Landasan Teori – Use Case Diagram – SI-17A

  • Use case adalah himpunan urut-urutan kegiatan yang merupakan interaksi sistem dengan user
  • Diagram use case adalah diagram yang menggambarkan interaksi antara sistem dengan user
  • Urutan langkah-langkah yang menjelaskan interaksi antara user dengan sistem disebut skenario
  • Use case mewakili kebutuhan fungsional keseluruhan sistem
  • Aktor adalah pemeran user terhadap use case

Aktor dapat berupa manusia, perangkat keras, sistem

Simbol Diagram UML


Visualisasi Use Case


Keuntungan Pemakaian Diagram Use Case

  • Mudah dibuat
  • Mudah dibaca
  • Mudah dimengerti
  • Memaksa developer mendesain sistem dari perspektif user

Tahapan Pembuatan Use Case

  • Temukan aktor
  • Temukan use case atau proses
  • Temukan hubungan aktor dengan use case
  • Buat urutan use case
  • Sempurnakan use case

Menemukan Aktor

  • Siapa saja yang menggunakan sistem
  • Siapa saja yang memperoleh informasi dari sistem
  • Siapa saja yang menyediakan informasi untuk sistem
  • Di bagian mana sistem digunakan
  • Siapa saja yang mengelola dan mendukung sistem
  • Sistem lain apa yang menggunakan sistem

Menemukan Use Case

  • Sistem akan digunakan oleh aktor untuk apa
  • Apakah aktor akan menyimpan, mengubah, menghapus data dalam sistem
  • Apakah aktor harus memberitahu sistem tentang perubahan dan kejadian eksternal
  • Apakah aktor harus diberitahu sistem tentang kepastian yang timbul dalam sistem

Membuat Urutan Use Case

  • Basic Flow
    • Kejadian apa yang memicu dimulainya use case
    • Bagaimana use case berakhir
    • Bagaimana use case mengulangi sebuah operasi
  • Alternate Flow
    • Apakah ada situasi tambahan di dalam use case
    • Proses ganjil yang mungkin terjadi
    • Varian apa yang mungkin terjadi
    • Apa yang dapat menimbulkan kesalahan
    • Apa yang tidak boleh terjadi
    • Apa jenis sumber daya yang dapat dicegah

     

Penyempurnaan Use Case

  • Melengkapi semua alternate flow termasuk kondisi yang tidak terduga
  • Melengkapi kondisi awal dan kondisi akhir

Merancang Use Case

  • Tentukan aktor yang memulai use case
  • Tentukan asumsi-asumsi untuk use case
  • Tentukan pre condition untuk use case
  • Susun skenario
  • Tentukan post condition saat skenario selesai
  • Tentukan aktor yang mendapat keuntungan dari use case

Stereotype

  • Merupakan model khusus untuk kondisi tertentu
  • Jenis stereotype :
    • <<include>>
    • <<extends>>

<<include>>

suatu use case yang merupakan fungsi use case lainnya

<<extends>>

suatu use case yang merupakan tambahan fungsi use case lainnya jika kondisinya terpenuhi



Untuk lebih jelasnya silahkan download materi berikut ini:

UKURAN VARIANSI DAN SIMPANGAN BAKU (TI-17A, TI-17B, SI-18A, MI-18A)

Ukuran Variasi atau Dispersi adalah ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-nilai pusatnya atau Ukuran yang menyatakan seberapa banyak nilai-nilai data yang berbeda dengan nilai-nilai pusatnya.

Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi rendahnya perbedaan data yang diperoleh dari rata-ratanya. Ukuran penyimpangan digunakan untuk mengetahui luas penyimpangan data atau homogenitas data. Dua variabel data yang memiliki mean sama belum tentu memiliki kualitas yang sama, tergantung dari besar atau kecil ukuran penyebaran datanya. Macam-macam pengukuran penyimpangan yang sering digunakan adalah rentangan (range), rentangan antar kuartil, rentangan semi antar kuartil, simpangan rata-rata, simpangan baku, varians, koefisien varians, dan angka baku, namun yang umum digunakan adalah standar deviasi.

Mengapa mempelajari dispersi?

mengetahui informasi tentang sebaran nila pada data- untuk membandingkan sebaran data dari dua informasi distribusi nilai.

Ukuran Variasi

Ukuran pemusatan (mean, median, modus) yang telah kita pelajari hanya menitikberatkan pada pusat data, tapi tidak memberikan informasi mengenai sebaran nilai pada data tersebut, apakah nilai-nilai data bervariasi ataukah tidak. Terdapat 3 kondisi variasi data, yaitu data yang homogen (tidak bervariasi), data heterogen (sangat bervariasi), dan data yang relatif homogen (tidak begitu bervariasi). Ilustrasinya sebagai berikut:

Data homogen: 50 50 50  50  50 -> rata-rata hitung=50

Data relatif homogen: 50 40 30 60 70 -> rata-rata hitung=50

Data heterogen: 100 40 80  20  10 -> rata-rata hitung=50

Bila kita perhatikan, ketiga kondisi di atas memberikan nilai rata-rata hitung yang sama, yaitu sebesar 50. Namun, kenyataannya rata-rata hitung pada data yang homogen dapat dengan baik mewakili himpunan data keseluruhan. Rata-rata hitung pada data yang relatif homogen cukup baik mewakili himpunan datanya. Sedangkan, rata-rata hitung pada data yang heterogen tidak dapat mewakili dengan baik himpunan data secara keseluruhan.


Terdapat beberapa macam ukuran variasi atau dispersi, misalnya nilai jarak (range), rata-rata simpangan (mean deviation), varians, simpangan baku (standard deviation)dan koefisien variasi (coefficient of variation).

A. Pengukuran Dispersi Data Tidak Dikelompokkan

Nilai Jarak (Range)
Diantara ukuran variasi yang paling sederhana dan paling mudah dihitung adalah nilai jarak (range). Jika suatu himpunan data sudah disusun menurut urutan yang terkecil (Xmin) sampai dengan yang terbesar (Xmax), maka untuk menghitung range digunakan rumus berikut:

Range = Xmax – Xmin

Range adalah perbedaan antara data terbesar dengan data terkecil yang terdapat pada sekelompok data. Range adalah salah satu ukuran statistik yang menunjukan jarak penyebaran data antara nilai terendah (Xmin) dengan nilai tertinggi (Xmax). Ukuran ini sudah digunakan pada pembahasan daftar distribusi frekuensi. Jarak atau kisaran nilai (range) merupakan ukuran paling sederhana dari ukuran penyebaran. Jarak merupakan perbedaan antara nilai terbesar dan nilai terkecil dalam suatu kelompok data baik data populasi atau sampel. Semakin kecil ukuran jarak menunjukkan karakter yang lebih baik, karena berarti data mendekati nilai pusat dan kompak.


Contoh :

Data nilai UAS Statistika

Kelas A : 90 80 70 90 70 100 80 50 75 70

Kelas B : 80 80 75 95 75 70 95 60 85 60

Langkah-langkah menjawab :

Urutkan dahulu kemudian dihitung berapa rentangannya.

Kelas A : 50 70 70 70 75 80 80 90 90 100

Kelas B : 60 60 70 75 75 80 80 85 95

Rentangan kelas A : 100 – 50 = 50

Rentangan kelas B : 95 – 60 = 35

Contoh:

berikut ini adalah data yang sudah dikelompokkan dari harga saham pilihan pada bulan Juni 2007 di BEJ. Hitunglah Range dari data tersebut.

Kelas

Harga saham

Frekuensi

1

160 – 303

2

2

304 – 447

5

3

448 – 591

9

4

592 – 735

3

5

736 – 878

1

Penyelesaian:

Range = batas atas kelas tertinggi – batas bawah kelas terendah

= 878 – 160

= 718

Rata-rata Simpangan (Mean Deviation)

Rata-rata simpangan (RS) adalah rata-rata hitung dari nilai absolut simpangan yang dirumuskan:


Varians
Varians merupakan rata-rata hitung dari kuadrat simpangan setiap pengamatan terhadap rata-rata hitungnya. Varians terbagi dua berdasarkan data yang digunakan, apakah data populasi ataukah data sampel.


Simpangan Baku (Standard Deviation)


Simpangan baku merupakan akar kuadrat positif dari varians. Diantara ukuran dispersi atau variasi, simpangan baku adalah yang paling banyak digunakan sebab memiliki sifat-sifat matematis yang sangat penting dan berguna sekali untuk pembahasan teori dan analisis. Simpangan baku digunakan untuk mengukur penyimpangan atau deviasi masing-masing nilai individu dari suatu himpunan data terhadap rata-rata hitungnya. Satuan simpangan baku mengikuti data aslinya. Seperti pada varians, simpangan baku juga dibagi menjadi simpangan baku populasi dan simpangan baku sampel.


B. Pengukuran Dispersi Data Berkelompok

Nilai Jarak (Range)

Untuk data berkelompok, range dapat dihitung dengan dua cara yaitu:

Range = Nilai Tengah Kelas Akhir – Nilai Tengah Kelas Pertama

Atau

Range = Tepi Atas Kelas Akhir – Tepi Bawah Kelas Pertama

Atau

Range = Batas Atas Kelas Akhir – Bawas Atas Kelas Pertama

Atau

Range = Batas Bawah Kelas Akhir – Batas Bawah Kelas Pertama

Kedua cara tersebut akan memberikan hasil yang berbeda. Cara pertama cenderung menghilangkan kasus-kasus ekstrim.

Varians

Untuk data yang berkelompok dan sudah disajikan dalam tabel frekuensi, rumus varians adalah:



Simpangan Baku (Standard Deviation)

Untuk data yang berkelompok dan sudah disajikan dalam tabel frekuensi, rumus simpangan baku adalah:


Koefisien Variasi (Coefficient of Variation)

Simpangan baku yang baru saja kita bahas mempunyai satuan yang sama dengan satuan data aslinya. Hal ini merupakan suatu kelemahan jika kita ingin membandingkan tingkat homogenitas dua kelompok data yang berbeda satuannya. Misal Kelommpok pertama adalah data pengeliaran per bulan, sedangkan kelompok kedua adalah data jumlah anggota rumah tangga. Data pengeluaran diukur dalam ratusan ribu bahkan jutaan, sehingga simpangan bakunya juga berkisar ratusan ribu. Sedangkan, jumlah anggota rumah tangga berkisar dalam satuan atau paling banyak puuhan, sehingga simpangan bakunya juga berkisar seperti itu. Artinya simpangan baku data pengeluarann lebih besar daripada simpangan baku data jumlag anggota rumah tangga. Namun, hal ini belum tentu menunjukkan bahwa data pengeluaran lebih bervariasi (heterogen) daripada data jumlah anggota rumah tangga karena perbedaan tersebut semata-mata dipengaruhi oleh perbedaan satuan data. Untuk keperluan perbandingan dua kelompok nilai yang berbeda satuan, digunakan ukuran Koefisien Variasi (KV), yang bebas dari satuan data asli. Rumusnya adalah:


Suatu kelompok data dikatakan lebih homogen daripada kelompok data lainnya apabila nilai koefisien variasinya lebih kecil. Sebaliknya, suatu kelompok data dikatakan lebih bervariasi (heterogen) daripada kelompok data lainnya apabila nilai koefisien variasinya lebih besar.

Untuk lebih jelasnya silahkan download materi berikut ini:


Silahkan download file materi tambahan latihan soal berikut ini: