PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK
MENENTUKAN OBAT HERBAL BERDASARKAN PENYAKIT
MENGGUNAKAN LOGIKA FUZZY
METODE TSUKAMOTO
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar
Sarjana Komputer
ARIES FATAHILLAH
091421059
PROGRAM STUDI S1 EKSTENSI ILMU KOMPUTER
DEPARTEMEN ILMU KOMPUTER
PERSETUJUAN
Judul
: PERANCANGAN SISTEM PENDUKUNG
KEPUTUSAN UNTUK MENENTUKAN OBAT
HERBAL BERDASARKAN PENYAKIT
MENGGUNAKAN LOGIKA FUZZY METODE
TSUKAMOTO
Kategori
: SKRIPSI
Nama
: ARIES FATAHILLAH
Nomor Induk Mahasiswa
: 091421059
Program Studi
: S1 EKSTENSI ILMU KOMPUTER
Departemen
: ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan,
Komisi Pembimbing :
Pembimbing 2
Pembimbing 1
Ade Candra, S.T, M.Kom
Drs. Marihat Situmorang, M.Kom
NIP. 197909042009121002
NIP. 196312141989031001
Diketahui/Disetujui oleh
Departemen Ilmu Komputer FASILKOM USU
Ketua
Dr. Poltak Sihombing, M.Kom
PERNYATAAN
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK
MENENTUKAN OBAT HERBAL BERDASARKAN PENYAKIT
MENGGUNAKAN LOGIKA FUZZY
METODE TSUKAMOTO
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan,
ARIES FATAHILLAH
PENGHARGAAN
Alhamdulillahirobbilâalamin penulis ucapkan kepada Sang Khaliq Allah SWT yang
telah melimpahkan rahmat dan karunia-Nya sehingga skripsi ini berhasil diselesaikan
dalam waktu yang telah ditetapkan.
Skripsi ini merupakan salah satu syarat yang wajib diselesaikan guna meraih
gelar Sarjana Komputer pada program studi Ekstensi S1 Ilmu Komputer Universitas
Sumatera Utara. Adapun judul yang diangkat penulis dalam skripsi ini adalah
perancangan sistem pendukung keputusan untuk menentukan obat herbal berdasarkan
penyakit dengan menggunakan logika
fuzzy
metode tsukamoto. Tidak dapat dipungkiri
bahwa dalam penyelesaian skripsi ini tidak luput dari campur tangan banyak pihak
yang telah memberikan bantuan dan motivasi penulis. Maka, dalam kesempatan ini,
penulis mengucapkan terima kasih kepada:
1.
Bapak Drs. Marihat Situmorang, M.Kom dan Bapak Ade candra, S.T, M.Kom,
selaku dosen pembimbing yang telah memberikan panduan dan penuh kepercayaan
kepada penulis untuk meyelesaikan skripsi ini.
2.
Bapak Syahril Efendi, S.Si, MIT selaku dosen penguji beserta Ibu Maya Silvi
Lydia, B.Sc., M.Sc., yang telah memberikan panduan ringkas, padat dan
profesional kepada penulis guna menyempurnakan skripsi ini.
3.
Keluarga tercinta, Ayahanda Nazlan S. Lubis, Ibunda Farida, serta abangda Arief
F. Lubis dan adinda tercinta Arifin F. Lubis dan Dahlina Lubis yang selalu
memberikan doa, dukungan, perhatian, kasih sayang yang tulus, pengorbanan yang
tidak ternilai harganya serta dukungan moril maupun materil selama kehidupan
4.
Sahabat-sahabat terbaik, Chandra P. Tarigan dan Adrian F. Batubara yang selama
ini telah berbagi doa, semangat, suka maupun duka dengan penulis, serta
sahabat-sahabat lain yang membantu penulis dalam menyelesaikan skripsi ini yang tidak
dapat disebutkan satu per satu.
5.
Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat
penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.
Semoga Allah SWT memberikan limpahan karunia kepada semua pihak yang telah
memberikan bantuan, perhatian serta kerja samanya kepada penulis dalam
menyelesaikan skripsi ini.
Penulis menyadari bahwa dalam skripsi ini masih jauh dari sempurna. Untuk
itu penulis sangat mengharapkan kritik dan saran yang membangun guna
penyempurnaan di masa yang mendatang.
Akhirnya penulis berharap semoga skripsi ini dapat bermanfaat bagi pribadi
penulis, keluarga, masyarakat, organisasi dan negara.
Medan, Februari 2012
ABSTRAK
Sistem Pendukung Keputusan (SPK) adalah sistem yang dapat membantu seseorang
dalam mengambil keputusan yang akurat dan tepat sasaran. Banyak permasalahan
yang dapat diselesaikan dengan menggunakan SPK, salah satunya adalah pemilihan
obat herbal. Obat herbal atau bisa juga disebut dengan obat tradisional merupakan
obat yang berasal dari tumbuhan yang dalam prosesnya tidak menggunakan zat kimia,
sehingga aman untuk dikonsumsi. Ada beberapa metode yang dapat digunakan dalam
membangun SPK diantaranya metode tsukamoto. Fuzzy tsukamoto digunakan sebagai
model yang diterapkan untuk menghitung nilai α
âpredikat dan menghasilkan nilai
bobot akhir untuk setiap alternatif yang kemudian akan dibandingkan terhadap standar
ketetapan yang telah ditentukan sebelumnya. Hasil akhir dalam penelitian ini adalah
penentuan obat herbal yang telah disesuaikan dengan kondisi penyakit penderita.
Penentuan tersebut didapat dari proses pengurutan nilai gizi terbaik hasil perhitungan
dengan menggunakan fuzzy tsukamoto.
DESIGN DECISION SUPPORT SYSTEM FOR DETERMINING THE HERBAL
MEDICINE BY DISEASE USING TSUKAMOTO METHODS
OF FUZZY LOGIC
ABSTRACT
Decision Support System (DSS) is a system that can assist someone in taking accurate
decisions and on target. Many problems can be solved by using the DSS, one of which
is a selection of herbal medicines. Herbal medicine or it could be called traditional
medicine is a drug derived from plants are in the process does not use chemicals, so it
is safe for consumption. There are several methods that can be used in building a DSS
such as Tsukamoto method. Tsukamoto Fuzzy used as a model applied to calculate the
value of
α
-predicate and the final weight value for each alternative will then be
compared against a standard provision that had been predetermined. The final results
in this study is the determination of herbal medicine that has been adapted to the
conditions of patient illness. Determination is obtained from the sequencing of the
best nutritional value calculated by using the Tsukamoto fuzzy.
Keywords: decision support systems, fuzzy logic, methods of Tsukamoto, herbal
DAFTAR ISI
Halaman
Persetujuan
ii
Pernyataan
iii
Penghargaan
iv
Abstrak
vi
Abstract
vii
Daftar Isi
viii
Daftar Tabel
xi
Daftar Gambar
xii
Bab 1
Pendahuluan
1
1.1 Latar Belakang
1
1.2 Rumusan Masalah
3
1.3 Batasan Masalah
3
1.4 Tujuan Penelitian
4
1.5 Manfaat Penelitian
4
1.6 Metode Penelitian
4
1.7 Sistematika Penulisan
5
Bab 2
Landasan Teori
7
2.1 Sistem Pendukung Keputusan
7
2.1.1 Pengertian Sistem Pendukung Keputusan
7
2.1.2 Konsep Dasar Sistem Pendukung Keputusan
8
2.1.3 Konsep Pengambilan Keputusan
8
2.1.3.1 Pengertian Keputusan
8
2.1.3.2 Pengertian Pengambilan Keputusan
9
2.1.4 Fase-fase Proses Pengambilan Keputusan
10
2.1.4.1 Fase Intelegensi
11
2.1.4.1.1 Identifikasi Masalah (Peluang)
11
2.1.4.1.2 Klasifikasi Masalah
12
2.1.4.2 Fase Desain
13
2.1.4.2.1 Memilih Sebuah Prinsip Pilihan
13
2.1.4.2.2 Mengembangkan Alternatif-alternatif
13
2.1.4.2.3 Mengukur Hasil Akhir
13
2.1.4.3 Fase Pilihan
14
2.1.4.4 Fase Implementasi
15
2.1.5 Karakteristik dan Kemampuan SPK
15
2.1.6 Keuntungan Sistem Pendukung Keputusan
17
2.1.7 Komponen Sistem Pendukung Keputusan
17
2.2 Logika Fuzzy
18
2.2.1 Pengertian Logika Fuzzy
18
2.2.2 Himpunan Fuzzy
19
2.2.3 Fungsi Keanggotaan
20
2.2.4 Sistem Inferensi Fuzzy
20
2.2.5 Metode Tsukamoto
21
2.2.5.1 Penentuan Nilai Gizi
22
Bab 3
Analisis dan Perancangan Sistem
24
3.1 Analisis
24
3.1.1Analisis Kebutuhan Fungsional dan Non-Fungsional
24
3.1.2 Pemodelan
26
3.1.2.1 Model Data
26
3.1.2.1.1 Basis Data (
Database
)
26
3.1.2.1.1.1 Tabel admin
26
3.1.2.1.1.2 Tabel contact
27
3.1.2.1.1.3 Tabel galery
27
3.1.2.1.1.4 Tabel asupan_gizi
28
3.1.2.1.1.5 Tabel kriteria_penyakit
28
3.1.2.2.1
Data Flow Diagram
(DFD)
36
3.1.2.3
Flowchart
Sistem
39
3.2 Perancangan Antarmuka (
interface
)
42
3.2.1 Rancangan Tampilan Halaman Utama
42
3.2.2 Rancangan Tampilan Konsultasi
43
3.2.3 Rancangan Tampilan Guest Book
43
3.2.4 Rancangan Tampilan Contact Us
44
3.2.5 Rancangan Tampilan Admin
44
Bab 4
Implementasi dan Pengujian
45
4.1 Implementasi
45
4.2 Persiapan Teknis
45
4.3 Tampilan Sistem Pendukung Keputusan
46
4.3.1 Menu Utama
46
4.3.2 Tampilan Halaman Konsultasi
48
4.3.3 Tampilan Halaman Guest Book dan Contact Us
49
4.3.4 Menu Admin
50
4.4 Pengujian
51
4.4.1 Penentuan Status Gizi
51
4.4.2. Penentuan Angka Kecukupan Gizi (AKG)
52
4.4.3 Penentuan Kondisi Penyakit
53
4.4.4 Hasil
53
Bab 5
Kesimpulan dan Saran
55
5.1 Kesimpulan
55
DAFTAR TABEL
Halaman
2.1 Rumus Angka Kecukupan Gizi (AKG)
22
2.2
Rumus Basal Metabolic Rate (BMR) 232.3 Kebutuhan Energi 23
3.1 Admin
26
3.2 Contact
27
3.3 Galery
27
3.4 Asupan_gizi
28
3.5 Kriteria_penyakit
28
3.6 Penyakit
29
3.7 Daftar Penyakit dan Obat
29
3.8 Tamu
30
3.9 User
30
3.10 Interval Nilai Kategori Penyakit (Lanjut Usia)
31
3.11 Interval Nilai Kategori Penyakit (Dewasa)
31
3.12 Interval Nilai Kategori Penyakit (Anak-Anak)
31
3.13 Interval Nilai Kategori Penyakit (Remaja)
31
DAFTAR GAMBAR
Halaman
2.1
Pengambilan Keputusan / Proses Pemodelan SPK10
2.2 Model Konseptual SPK
18
3.1 Struktur Hierarki Tiap Kriteria
33
3.2 DFD level 0 (Diagram Konteks)
37
3.3 DFD level 1
37
3.4 DFD level 2 (Login dan Konsultasi)
38
3.5
Flowchart
Perhitungan a-predikat
39
3.6
Flowchart
Perhitungan Nilai Rata-Rata Terbobot
40
3.7
Flowchart
Penentuan Kategori Penyakit dan Penentuan Obat
41
3.8 Rancangan Halaman Utama
42
3.9 Rancangan Halaman Konsultasi
43
3.10 Rancangan Halaman Guest Book
43
3.11 Rancangan Halaman Contact Us
44
3.12 Rancangan Halaman Admin
44
4.1 Tampilan Halaman Utama
47
4.2 Tampilan Form Konsultasi
48
4.3 Tampilan Form Guest Book
49
4.4 Tampilan Form Contact Us
49
4.5 Tampilan Halaman Admin
50
4.6 Registrasi
51
4.7 Status Gizi
52
4.8 Angka Kecukupan Gizi
52
4.9 Kondisi Penyakit
53
ABSTRAK
Sistem Pendukung Keputusan (SPK) adalah sistem yang dapat membantu seseorang
dalam mengambil keputusan yang akurat dan tepat sasaran. Banyak permasalahan
yang dapat diselesaikan dengan menggunakan SPK, salah satunya adalah pemilihan
obat herbal. Obat herbal atau bisa juga disebut dengan obat tradisional merupakan
obat yang berasal dari tumbuhan yang dalam prosesnya tidak menggunakan zat kimia,
sehingga aman untuk dikonsumsi. Ada beberapa metode yang dapat digunakan dalam
membangun SPK diantaranya metode tsukamoto. Fuzzy tsukamoto digunakan sebagai
model yang diterapkan untuk menghitung nilai α
âpredikat dan menghasilkan nilai
bobot akhir untuk setiap alternatif yang kemudian akan dibandingkan terhadap standar
ketetapan yang telah ditentukan sebelumnya. Hasil akhir dalam penelitian ini adalah
penentuan obat herbal yang telah disesuaikan dengan kondisi penyakit penderita.
Penentuan tersebut didapat dari proses pengurutan nilai gizi terbaik hasil perhitungan
dengan menggunakan fuzzy tsukamoto.
DESIGN DECISION SUPPORT SYSTEM FOR DETERMINING THE HERBAL
MEDICINE BY DISEASE USING TSUKAMOTO METHODS
OF FUZZY LOGIC
ABSTRACT
Decision Support System (DSS) is a system that can assist someone in taking accurate
decisions and on target. Many problems can be solved by using the DSS, one of which
is a selection of herbal medicines. Herbal medicine or it could be called traditional
medicine is a drug derived from plants are in the process does not use chemicals, so it
is safe for consumption. There are several methods that can be used in building a DSS
such as Tsukamoto method. Tsukamoto Fuzzy used as a model applied to calculate the
value of
α
-predicate and the final weight value for each alternative will then be
compared against a standard provision that had been predetermined. The final results
in this study is the determination of herbal medicine that has been adapted to the
conditions of patient illness. Determination is obtained from the sequencing of the
best nutritional value calculated by using the Tsukamoto fuzzy.
Keywords: decision support systems, fuzzy logic, methods of Tsukamoto, herbal
BAB 1
PENDAHULUAN
1.1.
Latar Belakang
Penyakit merupakan suatu masalah yang mengganggu aktifitas kita sehari-hari. Ketika
kita mengidap suatu penyakit, terkadang kita takut untuk mengkonsumsi obat-obatan
kimia dikarenakan selain pemakaiannya harus sesuai dengan dosis yang telah
dianjurkan, juga memiliki efek samping. Sehingga, banyak orang beralih ke
obat-obatan herbal. Obat herbal selain mudah didapat dan harganya lebih terjangkau dari
obat-obatan kimia, obat herbal tidak memiliki efek samping sehingga aman untuk
dikonsumsi.
Obat herbal atau bisa juga disebut dengan obat tradisional adalah obat yang
berasal dari tumbuhan yang diproses sedemikian rupa sehingga menjadi serbuk, pil
atau cairan yang dalam prosesnya tidak menggunakan zat kimia. Bagian dari obat
herbal yang bisa dimanfaatkan adalah akar, rimpang, batang, buah, daun dan bunga.
Bentuk obat herbal yang banyak dijual dipasar dalam bentuk kapsul, serbuk, cair dan
tablet.
Keputusan merupakan kegiatan memilih suatu strategi atau tindakan dalam
pemecahan suatu masalah. Dalam kehidupan sehari-hari manusia selalu dihadapkan
pada permasalahan dalam pengambilan suatu keputusan. Hal ini disebabkan oleh
2. Pengambilan keputusan dalam berbagai tingkat risiko yang dipilih.
3. Pengambilan keputusan dalam kondisi ketidakpastian, ada alternatif solusi
masalah yang tidak diketahui dengan jelas.
Untuk mengantisipasi permasalahan dalam pengambilan keputusan, diperlukan
suatu sistem yang mendukung solusi atas suatu masalah secara efektif dan efesien.
Sistem tersebut disebut dengan Sistem Pendukung Keputusan.
Logika
fuzzy
adalah suatu cara yang tepat untuk memetakan suatu ruang input ke
dalam suatu ruang output. Dalam logika
fuzzy
, nilai kebenaran suatu pernyataan
berkisar dari sepenuhnya benar sampai dengan sepenuhnya salah. Dengan teori
himpunan
fuzzy
, suatu objek dapat menjadi anggota dari banyak himpunan dengan
derajat keanggotaan yang berbeda dalam masing-masing himpunan.
Fuzzy tsukamoto digunakan sebagai model yang diterapkan untuk menghitung
nilai α
âpredikat dan menghasilkan nilai bobot akhir untuk setiap alternatif yang
kemudian akan dibandingkan terhadap standar ketetapan yang telah ditentukan
sebelumnya. metode tsukamoto merupakan suatu bentuk model pendukung keputusan
dimana hirarki fungsional lebih mudah dimengerti dan tidak terlalu luas. Sehingga,
penjabaran sistem tidak menyulitkan penulis dalam menerapkan metode.
Rahayu, F (2011) pada skripsinya yang berjudul perancangan sistem pendukung
keputusan pendataan rumah tangga miskin dengan menggunakan logika
fuzzy
metode
tsukamoto menyatakan dalam menentukan kategori rumah tangga miskin mempunyai
banyak kriteria dan sifatnya pasti dan tidak pasti. Logika
fuzzy
metode tsukamoto bisa
digunakan untuk menyelesaikan permasalahan multikriteria. Sistem akan memperoses
kriteria-kriteria rumah tangga miskin yang dimasukkan oleh pengguna dan kemudian
dihasilkanlah kategori dari rumah tangga sipengguna.
Tampubolon, M. V (2010) dalam skripsinya tentang sistem pendukung keputusan
medis. Sistem yang dibangun bekerja dengan memasukkan data pemeriksaan untuk
diproses sampai menghasilkan suatu keputusan.
Berdasarkan latar belakang diatas, maka penulis berinisiatif untuk membuat
sebuah sistem pendukung keputusan untuk menentukan obat herbal berdasarkan
penyakit menggunakan logika
fuzzy
metode tsukamoto, guna menjawab masalah
diatas.
1.2.
Rumusan Masalah
Rumusan masalah yang dikaji dalam penelitian ini :
1.
Bagaimana menerapkan proses logika
fuzzy
metode tsukamoto kedalam sistem
terkomputerisasi.
2.
Bagaimana membangun sebuah sistem yang bisa membantu pengguna dalam
memilih obat herbal berdasarkan penyakit yang diderita.
3.
Bagaimana menentukan bobot nilai hasil proses yang sesuai untuk
dibandingkan dengan standar nilai yang telah ditentukan.
1.3.
Batasan Masalah
Pembatasan masalah dalam suatu penelitian sangat diperlukan agar tidak menyimpang
dari apa yang diinginkan, penelitian lebih terarah, serta memudahkan dalam
pembahasan sehingga tujuan penelitian dapat tercapai.
Batasan-batasan masalah dalam penelitian ini adalah:
1.
Hasil sistem hanya merupakan penginformasian untuk membantu pengguna
4.
Obat herbal yang direkomendasikan oleh sistem hanya berasal dari
buah-buahan.
5.
Perangkat lunak dijalankan pada
Platform Windows
.
6.
Pembuatan perangkat lunak ini menggunakan bahasa pemrograman PHP dan
MySQL.
1.4.
Tujuan Penelitian
Penelitian yang dilakukan ini bertujuan untuk :
Membangun sebuah sistem menggunakan logika
fuzzy
metode tsukamoto yang bisa
membantu pengguna dalam memilih obat herbal berdasarkan penyakit yang diderita
dengan membandingkan bobot nilai hasil proses dengan standar nilai yang telah
ditentukan untuk menetapkan obat herbal yang sesuai dengan penyakit.
1.5.
Manfaat Penelitian
Sistem Pendukung Keputusan ini diharapkan dapat :
1.
Membantu pengguna untuk mengambil keputusan dalam pemilihan obat.
2.
Memberikan informasi sebagai penanggulangan penyakit yang diderita.
1.6.
Metode Penelitian
Metode-metode penelitian yang dilakukan pada penelitian ini, antara lain:
1.
Studi Literatur
Mempelajari referensi atau sumber-sumber yang berkaitan dengan sistem yang
2.
Analisis
a)
Tipe penyakit yang sering diderita pengguna.
b)
Obat herbal yang sesuai dengan penyakit.
c)
Kesesuaian penggunaan obat dengan penyakit.
3.
Perancangan Sistem
Pada tahap ini dilakukan perancangan alur kerja sistem pendukung keputusan.
4.
Implementasi
Mengimplementasikan rancangan yang telah dibuat pada tahap perancangan
sistem ke dalam perangkat lunak komputer dengan menggunakan bahasa
pemrograman PHP, MySQL dan HTML.
5.
Pengujian
Menguji kinerja program, apakah program berjalan dengan baik atau belum.
Jika belum, maka akan dilakukan perbaikan pada tahap implementasi.
6.
Dokumentasi
Pada tahap ini penulis melakukan penulisan hasil sistem yang telah dibangun
kedalam sebuah laporan.
1.7.
Sistematika Penulisan
Sistematika penulisan skripsi ini dibagi dalam lima bab, masing-masing bab diuraikan
sebagai berikut:
BAB I
PENDAHULUAN
BAB II
LANDASAN TEORI
Bab ini berisi tentang uraian singkat mengenai teori-teori yang
digunakan dalam pembuatan sistem pendukung keputusan.
BAB III
ANALISIS DAN PERANCANGAN SISTEM
Bab ini berisikan uraian dan penjelasan mengenai analisis dan
perancangan sistem dalam melakukan proses pemilihan keputusan
dengan menggunakan logika fuzzy metode tsukamoto.
BAB IV
IMPLEMENTASI DAN PENGUJIAN
Bab ini membahas tentang implementasi dan pengujian dari
perancangan sistem pendukung keputusan yang telah dirancang pada
bab sebelumnya.
BAB V
KESIMPULAN DAN SARAN
Bab ini berisikan kesimpulan yang diambil dari pengerjaan skripsi dan
BAB 2
LANDASAN TEORI
2.1.
Sistem Pendukung Keputusan
2.1.1.
Pengertian Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK), secara umum didefinisikan sebagai sebuah
sistem yang mampu memberikan kemampuan baik kemampuan pemecahan masalah
maupun kemampuan pengkomunikasian untuk masalah semi-terstruktur. Secara
khusus, SPK didefinisikan sebagai sebuah sistem yang mendukung kerja seorang
manajer maupun sekelompok manajer dalam memecahkan masalah semi-terstruktur
dengan cara memberikan informasi ataupun usulan menuju pada keputusan tertentu
[2].
Pembuatan keputusan merupakan fungsi utama seorang manajer atau
administrator. Kegiatan pembuatan keputusan meliputi pengidentifikasian masalah,
pencarian alternatif penyelesaian masalah, evaluasi dari alternatif-alternatif tersebut
dan pemilihan alternatif keputusan yang terbaik. Kemampuan seorang manajer dalam
membuat keputusan dapat ditingkatkan apabila ia mengetahui dan menguasai teori dan
teknik pembuatan keputusan. Dengan peningkatan kemampuan manajer dalam
pembuatan keputusan diharapkan dapat ditingkatkan kualitas keputusan yang
dibuatnya, dan hal ini tentu akan meningkatkan efisiensi kerja manajer yang
2.1.2.
Konsep Dasar Sistem Pendukung Keputusan
Pada awalnya Turban dan Aronson [12], mendefinisikan sistem penunjang keputusan
(
Decision Support Systems
â 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.
Konsep DSS pertama kali diperkenalkan pada awal tahun 1970-an oleh
Michael Scott Morton, yang selanjutnya dikenal dengan istilah â
Management
Decision Systemâ
. Konsep DSS merupakan sebuah sistem interaktif berbasis
komputer yang membantu pembuatan keputusan memanfaatkan data dan model untuk
menyelesaikan masalah-masalah yang bersifat tidak terstruktur dan semi terstruktur.
DSS dirancang untuk menunjang seluruh tahapan pembuatan keputusan, yang dimulai
dari tahapan mengidentifikasi masalah, memilih data yang relevan, menentukan
pendekatan yang digunakan dalam proses pembuatan keputusan sampai pada kegiatan
mengevaluasi pemilihan alternatif.
2.1.3.
Konsep Pengambilan Keputusan
2.1.3.1.
Pengertian Keputusan
Beberapa definisi keputusan yang dikemukakan para ahli dijelaskan sebagai berikut
[1] :
1.
Menurut Ralph C. Davis
Keputusan adalah hasil pemecahan masalah yang dihadapinya dengan tegas. Suatu
keputusan merupakan jawaban yang pasti terhadap suatu pertanyaan. Keputusan
harus dapat menjawab pertanyaan tentang apa yang dibicarakan dalam
hubungannya dengan perencanaan. Keputusan dapat pula berupa tindakan
2.
Menurut Mary Follet
Keputusan adalah suatu atau sebagai hukum situasi. Apabila semua fakta dari
situasi itu dapat diperolehnya dan semua yang terlibat, baik pengawas maupun
pelaksana mau mentaati hukumnya atau ketentuannya, maka tidak sama dengan
mentaati perintah. Wewenang tinggal dijalankan, tetapi itu merupakan wewenang
dari hukum situasi.
3.
Menurut James A.F.Stoner
Keputusan adalah pemilihan diantara alternatif-alternatif. Definisi ini mengandung
tiga pengertian, yaitu:
a)
Ada pilihan atas dasar logika atau pertimbangan.
b)
Ada beberapa alternatif yang harus dan dipilih salah satu yang terbaik.
c)
Ada tujuan yang ingin dicapai, dan keputusan itu makin mendekatkan pada
tujuan tertentu.
4.
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 alternatif.
Dari pengertian-pengertian keputusan diatas, dapat ditarik suatu kesimpulan bahwa
keputusan merupakan suatu pemecahan masalah sebagai suatu hukum situasi yag
dilakukan melalui pemilihan satu alternatif dari beberapa alternatif.
2.1.3.2.
Pengertian Pengambilan Keputusan
Beberapa definisi pengambilan keputusan yang dikemukakan para ahli dijelaskan
2.
Menurut S.P. Siagian
Pengambilan keputusan adalah suatu pendekatan yang sistematis terhadap hakikat
alternatif yang dihadapi dan mengambil tindakan yang menurut perhitungan
merupakan tindakan yang paling tepat.
3.
Menurut James A.F. Stoner
Pengambilan keputusan adalah proses yang digunakan untuk memilih suatu
tindakan sebagai cara pemecahan masalah.
Dari pengertian-pengertian pengambilan keputusan diatas, dapat disimpulkan bahwa
pengambilan keputusan merupakan suatu proses pemilihan alternatif terbaik dari
beberapa alternatif secara sistematis untuk ditindaklanjuti (digunakan) sebagai suatu
cara pemecahan masalah
2.1.4.
Fase-Fase Proses Pengambilan Keputusan
proses pengambilan keputusan meliputi tiga fase utama yaitu inteligensi, desain, dan
kriteria. Kemudian ditambahkan fase keempat yakni implementasi [12]. Gambaran
konseptual pengambilan keputusan dapat dilihat pada gambar 2.1.
Gambar 2.1. Pengambilan Keputusan / Proses Pemodelan SPK
Proses pengambilan keputusan dimulai dari fase inteligensi. Realitas diuji, dan
masalah diidentifikasi dan ditentukan. Kepemilikan masalah juga ditetapkan.
Selanjutnya pada fase desain akan dikonstruksi sebuah model yang merepresentasikan
sistem. Hal ini dilakukan dengan membuat asumsi-asumsi yang menyederhanakan
realitas dan menuliskan hubungan di antara semua variabel. Model ini kemudian di
validasi dan ditentukanlah kriteria dengan menggunakan prinsip memilih untuk
mengevaluasi alternatif tindakan yang telah diidentifikasi. Proses pengembangan
model sering mengidentifikasi solusi-solusi alternatif dan demikian sebaliknya.
Selanjutnya adalah fase pilihan yang meliputi pilihan terhadap solusi yang
diusulkan untuk model (tidak memerlukan masalah yang disajikan). Solusi ni diuji
untuk menentukan viabilitasnya. Begitu solusi yang diusulkan tampak masuk akal,
maka kita siap untuk masuk kepada fase terakhir yakni fase implementasi keputusan.
Hasil implementasi yang berhasil adalah dapat dipecahkannya masalah riil.
Sedangkan kegagalan implementasi mengharuskan kita kembali ke fase sabelumnya.
2.1.4.1.
Fase Intelegensi
Inteligensi dalam pengambilan keputusan meliputi
scanning
(Pemindaian) lingkungan,
baik secara intermiten ataupun terus-menerus. Inteligensi mencakup berbagai aktivitas
yang menekankan identifikasi situasi atau peluang-peluang masalah.
2.1.4.1.1.
Identifikasi Masalah (Peluang)
Fase inteligensi dimulai dengan identifikasi terhadap tujuan dan sasaran
seseorang berusaha menentukan apakah ada suatu masalah, mengidentifikasi
gejala-gejalanya, menentukan keluasannya, dan mendefinisikannya secara eksplisit.
Eksistensi masalah dapat ditentukan dengan memonitor dan menganalisis tingkat
produktivitas organisasi. Ukuran produktivitas dan konstruksi sebuah model
didasarkan pada data riil.
Menentukan apakah masalah benar-benar ada, dimana masalah tersebut, dan
seberapa signifikan, dapat dilakukan setelah investigasi awal selesai dilakukan. Poin
kunci adalah apakah sistem informasi melaporkan masalah atau hanya melaporkan
gejala-gejala dari sebuah masalah.
2.1.4.1.2.
Klasifikasi Masalah
Klasifikasi masalah adalah konseptualisasi terhadap suatu masalah dalam rangka
menempatkannya dalam suatu kategori yang dapat didefinisikan, barangkali mengarah
kepada suatu pendekatan solusi standar. Pendekatan yang penting mengklasifikasikan
masalah-masalah sesuai tingkat strukturisasi pada masalah tersebut.
2.1.4.1.3.
Kepemilikan Masalah
Menentukan kepemilikan masalah merupakan hal penting pada fase inteligensi.
Sebuah masalah ada di dalam sebuah organisasi hanya jika seseorang atau beberapa
kelompok mengambil tanggung jawab untuk mengatasinya dan jika organisasi punya
kemampuan untuk memecahkannya.
Ketika kepemilikan masalah tidak ditentukan, maka seseorang tidak
melakukan tugasnya atau masalah akan diidentifikasi sebagai masalah orang lain.
Oleh karena itu, penting bagi seseorang untuk secara sukarela âmemilikinyaâ atau
menugaskannya kepada orang lain. Fase inteligensi berakhir dengan pernyataan
2.1.4.2.
Fase Desain
Fase desain meliputi penemuan atau mengembangkan dan menganalisis tindakan yang
mungkin untuk dilakukan. Hal ini meliputi pemahaman terhadap masalah dan menguji
solusi yang layak.
2.1.4.2.1.
Memilih Sebuah Prinsip Pilihan
Prinsip pilihan adalah sebuah kriteria yang menggambarkan akseptabilitas dari sebuah
solusi (kemampuan untuk data diterima). Pada sebuah model, prinsip tersebut adalah
sebuah variabel hasil. Memilih sebuah prinsip pilihan bukanlah bagian dari fase
pilihan, namun melibatkan bagaimana kita membangun sasaran pengambilan
keputusan kita dan bagaimana sasaran tersebut disatukan ke dalam suatu model.
2.1.4.2.2.
Mengembangkan Alternatif-Alternatif
Bagan signifikan dari proses pembangunan model adalah menghasilkan berbagai
alternatif. Pencarian terhadap berbagai alternatif biasanya terjadi setelah kriteria untuk
mengevaluasi alternatif dilakukan. Sekuensi ini dapat mengurangi pencarian alternatif
dan usaha yang dikeluarkan untuk mengevaluasinya, namun mengidentifikasi
alternatif-alternatif potensial kadang-kadang dapat membantu mengidentifikasi
kriteria.
2.1.4.2.3.
Mengukur Hasil Akhir
dengan jumlah keluhan, dengan tingkat loyalitas terhadap sebuah produk, atau dengan
rating hasil survei.
2.1.4.3.
Fase Pilihan
Pilihan merupakan tindakan pengambilan keputusan yang kritis. Fase pilihan adalah
fase di mana dibuat suatu keputusan yang nyata dan diambil suatu komitmen untuk
mengikuti suatu tindakan tertentu. Batas antara fase pilihan dan desain sering tidak
jelas karena aktivitas tertentu dapat dilakukan selama kedua fase tersebut dank arena
orang dapat sering kembali dari aktivitas pilihan ke aktivitas desain. Sebagai contoh,
seseorang dapat menghasilkan alternatif baru selagi mengevaluasi alternatif yang ada.
Fase pilihan meliputi pencarian, evaluasi, dan rekomendasi terhadap suatu solusi yang
tepat untuk model. Sebuah solusi untuk sebuah model adalah sekumpulan nilai
spesifik untuk variabel-variabel keputusan dalam suatu alternatif yang telah dipilih.
Memecahkan sebuah model tidak sama halnya dengan memecahkan masalah
yang direpresentasikan oleh model. Solusi untuk model menghasilkan sebuah solusi
yang direkomendasikan untuk masalah. Masalah dianggap dipecahkan hanya jika
solusi yang direkomendasikan sukses diterapkan.
Pemecahan sebuah model pengambilan keputusan melibatkan pencarian
terhadap suatu tindakan yang tepat. Pendekatan pencarian melibatkan teknik analitik
(memecahkan suatu formula), algoritma (prosedur langkah-demi-langkah), heuristik
(aturan utama), dan
blind search
(menembak didalam gelap, idealnya dalam suatu cara
yang logis).
Masing-masing alternatif harus dievaluasi. Jika suatu alternatif mempunyai berbagai
tujuan, maka semua tujuan harus diuji dan seimbang jika dihadapkan dengan yang
lainnya. Analisis sensitifitas digunakan untuk menentukan ketangguhan sembarang
alternatif yang diberikan (sedikit perubahan dalam perameter idealnya mendorong ke
2.1.4.4.
Fase Implementasi
Pada hakikatnya implementasi suatu solusi yang diusulkan untuk suatu masalah
adalah inisiasi terhadap hal baru, atau pengenalan terhadap perubahan.
Definisi implementasi sedikit rumit karena implementasi merupakan sebuah
proses yang panjang dan melibatkan batasa-batasan yang tidak jelas. Pendek kata,
implementasi berarti membuat suatu solusi yang direkomendasikan bisa bekerja, tidak
memerlukan implementasi suatu sistem komputer.
2.1.5.
Karakteristik dan Kemampuan SPK
Ada beberapa karakteristik dari SPK [12], diantaranya adalah sebagai berikut:
1.
Mendukung seluruh kegiatan organisasi
2.
Mendukung beberapa keputusan yang saling berinteraksi
3.
Dapat digunakan berulang kali dan bersifat konstan
4.
Terdapat dua komponen utama, yaitu data dan model
5.
Menggunakan baik data ekternal maupun internal
6.
Memiliki kemampuan
what-if analysis
dan
goal seeking analysis
7.
Menggunakan beberapa model kuantitatif
Selain itu, Turban juga memiliki kemampuan yang harus dimiliki oleh sebuah sistem
pendukung keputusan, diantaranya adalah sebagai berikut:
1.
Menunjang pembuatan keputusan manajemen dalam menangani masalah semi
terstruktur dan tidak terstruktur.
5.
Menunjang tahap-tahap pembuatan keputusan antara lain
intelligence, design,
choice
dan
implementation.
6.
Menunjang berbagai bentuk proses pembuatan keputusan dan jenis keputusan.
7.
Kemampuan untuk melakukan adaptasi setiap saat dan bersifat fleksibel.
8.
Kemudahan melakukan interaksi sistem.
9.
Meningkatkan efektivitas dalam pembuatan keputusan daripada efisiensi.
10.
Mudah dikembangkan oleh pemakai akhir.
11.
Kemampuan pemodelan dan analisis dalam pembuatan keputusan.
12.
Kemudahan melakukan pengaksesan berbagai sumber dan format data.
Disamping berbagai kemampuan dan karakteristik seperti dikemukakan di atas, sistem
pendukung keputusan memiliki juga keterbatasan, antara lain:
1.
Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat
dimodelkan, sehingga model yang ada dalam sistem tidak semuanya
mencerminkan persoalan yang sebenarnya.
2.
Kemampuan suatu sistem pendukung keputusan terbatas pada pengetahuan
dasar serta model dasar yang dimilikinya.
3.
Proses-proses yang dapat dilakukan oleh sistem pendukung keputusan
biasanya tergantung juga pada kemampuan perangkat lunak yang
digunakannya.
4.
Sistem pendukung keputusan tidak memiliki intuisi seperti yang dimiliki oleh
manusia. Karena sistem pendukung keputusan hanya suatu kumpulan
perangkat keras, perangkat lunak dan sistem operasi yang tidak dilengkapi oleh
kemampuan berpikir.
Secara implisit, sistem pendukung keputusan berlandaskan pada kemampuan dari
2.1.6.
Keuntungan Sistem Pendukung Keputusan
Beberapa keuntungan penggunaan SPK antara lain adalah sebagai berikut [11] :
1.
Mampu mendukung pencarian solusi dari berbagai permasalahan yang
kompleks
2.
Dapat merespon dengan cepat pada situasi yang tidak diharapkan dalam
konsisi yang berubah-ubah
3.
Mampu untuk menerapkan berbagai strategi yang berbeda pada konfigurasi
berbeda secara cepat dan tepat
4.
Pandangan dan pembelajaran baru
5.
Sebagai fasilitator dalam komunikasi
6.
Meningkatkan kontrol manajemen dan kinerja
7.
Menghemat biaya dan sumber daya manusia (SDM)
8.
Menghemat waktu karena keputusan dapat diambil dengan cepat
9.
Meningkatkan efektivitas manajerial, menjadikan manajer dapat bekerja lebih
singkat dan dengan sedikit usaha
10.
Meningkatkan produktivitas analisis
2.1.7.
Komponen Sistem Pendukung Keputusan
Adapun komponen-komponen dari SPK adalah sebagai berikut.:
1.
Data
Management
Termasuk
database
, yang mengandung data yang relevan untuk berbagai situasi
dan diatur oleh
software
yang disebut
Database Management System
(DBMS).
3.
Communication
User dapat berkomunikasi dan memberikan perintah pada DSS melalui subsistem
ini. Ini berarti menyediakan antarmuka.
4.
Knowledge Management
Subsistem optional ini dapat mendukung subsistem lain atau bertindak atau
bertindak sebagai komponen yang berdiri sendiri. Untuk dapat lebih jelas
[image:32.595.172.492.257.510.2]memahami model konseptual SPK, perhatikan gambar 2.2.
Gambar 2.2. Model Konseptual SPK
Sumber: (Irfan Surbakti, 2002).
2.2.
Logika
Fuzzy
2.2.1.
Pengertian Logika
Fuzzy
dengan jalan memungkinkan komputer untuk berperilaku sedikit lebih seksama dan
logis daripada yang dibutuhkan metode komputer konvensional. Pemikiran di balik
pendekatan ini adalah pengambilan keputusan tidak sekadar persoalan hitam dan putih
atau benar dan salah, namun kerap kali melibatkan area abu-abu, dan hal itu
dimungkinkan.
2.2.2.
Himpunan
Fuzzy
Himpunan
fuzzy
merupakan suatu grup yang mewakili suatu kondisi atau keadaan
tertentu dalam suatu variabel
fuzzy
. Pada himpunan tegas (
crisp
), nilai keanggotaan
suatu item x dalam suatu himpunan A, yang sering ditulis dengan µA[x], memiliki dua
kemungkinan, yaitu : Satu (1), yang berarti bahwa suatu item menjadi angota dalam
suatu himpunan atau Nol (0), yang berarti bahwa suatu item tidak menjadi anggota
dalam suatu himpunan. Pada himpunan
fuzzy
nilai keanggotaan terletak pada rentang 0
sampai 1. Apabila x memiliki nilai keanggotaan
fuzzy
µA[x] = 0 berarti x tidak
menjadi anggota himpunan A, demikian pula apabila x memiliki nilai keanggotaan
fuzzy
µA[x] = 1 berarti x menjadi anggota penuh pada himpunan A. Kemiripan antara
keanggotaan
fuzzy
dengan probabilitas terkadang menimbulkan kerancuan, karena
memiliki nilai pada interval [0,1], namun interpretasi nilainya sangat berbeda.
Keanggotaan
fuzzy
memberikan suatu ukuran terhadap pendapat atau keputusan,
sedangkan probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil
bernilai benar dalam jangka panjang. Himpunan
fuzzy
memiliki 2 atribut, yaitu :
a.
Linguistik
, yaitu penamaan suatu group yang mewakili suatu keadaan atau kondisi
tertentu dengan menggunakan bahasa alami, seperti : Muda, Parobaya, Tua.
2.2.3.
Fungsi Keanggotaan
Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input
data ke dalam nilai keanggotaan yang memiliki nilai interval antara 0 dan I. Salah satu
cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan
melalui pendekatan fungsi. Salah satu representasi fungsi keanggotaan dalam
fuzzy
yang akan dipakai adalah represntasi linier. Pada representasi linear, pemetaan input
ke derajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling
sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang
jelas. Ada dua keadaan himpunan
fuzzy
yang linear. Pertama, 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.
Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai
domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak
menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah.
2.2.4.
Sistem Inferensi
Fuzzy
Sistem inferensi
fuzzy
merupakan proses pengolahan data dalam bentuk
crisp input
yang melalui beberapa tahapan dalam sistem
fuzzy
untuk menghasilkan data dalam
bentuk
crips output
. Terdapat tiga metode sistem inferensi
fuzzy
, yaitu : Mamdani,
Sugeno dan Tsukamoto.
Tahap sistem inferensi
fuzzy
yang harus dilalui, yaitu :
a.
Nilai Input
Berupa masukan dalam bentuk nilai pasti
(crisp).
b.
Komposisi Fuzzy
c.
Aturan - aturan (rules)
Aturan-aturan yang akan dijadikan dasar untuk mencari nilai dari
crisp output
yang akan dihasilkan
d.
Dekomposisi Fuzzy
Merupakan proses merubah kembali data yang dijadikan
fuzzy
ke dalam
bentuk
crisp
kembali.
e.
Nilai output
Merupakan hasil akhir yang dapat dipakai untuk pengambilan keputusan
Namun terkadang sistem
fuzzy
dapat berjalan tanpa harus melalui komposisi
atau dekomposisi
fuzzy
. Nilai output dapat diestimasi secara langsung dari nilai
keanggotaan yang berhubungan dengan antesedennya.
2.2.5.
Metode Tsukamoto
Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk
If-Then
harus
direpresentasikan dengan suatu himpunan
fuzzy
dengan fungsi keanggotaan yang
monoton. Sebagai hasilnya,
output
hasil inferensi dari tiap-tiap aturan diberikan secara
tegas
(crips)
berdasarkan a-predikat
(fire strength).
Hasil akhimya diperoleh dengan
menggunakan rata-rata terbobot.
a-predikat => µ[x] : -nilai 1, jika x = nilai terbesar
- (x â nilai terkecil) dibagi (nilai terbesar â nilai terkecil)
-nilai 0, jika x = nilai terkecil
2.2.5.1.
Penentuan Nilai Gizi
Penilaian status gizi dapat dilakukan melalui beberapa cara antara lain pemeriksaan
biokimia, pemeriksaan klinis, pemeriksaan biofisik dan antropometri. Antropometri
merupakan metode yang paling sering digunakan dalam penilaian status gizi. Metode
ini menggunakan parameter berat badan (BB) dan tinggi badan (TB). Melalui kedua
parameter tersebut, dapat dilakukan penghitungan Indeks Masa Tubuh (IMT) dengan
rumus sebagai berikut :
Sumber: (Ika Ratnawati, SKM, MKKK, 2011)
Angka Kecukupan Gizi (AKG) setiap individu akan berbeda sesuai dengan kondisi
masing-masing. Untuk mengukur AKG bagi orang dewasa secara cepat, kebutuhan
kalori/energi dapat menggunakan rumus sebagai berikut:
Tabel 2.1. Rumus Angka Kecukupan Gizi (AKG)
Prinsip untuk menentukan Angka Kecukupan Energi didasarkan pada pengeluaran
energi dimana komponen
Basal Metabolic Rate
merupakan komponen utama. Nilai
BMR ditentukan oleh berat dan susunan tubuh serta umur dan jenis kelamin. Secara
sederhana nilai BMR dapat ditaksir dengan menggunakan rumus regresi linier sebagai
Tabel 2.2.
Rumus Basal Metabolic Rate
(BMR)
Dengan komposisi makanan sehari 60% dari sumber karbohidrat, 20% dari protein
dan 20% dari lemak.
Widya Karya Pangan dan Gizi VI tahun 1998, menetapkan AKG bagi orang dewasa
secara nasional berdasarkan kebutuhan energi/kalori dari protein, sebagai berikut:
Tabel 2.3. Kebutuhan Energi
[image:37.595.131.501.432.488.2]BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1.
Analisis
Dalam membangun sebuah sistem, tahap analisis perlu dilakukan guna mengetahui
kebutuhan yang diperlukan untuk membangun sistem tersebut. Analisis sistem yang
dilakukan dalam penelitian ini terdiri dari analisis kebutuhan sistem pendukung
keputusan seperti analisis kebutuhan fungsional dan non-fungsional.
3.1.1.
Analisis Kebutuhan Fungsional dan Non-Fungsional
Kebutuhan fungsional dari sistem merupakan suatu hal yang sangat diperlukan, karena
semua proses yang akan dilakukan oleh sistem didasarkan dari penganalisasian
kebutuhan fungsional ini.
Salah satu kebutuhan fungsional yang terdapat pada sistem yang akan
dibangun ini adalah fitur dimana pengguna bisa melakukan konsultasi terhapat
penyakit yang diderita oleh pengguna tersebut. Dimana fitur ini akan memberikan
beberapa kriteria yang harus dipilih, guna mendapatkan hasil yang sesuai. Pada
halaman admin, sistem menyediakan fitur pembaharuan data untuk memudahkan
administrator untuk mengelola data yang sesuai.
a.
Fitur konsultasi
Pada fitur ini pengguna diharuskan untuk mengikuti 3 tahapan pemrosesan,
-
Penentuan status gizi
Pada tahap ini pengguna diminta untuk mengisi beberapa kriteria, seperti
umur, tinggi badan, dan berat badan. Kriteria-kriteria tersebut digunakan
untuk menghitung nilai dari Indeks Masa Tubuh (IMT) sebagai penilaian
status gizi.
-
Penentuan angka kecukupan gizi (AKG)
Pada tahap ini akan dilalukan perhitungan berat badan ideal pengguna,
dimana berat badan ideal ini akan digunakan untuk menentukan nilai dari
proses perhitungan
Basa Metabolic Rate
(BMR) dan kemudian hasil
perhitungan BMR tersebut akan digunakan kembali untuk mengitung nilai
Angka Kecukupan Gizi (AKG) pengguna.
-
Penentuan kondisi penyakit
Pada tahap ini pengguna diminta kembali untuk mengisi beberapa kriteria
sebagai proses perhitungan tahap berikutnya. Adapun kriteria yang
diberikan seperti lama mengidap penyakit, aktivitas, olah-raga, dan
konsumsi sayur.
b.
Fitur pembaharuan (
edit
)
Fitur ini hanya ditujukan untuk administrator, dikarenakan fitur ini berfungsi
untuk pembaharuan data dimana data-data tersebut sangat berpengaruh
terhadapat proses penentuan konsultasi penyakit.
Kebutuhan fungsional biasanya terdiri dari beberapa pemodelan sistem, adapun yang
termasuk dalam pemodelan tersebut adalah model data dan model proses.
Selain kebutuhan fungsional, kebutuhan non-fungsional juga merupakan suatu hal
yang penting. Dimana kebutuhan non-fungsional merupakan tahapan dimana
pembangun sistem mulai menganalisis bagaimana kinerja dan perfoma bisa berjalan
3.1.2.
Pemodelan
3.1.2.1.
Model Data
Pada model data secara umum terdiri atas beberapa tahap pemodelan, antara lain
meliputi :
a.
Basis Data (
database
)
b.
Entity Relationship Diagram
(ERD)
3.1.2.1.1.
Basis Data (
Database
)
Database dapat disebut juga sebagai sebuah tempat penyimpanan data yang terstruktur
agar dapat diakses dengan cepat dan mudah. Membangun sebuah database merupakan
langkah awal pembuatan aplikasi.
Dalam perancangan sistem pendukung keputusan ini, penulis membuat 8 tabel
pada database SPK. Tabel-tabel tersebut adalah tabel admin, tabel contact, tabel
galery, tabel asupan_gizi, tabel kriteria_penyakit, tabel penyakit, tabel tamu dan tabel
user. Pembuatan database dan tabel-tabel mempergunakan fasilitas MySQL atau
phpmyadmin
yang terdapat dalam software XAMPP.
3.1.2.1.1.1.
Tabel Admin
Tabel admin terdiri atas nama dan password dari administrator. Berikut adalah
[image:40.595.121.506.649.729.2]atribut-atribut yang dibuat dalam tabel admin :
Tabel 3.1 Admin
Field
Type
Keterangan
username
varchar
nama Admin
3.1.2.1.1.2.
Tabel
Contact
Tabel contact berisikan data diri dan isi pesan dari pengguna. Berikut adalah
[image:41.595.125.507.243.371.2]atribut-atribut
yang dibuat dalam tabel contact :
Tabel 3.2
Contact
Field
Type
Keterangan
nama
varchar
nama pengguna
varchar
email pengguna
alamat
varchar
alamat pengguna
pesan
varchar
isi pesan
tglkirim
datetime
tanggal kirim pesan
3.1.2.1.1.3.
Tabel
Gallery
Tabel gallery berisikan gambar dan informasi dari obat herbal yang berasal dari
buah-buahan. Berikut adalah atribut-atribut
yang dibuat dalam tabel gallery :
Tabel 3.3 Gallery
[image:41.595.123.508.576.643.2]Field
Type
Keterangan
gambar
varchar
nama file gambar
3.1.2.1.1.4.
Tabel Asupan_Gizi
Tabel asupan_gizi berisikan nilai-nilai ketetapan untuk penentuan pengkonsumsian
obat. Berikut adalah atribut-atribut
yang dibuat dalam tabel asupan_gizi :
Tabel 3.4 Asupan_Gizi
Field
Type
Keterangan
sedikit
varchar
Penggunaan obat
banyak
varchar
Penggunaan obat
sangat_banyak
varchar
Penggunaan obat
3.1.2.1.1.5.
Tabel Kriteria_Penyakit
Tabel kriteria_penyakit terdiri dari dua jenis yang dibedakan berdasarkan jenis
kelamin, yaitu pria dan wanita. Tabel ini berisikan nilai-nilai ketetapan untuk
penentuan penyakit. Berikut adalah atribut-atribut
yang dibuat dalam tabel
kriteria_penyakit :
Tabel 3.5 Kriteria_Penyakit
Field
Type
Keterangan
tidak_parah
varchar
Kriteria penyakit
mendekati_parah
varchar
Kriteria penyakit
parah
varchar
Kriteria penyakit
3.1.2.1.1.6.
Tabel Penyakit
Tabel penyakit berisikan nama penyakit dan kesesuaian obat dengan panyakit. Berikut
adalah atribut-atribut
yang dibuat dalam tabel penyakit :
Tabel 3.6 Penyakit
Field
Type
Keterangan
penyakit
varchar
nama penykait
[image:43.595.120.543.392.620.2]obat
varchar
nama obat
Tabel 3.7 Daftar Penyakit dan Obat
No
Nama
Penyakit
Obat
1
Sariawan
anggur,jambu biji,mentimun,jeruk manis,
belimbing,tomat,ceremai
2
Sembelit
melon,pepaya,pisang,ceremai,bisbul,pear,mentimun,sirsak
3
Asam Urat
melon,buah naga,pisang,jeruk manis,strawbery,sirsak
4
Ambien
jeruk nipis,pepaya,sirsak,tomat
3.1.2.1.1.7.
Tabel Tamu
Tabel tamu berisikan komentar-komentar dari pengguna. Berikut adalah atribut-atribut
[image:44.595.123.508.220.326.2]yang dibuat dalam tabel tamu :
Tabel 3.8 Tamu
Field
Type
Keterangan
nama
varchar
nama pengguna
varchar
email pengguna
komentar
varchar
isi komentar
tglkirim
datetime
tanggal kirim pesan
3.1.2.1.1.8.
Tabel
User
[image:44.595.125.504.500.693.2]Tabel
user
berisikan data diri dan aktivitas dari pengguna. Berikut adalah
atribut-atribut
yang dibuat dalam tabel user :
Tabel 3.9
User
Field
Type
Keterangan
nama
varchar
nama pengguna
varchar
email pengguna
Jenis _kelamin
varchar
jenis kelamin pengguna
umur
varchar
umur pengguna
penyakit
varchar
nama penykait
lama_penyakit
varchar
lama penyakit
aktivitas
varchar
aktivitas pengguna
Table 3.10. Interval Nilai Kategori Penyakit (Lanjut Usia)
kategori
Wanita
Pria
Tidak Parah
0.89 < rata-rata terbobot
â¤
1
0.56 < rata-rata terbobot
â¤
1
Mendekati Parah 0.81 < rata-rata terbobot
â¤
0.89 0.48 < rata-rata terbobot
â¤
0.56
Parah
0.73 < rata-rata terbobot
â¤
0.81 0.4 < rata-rata terbobot
â¤
0.48
Sangat Parah
rata-rata terbobot
â¤
0.73
rata-rata terbobot
â¤
0.4
Table 3.11. Interval Nilai Kategori Penyakit (Dewasa)
kategori
Wanita
Pria
Tidak Parah
0.9 < rata-rata terbobot
â¤
1
0.56 < rata-rata terbobot
â¤
1
Mendekati Parah 0.8 < rata-rata terbobot
â¤
0.9
0.46 < rata-rata terbobot
â¤
0.56
Parah
0.7 < rata-rata terbobot
â¤
0.8
0.36 < rata-rata terbobot
â¤
0.46
Sangat Parah
rata-rata terbobot
â¤
0.7
rata-rata terbobot
â¤
0.36
Table 3.12. Interval Nilai Kategori Penyakit (Anak-Anak)
kategori
Wanita
Pria
Tidak Parah
0.79 < rata-rata terbobot
â¤
1
0.45 < rata-rata terbobot
â¤
1
Mendekati Parah 0.69 < rata-rata terbobot
â¤
0.79 0.35 < rata-rata terbobot
â¤
0.45
Parah
0.59 < rata-rata terbobot
â¤
0.69 0.25 < rata-rata terbobot
â¤
0.35
Sangat Parah
rata-rata terbobot
â¤
0.59
rata-rata terbobot
â¤
0.25
Table 3.13. Interval Nilai Kategori Penyakit (Remaja)
kategori
Wanita
Pria
Tidak Parah
rata-rata terbobot
â¥
1
0.67 < rata-rata terbobot
â¤
1
3.1.2.1.2.
Entity Relationship Diagram
(ERD)
Data pengunjung akan disimpan pada tabel user, pengunjung juga bisa menanyakan
informasi kepada admin yang datanya akan disimpan pada tabel contact. Tabel tamu
berfungsi untuk menyimpan komentar dari pengunjung.
Relasi tabel penyakit, bmr dan akg terjadi pada saat proses konsultasi penyakit
dilakukan. Tabel vit beralasi dengan tabel_nutrisi dan info, dimana data dari
masing-masing tabel akan digunakan sebagai proses penentuan obat herbal yang sesuai
Ketetapan Nilai A
lternatif dan α
-predikat
Struktur hierarki dari permasalahan penentuan obat herbal dengan kriteria-kriteria
yang telah ditentukan, yakni ada 10 kriteria dapat dilihat paga gambar berikut :
[image:47.595.149.519.207.591.2]Gambar 3.1 Struktur Hierarki Tiap Kriteria
Penyakit
Rata-rata terbobot
Penentuan
obat herbal
Kriteria 1
Kriteria 2
Kriteria 3
Kriteria 5
Kriteria 4
Kriteria 6
Kriteria 8
Kriteria 9
Kriteria 10
Ketetapan nilai alternatif terhadap setiap data beserta nilai
α
âpredikatnya yang akan
diterapkan pada sistem.
Table 3.14. Nilai Tiap Kriteria
No
Kriteria yang
digunakan
alternatif
α
-predikat
1
Umur (k1)
IF
1.
A=10
2.
A=20
3.
A=30
4.
A=40
THEN
(x â 10)/30
2
Lama mengidap
penyakit (k2)
IF 1.
(b<1) and (b>7)
2.
(b>7) and (b<31)
3.
(b>31)
THEN
(x â 1)/30
3
Jenis kelamin
(k3)
IF 1.
Wanita
2.
Pria
THEN C = 0
C = 1
4
Kondisi penyakit
(k4)
IF 1.
D=10
2.
D=20
3.
D=30
4.
D=40
THEN
(x â 10)/30
5
Aktivitas (k5)
IF 1.
E=10
2.
E=20
3.
E=30
THEN
(x â 10)/20
6
Olah raga (k6)
IF 1.
F=10
2.
F=20
3.
F=30
THEN
(x â 10)/20
7
Asupan gizi (k7)
IF
-
THEN
-
8
Konsumsi sayur
(k8)
IF 1.
Tidak
2.
Ya
THEN H = 0
H = 1
9
Alergi (k9)
IF
-
THEN
-
10 Hamil (k10)
IF 1.
Tidak
2.
Ya
THEN J = 0
Keterangan :
1.
Untuk k1, a adalah nilai untuk data kriteria ke-1. Terdiri atas 4 alternatif
berdasarkan umur, yaitu :
-
A = 10, merepresentasikan lanjut usia, yaitu umur 50 tahun keatas.
-
A = 20, merepresentasikan dewasa, yaitu umur 19 â 50 tahun.
-
A = 30, merepresentasikan anak-anak, yaitu umur 7 â 12 tahun.
-
A = 40, merepresentasikan remaja, yaitu umur 13 â 18 tahun.
2.
Untuk k2, b adalah nilai untuk data kriteria ke-2. Rentang nilai dimulai dari
1 sampai 31 dan untuk nilai diatas 31 secara otomatis diberikan nilai 1.
3.
Untuk k3, c adalah nilai untuk data kriteria ke-3. Terdiri atas 2 alternatif
berdasarkan daya tahan tubuh, yaitu :
-
Wanita = 0
-
Pria = 1
4.
Untuk k4, d adalah nilai untuk data kriteria ke-4. Terdiri atas 4 alternatif
berdasarkan kondisi penyakit, yaitu :
-
D = 10, merepresentasikan sangat parah.
-
D = 20, merepresentasikan parah.
-
D = 30, merepresentasikan mendekati parah.
-
D = 40, merepresentasikan tidak parah.
5.
Untuk k5, e adalah nilai untuk data kriteria ke-5. Terdiri atas 3 alternatif
berdasarkan aktifitas keseharian, yaitu :
-
E = 10, merepresentasikan santai.
-
E = 20, merepresentasikan normal.
-
E = 30, merepresentasikan sibuk.
7.
Untuk k7, g adalah nilai untuk data kriteria ke-7. Merupakan hasil dari
perhitungan rata-rata terbobot dari kriteria sebelumnya.
8.
Untuk k8, h adalah nilai untuk data kriteria ke-8. Terdiri atas 2 alternatif
berdasarkan konsumsi sayur-sayuran, yaitu :
-
Tidak = 0
-
Ya = 1
9.
Untuk k9, i adalah nilai untuk data kriteria ke-9. Merupakan kategori yang
menentukan agar tidak mengkonsumsi suatu obat herbal.
10.
Untuk k10, j adalah nilai untuk data kriteria ke-10. Terdiri atas 2 alternatif
berdasarkan kehamilan wanita, yaitu :
-
Tidak = 0
-
Ya = 1
Dikarenakan proses perhitungannya menggunakan bilangan
fuzzy
maka rentang
nilai
α
âpredikat berkisar dari 0 sampai 1.
Nilai rata-rata terbobot merupakan proses perhitungan dengan menggunakan rumus
mean
, yaitu penjumlahan nilai
α
âpredikat tiap kriteria (
α
-predikat 1 + ⦠+
α
-predikat
n), kemudian dibagikan dengan jumlah data kriteria (n). perhitungan rata-rata terbobot
dapat dilihat sebagai berikut :
Bobot =
α
-
predikat 1 + α
-
predikat 2 + â¦. + α
-predikat n
n
3.1.2.2.
Model Proses
3.1.2.2.1.
Data Flow Diagram
(DFD)
Diagram alir data (
data flow diagram
) merupakan sebuah teknis grafis yang
menggambarkan aliran informasi dan transformasi saat data bergerak dari input
menjadi output. DFD menunjukkan hubungan antar data pada sistem dan proses pada
Admin
0
Sistem Pendukung
Keputusan
User
Admin login Edit_penyakit
Edit admin
Hasil_edit_user Hasil edit admin Hasil_edit_penyakit Admin login valid
Data_komentar Hasil_konsultasi Data_konsultasi Tanya_jawab Kritik_saran Info_obat
Admin
User
1.0 Login 2.0 Konsultasi 3.0 Contact us 4.0 Guest book Admin Penyakit Kriteria_penyakit Kriteria_obat User contact Tam Data_komentar Data_tanya_jawabData user , penyakit
Username password Login_ Username password Username_password_valid Data_penyakit Data_kriteria_obat
Data_user , penyakit Data_kriteria_penyakit Tanya_jawab Kritik_saran Data_komentar Kritik_saran Data_konemtar Tanya_jawab Data_user , penyakit , konsultasi
[image:51.595.93.519.61.243.2]Data_hasil_konsultasi
Gambar 3.2 DFD Level 0 (Diagram Konteks)
Data_tanya_jawab
[image:51.595.112.557.274.789.2]â©
3.1.2.3.
Flowchart
Sistem
Admi
1.0 Login 1.1 Edit penyakit 1.2 Edit admin 1.3 Edit userUser
2.1 Data penyakit 2.2 Penentuan α-predikat tiap kriteria 2.3 Penentuan nilai rata-rata terbobot 2.4 Penentuan obat herbalPenyakit
Admi
Contact
Tamu
User
User
Penyakit
Kriteria_penyak
Kriteria_ob
Hasil_edit_ penyakit User_password login_admin_vali d Data_admin_ganti Data_penyakit login_admin_vali d Edit_data_penyakitData_user, komentar , tanya_jawab Edit_admin tanya_jawab tanya_jawab Edit_data_user Hasil_edit_user Edit_komentar Hasil_edit_komentar Tanya_jawab, Hasil_edit_komentar, Hasil_edit_user
Data_analisis1, data_analisis2
Nama, umur, jenis_kelamin, email
[image:52.595.109.530.78.801.2]Flowchart
atau diagram alir dapat digunakan untuk memudahkan perancang sistem
dalam mengimplementasikan sistem ke dalam program. Hal ini dikarenakan
flowchart
digunakan untuk menjelaskan bagaimana cara kerja sistem dari tahap awal hingga
tahap akhir. Adapun
flowchart
yang akan dirancang antara lain
flowchart
perhitungan
a-predikat kriteria,
flowchart
perhitungan nilai rata-rata terbobot dengan menggunakan
metode
mean
dan
flowchart
penentuan kategori penyakit untuk kesesuaian obat
dengan menggunakan aturan
if-then
dari metode
fuzzy
tsukamoto.
Berikut ini adalah
flowchart
untuk masing-masing proses tersebut.
a.
Perhitungan
α
-predikat.
Flowchart
ini digunakan untuk setiap kriteria yang ada, guna mendapatkan
nilai
α
-predikat yang akan digunakan untuk proses perhitungan selanjutnya.
Selesai Input nilai kriteria
Hitung nilai 뱉predikat dari nilai kriteria
Nilai kriteria = nilai alternatif terbesar (a)
b < Nilai kriteria < a
Nilai kriteria = nilai alternatif terkecil (b)
Output Nilai 뱉predikat = 0
Output Nilai
뱉predikat = 1
Output Nilai αâpredikat = (Nilai kriteria â b)/(a-b)
Output Nilai
뱉predikat = 0
Y
T
Y
Y
T
T
b.
Perhitungan nilai rata-rata terbobot.
Flowchart
ini merupakan proses kelanjutan dari perhitungan
α
-predikat.
Dimana setiap nilai
α
-predikat akan dijumlahkan dan kemudian akan dibagi
dengan banyaknya kriteria yang ada.
Selesa
Input n kriteria
Hitung jumlah nilai α
â
