Pada bab ini berisi tentang kesimpulan dan saran-saran sebagai hasil dari Skripsi ini.
6
TINJAUAN PUSTAKA
2.1 Konsep Tentang Fuzzy
Fuzzy dalam bahasa inggris berarti tidak tentu (indistunc), kabur (blurred), tidak secara jelas terfokus. Istilah fuzzy sets pertama kali diperkenalkan oleh Prof. Lutfi Z. untuk mengadaptasikan konsep kekaburan ke dunia teknis. Dari konsep dasar ini maka lahirlah salah satu cabang rekayasa yang dikenal dengan fuzzy engineering.
Sebagai contoh konsep diatas adalah usia manusia (merupakan contoh dari linguistik), yang dapat bernilai tua, muda setengah baya yang sulit dilihat batasan-batasannya.Dengan menggunakan sistem komputer konvensional tentu saja sulit untuk mengolah variabel-variabel tersebut. Maka munculah konsep Fuzzy.
Penentuan batasan tentang usia atau hal-hal lain yang bersifat kabur tergantung dari mereka yang menentukan, atau pembuat aturan fuzzy tersebut. Suatu misal batasan usia muda. Kita menganggap usia muda antara 15 sampai pada usia 35 tahun, kita tahu bahwa memang usia 10 tahun bukanlah usia muda. Konsep fuzzy menyajikan nilai keanggotaan suatu keadaan pada variabel tertentu dengan harga diantara 0 dan 1 (Gambar 2.1.). Dengan demikian variabel yang sifatnya abstrak dan subyektif dapat dinyatakan secara numerik atau angka, sehingga mudah dilakukan pengolahan.
Apabila dibandingkan dengan fuzzy sistem biner terasa janggal dan aneh karena hanya menggunakan nilai atau harga 1 atau 0 untuk menyatakan suatu
keadaan tertentu (crisp sets : pada Gambar 2.2.). Suatu misal usia kita 35 tahun, kita masih dianggap muda namun setelah lebih satu hari kita sudah dianggap tua.
Gambar 2.1. Fungsi Keanggotaan Fuzzy
Cara bekerja secara fuzzy memang adalah jiplakan cara kerja otak manusia dalam mengendalikan segala sesuatu, dan ini terbukti lebih canggih dari pengendali apapun. Meskipun kita tidak tahu model matematika dari sistem yang akan dikendalikan, kita mampu mengendalikan dengan baik. Dengan keunggulan tersebut maka diadakan usaha agar fuzzy menjadi sebuah pengendali.
2.1.1 Kontrol Logika Fuzzy
Kontrol logika fuzzy termasuk dalam kategori inteligent kontrol. Keunggulan kontrol logika fuzzy ini ialah kemampuannya dalam menggabungkan besaran numerik dan besaran linguistik. Kontrol logika fuzzy berusaha meniru logika manusia dalam mengendalikan suatu plant. Manusia dalam menanggapi suatu kejadian atau fenomena alam, manusia selalu menanggapinya secara kualitatif dengan memakai pernyataan linguistik. Nilai tanggapan manusia ini bersifat kabur, samar tidak pasti (Fuzzy). Kemudian manusia juga mengeluarkan respon secara kualitatif pula, dengan bahasa linguistik.
2.1.1.1 Himpunan Fuzzy
Suatu himpunan fuzzy F dalam semesta X didefinisikan sebagai kumpulan pasangan x dan fungsi keanggotaan µF(x). Derajat keanggotaan µF(x) mempunyai nilai dalam interval antara [0,1] untuk tiap nilai x pada X. Nilai fungsi keanggotaan menunjukkan tingkat keanggotaan elemen x dalam F, jika µF (x) = 1 maka menunjukkan bahwa x merupakan anggota penuh F. Tetapi jika µF (x) = 0 maka x bukan anggota dari F.
Secara umum himpunan fuzzy dinotasikan sebagai berikut : F = { (x, µF (x) ) | x ∈ X }
Bila x diskrit denagn n elemen, F dapat dinyatakan sebagai : F = µ1(x) / x1 + µ2(x) / x2 + µ3(x) / x3 + … + µn(x) / xn
Notasi-notasi '+' dan '/' diatas bukan merupakan operasi aritmatik penjumlahan dan pembagian, tetapi menyatakan operator gabungan dan penghubung nilai fuzzy dan tingkat keanggotaan.
Bila x kontinyu, F dapat dinyatakan sebagai :
F = ∫µF (x) / x ... (2.2)
Dalam himpunan fuzzy F, x dinamakan support / pendukung F. Untuk kasus dimana µF(x) = 0.5 disebut dengan titik silang atau crossover.
Himpunan fuzzy yang penyokong tunggal dengan tingkat keanggotaan µF(x) = 1 disebut dengan fuzzy tunggal atau fuzzy singelton.
2.1.1.2 Fungsi Keanggotaan Himpunan Fuzzy
Fungsi keanggotaan ialah suatu fungsi untuk menentukan derajat keanggotaan dalam pendefinisian himpunan fuzzy tergantung pada bentuk yang akan digunakan. Tetapi secara umum ada dua macam metode pendefenisian yaitu secara numerik dan secara fungsi.
Fungsi keanggotaan yang didefenisikan secara numerik menggunakan penyokong diskrit. Sedangkan fungsi keanggotaan yang didefinisikan dalam bentuk fungsi yaitu dengan mengambil nilai bentuk fungsi untuk tiap penyokong x.
Derajat keanggotaan suatu nilai ditentukan oleh bentuk dari fungsi keanggotaan yang digunakan. Ada beberapa bentuk fungsi keanggotaan yang sering digunakan, yaitu :
1. Fungsi Segitiga (Triangular function)
Gambar 2.3. Fungsi Keanggotaan Segitiga
Representasi matematik dari fungsi keanggotaan segitaiga yaitu : 0 , Jika x < a
(x-a) / (b-a) , Jika a x b T (x; a,b,c) = (c-x) / (c-x) , Jika b < x < c
0 , Jika x > c
Gambar 2.4. Fungsi KeanggotaanTrapesium
0 , Jika x < a (x-a) / (b-a) , Jika a < x < b T (x; a,b,c) = 1 , Jika b < x < c (c-x) / (c-x) , Jika b < x < c 0 , Jika x > c
3. Fungsi π (phi function)
Representasi matematis fungsi keanggotaan fungsi phi yaitu : S(x; c-b, c-b/2,c) , untuk x < c
Gambar 2.5. Fungsi Keanggotaan π
2.1.1.3 Variabel Linguistik
Untuk merepresentasikan cara berfikir manusia, teori himpunan fuzzy menggunakan variabel linguistik. Variabel linguistik ini berisi ungkapan-ungkapan yang bersifat kualitatif yang berfungsi untuk menyatakan kondisi dari variabel-variabel proses.
Ungkapan-ungkapan kualitatif ini terus mengikuti proses berfikir manusia sampai suatu keputusan yang diungkapkan secara kualitatif pula. Misalnya : "Jika temperatur melebihi dari set point yang telah ditentukan , maka perkecil harga gain proporsional yang diinputkan ke kontroller".
Pemilihan variabel-variabel linguistik sebagai aksi pengendalian memegang peranan sangat penting dalam menentukan perfomansi unit pengendalian logika fuzzy. Pada kontrol logika fuzzy setiap variabel masukkan dan keluaran dikelompokkan dalam variabel-variabel linguistik seperti tujuh variabel linguistik seperti berikut ini : NB (negative big), NM (negative medium),
NS (negative small), ZE (zero), PS (positive small), PM (positive medium), dan PB (positive big).
Jumlah variabel linguistik yang digunakan mempengaruhi pada kehalusan (smoothing) dari respon sistem yang dihasilkan kontroller logika fuzzy. Karena semakin banyak variabel linguistik akan dapat mendekati kondisi real dari nilai sesungguhnya.
2.1.1.4 Operasi Dasar Himpunan Fuzzy
Pada dasarnya himpunan fuzzy mempunyai banyak sekali operasi fungsi, tetapi yang digunakan untuk perhitungan di sistem pengendalian hanya beberapa saja yaitu operator gabungan (Union), operasi irisan (Intersection) dan operator perkalian (Algebraic Product).
Untuk lebih memperjelas ketiga operator ini maka misalkan ada dua variabel A dan B sebagai himpunan fuzzy dalam semesta pembicaraan X dengan fungsi keanggotaan µA(x) dan µB(x), maka operasi dasar himpunan fuzzy yang dinyatakan dengan operator gabungan, operator irisan dan operator perkalian ialah:
a. Gabungan (Union)
Gabungan dua himpunan fuzzy A dan B dengan masing-masing fungsi keanggotaannya µA(x) dan µB(x) dinyatakan dengan :
b. Irisan (Intersection)
Irisan dua himpunan fuzzy A dan B dengan fungsi keanggotaan µA(x) dan dinyatakan sebagai berikut:
Untuk semua x ∈ X... (2.4)
c. Perkalian aljabar (algebraic product)
Perkalian aljabar dari dua himpunan fuzzy A dan B yang mempunyai fungsi keanggotaan µA(x) dan µB(x) dinyatakan sebagai berikut :
untuk semua x ∈ X ... (2.5)
2.1.2 Struktur Dasar Sistem Logika Fuzzy
Sistem logika fuzzy adalah sistem yang berhubungan langsung dengan konsep tentang fuzzy (yaitu fuzzy sets, linguistik variabel, dan lainnya). Secara garis besar dibedakan menjadi tiga bagian yaitu sistem logika fuzzy murni (pure fuzzy logic system), sistem fuzzy Sugeno dan Takagi serta fuzzy logic sistem dengan fuzzifikasi dan defuzzifikasi. Dari ketiga sistem tersebut, fuzzy logic sistem fuzzifikasi dan defuzzifikasi memiliki keunggulan tersendiri. Yaitu pertama masukan (input) dan keluaranya merupakan variabel yang nyata. Kedua, sistem ini menyediakan hubungan untuk digabungkan dengan if_then rule dari tenaga ahli (human expert). Ketiga, kita memiliki kebebasan untuk menentukan jenis fuzzifikasi, mesin penalaran fuzzy dan defuzifikasi, sehingga kita dapat
memilih atau menentukan sistem fuzzy logic mana yang paling cocok untuk mengendalikan suatu plant tertentu.
Sistem logika fuzzy yang akan digunakan adalah menggunakan defuzzifikasi rata-rata tengah (center average defuzzyfier), aturan penalaran hasil, fuzzyfikasi singleton dan fungsi keanggotaan gaussian yang dinyatakan dalam bentuk (wang 1994) :
... (2.6)
Parameter yang dapat diubah-ubah dari sistem logika fuzzy diatas adalah
dimana : V adalah semesta pembicaraan pada keluaran sedangkan Ui adalah semesta pembicaraan pada masing-masing masukannya.
2.1.2.1 Fuzzifikasi
Sinyal umpan balik yang didapat dari sensor berupa besaran non fuzzy (Crisp). Besaran ini harus ditransformasikan ke dalam bentuk besaran fuzzy dengan bantuan faktor perskala (scaling factor). Faktor perskala diatur sedemikian rupa sehingga seluruh variabel masukan proses terpetakan dalam semesta pembicaraan (universe of discourse) yang telah ditentukan. Penentuan faktor skala untuk sfe (scaling factor error) dan sfde (scaling factor delta error) dilakukan dengan metode heruistik secara coba-coba.
2.1.2.2. Defuzzifikasi
Defuzzifikasi pada dasarnya adalah pemataan ruang aksi kontrol pengendali fuzzy (domain fuzzy) ke dalam ruang aksi penegendalian non-fuzzy (domain crisp)
Secara umum defuzzifikasi dapat dinyatakan dalam bentuk,
Zo = defuzzifier(z) ... (2.7)
Metode defuzzifikasi yang digunakan adalah metode center of grafity (COG) atau center of area (COA), secara diskrit metode ini dapat dinyatakan sebagai berikut :
Dimana Zo adalah aksi pengendalian dalam domain crisp, µi(z) adalah nilai keanggotaan (faktor bobot) yang merupakan hasil dari aturan inferensi Max-min atau Max-Dot atau, z adalah nilai tengah fungsi keanggotaan aksi pengendalian fuzzy.
2.1.2.3 Mekanisme Inferensi Fuzzy
Metode inferensi yang banyak digunakan untuk kontroller logika fuzzy pada saat ini ada dua yaitu metode inferensi max-min dan metode inferensi Max-Dot. Kedua jenis inferensi ini menggunakan penalaran GMP (General Modus Ponen), yaitu penalaran langsung. Untuk memahami kedua metode ini, asumsikan ada kontrol logika fuzzy yang hanya mempunyai dua basis aturan :
aturan 1 : Jika x adalah A1 dan y adalah B1, maka z adalah c. aturan 2 : Jika x adalah A2 dan y adalah B2, maka z adalah c Faktor bobot (fire stength) dari aturan ini dinyatakan dengan αi.
Untuk input xo dan yo mempunyai faktor bobot 1 dan 2, dapat dinotasikan sebagai berikut :
α1 = µAi (Xo) ΛBi (Yo)
α2 = µA2 (Xo) ΛB2 (Yo)
- Inferensi Max-Min
Dalam inferensi max-min operator yang digunakan untuk inflikasi fuzzy ialah operator minimum Mamdani. Notasi dari inferensi minimum Mamdani ialah sebagai berikut :
(
( ))(
( ))
) (w 1 Ci w 2 c2 w c α µ α µ α = Λ ΛDimana C ialah konsekuen dari implikasi minimum Mamdani, sedangkan ialah keputusan dari masing-masing basis aturan.
- Inferensi Max-Dot.
Pada metode inferensi max-dot operator yang digunakan untuk implikasi fuzzy ialah operator perkalian Larsen (product Larsen). Adapun keputusan dari masing-masing aturan kontrol dinyatakan sebagai berikut α1.µCi(W). Konsequen hasil implikasi product Larsen dapat ditulis sebagai berikut :
αc(W)= (α1.µci(W)) (α2.µc2(W))
2.1.2.4 Basis pengetahuan fuzzy
Basis pengetahuan fuzzy terdiri dari dua bagian yaitu basis aturan (rule base) dan basis data (data base). Basis pengetahuan merupakan perluasan dari metode inferensi fuzzy. Perluasan metode ini disesuaikan dengan model dari sistem pengendalian yang akan dirancang. Metode GMP kemudian diperluas menjadi aturan fuzzy yang berbentuk MISO (multi input single output).
Adapun bentuk aturan kontrol itu ialah :
Aturan 1 : Jika x adalah A1 dan Y adalah B1, maka z adalah C1. Aturan 2 : Jika x adalah A2 dan y adalah B2, maka z adalah C2 ... Aturan N : Jika x adalah An dan y adalah Bn, maka z adalah Cn Input : x adalah A' dan y adalah B'
Dimana x, y dan z ialah variabel linguistik yang mempresentasikan variabel keadaan proses dan variabel kontrol An, Bn, Cn adalah nilai linguistik untuk variabel x, y, z pada semesta pembicaraan X,Y dan Z
2.2Sistem Pengambilan Keputusan (Decision Support System)
Sistem pengambilan keputusan mempunyai berbagai pengertian yang terus berkembang sesuai dengan perkembangan aplikasi sistem pendukung dalam permasalahan manajemen. Litle (tahun 1995) mendefinisikan SPK sebagai kumpulan prosedur yang berbasis model untuk memproses data dan melakukan justifikasi untuk membantu manajer dalam pengambilan keputusan. Untuk menuju sukses, suatu sistem harus memenuhi beberapa syarat yaitu sederhana, kuat, mudah dikendalikan, adaptif, mudah untuk dimodifikasi. Perkembangan SPK memunculkan konsep baru seperti penggunaan konsep stuktur address yang menimbulkan pro kontra dengan munculnya ide bahwa permasalahan yang tidak terstruktur harus dibuat terstruktur. Bounzech (tahun 1995) mendefinisikan SPK sebagai system berbasis komputer yang terdiri dari 3 komponen yang interaktif, yaitu:
1. Sistem bahasa
Merupakan komunikasi antara pengguna dengan komponen lain dalam SPK 2. Sistem Pengetahuan
Merupakan kumpulan pengetahuan yang utama termasuk dalam SPK sebagai data / prosedur. 3. Sistem pemrosesan masalah yang merupakan penghubung antara dua komponen yang lain
Sedangkan Keen (tahun 1995) menerapkan SPK kedalam situasi dimana sistem akhir dapat dikembangkan melalui proses adaptif yang terdiri dari proses belajar dan evaluasi. Pengertian SPK yang diberikan Keen (tahun 1995) adalah SPK sebagai hasil proses pengembangan dimana pengguna, pembangun SPK dan SPK itu sendiri mempunyai kemampuan untuk mempengaruhi satu sama lain yang menghasilkan sebuah evolusi dan pola yang digunakan.
2.3 Karakteristik dan kemampuan sistem pendukung keputusan
Secara umum tidak ada konsesus tentang pengertian SPK secara khusus, termasuk karakteristik dan kemampuan SPK, berikut ini merupakan karakteristik SPK (tahun 1995) :
1. mendukung pengambilan keputusan terutama pada situasi semi terstruktur atau tidak terstruktur sama sekali dengan menyatukan keputusan yang dibuat manusia dan informasi dari komputer
2. mendukung berbagai level manajemen mulai dari eksekutif atas sampai manajer bawah
3. mendukung bukan hanya keputusan perseorangan tetapi juga untuk kelompok (group). Permasalahan yang terstruktur sering kali membutuhkan keterlibatan berbagai elemen organisasi dalam hal ini individu-individu dari berbagai departemen
4. mendukung pengambilan keputusan yang bersifat independen maupun yang bersifat sequential
5. mendukung semua tahapan dalam pross pengambilan keputusan mulai dari tahapan penyelidikan, desain, pemilihan sampai dengan implementasi 6. mendukung berbagai proses dan gaya pengambilan keputusan. Hal ini
menyebabkan SPK harus sesuai dengan atribut-atribut yang dimiliki pengambilan keputusan
7. adaptif dengan waktu. Pengambil keputusan harus bersikap reaktif, karena dihadapkan pada kondisi yang harus berubah dan menyesuaikan SPK dengan perubahan-perubahan tersebut. Pleksibel SPK memungkinkan pengguna (user) untuk menambahkan, menghapus, menggabungkan atau mengatur kembali elemen-elemen dasar. Hal ini akan memberikan kemampuan analisa yang cepat
8. mudah digunakan, pengguna harus merasa akrab dengan system yang dihadapi. Karakteritik semacam user Friendlines, fleksibel, bedaya grafis buat dalam dialog dengan bahasa umum dengan meninggkatkan keefektifan SPK. Karakteristik diatas menuntut bentuk SPK interaktif
9. meningkatkan ektifitas pengambilan keputusan (akurasi, kecepatan, kualitas) daripada meningkatkan efisiennya (biaya, termasuk biaya pemrosesan komputer)
10.dapat dikendalikan oleh pengambil keputusan dalam langkah-langkah proses penyelesaian keputusan. SPK ditujukan untuk mendukung pengambil keputusan bukan untuk menggantikan. Pengambil keputusan dengan menghentikan dan mengabaikan rekomendasi yang diberikan oleh komputer
11.mengajarkan untuk belajar, yang memungkinkan untuk diungkapkannya kebutuhan dan perbaikan sistem. Hal ini memunculkan proses pengembangan yang kotinyu
12.mudah untuk dibangun, program harus mampu membangun sendiri atau sistem yang sederhana. Sistem yang lebih besar dapat dikembangkan dalam organisasi dengan bantuan spesialis sistem informasi
13.menggunakan modal sehingga memungkinkan untuk memunculkannya percobaan dalm berbagai strategi dengan konfigurasi yang berbeda
14.dilengkapi dengan komponen pengetahuan (pada SPK tingkat lanjut) yang memberikan kemampuan penyelesaian masalah yang rumit secara efektif dan efisien
2.3.1 Komponen sistem pendukung keputusan
Sistem pendukung keputusan terdiri dari komponen-komponen SPK yaitu; Manajemen data
Manajemen data terdiri dari database yang berisi data yang berhubungan dengan situasi dan dikelola oleh perangkat lunak yang yang disebut dengan database manajement sistem (DBMS)
Manajemen model
Sebuah paket perangkat lunak yang mencakup model kuantitatif untuk finansial, statistik dan management science yang mendukung analisis sistem dan juga merupakan software management
Pengguna mampu berkomunikasi dan memberi perintah kepada SPK melalui subsistem ini. Subsistem ini merupakan perangkat lunak antar proses dengan pengguna
Manajemen pengetahuan
Subsistem ini merupakan subsistem opsional yang dapat mendukung subsistem lain atau berlaku sebagai komponen yang independen
2.3.2 Proses pengambilan keputusan
Mengacu Simon (tahun 1995), proses pengambilan keputusan meliputi 3 fase penyelidikan, perancangan, dan pemilihan, fase keempat yaitu implementasi yang ditambahkan kemudian. Dimulai dari tahapan penyelidikan yaitu penelusuran kenyataan yang terjadi dan masalah yang muncul diidentifikasi dan didefinisikan. Tahap perancangan menghasilkan suatu model yang menyederhanakan sistem yang ditinjau. Tahap pemilihan yang menunjukkan solusi dari model yang dikembangkan. Bila solusi yang didapat dianggap telah sesuai maka tahap implementasi dapat dilakukan
Pengembangan SPK merupakan proses yang sangat rumit. Proses ini meliputi kebutuhan teknis seperti pemilihan hardware sesuai dengan pengenalan tingkah laku dari para pengguna SPK karena sifat permasalahan SPK yang semi terstruktur ataupun tidak terstruktur, maka kebutuhan informasi dari para manager pengguna SPK akan berubah dan begitu juga SPKnya.
Tahapan dalam pengembangan SPK yaitu : Tahapan A
Perencanaan, berhubungan dengan pemunculan kebutuhan dan diagnosa permasalahan. Dalam hal ini tujuan dan sasaran dari SPK didefinisikan
Tahapan B
Riset, berusaha mengidentifikasi pendekatan yang relevan dalam memenuhi kebutuhan pengguna dan menyesuaikan dengan sumber daya yang tersedia Tahapan C
Analisa dan desain konseptual, berusaha mendapatkan pendekatan terbaik dan sumber daya yang dibutuhkan untuk diterapkan
Variabel-variabel yang Digunakan 1. Lokasi Pasar
Lokasi pasar adalah salah satu factor yang juga perlu diperhatikan dalam proses penetuan letak lokasi perusahaan. Lokasi perusahaan tergantung pada macam produk yang dihasilkan, pasar ini bisa secara luas tersebar atau terpusatkan. Apabila suatu pasar diterapkan untuk terpusatkan pada lokasi tertentu maka perusahaan yang akan didirikan haruslah diletakkan berdekatan dengan lokasi pasar tersebut, sedangkan apabila pasar yang kita supplay ternyata tersebar di beberapa lokasi tertentu maka kita dapat menempatkan pasar pada titik beratnya.
2. Lokasi Sumber Bahan Baku
Lokasi dari sumber bahan baku untuk produksi sangat berpengaruh dalam menentukan lokasi perusahaan yang akan didirikan. Karena sifat dari proses manafacturingnya yang memaksa untuk berdekatan dengan lokasi bahan bakunya.
3. Alat Angkutan
Masalah tersedia tidaknya fasilitas-fasilitas transfortasi adalah juga merupakan faktor yang sangat penting dalam menentukan lokasi dari perusahaan yang akan didirikan. Maka dari itu ada beberapa pertimbangan yang harus dilakukan seperti :
• Macam atau jenis fasilitas transportasi yang ada pada asal dan tujuan • Relatif biaya dari masing-masing transportasi tersebut
• Derajat kepentingan pengiriman barang tersebut
• Kondisi-kondisi khusus yang diharapkan dalam proses pengiriman tersebut
4. Sumber Energi
Hampir dapat dipastikan bahwa semua industri akan memerlukan tenaga listrik untuk berbagai macam kebutuhan dalam proses produksinya. Secara umum sebagian perusahaan akan lebih senang untuk membeli energi ini daripada harus membuat instalasi listrik sendiri. Biasanya public utility akan pula dapat mensupplay energi pada tinggkat biaya yang lebih murah dibandingkan bila harus menyediakan sendiri.
5. Iklim
Iklim atau cuaca secara nyata banyak mempengaruhi efektifitas, efisiensi dan tingkah laku pekerja perusahaan dalam melaksanakan aktivitasnya sehari-hari. Berdasarkan penelitian, manusia akan dapat bekerja dengan nyaman di dalam ruangan yang temperaturnya dapat dijaga sekitar 20 derajat Celsius.
Pendirian perusahaan pada lokasi tertentu akan tertentu akan mempertimbangkan pula tersedianya tenaga kerja yang cukup, yang tidak saja harus dilihat dari jumlahnya akan tetapi juga harus ditinjau dari segi kemampuan dan ketrampilan yang diperlukan. Selain itu tingkat upah harus juga dipetimbangkan.
7. Undang-undang Sistem Perpajakan
Aturan atau uandang-undang yang dikeluarkan oleh pemerintah baik tingkat pusat maupun tingkat daerah akan pula mempengaruhi proses pemilihan lokasi perusahaan. Beberapa aspek dari operasi yang diatur oleh undang-undang adalah berupa jam kerja, usia kerja minimal, dan kondisi-kondisi kerja lainnya. Disamping itu besar kecilnya pajak yang disetorkan oleh industri akan berbeda-beda tergantung dimana lokasi perusahaan tersebut akan didirikan.
8. Sikap Masyarakat Setempat
Sikap masyarakat setempat dimana perusahaan tersebut hendak didirikan ikut pula menjadi dasar pertimbangan yang cukup penting artinya. Sosial cultural, adat istiadat, tradisi, dan tingkat pendidikan rata-rata dari anggota masyarakat merupakan aspek penting didalam penyelesaian masalah-masalah perburuhan, perselisihan dan lain-lain yang menyangkut masalah industrial relation.
9. Dan beberapa Variabel yang dapat di tambahkan di dalam sistem nantinya, disesuaikand engan kebutuhan dari perusahaan itu sendiri.
2.4Konsep Metode Brown Gibson
Brown-Gibson dikembangkan untuk menganalisa dan mengevaluasi lokasi pabrik / industri berdasarkan konsep ”preference of measurement” yang mengkombinasikan faktor-faktor obyektif (kuantitatif) dan subyektif (kualitatif). Dalam penentuan nilai awal yang nanti akhirnya memberikan keluaran atau output sebagai nilai terbesar dari suatu lokasi yang paling cocok digunakan sebagai lokasi pabrik / industry tersebut.
Adapun langkah-langkah penerapan metode brown-gibson adalah sebagai berikut :
1 Eliminasi setiap alternatif site lokasi yang secara sepintas jelas-jelas tidak layak dan feasibel untuk dipilih. Misalnya: tidak tersedianya suplai energi ataupun utilities lainnya dalam kapasitas yang dibutuhkan.
2 Hitung dan tetapkan “performance measuremants”dari faktor obyektif (of) untuk setiap alternatif lokasi.
... (2.9)
3 Tentukan faktor-faktor yang memberi pengaruh signifikan dan harus dipertimbangkan pada saat menetapkan lokasi pabrik. Faktor-faktor ini bersifat subjektif.
4 Tetapkan rating faktor (Wij), dimana j=1,2,...n untuk setiap faktor subjektif yang ada dengan membandingkan dan menilai salah satu faktor terhadap faktor yang lain secara berpasangan (pairwise comparison).
5 Buat ranking juga dengan pairwise comparison, berdasarkan faktor subjektif yang ditetapkan untuk masing-masing alternatif lokasi. Ranking ini dinotasikan sebagai Rij (0 ≤ Rij ≤ 1 dan ∑ Rij = 1).
6 Penilaian adalah sebagai berikut: • Poin = 1, berarti “lebih baik” • Poin =0, berarti “lebih jelek”
• Poin sama-sama nol atau satu berarti “sama”
7 Tetapkan faktor subjektif (Sfi) dengan cara mengkombinasikan sebagai berikut:
... (2.10)
8 Kombinasikan faktor objektif dan subjektif. Sebelumnya perlu dihitung terlebih dahulu faktor mana yang lebih penting apakah faktor objektif (bobot=k) atau faktor subjektif (bobot=1-k). Perhitungan ini akan menghasilkan Location Preference Measure (LPM) untuk setiap alternatif lokasi yang ada:
LPMi = k (Ofi) + (1-k) (Sfi) ……… (2.11)
9 Lokasi yang dipilih adalah lokasi dengan nilai LPM tertinggi.
2.5Konsep Dasar Sistem Dan Informasi
Sistem adalah kesatuan beberapa keadaan, metode teknik dan kumpulan elemen yang saling berkaitan unntuk memproses input menjadi output yang
diharapkan. Disini jelas dikemukakan bahwa suatu sistem tidak akan lepas dari elemen pokoknya yaitu input dan output. Suatu sistem dapat didefinisikan sebagai suatu kesatuan yang terdiri dari dua atau lebih komponen atau subsistem yang berinteraksi untuk mencapai suatu tujuan.
Suatu sistem dapat terdiri dari sistem-sistem bagian (subsystem). Sebagai misal, sistem komputer dapat terdiri dari subsistem perangkat keras dan subsistem perangkat lunak. Masing-masing subsistem dapat terdiri dari subsistem-subsistem