merupakan salah satu cara untuk menggambarkan

jalannya suatu proses. STD ini terdiri dari input/kondisi, state proses, output/aksi yang

terjadi dan perubahan statenya. Komponen dasar State Transition Diagram dapat dilihat

pada gambar 2.9 dibawah ini.

Gambar 2.19 Komponen dasar State Transition Diagram

State menunjukkan satu atau lebih kegiatan atau keadaan atau atribut yang

menjelaskan bagian tertentu dari proses. Anak panah berarah menunjukkan perubahan

state yang disebabkan oleh input tertentu (state X ke state Y). Input atau kondisi

merupakan suatu kejadian pada lingkungan eksternal yang dapat dideteksi oleh sistem

misal sinyal, interupsi atau data. Hal ini menyebabkan perubahan dari satu state ke state

State X

State Y

State Sekarang

State Selanjutnya

Input Output

30

yang lainnya atau dari satu aktivitas ke aktivitas lainnya. Output atau aksi merupakan

hal yang dilakukan oleh sistem jika terjadi perubahan state atau merupakan reaksi

terhadap kondisi. Aksi dapat menghasilkan output, tampilan pesanan pada layar,

kalkulasi atau kegiatan lainnya.

2.6.2 Pseudocode

Pseudocode berasal dari kata pseudo dan code, adalah deskripsi yang informal

dan padat dari sebuah algoritma pemrograman komputer yang menggunakan aturan

struktural dari bahasa pemrograman, tetapi menghilangkan detail-detail seperti subrutin,

deklarasi variabel atau syntax bahasa pemrograman tertentu (sumber,

http://en.wikipedia.org/wiki/pseudocode, 2007).

Bahasa pemrograman dalam hal ini digabungkan dengan penjelasan detail dalam

bahasa natural agar terlihat lebih umum. Pseudocode bukanlah skeleton program atau

dummy code yang masih dapat di-compile tanpa error. Flowchart dapat juga dianggap

sebagai salah satu bentuk pseudocode.

2.7 Teori Perancangan Program

2.7.1 Waterfall Method

Metode Waterfall adalah sebuah model perancangan program secara sekuensial,

dimana proses perancangan tersebut mengalir secara teratur kebawah sehingga terlihat

seperti air terjun (sumber, http://en.wikipedia.org/wiki/waterfall_method, 2007).

Proses ini melalui fase-fase seperti, analisis kebutuhan, desain, implementasi,

pengetesan atau validasi, integrasi dan perawatan. Asal kata waterfall sering dikutip dari

31

artikel yang dipublikasikan pada tahun 1970 oleh W. W. Royce, ironisnya, Royce sendiri

tidak menggunakan kata tersebut, sebaliknya memakai kata pendekatan iteratif dalam

perancangan software. Pada awalnya Royce menggambarkan metode Waterfall adalah

contoh metode yang beresiko dan rawan terhadap kegagalan. Tetapi walapun begitu,

penggunaan metode ini tetap populer di dalam perancangan program.

Gambar 2.20 Metode Waterfall

Seperti yang terlihat pada Gambar (2.20), proses perancangan program bergerak

dari atas ke bawah seperti air terjun. Di dalam model Waterfall yang dinyatakan oleh

Royce, fase-fasenya adalah sebagai berikut :

• Spesifikasi Kebutuhan

• Desain

• Konstruksi atau Implementasi

• Pengetesan dan Debugging (verifikasi)

• Perawatan