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
ijmerupakan rasio pereferensi Alternative x
iterhadap x
j, berarti bahwa x
ia
ijkali
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
0adalah 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...~
wmm 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 nM
2 1 2 2 2 1 2 1 2 1 1 1( 2.6 )
dengan
α
α
11
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