22 BAB 2 TINJAUAN PUSTAKA 2.1. Definisi Sistem - USU-IR

22
BAB 2
TINJAUAN PUSTAKA
2.1. Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan
2.1.1. Definisi Sistem
Sistem adalah kumpulan objek seperti orang, sumber daya, konsep dan
prosedur yang dimaksudkan untuk melakukan suatu fungsi yang dapat
diidentifikasi atau untuk melayani suatu tujuan (Turban, 2005).
2.1.2. Definisi Keputusan
Menurut Prof. Dr. Prajudi Atmosudirjo, SH, keputusan adalah suatu
pengakhiran daripada proses pemikiran tentang suatu masalah atau problema
untuk menjawab pertanyaan apa yang harus diperbuat guna mengatasi masalah
tersebut, dengan menjatuhkan pilihan pada suatu alternative (Hasan, 2004).
2.1.3. Sistem Pendukung Keputusan
Decision Support System (DSS) atau Sistem Pendukung Keputusan (SPK)
secara umum didefinisikan sebagai sebuah sistem yang mampu memberikan
kemampuan baik kemampuan pengkomunikasian untuk masalah semiterstruktur. Secara khusus, SPK didefenisikan sebagai sebuah sistem yang
mendukung keja seorang manajer maupun sekelompok manajer dalam
memecahkan masalah semi-terstruktur dengan cara memberikan informasi
ataupun usulan menuju keputusan tertentu (Hermawan, 2005).
2.1.3.1. Dasar-dasar Sistem Pendukung Keputusan
Menurut Hermawan (2005), Proses pengambilan keputusan melibatkan 4
tahapan, yaitu:
Universitas Sumatera Utara
23
a. Tahap Intelligence
Dalam tahap ini pengambilan keputusan mempelajari kenyataan yang
terjadi sehingga kita dapat mengidentifikasi dan mendefinisikan masalah
yang sedang terjadi, biasanya dilakukan analisis berurutan dari sistem ke
subsistem pembentuknya. Dari tahap ini didapatkan keluaran berupa
dokumen pernyataan masalah.
b. Tahap Design
Dalam tahap ini pengambil keputusan menemukan, mengembangkan, dan
menganalisis semua pemecahan yang mungkin, yaitu melalui pembuatan
model yang bisa mewakili kondisi nyata masalah. Dari tahap ini
didapatkan keluaran berupa dokumen alternatif solusi.
c. Tahap Choice
Dalam tahap ini pengambil keputusan memilih salah satu alternatif
pemecahan yang dibuat pada tahap design yang dipandang sebagai aksi
yang paling tepat untuk mengatasi masalah yang sedang dihadapi. Dari
tahap ini didapatkan keluaran berupa dokumen solusi dan rencana
implementasinya.
d. Tahap Implementation
Dalam tahap ini pengambilan keputusan menjalankan rangkaian aksi
pemecahan yang dipilih di tahap choice. Implementasi yang sukses
ditandai dengan terjawabnya masalah yang dihadapi, sementara kegagalan
ditandai dengan tetap adanya masalah yang sedang dicoba untuk diatasi.
Dari tahap ini didapatkan keluaran berupa laporan pelaksanaan solusi dan
hasilnya.
2.1.3.2. Konsep Dasar Sistem Pendukung Keputusan
Pada awalnya Turban & Aroson (1998), mendefinisikan sistem penunjang
keputusan (Decision Support System – DSS) sebagai sistem yang digunakan
untuk mendukung dan membantu pihak manajemen melakukan pengambilan
keputusan pada kondisi semi terstruktur dan tidak terstruktur. Pada dasarnya
konsep DSS hanyalah sebatas pada kegiatan membantu para manajer
melakukan penilaian serta menggantikan posisi dan peran manajer.
Universitas Sumatera Utara
24
2.1.3.3. Komponen Sistem Pendukung Keputusan
Menurut Hermawan (2005), Sistem Pendukung Keputusan terdiri atas tiga
komponen penting, yaitu:
1. Manajemen Data
Manajemen Data melakukan pengambilan data yang diperlukan baik dari
database yang berisi data internal maupun database yang berisi data
eksternal. Jadi, fungsi komponen data ini sebagai pengatur data-data yang
diperlukan oleh Sistem Pendukung Keputusan.
2. Manajemen Model
Manajemen Model melalui Model Base Management melakukan interaksi
baik dengan User Interface untuk mendapatkan perintah maupun Data
Management untuk mendapatkan data yang akan diolah. Jadi, tujuan dari
Manajemen Model adalah untuk mengubah data yang ada pada Database
menjadi informasi yang berguna dalam pengambilan keputusan.
3. Antarmuka Pengguna
User Interface digunakan untuk berinteraksi antar user dengan DSS, baik
untuk memasukkan informasi ke sistem maupun menampilkan informasi
ke user. Karena begitu pentingnya komponen user interface bagi suatu
sistem DSS, maka harus bisa merancang suatu user interface yang bisa
mudah dipelajari dan digunakan user dan laporan yang bisa digunakan user
serta pelaporan yang bisa secara mudah dimengerti oleh pengguna.
(Suryadi, dkk, 2003).
2.2. Fuzzy Multiple Attribute Decision Making (FMADM)
Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode
yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan
kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap
atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi
alternatif yang sudah diberikan. ( Kusumadewi, 2006).
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah
FMADM. antara lain (Kusumadewi, 2006) :
Universitas Sumatera Utara
25
a.
Simple Additive Weighting Method (SAW)
b.
Weighted Product (WP)
c.
ELECTRE
d.
Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
e.
Analytic Hierarchy Process (AHP)
2.2.1. Metode Analytical Hierarchy Process (AHP)
Metode Analytical Hierarchy Process (AHP) merupakan salah satu model untuk
pengambilan keputusan yang dapat membantu kerangka berfikir manusia. Pada
dasarnya AHP adalah metode yang memecah suatu masalah yang kompleks dan
tidak terstruktur ke dalam kelompok-kelompok, mengatur kelompok-kelompok
tersebut ke dalam suatu susunan hirarki, memasukkan nilai numeris sebagai
pengganti persepsi manusia dalam melakukan perbandingan relatif, dan akhirnya
dengan suatu sintesis ditentukan elemen mana yang mempunyai prioritas tertinggi.
(Permadi, 1992).
2.2.1.1.
Konsep Dasar Analytical Hierarchy Process (AHP)
AHP merupakan pendekatan dasar untuk pengambilan keputusan. Dalam
proses ini pembuat keputusan menggunakan Pairwise Comparison yang
digunakan untuk membuat seluruh prioritas untuk mengetahui ranking dari
alternatif.
Metode ini dikembangkan oleh Thomas L. Saaty ahli matematika yang
dipublikasikan pertama kali dalam bukunya The Analytical Hierarchy
Process tahun 1980. AHP merupakan alat pengambilan keputusan yang
menguraikan suatu permasalahan kompleks dalam struktur hirarki dengan
banyak tingkatan yang terdiri dari tujuan, kriteria, dan alternatif.
Peralatan utama dari model ini adalah sebuah hirarki fungsional dengan
persepsi manusia sebagai input utamanya.
2.2.1.2.
Prosedur atau langkah-langkah AHP
Pada dasarnya langkah-langkah dalam metode AHP meliputi :
1. Menyusun hirarki dari permasalahan yang dihadapi.
2. Penilaian dan alternatif & Penetuan Prioritas.
Universitas Sumatera Utara
26
Kriteria dan alternatif dinilai melalui perbandingan berpasangan. Menurut
Saaty (1988), untuk berbagai persoalan, skala 1 sampai 9 adalah skala
terbaik dalam mengekspresikan pendapat. Nilai dan definisi pendapat
kualitatif dari skala perbandingan Saaty.
Tabel 2.1. Skala Penilaian Perbandingan Berpasangan
Intensitas
Pentingnya
Definisi
Penjelasan
Kedua elemen sama pentingnya.
Dua elemen menyumbangnya
1
sama besar pada kriteria yang
ada.
3
Elemen yang satu sedikit lebih
Pengalaman dan
penting ketimbang yang lainnya.
pertimbangan sedikit
mendukung satu elemen atas
yang lainnya.
5
Elemen yang satu esensial atau
Pengalaman dan
sangat penting ketimbang elemen
pertimbangan dengan kuat
yang lainnya.
mendukung satu elemen atas
yang lainnya.
7
Satu elemen jelas lebih penting dari
Satu elemen dengan kuat
elemen yang lainnya.
didukung dan didominasinya
telah terlihat dalam praktek.
9
Satu elemen mutlak lebih penting
Bukti yang mendukung
ketimbang elemen yang lainnya.
elemen yang lainnya
memiliki tingkat penegasan
tertinggi yang mungkin
menguatkan.
2, 4, 6, 8
Nilai-nilai antara diantara dua
Kompromi diperlukan antara
pertimbangan yang berdekatan.
dua pertimbangan.
3. Mengukur konsistensi
Perhitungan konsistensi logis dilakukan dengan mengikuti langkahlangkah sebagai berikut:
Universitas Sumatera Utara
27
- Mengalikan matriks dengan prioritas bersesuaian.
- Menjumlahkan hasil perkalian per baris.
- Hasil penjumlhan tiap baris dibagi prioritas bersangkutan dan hasilnya
dijumlahkan.
- Hasil c dibagi jumlah elemen, akan didapat λ maks.
- Consistensi Indeks (CI) = (λmaks-n)/(n-1)
- Consistensi Ratio = CI/RI, dimana RI adalah indeks random
consistenci. Jika ratio ≤ 0.1, hasil perhitungan dapat dibenarkan.
- Menghitung nilai lambda (λ) dan Consistency Index (CI) dan
Consistency Ratio (CR) dengan rumus:
λ=
CI =
CR =
……………………………………………… (1)
λ
……………………………………………. (2)
………………………………………………(3)
Dimana :
λ
= Nilai rata-rata vector consistency
CV
= Consistency Vector
n
= Jumlah factor yang sedang dibandingkan
CI
= Consistency Index
RI
= Random Index
CR
= Consistency Ratio
(Sunarto, 2011)
Dalam hal ini RI (Random Index) adalah indeks rerata konsistensi untuk
bilangan numerik yang diambil secara acak dari skala 1/9, 1/8, ...,1, 2,....,
9, berdasarkan penelitian yang dilakukan oleh Saaty terhadap 500 sampel.
(Saaty, 2004).
Universitas Sumatera Utara
28
Tabel 2.2. Daftar Indeks Random Konsistensi
Ukuran Matriks
Nilai IR
(baris X kolom)
1,2
0,00
3
0,58
4
0,90
5
1,12
6
1,24
7
1,32
8
1,41
9
1,45
10
1,49
11
1,51
12
1,48
13
1,56
14
1,57
15
1,59
Analytical Hierarchy Process (AHP)
mempunyai struktur matrik A
dengan ukuran m x n. Matrik ini dibangun dengan menggunakan
kepentingan relatif dari alternatif dankriteria yang berhubungan. Untuk
menghitung preferensi akhir dari tiap alternatif menggunakan rumus
sebagai berikut :
∑
Dimana:
Pi = hasil akhir metode Analytical Hierarchy Process (AHP)
aij = hasil normalisasi
wj = bobot preferensi untuk setiap kriteria
Untuk masalah memaksimumkan, alternatif yang terbaik adalah alternatif
dengan nilai Pi yang terbesar.
Universitas Sumatera Utara
29
2.2.2. Metode Fuzzy Decision Making (FDM)
Joo (2004) mengembangkan metode Fuzzy Decision Making (FDM), dalam 3
langkah penting penyelesaian, yaitu:
1.
Representasi permasalahan
-
Identifikasi tujuan dan alternatif keputusannya Tujuan keputusan dari
permasalahan ini adalah dipilihnya satu calon kepala daerah yang
mempunyai rangking tertinggi. Jika ada n alternatif keputusan, maka
alternatif- alternatif tersebut dapat ditulis sebagai A = {Ai | i=1,2,…,n}.
-
Identifikasi kumpulan kriteria Jika ada k kriteria untuk menentukan
pilihan dari beberapa alternatif keputusan maka dapat dituliskan
C = {Ct | t=1,2,…,k}.
-
Membangun struktur hirarki dari masalah tersebut berdasarkan
pertimbangan-pertimbangan tertentu.
Evaluasi himpunan fuzzy
2.
-
Memilih himpunan rating untuk bobot-bobot kriteria, dan derajat
kecocokan setiap alternatif dengan kriterianya. Secara umum,
himpunan-himpunan rating terdiri atas 3 elemen, yaitu: variabel
linguistik (x) yang merepresentasikan bobot kriteria, dan derajat
kecocokan
setiap
merepresentasikan
alternatif
rating
dengan
dari
variabel
kriterianya;
linguistik;
T(x)
yang
dan
fungsi
keanggotaan yang berhubungan dengan setiap elemen dari T(x).
Sesudah himpunan rating ini ditentukan, selanjutnya harus ditentukan
fungsi keanggotaan untuk setiap rating. Apabila dipilih fungsi
keanggotaan segitiga, maka dapat digambarkan seperti Gambar 10.3.
µ(x)
0
a
b
c
x
Gambar 2.1. Bilangan fuzzy segitiga. (Kusumadewi dkk, 2010)
Universitas Sumatera Utara
30
µ(X) =
(
)
(
(
(
)
)
)
{
Dimana:
µ(X)
X
= fungsi keanggotaan X
= himpunan fuzzy
(Anshori, 2012)
Misalkan Wt adalah bobot untuk kriteria Ct; dan Sit adalah rating fuzzy untuk
derajat kecocokan alternatif keputusan Ai dengan kriteria Ct; dan Fi adalah
indeks kecocokan fuzzy dari alternatif Ai yang merepresentasikan derajat
kecocokan alternatif keputusan yang diperoleh dari hasil agregasi S it dan Wt,
dengan i = 1, 2, 3, ...k dan t =1, 2, ... n.
-
Mengevaluasi bobot-bobot kriteria, dan derajat kecocokan setiap alternatif
dengan kriterianya.
-
Mengagregasikan bobot-bobot kriteria dan derajat kecocokan setiap
alternatif dengan kriterianya. Untuk mengagregasikan bobot-bobot kriteria
dan derajat
kecocokan setiap alternatif dengan kriterianya, dapat
menggunakan beberapa metode agregasi seperti : mean, max, min,
median, dan operator campuran. Apabila untuk melakukan agregasi
terhadap hasil keputusan menggunakan metode mean, dan operator x dan
+
adalah operator yang digunakan untuk perkalian dan penjumlahan
fuzzy, maka Fi dapat dirumuskan sebagai:
Fi = ( )[(Si1xW1)+(Si2xW2)+…+(SikxWk)]
dengan cara mensubsitusi Sit dan Wt dengan bilangan fuzzy segitiga, yaitu:
Sit = (oit, pit, qit); dan Wt=(at, bt, ct); maka Ft dapat didekati sebagai:
Ft = (Yi, Qi, Zi)
dengan
Yi = ( ) ∑
(
)
Qi = ( ) ∑
(
)
Universitas Sumatera Utara
31
Zi = ( ) ∑
(
)
i= 1,2,…,n.
Dimana:
Sit
= rating fuzzy untuk derajat kecocokan alternatif keputusan Ai
dengan kriteria Ct
oit, pit, qit
= triangular fuzzy alternatif keputusan Ai dengan kriteria Ct
Wt
= bobot untuk kriteria Ct
Fi
= indeks kecocokan fuzzy dari alternatif Ai yang
merepresentasikan derajat kecocokan alternatif keputusan
yang diperoleh dari hasil agregasi Sit dan Wt
at, bt, ct
= triangular fuzzy untuk kriteria Ct
Ft
= indeks kecocokan fuzzy dari kriteria Ct yang
merepresentasikan derajat kecocokan alternatif keputusan
yang diperoleh dari hasil agregasi Sit dan Wt
Yi (oitai)
= indeks kecocokan fuzzy Yi untuk triangular fuzzy alternatif
keputusan Ai dengan kriteria Ct
Qi (pitbi)
= indeks kecocokan fuzzy Qi untuk triangular fuzzy alternatif
keputusan Ai dengan kriteria Ct
Zi (qitci)
= indeks kecocokan fuzzy Zi untuk triangular fuzzy alternatif
keputusan Ai dengan kriteria Ct
(Samantra, 2010)
3.
Menyeleksi alternatif yang optimal.
Pada langkah ini ada 2 aktifitas yang harus dilakukan, yaitu:
-
Memprioritaskan alternatif keputusan berdasarkan hasil agregasi.
Prioritas dari hasil agregasi dibutuhkan dalam rangka proses
perangkingan
alternatif
keputusan.
Karena
hasil
agregasi
direpresentasikan dengan menggunakan bilangan fuzzy segitiga, maka
dibutuhkan metode perangkingan untuk bilangan fuzzy tersebut. Salah
satu metode perangkingan yang dapat digunakan adalah metode nilai
total integral. Misalkan G adalah bilangan fuzzy segitiga, G = (a, b, c),
maka nilai total integral dapat dirumuskan sebagai berikut:
Universitas Sumatera Utara
32
(F) = ( )(αc + b + (1-α) a)
I
Dimana:
I
= integral kecocokan
α
= drajat keoptimisan
a,b,c
= indeks keoptimisan
T
= alternatif Kepentingan
F
= fuzzy
-
Nilai a adalah indeks keoptimisan yang merepresentasikan derajat
keoptimisan bagi pengambil keputusan (0 ≤ α ≤ 1). Apabila α semakin
besar mengindikasikan bahwa derajat keoptimisannya semakin besar.
-
Memilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif
yang optimal. Apabila t = 1 ... n, dan ada beberapa bilangan fuzzy Gt
maka semakin besar nilai I (Gt) berarti menunjukkan kecocokan terbesar
dari alternatif keputusan untuk kriteria keputusan, dan nilai I (Gt) terbesar
inilah yang menjadi tujuannya. Sehingga bisa ditentukan alternatif terbaik
yang dipilih adalah yang memiliki nilai I (Gt) terbesar.
(Kusumadewi, dkk, 2006).
2.3. Prinsip Dasar Merancang Rumah
Dalam merencanakan sebuah bangunan rumah tinggal, perancangan denah
sangatlah penting. Dari gambar denah inilah penghuni rumah dapat membaca
model, bentuk atau wujud rumah yang dibangun.
Pada hakikatnya, merancang denah sebuah rumah harus sesuai
keinginan penghuni atau pemilik bangunan rumah tinggal tersebut. Untuk itu,
beberapa langkah berikut ini sebaiknya diikuti agar dalam perencanaannya tidak
terlalu melenceng jauh dari apa yang dibayangkan nantinya.
-
Pertimbangkan jumlah penghuni rumah
-
Kebutuhan ruang penghuni rumah
-
Fungsi ruang
-
Kenyamanan
Universitas Sumatera Utara
33
-
Keamanan
-
Nilai estetika
(Amin, dkk, 2012).
Desain minimalis adalah sebuah gaya arsitektur yang tengah menjadi trend
saat ini. Rumah bergaya minimalis banyak menjadi pilihan bagi kaum urban karena
bentuknya yang simple, dinamis, dan praktis. Desain bangunan dengan gaya
minimalis pada dasarnya berasal dari Eropa dan Amerika yang diadopsi masuk ke
Indonesia. Tren minimalis yang sekarang hadir di Indonesia sebenarnya bukan
minimalis murni. Namun sudah digabungkan dengan berbagai gaya lainnya, seperti
modern, mediterania atau klasik. Secara umum, gaya minimalis di Indonesia adalah
minimalis tropis yang dicirikan dengan adanya teras. Minimalis yang murni tidak
mengenal adanya teras.
(Kriyoadi, dkk. 2012)
2.4. Entity Relationship Diagram (ERD)
Entity Relationship Diagram (ERD) merupakan suatu model untuk menjelaskan
hubungan antar data dalam basis data berdasarkan objek-objek dasar data yang
mempunyai hubungan antar relasi.
Tabel 2.3 Komponen Penyusun ERD
Komponen
Keterangan
Persegi panjang mewakili entitas
Elips mewakili atribut
Belah ketupat mewakili relasi
Garis menghubungkan atribut dengan
kumpulan entitas dan kumpulan entitas
dengan relasi.
Universitas Sumatera Utara