Kelebihan PHP…

BAB II TINJAUAN PUSTAKA

2.6 Definisi PHP

2.6.1 Kelebihan PHP…

PHP memiliki banyak kelebihan yang tidak dimiliki oleh bahasa script

sejenis. PHP difokuskan pada pembuatan script server-side, yang bisa

melakukan apa saja yang dapat dilakukan oleh GCI, seperti mengumpulkan

dataq dari form, menghasilkan isi halaman web dinamis, dan kemampuan

mengirim serta menerima cookies bahkan lebih daripada kemampuan CGI.

PHP dapat digunakan pada semua system operasi, antaqra lain Linux,

Unix, Microsoft Windows, Macintosh. PHP juga mendukung banyak Web

Server, seperti Apache, Microsoft Internet Information Server (MIIS),

Personal Web Server (PWS) dan masih banyak lagi lainnya, bahkan PHP dapat

bekerja sebagai suatu CGI processor.

PHP tidak terbatas pada hasil keluaran HTML (HyperText Markup

Languages). PHP juga memiliki kemampuan untuk mengolah keluaran

gambar, file PDF, dan movies flash. PHP juga dapat menghasilkan teks seperti

XHTML dan file XML lainnya.

2.6.2. Sintaks PHP

Sintaks program atau script PHP ditulis dalam apitan tanda khusus

PHP. Ada empat macam pasangan tag PHP yang dapat digunakan untuk

menandai blok script PHP :

<?php …?>

<script language = “PHP”> … </script>

<? … ?>

<% … %>

Cara 1 dan 2 merupakan cara yang paling umum digunakan sekalipun

cara 3 tampak lebih praktis karena cara 3 tidak selalu diaktifkan pada

konfigurasi file php. Ini yang terdapat pada direktori C:\Program Files\Apache

Software Foundation\Apache2.2\PHP.

Cara 4 juga dimungkinkan sebagai kemudahan bagi yang sudah

terbisasa dengan ASP (Active Server Pages). Namun, bila itu tidak dikenal,

maka harus dilakukan pengaktifan pada file konfigurasi php ini. Pengaktifan

yang dilakukan pada file php ini terdapat pada baris berikut :

Language options

Asp_tags = off,

Ubah Off menjadi On, kemudian simpan dan restart kembali web

server.[4]

2.7 Sistem Pendukung Keputusan (Decision Support Systems)

Konsep Sistem Pendukung Keputusan (SPK) pertama kali

dikemukakan pada awal 1970-an oleh Michael S. Scott Morton. Ada beberapa

definisi sistem pendukung keputusan yang dikemukakan oleh beberapa pakar,

diantaranya:

a. Menurut Michael S. Scott Morton, sistem pendukung keputusan disebut

dengan istilah management decision. Sistem tersebut adalah suatu sistem

berbasis komputer yang ditujukan untuk pengambil keputusan dalam

memanfaatkan data dan model tertentu untuk membantu pengambil

keputusan untuk memecahkan berbagai persoalan yang tidak terstruktur.

Istilah sistem pendukung keputusan mengacu pada suatu yang

memanfaatkan dukungan komputer dalam proses pengambil keputusan.

b. Menurut Man dan Watson, sistem pendukung keputusan merupakan suatu

interaktif yang membantu pengambil keputusan melalui penggunaan data

dan model-model keputusan untuk memecahkan masalah yang sifatnya

semi terstruktur dan tidak terstruktur, artinya bahwa sistem pendukung

keputusan adalah suatu informasi berbasis komputer yang dirancang untuk

meningkatkan efektivitas pengambil keputusan dalam masalah yang semi

terstruktur atau tidak terstruktur.

c. Menurut Litle, sistem pendukung keputusan adalah suatu informasi

berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk

membantu manajemen dalam menangani berbagai permasalahan yang semi

terstruktur ataupun tidak terstruktur dengan menggunakan data dan model.

Dari beberapa definisi diatas dapat dikatakan bahwa sistem pendukung

keputusan adalah suatu informasi spesifik yang ditujukan untuk membantu

manajemen dalam mengambil keputusan yang berkaitan dengan persoalan

yang bersifat semi terstruktur. Sistem ini memiliki fasilitas untuk menghasilkan

berbagai alternatif yang secara interaktif dapat digunakan oleh pemakai.

Penggunaan model ini berkaitan dengan sifat permasalahan yang harus

dipecahkan pemakai, yaitu semi terstruktur atau tidak terstruktur. Jadi semakin

banyak perbendaharaan yang dimiliki oleh sistem, maka alternatif keputusan

yang dapat diciptakannya juga akan semakin banyak, dengan memanfaatkan

komputer sebagai media.

2.7.1 Ciri-Ciri dan Tujuan

Sudirman dan Widjajani mengemukakan ciri-ciri sistem pendukung

keputusan yang dirumuskan oleh Alters Keen, sebagai berikut:

a. Sistem pendukung keputusan ditujukan untuk membantu

keputusan-keputusan yang kurang terstruktur dan umumnya dihadapi oleh para

manajer yang berada di tingkat puncak.

b. Sistem pendukung keputusan merupakan gabungan antara kumpulan

model kualitatif dan kumpulan data.

c. Sistem pendukung keputusan memiliki fasilitas interaktif yang dapat

mempermudah hubungan antara manusia dan komputer.

d. Sistem pendukung keputusan bersifat luwes dan dapat menyesuaikan

dengan perubahan-perubahan yang terjadi.

2.7.2 Komponen Sistem Pendukung Keputusan

Sistem pendukung keputusan terdiri atas tiga komponen utama atau

subsistem, yaitu:

a. Subsistem Pengelolaan Data (Database).

Merupakan komponen sistem pendukung keputusan penyedia data bagi

sistem.

b. Subsistem Pengelolaan Model (Model Base).

Mengintegrasikan data dengan model-model keputusan.

c. Subsistem Pengeloaan Dialog (User Interface).

Menyediakan fasilitas yang mampu mengintegrasikan sistem secara

interaktif. Hubungan antara ketiga komponen di atas dapat dilihat pada

gambar 2.1

Gambar 2.2 Komponen Dari SPK

Pemakai

Pengelolaan

Data

Pengelolaan

Model

Pengelolaan

Dialog

2.7.3 Proses Pengambil Keputusan

Proses pengambilan keputusan terdiri atas empat tahap, yaitu:

a. Tahap Intelegence

Dalam tahap ini pengambil keputusan mempelajari kenyataan yang

terjadi, sehingga dapat mengidentifikasi dan mendefenisikan masalah

yang sering terjadi, biasanya dilakukan analisis berurutan dari sistem ke

sub sistem pembentuknya. Dari tahap ini didapatkan keluaran berupa

dokumen pernyataan masalah.

b. Tahap Design

Dalam tahap ini pengambil keputusan menemukan, mengembangkan, dan

menganalis 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 pengambil 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 laporan berupa laporan

pelaksanaan solusi dan hasilnya.

2.8 Multi-Criteria Decision Making (MCDM)

Menurut Ismail (2005), dalam sebuah pengambilan keputusan selalu

dihadapkan pada beberapa alternatif yang dapat dipilih dengan kriteria-kriteria

yang bersesuaian sehingga dapat digunakan sebagai bahan evaluasi untuk

memilih. Jadi MCDM adalah disiplin dalam pengambilan keputusan dengan

banyak kriteria.

Disiplin dalam MCDM secara garis besar dibagi menjadi dua, yaitu

Multi-Attribute Decision Making (MADM) dan Multi-Objective Decision

Making (MODM). Dimana MADM lebih menitikberatkan pada pemilihan

alternatif dalam jumlah yang terbatas sedangkan MODM merancang alternatif

terbaik, meskipun demikian kedua istilah MADM dan MODM berada pada

kategori kelas yang sama.

Pada Tabel 2.1 akan diperlihatkan perbedaan antara MADM dan

MODM. Pada tugas akhir ini, akan lebih difokuskan pada permasalahan

dengan alternatif solusi yang terbatas (MADM).

Tabel 2.1 Perbedaan MADM dan MODM (Yoon dan Hwang. 1981)

Beberapa ciri yang selalu ada dalam MCDM adalah:

1. Alternatif

Kemungkinan-kemungkinan yang dapat dipilih oleh pengambil keputusan.

Jumlah alternatif ini adalah terbatas.

2. Atribut

Biasanya merupakan karaktristik, komponen atau kriteria keputusan.

3. Pembobotan

Pemberian bobot pada setiap kriteria.

4. Matrix Keputusan

Metode MCDM dapat dinyatakan dalam bentuk matrix. Sebuah matrix X

adalah matrix (m x n) dimana elemen xij, dengan i mewakili alternatif, yaitu

Ai (untuk i = 1,2,3,…,m) dan j mewakili kriteria, yaitu Cj (untuk i =

1,2,3,…,n).

Ai , i = 1,2,3,…,m dinotasikan dengan :

Dan vektor kolomnya adalah

aj = (a1j, a2j, ..., amj)

^T

( 2.2 )

Yang memperlihatkan perbedaan antar setiap alternatif adalah nilai dari

atribut yang dimiliki oleh alternatif tersebut j, yaitu Cj.

Untuk menggambarkan pentingnya hubungan antara atribut-atribut yang ada

maka weighted vector diberikan dengan W = (w1,w2,…,wn).

5. Pertentangan antar Kriteria

Dalam kriteria majemuk biasanya terjadi pertentangan kepentingan antara

satu kriteria dengan kriteria yang lainnya.

2.9 Teori Himpunan Fuzzy

Pada teori himpunan fuzzy, komponen utama yang sangat berpengaruh

adalah fungsi keanggotaan. Fungsi keanggotaan mereprentasikan derajat

kedekatan suatu obyek terhadap atribut tertentu, sedangkan pada teori

probabilitas lebih pada penggunaan frekuensi relative.

2.9.1 Konsep Dasar Himpunan Fuzzy

Konsep dasar dari himpunan Fuzzy terbagi atas:

1. Himpunan Klasik (Crisp)

Pada teori himpunan klasik (crisp), keberadaan suatu elemen pada

suatu himpunan A, hanya akan memiliki 2 kemungkinan keanggotaan,

yaitu menjadi anggota A atau tidak menjadi anggota A.

Jika X adalah koleksi dari obyek-obyek yang dinotasikan secara

generik oleh x, maka suatu himpunan fuzzy A^~, dalam X adalah suatu

himpunan pasangan berurutan:

A^~={(x,_m

A~

( )x )|x∈X} ( 2.3 )

dengan µ

_A~

( )x adalah derajat keanggotaan x di yang memetakan X

ke ruang keanggotaan M yang terletak pada rentang (0, 1).

2.9.2 Relasi Preferensi Fuzzy

Konsep dasar dari sistem pendukung keputusan fuzzy adalah relasi

antar elemen dalam himpunan-himpunan. Suatu relasi fuzzy merepresentasikan

derajat keanggotaan (hubungan) antara elemen dari dua atau lebih himpunan

¹¹

.

Untuk melakukan agregasi terhadap preferensi para expert ke dalam

grup preferensi,dibutuhkan relasi preferensi. Pada relasi preferensi setiap

expert menghubungkan nilai preferensi antar setiap. Ada dua macam relasi

pereferensi yang sering digunakan, yaitu relasi preferensi multiplikatif dan

relasi pereferensi fuzzy. Relasi pereferensi multiplikatif, A, pada himpunan

Alternative X direpresentasikan sebagai matriks A∈Χ Χ Χ, Α = (a

ij

), a

ij

merupakan rasio pereferensi Alternative x

i

terhadap x

j

, berarti bahwa x

i

a

ij

kali

lebih baik daripada x

j

. Saaty merekomendasikan untuk menggunakan nilai 1-9.

2.9.3 Variabel Linguistik

Variabel linguistik adalah variabel yang bernilai kata/kalimat, bukan

angka. Sebagai alasan menggunakan kata/kalimat daripada angka karena

peranan linguistik kurang spesisifik dibandingkan angka, namun informasi

yang disampaikan lebih informatif.

Variabel linguistik ini merupakan konsep penting dalam logika samar

dan memegang peranan penting dalam beberapa aplikasi. Jika “kecepatan”

adalah variabel linguistik, maka nilai linguistik untuk variabel kecepatan

adalah, misalnya “lambat”, “sedang”, “cepat”. Hal ini sesuai dengan kebiasaan

manusia sehari-hari dalam menilai sesuatu, misalnya : “Ia mengendarai mobil

dengan cepat”, tanpa memberikan nilai berapa kecepatannya.

2.9.4 Fuzzyfikasi

Fuzzifikasi adalah fase pertama dari perhitungan samar yaitu

pengubahan nilai tegas (crisp) ke nilai samar. Proses fuzzyfikasi ditulis sebagai

berikut :

x = fuzzifier (x

0

)

dengan x

0

adalah sebuah Variabel nilai tegas dari suatu Variable input,

x adalah Variable himpunan fuzzy yang didefinisikan sebagai Variable, dan

fuzzifier adalah sebuah operator fuzzifikasi yang mengubah nilai tegas ke

himpunan samar.

2.9.5 Defuzzyfikasi

Defuzzyfikasi adalah fase terakhir dari proses perhitungan samar yaitu

pengubahan nilai samar hasil fuzzyfikasi ke nilai tegas. Untuk metode

defuzzyfikasi digunakan Height Method, metode ini dikenal juga sebagai

prinsip keanggotaan maksimum karena metode ini secara sederhana memilih

nilai crisp yang memiliki derajat keanggotaan maksimum. Oleh karena itu,

metode ini hanya bisa dipakai untuk fungsi keanggotaan yang memiliki derajat

keanggotaan 1 pada suatu nilai crisp tunggal dan 0 pada semua nilai crisp yang

lain. Fungsi seperti ini sering disebut sebagai singleton.

Pada teori himpunan fuzzy, komponen utama yang sangat berpengaruh

adalah fungsi keanggotaan. Fungsi keanggotaan mereprentasikan derajat

kedekatan suatu obyek terhadap atribut tertentu, sedangkan pada teori

probabilitas lebih pada penggunaan frekuensi relative.

2.9.6 Fungsi Keanggotaan

Fungsi keanggotaan (membership function) adalah suatu kurva yang

menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaanya.

Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan

adalah dengan melalui pendekatan fungsi.

2.9.7 Representasi Linear Naik

Pada representasi linear, pemetaan input ke derajat keanggotaannya

digambarkan sebagai suatu garis lurus. Kenaikan himpunan dimulai pada nilai

domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan menuju

ke nilai domain yang memiliki derajat keanggotaan lebih tinggi, seperti terlihat

pada Gambar 2.2

Gambar 2.3 Representasi Linear Naik

( 2.4 )

Fungsi Keanggotaan

2.9.8 Fuzzy Multi-Attribute Decision Making (FMADM)

Pada FMADM, alternatif-alternatif sudah diketahui dan ditentukan

sebelumnya. Pengambil keputusan harus menentukan prioritas atau ranking

berdasarkan alternatif yang diberikan. Secara umum, FMADM memiliki suatu

tujuan tertentu, yang dapat diklasifikasikan dalam 2 tipe, yaitu menyeleksi

alternatif dengan atribut (alternatif) dengan ciri-ciri terbaik dan mengklasifikasi

alternative berdasarkan peran tertentu.

2.10 Fuzzy MADM Model Yager

Fuzzy MADM model Yager ini merupakan bentuk standar dari fuzzy

MADM. Misalkan A={a1,…,an} adalah himpunan alternatif, dan atribut

Derajat

keanggotaan

µ(x)

a domain

[ ] ( ) ( )

;

1

/

;

0

≥

≤

≤

−

−

≤

=

b

x

b

x

a

a

b

a

x

a

x

x

µ

direpresentasikan dengan himpunan fuzzy C^~

j

, j = 1, …, m. bobot yang

menunjukkan tingkat kepentingan atribut ke-j dinotasikan dengan wj. nilai

capaian alternatif ai terhadap atribut

j ~

C diekspresikan dengan derajat

keanggotaan mc(xi). keputusan akhir diambil berdasarkan interseksi dari semua

atribut fuzzy sebagai berikut:

C

C

C

D^~ ~

^w2

~

^w2

_...~

^w_mm 2 1

^{∩ ∩}

= ( 2.5 )

Alternatif optimal didefinisikan sedemikian rupa sehingga alternatif

tersebut memberikan kontribusi derajat keanggotaan tertinggi pada D^~.

Langkah-langkah penyelesaian untuk model ini adalah (Zimmermann,

1991):

1. Tetapkan matriks perbandingan berpasangan antar atribut, M, berdasarkan

prosedur hirarki Saaty sebagai berikut:

=

α

α

α

α

α

α

α

α

α

α

α

α

α

α

α

α

α

α

n n n n n n

M

2 1 2 2 2 1 2 1 2 1 1 1

( 2.6 )

dengan

α

α

1

1

adalah kepentingan relatif atribut ai terhadap atribut aj.

2. Tentukan bobot wj yang konsisten untuk setiap atribut berdasarkan metode

eigenvector dari Saaty. Apabila A adalah matriks perbandingan

berpasangan yang tidak konsisten, maka vektor bobot yang berbentuk:

(A)(W

^T

)=(n)(W

^T

) ( 2.7 )

dapat didekati dengan cara:

a. Menormalkan setiap kolom j dalam matriks A, sedemikian hingga:

a 1

i

ij

= ( 2.8 )

b. Untuk setiap baris i dalam A’, hitunglah nilai rata-ratanya:

=

i ij i

a

n

1

w ( 2.9 )

Untuk lebih jelas mengenai persamaan 2.6, 2.7, 2.8, 2.9 maka akan

dijelaskan mengenai teori Saaty yang lebih dikenal dengan Analytical

Hierarchy Process pada sub bab 2.5

3. Hitung nilai:

(

_C

_j

( )

x

i

)

wj

~

^{( 2.10 )}

dimana C^~

_j

adalah derajat keanggotaan dari alternatif x

i

terhadap suatu

kriteria;

w

j

adalah bobot preferensi dari perhitungan model Saaty

4. Tentukan interseksi dari semua

(

C^~

_j

( )

x

i

)

wj

, sebagai:

( )

( )

= =

= xi _x i n j m

D

_{Cj i} ^w j i

,...,

1

;

,...,

1

|

min

,

~

µ ( 2. 11 )

Pilih x

i

dengan derajat keanggotaan terbesar dalamD^~, dan tetapkan

sebagai alternatif optimal.

2.11 Perbedaan Metode Yager dengan Metode Multi-Attribute Utility