SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN
RUMAH SAKIT BERDASARKAN KEBUTUHAN PASIEN
MENGGUNAKAN METODE AHP DAN PROMETHEE
SKRIPSI
LELY DAHLYANA
131421090
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN
RUMAH SAKIT BERDASARKAN KEBUTUHAN PASIEN
MENGGUNAKAN METODE AHP DAN PROMETHEE
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
LELY DAHLYANA 131421090
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
PERSETUJUAN
Judul : SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN RUMAH SAKIT BERDASARKAN KEBUTUHAN PASIEN MENGGUNAKAN METODE AHP DAN PROMETHEE
Kategori : SKRIPSI
Nama : LELY DAHLYANA
Nomor Induk Mahasiswa : 131421090
Program Studi : EKSTENSI S1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, 2015
Komisi Pembimbing :
Pembimbing 1 Pembimbing 2
Drs. Marihat Situmorang, M.Kom. M. Andri Budiman, ST, M.Comp, Sc, MEM NIP. 196312141989031001 NIP. 197510082008011001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN RUMAH SAKIT BERDASARKAN KEBUTUHAN PASIEN MENGGUNAKAN
METODE AHP DAN PROMETHEE
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 2015
PENGHARGAAN
Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas segala berkat-Nya sehingga dengan usaha yang maksimal akhirnya dapat dilaksanakan penelitian serta penyusunan skripsi ini yang berjudul: “Sistem Pendukung Keputusan Dalam Pemilihan Rumah Sakit Berdasarkan Kebutuhan Pasien Menggunakan Metode AHP Dan PROMETHEE”. Tulisan ini masih jauh dari sempurna, hal ini disebabkan oleh keterbatasan dan kemampuan penulis.
Penulis mengucapkan terimakasih kepada pihak yang memberikan doa, bimbingan, bantuan dan dorongan sampai selesainya skripsi ini. Dalam kesempatan ini penulis menyampaikan terimakasih yang sebesar-besarnya kepada:
1. Bapak Prof. Subhillar, Ph.D selaku Penjabat Rektor Universitas Sumatera Utara. 2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan
Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom. selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
4. Ibu Maya Silvi Lydia B.Sc., M.Sc, selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
5. Bapak Bapak Marihat Situmorang, M.Kom, selaku Dosen Pembimbing I yang telah masukan kepada penulis dalam pengerjaan skripsi ini.
6. Bapak M. Andri Budiman, ST, M.Comp.Sc, MEM, selaku Dosen Pembimbing II yang telah memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.
7. Bapak Handrizal, S.Si, M.Comp.Sc, selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
9. Teristimewa kepada Mama saya yang sangat saya kagumi dan saya sayangi yang setia memberikan dukungan kepada saya melalui doa, kasih sayang, dan materi yang tak terbalaskan oleh penulis, kepada Ibunda Nop Br. Sembiring.
10. Untuk kakakku Dedek Kristiyani, adik-adikku Evi Janita, Selvina Egiyana dan Maria Bellen yang terus memberikan dorongan semangat dan motivasi bagi penulis.
11. Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk 2013, Yoh ana Br. Sitepu, Sherly Melisa Sembiring dan teman-teman yang lain yang telah memberikan semangat dan menjadi teman diskusi penulis dalam menyelesaikan skripsi ini.
12. Untuk teman-teman Pengurus Permata Klasis Binjai Langkat yang telah memberi semangat dan rela doa puasa untuk penulis,
13. Untuk sahabatku Cici Br. Surbakti yang telah memberi semangat dan dukungan kepada penulis.
14. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini.
Medan, 2015
Penulis,
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN RUMAH SAKIT BERDASARKAN KEBUTUHAN PASIEN MENGGUNAKAN
METODE AHP DAN PROMETHEE
ABSTRAK
Sistem pendukung keputusan yaitu suatu sistem yang dapat membantu pengguna dalam memilih solusi keputusan yang terbaik. Penelitian ini membahas tentang pemilihan rumah sakit tipe B terbaik di kota Medan. Pada pemilihan rumah sakit ini diggunakan algoritma Analytic Hierarcy Process (AHP) dan Preference Ranking Organization Method for Enrichment Evaluation (PROMETHEE), dengan 4 kriteria yaitu pelayanan, fasilitas, biaya, dokter, 3 sub kriteria yaitu dokter mata, dokter jantung, dokter paru dan 10 alternatif rumah sakit tipe B di kota Medan. Dengan membandingkan kedua algoritma ini diharapkan dapat membantu pembuat kebijakan dalam memilih rumah sakit tipe B terbaik di kota Medan sehingga pembuat kebijakan tidak perlu bersusah payah bertanya kepada kerabat jadi pengguna lebih efektif dalam memilih rumah sakit. Pada penelitian ini dengan menggunakan algoritma AHP solusi terbaik yang ditawarkan adalah rumah sakit Columbia dan solusi terbaik dengan menggunakan algoritma PROMETHEE adalah rumah sakit Elisabeth. Pada penelitian ini tingkat komplesitas waktu pada funsi yang memanggil algoritma AHP yang dihitung menggunkan big Ө yaitu T(n)= Ө(n) dan algoritma PROMETHEE yaitu T(n)= Ө(n2). Dilihat dari nilai big Ө dapat disimpulkan bahwa algoritma kompleksitas yang memanggil fungsi AHP lebih baik dari PROMETHEE. Solusi akhir ini dapat membantu pembuat kebijakan dalam memilih refrensi alternatif rumah sakit yang ditawarkan.
Kata Kunci : Sistem Pendukung Keputusan (SPK), Analytical Hierarchy
Process(AHP) dan Preference Ranking Organization Method for
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN RUMAH SAKIT BERDASARKAN KEBUTUHAN PASIEN MENGGUNAKAN
METODE AHP DAN PROMETHEE
ABSTRACT
Decision support system is a system that can assist users in selecting the best decision solution. This research discusses selection of the best type B hospital in Medan. On selecting to this hospital used Analytic algorithm Hierarcy Process (AHP) and Preference Ranking Organization Method for Enrichment Evaluation (PROMETHEE) with 4 criteria, namely service, facilities, fees, doctor, 3 sub criteria i.e. doctor of the eye, doctor of the heart, pulmonary doctors and 10 alternative type B hospitals in Medan. By comparing both algorithms is expected to assist decision makers in selecting the best type B hospitals in Medan so decision makers no need to bother ask to other people so decision makers are more effective in choosing a hospital. On the research of AHP by using the best solutions offered is Columbia hospital and best solutions by using PROMETHEE is Elisabeth hospital. Time complexity of this research who called function of algorithm AHP is computed using big Ө i.e. T (n) = Ө (n) and PROMETHEE i.e. T (n) = Ө (n2). Views of value big Ө can be inferred that time complexity for AHP is more accurate than PROMETHEE. This last solution can help decision makers in selecting alternative references the hospital has to offer.
DAFTAR ISI
Halaman
Persetujuan iii
Pernyataan iv
Penghargaan v
Abstrak vii
Abstract viii
Daftar Isi ix
Daftar Tabel xii
Daftar Gambar xiv
BAB 1 PENDAHULUAN
1.1. Latar Belakang 1
1.2. Rumusan Masalah 3
1.3. Batasan Masalah 3
1.4. Tujuan Penelitian 3
1.5. Manfaat Penelitian 4
1.6. Metodologi Penelitian 4
1.7. Sistematika Penulisan 6
BAB 2 LANDASAN TEORI
2.1. Tipe Rumah Sakit 7
2.2. Defenisi Sistem, Keputusan dan Sistem Pendukung Keputusan 8
2.2.1 Defenisi Sistem 8
2.2.2 Defenisi Keputusan 9
2.3. Karakteristik dan Kemampuan Sistem Pendukung Keputusan 10
2.4 Proses Pembuatan Keputusan 13
2.5. Model Pengambil Keputusan 15
2.6. Komponen Sistem Pegambilan Keputusan 16
2.7. Algoritma 16
2.9.1. Prinsip Dasar AHP 19
2.9.2. Langkah-Langkah AHP 20
2.10. Algoritma Preference Rangking Organization For Encriment Evaluation (PROMETHEE)
22
2.10.1. Langkah-Langkah PROMETHEE 27
2.11. Flowchart 29
2.12. Sekala Pengukuran 31
BAB 3 ANALISIS DAN PERANCANGAN SISTEM
3.1. Analisis Masalah 33
3.2. Analisis Kebutuhan Sistem 34
3.3. Analisis Proses 35
3.3.1. Analisis Proses Pemecahan Masalah Dengan Algoritma Analytic Hierarchy Process (AHP).
35 3.3.2. Analisis Proses Pemecahan Masalah Dengan Algoritma
Preference Ranking Organization Method For Enrichment Evaluation (PROMETHEE).
52
3.4. Pemodelan Sistem 62
3.4.1. Use-Case Diagram, Activity Diagram dan Sequence Diagram
62
3.5. Perancangan Sistem 69
3.5.1. PembuatanAlgoritma Program 69
3.5.2. Alur Proses Sistem Secara Umum 70
3.6. Perancangan Struktur Tabel 73
3.7. PerancangganAntarmukaSistem (Interface) 77
3.7.1. Halaman Menu Login 77
3.7.2. Halaman Menu Utama Untuk Level Administrator 78
3.7.3. Halaman File 80
3.7.4. Halaman Menu Master dengan Sub Menu User 81 3.7.5. Halaman Menu Master dengan Sub Menu Kriteria 82 3.7.6. Halaman Menu Master dengan Sub Menu Perbandingan 83 3.7.7. Halaman Menu Master dengan Sub Menu Penilaian 84 3.7.8. Halaman Menu Master dengan Sub Menu Rumah Sakit 85 3.7.9 Halaman Menu Metode dengan Sub Menu AHP 86 3.7.10. Halaman Menu Metode dengan Sub Menu PROMETHEE 87 3.7.11. Halaman Menu Utama dengan Level Pengguna 88 BAB 4 IMPLEMENTASI DAN PENGUJIAN
4.1. Implementasi Sistem 90
4.1.1. FormLogin 90
4.1.2. Form Menu Utama 91
4.1.7. Form Menu Master Dengan Sub Menu Penilaian 94 4.1.8. Form Menu Master Dengan Sub Menu Rumah Sakit 95 4.1.9. Form Menu Metode Dengan Sub Menu AHP 95 4.1.10. Form Menu Metode Dengan Sub Menu PROMETHEE 96 4.2. Pengujian Sistem Algoritma AHP Dan PROMETHEE 96
4.3. Analisis Perbandingan Algoritma 99
4.3.1. PerhitunganKompleksitasWaktu 99
4.3.2. Perhitungan Kompleksitas Waktu Algoritma AHP 99 4.3.3. Perhitungan KompleksitasWaktuAlgoritmaPROMETHEE 102 BAB 5 KESIMPULAN DAN SARAN
5.1. Kesimpulan 103
5.2. Saran 104
DAFTAR PUSTAKA 105
DAFTAR TABEL
Halaman
Tabel 2.1. Skala Penilaian Perbandingan Berpasangan 19 Tabel 3.1. Matriks Berpasangan Kriteria Memilih Rumah Sakit Terbaik 36 Tabel 3.2. Matriks Berpasangan Alternatif Memilih Rumah Sakit Terbaik 36 Tabel 3.3. Matriks Berpasangan Kriteria Memilih Rumah Sakit Terbaik 37 Tabel 3.4. Matriks Faktor Pembobotan Hirarki Untuk Semua Kriteria
Disederhanakan
37
Tabel 3.5. Tabel Matriks Eigenvector 39
Tabel 3.6. Matriks Berpasangan Alternatif Kriteria Pelayanan 40 Tabel 3.7. MatriksAlternatif Yang Disederhanakan 41
Tabel 3.8. Tabel Matriks Eigenvector 41
Tabel 3.9. Matriks Berpasangan Alternatif Kriteria Biaya 42 Tabel 3.10. MatriksAlternatif Yang Disederhanakan 42
Tabel 3.11. Tabel Matriks Eigenvector 43
Tabel 3.12. Matriks Berpasangan Alternatif Kriteria Fasilitas 44 Tabel 3.13. MatriksAlternatif Yang Disederhanakan 44
Tabel 3.14. Tabel Perhitugan Eigenvector 45
Tabel 3.15. Matriks Berpasangan Alternatif Dokter Mata 46 Tabel 3.16. MatriksAlternatif Yang Disederhanakan 46
Tabel 3.17. Tabel Perhitugan Eigenvector 47
Tabel 3.18. Matriks Berpasangan Alternatif Dokter Jantung 47 Tabel 3.19. MatriksAlternatif Yang Disederhanakan 48
Tabel 3.20. Tabel Perhitugan Eigenvector 48
Tabel 3.21. Matriks Berpasangan Alternatif Dokter Paru 49 Tabel 3.22. MatriksAlternatif Yang Disederhanakan 50
Tabel 3.23. Tabel Perhitugan Eigenvector 50
Tabel 3.24. Perhitungna Matriks Global untuk Penyakit Mata 51
Tabel 3.25. Hasil Akhir Ranking AHP 52
Tabel 3.26. Tabel PROMETHEE Tahap 1 53
Tabel 3.32. Tabel Nilai H(d) dari Alternatif F 56 Tabel 3.33. Tabel Nilai H(d) dari Alternatif G 57 Tabel 3.34. Tabel Nilai H(d) dari Alternatif H 57 Tabel 3.35. Tabel Nilai H(d) dari Alternatif I 57 Tabel 3.36. Tabel Nilai H(d) dari Alternatif J 58
Tabel 3.37. Tabel PROMETHEE Tahap 2 58
Tabel 3.38. Hasil Nilai Leaving Flow 59
Tabel 3.39. Hasil Nilai Entering Flow 60
Tabel 3.40. Hasil Nilai Net Flow 61
Tabel 3.41. Tabel Ranking PROMETHEE 61
Tabel 3.42. Spesifikasi Use Case Login 63
Tabel 3.43. Spesifikasi Use Case Diagram Algoritma AHP 63 Tabel 3.44. Spesifikasi Use Case Diagram Algoritma PROMETHEE 63
Tabel 3.45. Struktur Tabel bobot_ahp 73
Tabel 3.46. Struktur Tabel bobot_eigen 73
Tabel 3.47. Struktur Tabel bobot_perbandingan 73
Tabel 3.48. Struktur Tabel bobot_eigenfactor 74
Tabel 3.49. Struktur Tabel hasil_ahp 74
Tabel 3.50. Struktur Tabel bobot_penilaian 74
Tabel 3.51. Struktur Tabel Kriteria 74
Tabel 3.52. Struktur Tabel matrix_ahp 75
Tabel 3.53. Struktur Tabel normal_matrix 75
Tabel 3.54. Struktur Tabel penilaian 75
Tabel 3.55. Struktur Tabel rumah_sakit 76
Tabel 3.56. Struktur Tabel total_bagi 76
Tabel 3.57. Struktur Tabel total_bobot 76
Tabel 3.58. Struktur Tabel total_eigen 77
Tabel 3.59. Struktur Tabel total_perbandingan 77
Tabel 3.60. Struktur Tabel user 77
Tabel 3.61. Keterangan Bagian-Bagian Login 77
DAFTAR GAMBAR
Halaman
Gambar 2.1. Karakteristik dan Kapabilitas Sistem Pendukung Keputusan 12
Gambar 2.2. Fase Proses Pendukung Keputusan 14
Gambar 2.3. Skematis Model 15
Gambar 2.4. Struktur Hirarki 20
Gambar 2.5. Kriteria Biasa 23
Gambar 2.6. Kriteria Quasi 24
Gambar 2.7. Kriteria dengan Preferensi Linier 24
Gambar 2.8. Kriteria Level 25
Gambar 2.9. Kriteria dengan preferensi linier dan area yang tidak berberda 26
Gambar 2.10. Kriteria Gaussian 27
Gambar 3.1. Diagram Ishikawa untuk analisis masalah 33
Gambar 3.2. Use Case Algoritma 62
Gambar 3.3. Activity Diagram Algoritma AHP 65
Gambar 3.4. Activity Diagram Algoritma PROMETHEE 66
Gambar 3.5. Sequence Diagram Login 67
Gambar 3.6. Sequence Diagram Algoritma AHP 68
Gambar 3.7. Sequence Diagram Algoritma PROMETHEE 69
Gambar 3.8. Flowchart Proses Algoritma AHP 71
Gambar 3.9. Flowchart Proses Algoritma PROMETHEE 72
Gambar 3.10. Rancangan Halaman Login 78
Gambar 3.11. Rancangan HalamanMenu Utama 79
Gambar 3.12. Halaman Menu File dengan sub menu keluar 80 Gambar 3.13. Halaman Menu Master dengan sub menu user 81 Gambar 3.14. Halaman Menu Master dengan sub menu kriteria 82 Gambar 3.15. Halaman Menu Master dengan sub menu perbandingan 83 Gambar 3.16. Halaman Menu Master dengan sub menu penilaian 84 Gambar 3.17. Halaman Menu Master dengan sub menu rumah sakit 85 Gambar 3.18. Halaman Menu Metode dengan sub menu AHP 86 Gambar 3.19. Halaman Menu Metode dengan sub menu PROMETHEE 87
Gambar 3.20. Halaman Menu Utama 88
Gambar 4.1. Form Login 90
Gambar 4.2. Form Utama 91
Gambar 4.4. Form Menu Master dengan Sub Menu user 92 Gambar 4.5. Form Menu Master dengan Sub Menu kriteria 93 Gambar 4.6. Form Menu Master dengan Sub Menu perbandingan 94 Gambar 4.7. Form Menu Master dengan Sub Menu penilaian 94 Gambar 4.8. Form Menu Master dengan Sub Menu rumah sakit 95 Gambar 4.9. Form Menu Metode dengan Sub Menu AHP 95 Gambar 4.10. Form Menu Master dengan Sub Menu PROMETHEE 96
Gambar 4.11. Form Kriteria 96
Gambar 4.12. Form Perbandingan 97
Gambar 4.13. Form Penilaian 97
Gambar 4.14. Form Rumah Sakit 98
Gambar 4.15. Form AHP 98
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN RUMAH SAKIT BERDASARKAN KEBUTUHAN PASIEN MENGGUNAKAN
METODE AHP DAN PROMETHEE
ABSTRAK
Sistem pendukung keputusan yaitu suatu sistem yang dapat membantu pengguna dalam memilih solusi keputusan yang terbaik. Penelitian ini membahas tentang pemilihan rumah sakit tipe B terbaik di kota Medan. Pada pemilihan rumah sakit ini diggunakan algoritma Analytic Hierarcy Process (AHP) dan Preference Ranking Organization Method for Enrichment Evaluation (PROMETHEE), dengan 4 kriteria yaitu pelayanan, fasilitas, biaya, dokter, 3 sub kriteria yaitu dokter mata, dokter jantung, dokter paru dan 10 alternatif rumah sakit tipe B di kota Medan. Dengan membandingkan kedua algoritma ini diharapkan dapat membantu pembuat kebijakan dalam memilih rumah sakit tipe B terbaik di kota Medan sehingga pembuat kebijakan tidak perlu bersusah payah bertanya kepada kerabat jadi pengguna lebih efektif dalam memilih rumah sakit. Pada penelitian ini dengan menggunakan algoritma AHP solusi terbaik yang ditawarkan adalah rumah sakit Columbia dan solusi terbaik dengan menggunakan algoritma PROMETHEE adalah rumah sakit Elisabeth. Pada penelitian ini tingkat komplesitas waktu pada funsi yang memanggil algoritma AHP yang dihitung menggunkan big Ө yaitu T(n)= Ө(n) dan algoritma PROMETHEE yaitu T(n)= Ө(n2). Dilihat dari nilai big Ө dapat disimpulkan bahwa algoritma kompleksitas yang memanggil fungsi AHP lebih baik dari PROMETHEE. Solusi akhir ini dapat membantu pembuat kebijakan dalam memilih refrensi alternatif rumah sakit yang ditawarkan.
Kata Kunci : Sistem Pendukung Keputusan (SPK), Analytical Hierarchy
Process(AHP) dan Preference Ranking Organization Method for
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN RUMAH SAKIT BERDASARKAN KEBUTUHAN PASIEN MENGGUNAKAN
METODE AHP DAN PROMETHEE
ABSTRACT
Decision support system is a system that can assist users in selecting the best decision solution. This research discusses selection of the best type B hospital in Medan. On selecting to this hospital used Analytic algorithm Hierarcy Process (AHP) and Preference Ranking Organization Method for Enrichment Evaluation (PROMETHEE) with 4 criteria, namely service, facilities, fees, doctor, 3 sub criteria i.e. doctor of the eye, doctor of the heart, pulmonary doctors and 10 alternative type B hospitals in Medan. By comparing both algorithms is expected to assist decision makers in selecting the best type B hospitals in Medan so decision makers no need to bother ask to other people so decision makers are more effective in choosing a hospital. On the research of AHP by using the best solutions offered is Columbia hospital and best solutions by using PROMETHEE is Elisabeth hospital. Time complexity of this research who called function of algorithm AHP is computed using big Ө i.e. T (n) = Ө (n) and PROMETHEE i.e. T (n) = Ө (n2). Views of value big Ө can be inferred that time complexity for AHP is more accurate than PROMETHEE. This last solution can help decision makers in selecting alternative references the hospital has to offer.
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Rumah Sakit adalah institusi pelayanan kesehatan yang menyediakan pelayanan kesehatan perorangan, pelayanan rawat inap, rawat jalan, dan gawat darurat. Rumah Sakit Umum adalah Rumah Sakit yang memberikan pelayanan kesehatan pada semua bidang dan jenis penyakit. Klasifikasi Rumah Sakit adalah pengelompokan kelas Rumah Sakit berdasarkan fasilitas dan kemampuan pelayanan.
Di Indonesia pada tahun 2000 mulai membahas tentang isu keselamatan di rumah sakit diikuti dengan studi pertama di 15 rumah sakit dengan 4500 rekam medik. Hasilnya menunjukkan bahwa angka KTD sangat bervariasi, yaitu 8,0% - 98,2% untuk kesalahan diagnosis dan 4,1% - 91,6% untuk kesalahan pengobatan, maka itu membuat adanya tipe – tipe pada rumah sakit. Berdasarkan Permenkes RI Nomor 986/Menkes/Per/11/1992 pelayanan rumah sakit umum pemerintah Departemen Kesehatan dan Pemerintah Daerah diklasifikasikan menjadi kelas/tipe A,B,C,D dan E. (Maria, 2010).
Pasien yang memilih pelayanan kesehatan di rumah sakit dikarenakan pasien puas terhadap pelayanan yang diberikan rumah sakit. Rumah sakit umum tipe B contohnya harus mempunyai fasilitas dan kemampuan pelayanan medik paling sedikit 4 (empat) Pelayanan Medik Spesialis Dasar, 4 (empat) Pelayanan Spesialis Penunjang Medik, 8 (delapan) Pelayanan Medik Spesialis Lainnya dan 2 (dua) Pelayanan Medik Subspesialis Dasar.
Beda penyakit maka beda pula rumah sakitnya, itu semua tergantung dengan jenis penyakit si pasien. Di Medan khususnya ada 11 rumah sakit dengan tipe B sehingga terkadang pasien dibingungkan dalam pemilihan rumah sakit, karena apabila pasien salah memilih rumah sakit maka nyawa taruhannya, namun tidak sedikit pasien yang kecewa dengan rumah sakit pilihannya tersebut, karena pilihan rumah sakitnya berdasarkan rekomendasi dari orang yang terdekat. Maka dari itu diperlukan sistem pendukung keputusan yang dapat membantu pasien dalam memilih rumah sakit yang sesuai dengan jenis penyakitnya.
Sistem Pendukung Keputusan atau Decision Support System secara umum didefinisikan sebagai sebuah sistem yang mampu memberikan kamampuan pemecahan maupun penanganan masalah dengan kondisi semi terstruktur dan tidak terstruktur dimana tidak seorangpun tahu secara pasti bagaimana keputusan itu seharusnya dibuat (Kusrini, 2007).
Dengan pemanfaatan kedua metode tersebut diharapkan akan menghasilkan sistem pendukung keputusan yang dapat memilih rumah sakit tipe B terbaik berdasarkan kebutuhan pasien.
1.2. Rumusan Masalah
Berdasarkan latar belakang tersebut maka rumusan masalah dari penelitian ini adalah bagaimana merancang suatu sistem pendukung keputusan dengan metode AHP dan PROMETHEE untuk memiliih rumah sakit tipe B yang terbaik bagi pasien sesuai dengan jenis penyakitnya.
1.3. Batasan Masalah
Batasan masalah dalam penelitian ini adalah :
1. Penyakit yang dibahas hanya penyakit mata, jantung, paru.
2. Sampel yang digunakan adalah 10 rumah sakit dengan tipe B yang ada di kota Medan.
3. Kriteria yang digunakan dalam penelitian antara lain biaya, fasilitas, dokter, dan pelayanan.
4. Aplikasi ini membandingkan hasil dari metode AHP dan PROMETHEE. 5. Parameter yang dianalisis dalam proses kerja implementasi algoritma tersebut
adalah Big Ɵ.
6. Aplikasi yang dirancang menggunkan bahasa pemrograman Microsoft Visual Studio.Net 2010 dan MySQL sebagai Database Management System.
1.4. Tujuan Penelitian
Tujuan dari penelitian ini adalah
1. Mengimplementasikan metode AHP dan PROMETHEE.
1.5. Manfaat Penelitian
Manfaat penelitian dari pembahasan masalah ini adalah sebagai berikut:
1. Manfaat bagi penulis
Untuk memperdalam dan mengembangkan wawasan disiplin ilmu yang telah dipelajari untuk mengkaji permasalahan tentang pemilihan rumah sakit tipe B yang terbaik sesuai dengan kebutuhan pasien di kota Medan menggunakan metode AHP dan PROMETHEE.
2. Manfaat bagi masyarakat
Sebagai tambahan wawasan dan informasi tentang analisis rumah sakit tipe B yang terbaik sesuai dengan kebutuhan pasien di kota Medan bagi masyarakat yang ingin berobat.
3. Manfaat bagi rumah sakit
Memberikan sumbangan atau masukan yang berguna agar rumah sakit tipe B dapat membangun dan memelihara reputasi rumah sakitnya berdasarkan dari kepuasan pasien yang berobat.
1.6. Metodologi Penelitian
Metodologi penelitian yang digunakan dalam penulisan skripsi ini adalah sebagai berikut:
1. Studi Literatur
2. Pengumpulan Data
Pada tahap ini dilakukan riset lapangan untuk memperoleh data secara langsung dari rumah sakit tipe B yang terkait.
3. Analisis dan Perancangan Sistem
Tahap ini digunakan untuk mengolah data dari hasil studi literatur dan data yang telah dikumpulkan, kemudian melakukan analisis dan merancang sistem sesuai dengan kebutuhan pengguna menggunakan metode AHP dan metode PROMTHEE.
4. Implementasi Sistem
Metode ini dilaksanakan dengan mengimplementasikan rancangan sistem yang telah dibuat pada analisis dan perancangan sistem ke dalam program komputer dengan menggunakan bahasa pemrograman Microsoft Visual Studio .Net dan Database Mangement System yang digunakan adalah MySQL.
5. Pengujian Sistem
Metode ini dilaksanakan dengan mengimplementasikan metode AHP dan metode PROMETHEE ke dalam perancangan aplikasi pemilihan rumah sakit tipe B terbaik. Hasil program kemudian akan diuji dan dianalisis perbandingan kecepatan waktu sistem.
6. Dokumentasi
1.7. Sistematika Penelitian
Adapun langkah-langkah dalam menyelesaikan penelitian ini adalah sebagai berikut :
BAB 1 : PENDAHULUAN
Bab ini akan menjelaskan mengenai latar belakang pemilihan judul skripsi “Sistem Pendukung Keputusan Dalam Pemilihan Rumah Sakit Tipe B Terbaik Berdasarkan Kebutuhan Pasien Menggunakan Metode AHP Dan PROMETHEE”, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.
BAB 2 : LANDASAN TEORI
Bab ini membahas mengenai teori-teori yang berkaitan dengan perancangan model sistem pendukung keputusan dalam pemilihan rumah sakit tipe B terbaik.
BAB 3 : ANALISIS DAN PERANCANGAN SISTEM
Bab ini menjelaskan analisis yang dilakukan terhadap permasalahan dan penyelesaian persoalan dalam pemilihan rumah sakit tipe B terbaik dengan mengimplementasikan metode AHP dan PROMETHEE untuk proses pemilihannya.
BAB 4 : IMPLEMENTASI DAN PENGUJIAN SISTEM
Bab ini berisi implementasi perancangan sistem dari hasil analisis dan perancangan yang sudah dibuat, serta menguji sistem untuk menemukan kelebihan dan kekurangan pada sistem yang dibuat.
BAB 5 : KESIMPULAN DAN SARAN
BAB 2
TINJAUAN PUSTAKA
2.1. Tipe Rumah Sakit
Berdasarkan Permenkes RI Nomor 986/Menkes/Per/11/1992 pelayanan rumah sakit umum pemerintah Departemen Kesehatan dan Pemerintah Daerah diklasifikasikan menjadi kelas/tipe A, B, C, D, dan E. (Maria, 2010).
1. Rumah Sakit Kelas A
Rumah Sakit kelas A adalah rumah sakit yang telah ditetapkan sebagai tempat pelayanan rujukan tertinggi (top referral hospital) atau disebut juga rumah sakit pusat dimana rumah sakit ini mampu memberikan pelayanan kedokteran spesialis dan subspesialis luas oleh pemerintah.
2. Rumah Sakit Kelas B
Rumah Sakit kelas B diberikan pelayanan kedokteran medik spesialis luas dan subspesialis terbatas. Direncanakan rumah sakit tipe B ini biasanya didirikan di setiap ibu kota propinsi (provincial hospital) yang menampung pelayanan rujukan dari rumah sakit kabupaten.
3. Rumah Sakit Kelas C
Direncanakan rumah sakit tipe C ini akan didirikan di setiap kabupaten/kota (regency hospital) yang menampung pelayanan rujukan dari puskesmas.
4. Rumah Sakit Kelas D
Rumah Sakit ini bersifat transisi karena pada suatu saat akan ditingkatkan menjadi rumah sakit kelas C. Maka dari itu pada saat ini kemampuan rumah sakit tipe D hanyalah memberikan pelayanan kedokteran umum dan kedokteran gigi saja. Sama halnya dengan rumah sakit tipe C, rumah sakit tipe D juga menampung pelayanan yang berasal dari puskesmas.
5. Rumah Sakit Kelas E
Rumah sakit ini merupakan rumah sakit khusus (special hospital) yang menyelenggarakan hanya satu macam pelayanan kedokteran saja. Pada saat ini banyak tipe E yang didirikan pemerintah, misalnya rumah sakit jiwa, rumah sakit kusta, rumah sakit paru, rumah sakit jantung, dan rumah sakit ibu dan anak. Rumah sakit tipe E ini merupakan suatu kegiatan yang mempunyai potensi besar menurunkan kualitas lingkungan dan kesehatan masyarakat, terutama yang berasal dari aktivitas medik
2.2. Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan
2.2.1. Definisi Sistem
Sistem adalah suatu kumpulan atau susunan atau benda yang berhubungan sedemikian rupa sehingga membentuk kesatuan atau keseluruhan. Sistem dibagi menjadi tiga bagian berbeda: input, proses dan output. Bagian-bagian tersebut dikelilingi oleh sebuah lingkungan dan sering melibatkan sebuah mekanisme umpan balik. Selain itu, pengambil keputusan juga dianggap sebagai bagian dari sistem. (Ginting, 2014). Terdapat lima unsur utama yang terdapat dalam sistem:
• Elemen-elemen atau bagian-bagian
• Interaksi atau hubungan antar elemen-elemen tersebut
• Lingkungan yang kompleks.
Pengertian sistem adalah suatu kesatuan prosedur atau komponen yang saling berkaitan satu dengan yang lainnya bekerja bersama sama sesuai dengan aturan yang diterapkan sehingga membentuk suatu tujuan yang sama, dimana dalam sebuah sistem bila terjadi satu bagian saja yang tidak bekerja atau rusak maka suatu tujuan bisa terjadi kesalahan hasilnya atau outputnya. (Fitriyani, 2012). Sistem merupakan sekumpulan objek seperti orang-orang, sumber daya, konsep dan prosedur untuk memberikan performansi dalam pencapaian tujuan tersebut. (Sandy, 2002).
2.2.2. Definisi Keputusan
Kegiatan pembuatan keputusan meliputi pengidentifikasian masalah, pencarian alternatif penyelesaian masalah, evaluasi dari pada alternatif-alternatif tersebut dan pemilihan alternatif tersebut. Kemampuan mengambil keputusan yang cepat dan cermat akan menjadi kunci keberhasilan dalam persaingan global di waktu mendatang.
Nilai sebuah keputusan sangat dipengaruhi oleh kelengkapan dan keakuratan informasi yang digunakan dalam proses pembuatan keputusan itu sendiri. Maka peranan sistem informasi sangat penting dalam menyediakan informasi untuk memberikan dukungan dalam pembuatan keputusan. Berdasarkan definisi yang dikemukakan oleh Turban & Aronson (1998), pembuatan keputusan merupakan suatu proses atau kegiatan memilih diantara beberapa alternatif tertentu. Kegiatan pembuatan keputusan berbeda dengan pemecahan masalah, hal ini dikarenakan dalam pemecahan masalah tidak hanya menyelesaikan suatu masalah saja tetapi juga melakukan indentifikasi peluang. (Sandy, 2002).
dengan menitikberatkan pada kebiasan dan pengalaman, perasaan yang mendalam, pemikiran yang reflektif dan naluri dengan menggunakan proses alam bawah sadar. Pendekatan prilaku politis dilakukan secara individual dengan melakukan pendekatan kolektif. Suatu keputusan diambil kalau beberapa orang yang terlibat dalam proses tersebut menyetujui bahwa mereka telah menemukan pemecahan.
2.2.3. Definisi Sistem Pendukung Keputusan
Sistem pendukung keputusan diperkenalkan pada awal 1970-an oleh Michael Scott Morton, yang selanjutnya dikenal dengan istilah “Management Decision System”. Sistem pendukung keputusan merupakan sebuah sistem interaktif berbasis komputer yang membantu pembuat keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang bersifat tidak terstruktur dan semi terstruktur. (Turban, 2005). Sistem pendukung keputusan dirancang untuk menunjang seluruh tahapan pembuatan keputusan, yang dimulai dari tahap mengidentifikasi masalah, memilih data yang relevan, menentukan pendekatan yang digunakan dalam proses pembuatan keputusan, sampai data kegiatan mengevaluasi pemilihan alternatif. Sistem Keputusan tidak bisa dipisahkan dari sistem fisik maupun sistem informasi. Kompleksitas sistem fisik menuntut adanya sistem keputusan yang kompleks pula.
2.3. Karakteristik dan Kemampuan Sistem Pendukung Keputusan
Terdapat sejumlah karakteristik dan kemampuan dari sistem pendukung keputusan yaitu (Turban, 2005) :
a. Karakteristik Sistem Pendukung Keputusan 1. Mendukung seluruh kegiatan organisasi
2. Mendukung beberapa keputusan yang saling berinteraksi 3. Dapat digunakan berulangkali dan bersifat konstan 4. Terdapat dua komponen utama, yaitu data dan model 5. Menggunakan baik data eksternal dan internal
b. Kemampuan Sistem Pendukung Keputusan
1. Menunjang pembuatan keputusan manajemen dalam menangani masalah 2. Membantu manajer pada berbagai tingkatan manajemen, mulai dari manajemen
tingkat puncak sampai manajemen tingkat bawah
3. Menunjang pembuatan keputusan secara berkelompok maupun perorangan 4. Menunjang pembuatan keputusan yang bergantung maupun berurutan
5. Menunjang pembuatan keputusan untuk berbagai bentuk proses pembuatan keputusan dan jenis keputusan
6. Kemampuan beradaptasi dan bersifat fleksibel
7. Menunjang tahap – tahap pembuatan keputusan antara lain intelligence, design, choice dan implementation.
8. Kemudahan melakukan interaksi sistem
9. Meningkatkan efektivitas dalam pembuatan keputusan daripada efisiensi 10.Mudah dikembangkan oleh pemakai akhir
2.4. Proses Pembuatan Keputusan
Simon (1977) seperti dikutip dalam (Sandy, 2002) menyatakan bahwa untuk dapat lebih memahami pemodelan proses perlu dilihat tahap berikut.
1. Tahap Intelligence
Tahap ini merupakan suatu proses melakukan identifikasi dan merumuskan masalah dari suatu ruang lingkup problematika yang dihadapi oleh pihak manajemen. Pada tahap ini memiliki subsistem yang saling terkait, antara lain: a. Menemukan masalah; mencakup mengidentifikasikan tujuan dan sasaran
organisasi, mengklasifikasikan secara jelas gejala dan masalah nyata. b. Mengklasifikasikan masalah yaitu mencakup masalah terprogram dan
masalah tidak terprogram.
c. Melakukan dekomposisi masalah yaitu untuk menjabarkan dan menguraikan masalah kedalam sub-sub masalah secara lebih spesifik. d. Kepemilikan masalah yaitu sebuah masalah terjadi dalam organisasi dan
bila seseorang atau sekelompok orang bersedia bertanggungjawab atas penyelesaian dan disamping itu organisasi mempunyai kemampuan melakukannya
2. Tahap Design
Tahap ini adalah suatu proses untuk mempresentasiakan model sistem yang akan dibangun berdasarkan pada asumsi yang telah ditetapkan. Tahap ini berhubungan dengan aktivitas pemahaman masalah dan pengujian solusi untuk kelayaknnya dan pada tahap ini model akan dibuat, diuji dan divalidasi.
3. Tahap Choice
Tahap ini akan melakukan pengujian dan pemilihan keputusan terbaik berdasarkan kriteria tertentu yang telah ditentukan. Tahap ini mengandung aktivitas pencarian, evaluasi, dan rekomendasi suatu model keputusan yang sesuai. Pendekatan pencarian meliputi:
b. Algorithms merupakan proses pencarian secara step-by-step untuk memperoleh keputusan optimal. Keputusan dihasilakan dan diuji untuk perbaikan lebih lanjut sampai tidak mungkin diperbaiki lagi.
c. Blind search techniques merupakan suatu pendekatan pencarian yang bebas dan tidak diarahkan.
d. Heuristic merupakan suatu aturan keputusan yang berkaitan dengan bagaimana masalah dipecahkan, suatu prosedur step-by-step yang diulangi sampai suatu keputusan yang memuaskan ditemukan.
4. Tahap Implementation
Tahap ini merupakan proses untuk membuat keputusan yang direkomendasikan agar dapat bekerja atau terealisasikan. Persoalan yang sering dihadapi adalah:
a. Ketidakinginan untuk berubah
b. Derajat dukungan dari manajemen puncak c. Pemberian pelatihan pada para pemakai.
Fase proses dari sistem pendukung keputusan (Ginting, 2014) akan terlihat jelas dari Gambar 2.2.
Sistem Informasi Manajemen & Pengolahan Data Elektronik
Ilmu Manajemen & Operation Research
INTELLIGENCE (Penulisan Lingkup Masalah)
DESIGN
(Perancangan Penyelesaian
CHOICE (Pemilihan Tindakan)
2.5. Model Pengambilan Keputusan
Model adalah percontohan yang mengandung unsur yang bersifat penyederhanaan untuk dapat ditiru (jika perlu). (Hasan, 2002). Pentingnya model dalam suatu pengambilan keputusan, antara lain:
1. Untuk mengetahui apakah hubungan yang bersifat tunggal dari unsur-unsur itu memiliki relevansi dengan masalah yang akan dipecahkan.
2. Untuk memperjelas (secara eksplisit) mengenai hubungan signifikan di antara unsur-unsur itu.
3. Untuk merumuskan hipotesis mengenai hakikat hubungan-hubungan antara variable. Hubungan ini biasanya dinyatakan dalam bentuk matematik.
4. Untuk memberikan pengelolaan terhadap pengambilan keputusan.
Model merupakan alat penyederhanaan dan penganalisisan situasi atau sistem yang kompleks. Permodelan sistem adalah proses membangun atau membentuk sebuah model dari suatu sistem nyata dalam bahasa formal tertentu.(Ginting, 2014). Secara skematis dapat dilihat pada Gambar 2.3.
Model
Model Yang diuji
Sistem Nyata
(A)
Sampel
Im age
(A )
2.6. Komponen Sistem Pengambilan Keputusan
Sistem pengambilan keputusan dapat didekomposisikan menjadi beberapa (Fitriyani, 2012).
a. Data Management. Termasuk database, yang mengandung data yang relevan untuk berbagai situasi dan diatur oleh software yang disebut Database Management Systems (DBMS)
b. Model Management. Melibatkan model finansial, statistikal, management science, atau berbagai model kuantitatif lainnya, sehingga dapat memberikan ke sistem suatu kemampuan analitis, dan manajemen software yang diperlukan.
c. Commication (dialog subsystem). User dapat berkomunikasi dan memberikan perintah pada DSS melalui subsistem ini. Ini berarti menyediakan antarmuka. d. Knowledge Management. Subsistem optional ini dapat mendukung subsistem
lain atau bertindak sebagai komponen yang berdiri sendiri.
2.7. Algoritma
Abu Ja’far Muhammad Ibnu Musa Al-Kwarizmi, penulis buku “Aljabar wal muqabala” beberapa abad yang lalu (pada abad IX), dianggap sebagai pencetus pertama Algoritma karena di dalam buku tersebut Abu Ja’far menjelaskan langkah-langkah dalam menyelesikan berbagai persoalan aritmetika (aljabar). Algoritma adalah suatu prosedur yang jelas untuk menyelesaikan suatu persoalan dengan menggunakan langkah-langkah tertentu dan terbatas jumlahnya.
Donald E. Knuth, seorang penulis beberapa buku algoritma abad XX, menyatakan bahwa ada beberapa ciri algoritma, yaitu: (Suarga, 2004).
1. Algoritma mempunyai awal dan akhir. Suatu algoritma harus berhenti setelah mengerjakan serangkaian tugas.
2. Setiap langkah harus didefinisikan dengan tepat sehingga tidak memiliki makna ganda.
2.7.1. Sifat Algoritma
Sifat utama algoritma adalah :
1. Input: Suatu algoritma memiliki kondisi awal sebelum algoritma dilaksanakan.
2. Output: Suatu algoritma akan mengubah kondisi awal menjadi kondisi akhir, dimana nilai awal diperoleh dari nilai input yang telah diproses melalui algoritma.
3. Definiteness: Langkah-langkah yang dituliskan dalam algoritma terdefinisi dengan jelas sehingga mudah dilaksanakan oleh pengguna algoritma.
4. Finiteness: Suatu algoritma harus memberi kondisi akhir setelah melakukan sejumlah langkah yang terbatas jumlahnya untuk kondisi awal yang diberikan. 5. Effectiveness: Setiap langkah dalam algoritma bisa dilaksanakan dalam suatu
selang waktu tertentu sehingga pada akhirnya memberikan solusi sesuai yang diharapkan.
6. Generality: Langkah-langkah algoritma berlaku untuk setiap himpunan input yang sesuai dengan persoalan yang akan diberikan, tidak hanya untuk himpunan tertentu.
2.7.2. Time Complexity
Thomas H. Cormen et al dalam buku yang berjudul Introduction to Algorithms pada edisi ketiga menyebutkan bahwa Algoritma adalah urutan langkah-langkah mengubah input menjadi output. Menganalisis algoritma berarti memprediksi sumber daya yang dibutuhkan algoritma, sumber daya yang menjadi perhatian utama seperti memori, bandwith komunikasi dan perangkat keras komputer yang biasanya sering digunakan untuk mengukur waktu komputasi.
algoritma adalah jumlah dari running time dari setiap statement yang dieksekusi (Claudia, 2014).
Big Ɵ ( Big Theta) adalah bagian dari kompleksitas waktu dari sebuah
algoritma. Big Ɵ ( Big Theta) didefinisikan bahwa f(n) merupakan Theta dari g(n) dan
dinotasikan f(n) = Ɵ(g(n) jika dan hanya jika terdapat tiga konstanta positif n0, c1 dan
c2 sedemikian berlaku (Claudia, 2014):
| C1 g(n) | <= | f(n) | <= |C2 g(n) |; ∀n > n0. (2.1)
2.8. Fuzzy Multiple Attribute Decision Making Methods
Fuzzy Multiple Attribute Decision Making Methods (Fuzzy MADM) yang dikembangkan oleh Moon Hyun Joo dan Chang Sun Kang. Sistem ini mempunyai kemampuan menampung input kriteria yang diinginkan dari pengguna, alternatif pasangan calon, dan pada akhirnya mampu memberikan tampilan visual berupa himpunan solusi terbaik dari beberapa alternatif yang diberikan menggunakan metode perangkingan nilai total integral. (Muhamad & Retantyo, 2013).
Fuzzy MADM dikembangkan untuk pengambilan keputusan terhadap beberapa alternatif keputusan untuk mendapatkan suatu keputusan yang akurat dan optimal. Moon Hyun Joo dan Chang Sun Kang mengembangkan metode Fuzzy Decision Making (FDM), dalam 3 langkah penting penyelesaian, yaitu : representasi masalah, evaluasi himpunan fuzzy, dan menyeleksi alternatif yang optimal.
Metode-metode yang dapat digunakan dalam menyelesaikan masalah fuzzy MADM, yaitu menyelesaikan masalah fuzzy MADM dengan mengaplikasikan metode MADM klasik seperti Simple Additive Weighting (SAW), Weighted Produuct (WP) atau Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), ELECTRE, Analytic Hierarchy Process (AHP). (Kusumadewi, 2006).
2.9. Metode Analytic Hierarchy Process (AHP)
permasalahan yang kompleks dari suatu struktur multi level, dimana level pertama adalah tujuan, yang diikuti oleh level faktor, kriteria, sub kriteria, dan seterusnya kebawah sehingga yang terakhir dari alternatif. (Saaty, 1993).
Menurut Suryadi dan Ramdhani pada tahun 2000 dalam jurnal (Iskandar, 2009) AHP merupakan suatu model pengambilan keputusan yang bersifat komperhensif. AHP mempunyai kemampuan untuk memecahkan masalah yang multi objektif dan multi kriteria, yang berdasar pada perbandingan preferensi dari setiap elemen dalam hirarki.
2.9.1.Prinsip Dasar AHP
Dalam menyelesaikan permasalahan dengan AHP ada beberapa prinsip yang harus dipahami, diantaranya adalah: (Kusrini, 2007)
1. Membuat hierarki.
Sistem yang kompleks bisa dipahami dengan memecahnya menjadi elemen-elemen pendukung dan menyusun elemen-elemen secara hierarki.
2. Penilaian kriteria dan alternatif
Kriteria dan alternatif yang dilakukan dengan perbandingan berpasangan.
Menurut Saaty (1988), untuk berbagai persoalan sekala 1 sampai 9.
Tabel 2.1. Skala Nilai Perbandingan Berpasangan
Intensitas Kepentingan
Keterangan Penjelasan
1 Kedua elemen sama
pentingnya
Dua elemen mempunyai pengaruh yang sama besar terhadap tujuan
3 Elemen yang satu
sedikit lebih penting dari pada elemen yang lain.
Pengalaman dan penilaian sedikit menyokong satu elemen dibandingkan elemen lainnya.
5 Elemen yang satu
sangat penting dari pada elemen yang lainnya
3. Synthesis of Priority (menentukan prioritas)
Untuk setiap kriteria dan alternatif, perlu dilakukan perbandingan berpasangan (pairwise comparisons). Nilai-nilai perbandingan relatif dari seluruh alternatif kriteria bisa disesuaikan dengan judgement yang telah ditentukan untuk menghasilkan bobot dan prioritas. Bobot dan prioritas dihitung dengan memanipulasi matriks atau melalui penyelesaian persamaan matematika.
4. Logical Consistency (Konsistensi Logic)
Konsistensi memiliki dua makna. Pertama, objek-objek yang serupa bisa dikelompokkan sesuai dengan keseragaman dan relevansi. Kedua, menyangkut tingkat hubungan antar objek yang didasarkan pada kriteria tertentu.
2.9.2.Langkah – Langkah AHP
Pada dasarnya, prosedur atau langkah – langkah dalam metode AHP meliputi (Kusrini, 2007):
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan, lalu Gambarkan kedalam bentuk hirarki dari permasalahan yang dihadapi seperti pada Gambar 2.4.
9 Satu elemen mutlak
penting dari pada elemen lainnya
Bukti yang mendukung elemen yang satu terhadap elemen lain memiliki tingkat penegasan tertinggi yang mungkin menguatkan.
2, 4, 6, 8 Nilai-nilai antara dua nilai perbandingan yang berdekatan
Nilai ini diberikan bila ada dua kompromi diantara dua pilihan.
2. Menentukan prioritas elemen
• Langkah pertama dalam menentukan prioritas elemen adalah membuat perbandingan pasangan, yaitu membandingkan elemen secara berpasangan sesuai kriteria yang diberikan.
• Matriks perbandingan berpasangan diisi menggunakan bilangan untuk merepresentasikan kepentingan relatif dari suatu elemen terhadap elemen yang lainnya.
3. Sintesis
Pertimbangan-pertimbangan terhadap perbandingan berpasangan disintesis untuk memperoleh keseluruhan prioritas. Hal-hal yang dilakukan dalam langkah ini adalah:
• Menghitung nilai eigen dan menguji konsistensinya jika tidak konsisten maka pengambilan data diulangi. Mengulangi langkah 1 dan 2 untuk seluruh tingkat hirarki.
• Menghitung eigen vektor dari setiap matriks perbandingan berpasangan. Nilai eigen vektor merupakan bobot setiap elemen. Langkah ini untuk mensintesis judgment dalam penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan
4. Mengukur Konsistensi
Dalam pembuatan keputusan, penting untuk mengetahui seberapa baik konsistensi yang ada karena kita tidak menginginkan keputusan berdasarkan pertimbangan dengan konsistensi yang rendah.
5. Hitung Consistency Index (CI) dengan rumus :
Memeriksa konsistensi hirarki. Jika nilainya lebih dari 0,1 maka penilaian data harus diperbaiki. Hitung Indeks Konsistensi/Consistency Index (CI), dengan rumus:
CI = – – (2.2)
6. Mencari total rangking, langkah terakhir adalah menghitung total rangking dengan cara menjumlahkan hasil perkalian nilai eigen vector tiap kriteria dengan nilai eigen vector alternatif pada kriteria yang sama, sehingga diperoleh alternatif terbaik.
2.10. Algoritma Preference Ranking Organization for Enrichment Evaluation (PROMETHEE)
Menurut Brans.et.al pada tahun 1986 dalam jurnal (Nurhayati, 2001) PROMETHEE adalah suatu metode penentuan urutan (prioritas) dalam analisis multikriteria. PROMETHEE didasarkan atas kesederhanaan, kejelasan , dan kestabilan. Dominasi kriteria yang digunakan dalam PROMETHEE adalah penggunaan nilai dalam hubungan outranking.
PROMETHEE adalah metodologi untuk mengevaluasi alternatif dengan kriteria yang diberikan dan membuat peringkat alternatif untuk keputusan akhir. Dugaan dari dominasi kriteria yang digunakan dalam PROMETHEE adalah penggunaan nilai dalam hubungan outranking, outranking merupakan metode yang dapat menangani kriteria kualitatif dan kuantitatif secara bersamaan. Metode ini mampu memperhitungkan alternatif berdasarkan karakteristik yang berbeda. Metode outranking membandingkan beberapa kemungkinan alternatif (pada kriteria) dengan kriteria dasar. Mereka pada dasarnya menghitung indeks untuk setiap pasangan alternatif yang memenuhi syarat atau antara peringkat satu relatif dengan alternatif lain. Semua parameter yang terlibat mempunyai pengaruh nyata menurut pandangan ekonomi.
Dalam Promethee disajikan enam bentuk fungsi preferensi kriteria. Hal ini tentu saja tidak mutlak, tetapi bentuk ini cukup baik untuk beberapa kasus, antara lain: (Dhony, 2009)
1. Kriteria Biasa (Usual Criterion)
H(d) = (2.3)
0 jika d = 0
d = selisih nilai kriteria dimana {d = f(a) - f(b)}
Pada kasus ini, tidak ada beda (sama penting) antara a dan b jika dan hanya jika f(a) = f(b) ; apabila nilai kriteria pada masing-masing alternatife memiliki nilai berbeda, pembuat keputusan membuat preferensi mutlak untuk alternatif memiliki nilai yang lebih baik.
1
0
Gambar 2.5. Kriteria Biasa
2. Kriteria Quasi (Quasi Criterion)
H(d) = (2.4)
Keterangan:
H(d) = fungsi selisih kriteria antara alternatif d = selisih nilai kriteria { d = f(a) - f(b) } Parameter (q) = harus merupakan nilai tetap
Dua alternatif memiliki preferensi yang sama penting selama selisih atau nilai H(d) dari masing-masing alternatif untuk kriteria tertentu tidak melebihi nilai q, dan apabila selisih hasil evaluasi untuk masing-masing alternatif melebihi nilai q maka terjadi bentuk preferensi mutlak.
H(d)
d
0 jika ≤ q
Gambar 2.6. Kriteria Quasi
3. Kriteria dengan preferensi linier
H(d) = (2.5)
Keterangan:
H(d) = fungsi selisih kriteria antara alternatif d = selisih nilai kriteria { d = f(a) - f(b) } p = nilai kecenderungan atas
Kriteria preferensi linier dapat menjelaskan bahwa selama nilai selisih memiliki nilai yang lebih rendah dari p, preferensi dari pembuat keputusan meningkat secara linier dengan nilai d. Jika nilai d lebih besar dibandingkan dengan nilai p, maka terjadi preferensi mutlak.
d 1
H(d)
-q 0 q
0 jika d ≤ 0
d/p jika 0 < d ≤ p
1 jika d> p
H(d)
-p p
1
0
4. Kriteria Level (Level Criterion)
H(d) = (2.6)
Keterangan:
H(d) = fungsi selisih kriteria antara alternatif p = nilai kecenderungan atas
q = harus merupakan nilai yang tetap
Kecenderungan tidak berbeda q dan kecenderungan preferensi p adalah ditentukan secara simultan. Jika d berada di antara nilai q dan p, hal ini berarti situasi preferensi yang lemah (H(d) = 0.5) (Brans, 1984).
Gambar 2.8. Kriteria Level
5. Kriteria dengan preferensi linier dan area yang tidak berbeda
H(d) = (2.7)
0 jika d ≤ q
0,5 jika q < d ≤ p
1 jika d > p
q p
H(d)
-p -q 1
0 d
0 jika d ≤ q
(d-q)/p-q jika q < d ≤ p
Keterangan:
H(d) = fungsi selisih kriteria antara alternatif d = selisih nilai kriteria { d = f(a) - f(b) } p = nilai kecenderungan atas
q = harus merupakan nilai yang tetap
Pengambilan keputusan mempertimbangkan peningkatan preferensi secara linier dari tidak berbeda hingga preferensi mutlak dalam area antara dua kecenderungan q dan p. dua parameter tersebut telah ditentukan.
Gambar 2.9. Kriteria dengan preferensi linier dan area yang tidak berbeda
6. Kriteria Gaussian (Gaussian Criterion)
H(d) = (2.8)
Fungsi ini bersyarat apabila ditentukan nilai , dimana dapat dibuat berdasarkan distribusi normal dalam statistik (Brans, 1998).
-p -q 0 q p
H(d)
1
d
0 jika d ≤ 0
Gambar 2.10. Kriteria Gaussian
2.10.1. Langkah – Langkah PROMETHEE
Diperlukan tahapan-tahapan yang harus dilakukan oleh pembuat keputusan untuk mendapatkan hasil penyeleksian dengan metode PROMETHEE. (Claudia, 2014).
1. Menentukan beberapa alternatif
Alternatif adalah obyek yang akan diseleksi (obyek seleksi). Pada perhitungan penyeleksian dengan PROMETHEE diperlukan penentuan beberapa obyek yang akan diseleksi (minimal 2 obyek). Obyek yang satu dengan obyek lainnya akan dibandingkan.
2. Menentukan beberapa kriteria
Setelah melakukan penentuan obyek yang akan diseleksi, maka dalam perhitungan penyeleksian PROMETHEE juga diperlukan penentuan beberapa kriteria, penentuan kriteria disini sebagai syarat atau ketentuan dalam penyeleksian.
3. Menentukan dominasi kriteria
Ketika menentukan kriteria, pengambil keputusanharus menentukan bobot atau dominasi kriteria dari kriteria lainnya. Setiap kriteria boleh memiliki nilai bobot yang sama atau berbeda.
4. Menentukan tipe preferensi untuk setiap kriteria yang paling cocok didasarkan pada data dan pertimbangan dari pengambil keputusan. Tipe
H(d)
1
preferensi ini berjumlah Enam (Usual, Quasi, Linear, Level, Linear Quasi dan Gaussian.
5. Memberikan nilai threshold atau kecenderungan untuk setiap kriteria berdasarkan preferensi yang telah dipilih. Nilai kecenderungan tersebut adalah nilai indifference, preference, dan Gaussian.
6. Perhitungan Leaving Flow , Entering Flow dan Net Flow (Dony, 2009).
1. Leaving flow adalah jumlah dari yang memiliki arah menjauh dari node a. dan hal ini merupakan pengukuran outrangking. Adapun persamaannya:
( ) = ∑"∈$ ( , !) (2.9)
Keterangan : ( ) = Leaving Flow
2. Nilai Entering Flow adalah jumlah dari yang memiliki arah mendekat dari node a dan hal ini merupakan karakter pengukuran outranking. Untuk semua nilai node a dalam grafik nilai outranking ditentukan berdasarkan entering flow dengan persamaan:
( ) = ∑"∈$ ( , !) (2.10)
Keterangan : (a) = Entering Flow
( ) ( ) = ( ) − ( ) (2.11)
Keterangan :
(a) = Leaving Flow (a) = Entering Flow
2.11. Fl owchart
Flowchart adalah suatu teknik untuk menyusun rencana program yang telah diperkenalkan dan telah dipergunakan oleh kalangan programmer komputer sebelum algoritma menjadi populer, yaitu flowcharting. Flowchart adalah untaian simbol gambar (chart) yang menunjukkan aliran (flow) dari proses terhadap data. Simbol-simbol flowchart dapat diklasifikasikan menjadi simbol untuk program dan simbol untuk sistem (peralatan hardware). (Suarga, 2004).
Flowchart atau diagram alir merupakan sebuah diagram dengan simbol-simbol grafis yang menyatakan aliran algoritma atau proses yang menampilkan langkah-langkah yang disimbolkan dalam bentuk kotak, beserta urutannya dengan menghubungkan masing masing langkah tersebut menggunakan tanda panah. Diagram ini bisa memberi solusi selangkah demi selangkah untuk penyelesaian masalah yang ada di dalam proses atau algoritma tersebut. Simbol-simbol Flowchart dapat diklasifikasikan menjadi simbol untuk program dan simbol untuk sistem (peralatan hardware).
1. Program Flowchart
Flowchart Keterangan
Terminator
Untuk Mulai atau Selesai
Proses
Input/Output
menerima input atau menampilkan output
Seleksi/Pilihan
memilih aliran berdasarkan syarat
Predefined-Data
definisi awal dari variabel atau data
Predefined-Process
lambang fungsi atau sub-program
Connector
penghubung pada halaman
Off-page Connector
penghubung halaman yang berbeda
2. System Flowchart
Flowchart Nama
Keyboard
File/Storage
Display/Monitor
Magnetic Tape
Magnetic Disk
Sorting
Extract
Merge
2.12. Skala Pengukuran
datanya menggunkan teknik angket, yaitu daftar pertanyaan yang diberikan kepada orang lain bersedia memberikan respons (responden) sesuai dengan permintaan pengguna dan lain-lainnya. (Riduwan, 2007).
Pada umumnya semua jenis angket paling sedikit mempunyai dua fungsi, yaitu deskripsi dan pengukuran. Fungsi angket pertama ialah informasi yang diperoleh melalui angket dapat memberikan Gambaran tentang karakteristik dari individu atau sekelompok responden. Angket mempunyai model jawaban yang bersifat terbuka dan tertutup. Angket terbuka, apabila jawaban tidak ditentukan sebelumnya (responden yang mengisi jawabannya sendiri) dan angket tertutup, apabila alternatif-alternatif jawaban telah disediakan (responden tinggal memilih jawaban).
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1. Analisis Masalah
Masalah utama yang dibahas dalam penelitian ini adalah pengimplementasian metode AHP dan PROMETHEE untuk memecahkan masalah pemilihan rumah sakit tipe B terbaik sesuai dengan kebutuhan pasien di kota Medan.
Diagram Ishikawa yang ada di Gambar 3.1. merupakan diagram yang dapat digunakan untuk menganalisis masalah. Bagian kepala atau segiempat yang berada di sebelah kanan merupakan masalah. Sementara di pada bagian tulang merupakan penyebab.
Gambar 3.1. Diagram Ishikawa Untuk Analisis Masalah (Claudia, 2014)
Human Material
Method
Machine
Sistem Pendukung Keputusan Menggunakn AHP dan PROMETEE
User butuh waktu lama mengambil
satu keputusan User butuh waktu lama mengambil
satu keputusan
Pengolahan Data Kriteria
Pengolahan Data Alternatif
Algoritma AHP
Algoritma PROMETHEE
3.2. Analisis Kebutuhan Sistem
Analisis kebutuhan sistem mencakup pekerjaan-pekerjaan penentuan kebutuhan atau kondisi yang harus dipenuhi dalam suatu sistem. Kebutuhan dari hasil analisis ini harus dapat dilaksanakan, diukur, diuji serta didefinisikan sampai tingkat detail yang memadai untuk desain sistem. Untuk membangun sebuah sistem, perlu dilakukan sebuah tahap analisis kebutuhan sistem. Analisis kebutuhan sistem dapat dikelompokkan menjadi 2 bagian yaitu: kebutuhan fungsional dan kebutuhan non-fungsional. (Rosnanai, 2014).
1. Kebutuhan Fungsional
Kebutuhan fungsional adalah kebutuhan yang berisi proses-proses apa saja yang nantinya dilakukan oleh sistem. Hal yang menjadi kebutuhan fungsional adalah: inputs, outputs, process, stored data.(Claudia, 2014).
1. Sistem harus mampu memberi solusi terhadap sistem pendukung keputusan pemilihan rumah sakit bertipe B yang sesuai dengan kebutuhan pasien dengan mengimplementasikan Algoritma AHP.
2. Sistem harus mampu memberi solusi terhadap sistem pendukung keputusan pemilihan rumah sakit bertipe B yang sesuai dengan kebutuhan pasien dengan mengimplementasikan Algoritma PROMETHEE.
3. Menggunakan Big & untuk mengukur kinerja algoritma.
2. Kebutuhan Non-Fungsional
Kebutuhan non-fungsional merupakan deskripsi dari beberapa fitur, karateristik, dan batasan suatu sistem.(Claudia, 2014). Kebutuhan Non-Fungsional dari sistem adalah:
1. Hasil Kuisioner
2. Mudah digunakan (User friendly)
Sistem yang akan dibangun harus user friendly, artinya bahwa sistem mudah digunakan oleh pengguna dengan tampilan (interface) yang sederhana dan mudah dimengerti.
3. Menjadi Referensi
Diharapkan sistem ini nantinya mampu menjadi referensi bagi pasien atau masyarakat untuk menentukan rumah sakit bertipe B di kota Medan yang sesuai dengan jenis penyakitnya.
4. Pelayanan
Pelayanan sistem bisa dikembangkan ke tingkat yang lebih kompleks lagi bagi pihak-pihak yang ingin mengembangkan sistem tersebut sehingga solusi yang diberikan lebih efektif.
3.3. Analisis Proses
Sistem ini terdapat dua proses utama, yaitu proses pemilihan rumah sakit menggunakan Algoritma AHP dan Algoritma PROMETHEE. Untuk mengetahui bagaimana sistem bekerja ialah dengan mengimplementasikannya ke dalam analisis proses. (Claudia, 2014).
3.3.1 Analisis Proses Pemecahan Masalah Dengan Algoritma Analytic Hierarchy Process (AHP).
Urutan langkah-langkah pemecahan masalah untuk memilih rumah sakit terbaik dengan menggunakan Algoritma AHP adalah sebagai berikut:
1. Dalam penelitian ini, kriteria-kriteria yang digunakan adalah pelayanan, biaya, fasilitas, dan dokter.
Tabel 3.1. Matriks Berpasangan Kriteria Memilih Rumah Sakit Terbaik Kriteria Pelayanan Biaya Fasilitas Dokter Pelayanan 1
Biaya 1
Fasilitas 1
Dokter 1
Cara pengisian elemen-elemen matriks pada Tabel 3.1. adalah sebagai berikut:
1. Elemen a[i,j] = 1, di mana i = 1,2,3,….n dan j = 1,2,3,….n. Untuk penelitian ini n = 4.
2. Elemen matriks segitiga atas sebagai masukan 3. Elemen matriks segitiga bawah mempunyai rumus : a[j,i] =
[(,)] Untuk i ≠ j (3.1) Ket :
a[i,j] = elemen matriks segitiga atas. a[j,i] = elemen matriks segitiga bawah. i = baris, j = kolom.
2. Menentukan alternatif dalam pemilihan Rumah sakit terbaik.
Matriks berpasangan alternatif dalam pemilihan rumah sakit dapat dilihat pada tabel 3.2.
3. Menguji konsistensi matriks berpasangan kriteria dan alternatif dengan rumus CI =
4. Menghitung Matriks Global untuk perankingan akhir.
5. Menghitung total rangking dengan cara menjumlahkan hasil perkalian nilai eigen vector tiap kriteria dengan nilai eigen vector alternatif pada kriteria yang sama, sehingga diperoleh alternatif terbaik.
Penyelesaian Matriks Kriteria:
Kriteria Rumah Sakit tipe B: Pelayanan, Biaya, Fasilitas, Dokter.
1. Menentukan kriteria dalam memilih rumah sakit terbaik, serta menghitung matriks kriteria berpasangan seperti terlihat pada tabel 3.3.
Tabel 3.3. Matriks Berpasangan Kriteria Memilih Rumah Sakit Terbaik Kriteria Pelayanan Biaya Fasilitas Dokter
Pelayanan 1 2 1 3
Biaya ½ 1 ½ 2
Fasilitas 1 2 1 3
Dokter 1/3 1/2 1/3 1
2. Menghitung matriks faktor pembobotan hirarki untuk semua kriteria disederhanakan seperti terlihat pada tabel 3.4..
Tabel 3.4. Matriks Faktor Pembobotan Hirarki Untuk Semua Kriteria Disederhanakan
3. Matriks faktor pembobotan hirarki untuk semua kriteria yang dinormalkan. Dengan perhitungan sebagai berikut :
Kriteria Pelayanan Biaya Fasilitas Dokter
Pelayanan 1.00 2.00 1.00 3.00
Biaya 0.50 1.00 0.50 2.00
Fasilitas 1.00 2.00 1.00 3.00
Dokter 0.33 0.50 0.33 1.00
HN = +(, ( -,- - .,. /(0-/(
1 (3.3)
Keterangan :
HN = Hasil Normalisasi
Nek = Nilai Elemen Kolom Kriteria Jkm = Jumlah Kolom Matriks
HN Pelayanan >< Pelayanan =
.34 = 0.35 HN Pelayanan >< Fasilitas =
.34 = 0.35
Tabel 3.5. Tabel Matriks Eigenvector
Kriteria Pelayanan Biaya Fasilitas Dokter EigenVector
Pelayanan 0.35 0.36 0.35 0.33 0.35
Biaya 0.18 0.18 0.18 0.22 0.19
Fasilitas 0.35 0.36 0.35 0.33 0.35
Dokter 0.12 0.09 0.12 0.11 0.11
∑ 1.00 1.00 1.00 1.00
4. Menghitung Eigen Value (λ max) dengan cara menjumlakan hasil perkalian jumlah
tiap kolom tiap kriteria, dengan prioritas tiap kriteria, perhitungan nya ialah sebagai berikut:
EVal = (Jkp1 x EV1) + (Jkp2 x EV2) + . . . + (Jkpn x EVn) (3.4)
Keterangan :
EVal = Eigen Value (λmax) Jkp = Jumlah kolom per kriteria Pr = Prioritas
EVal = (2,83 x 0,35) + (5,50 x 0,19) + (2,83 x 0,35) + (9,00 x 0,11) = 4.012
5. Menghitung nilai consistency indeks(CI) dengan rumus : CI = 89:;< )
( ) (3.5)
CI = =.5 =)
(4) = 0.004
6. Menghitung Matriks Vektor Prioritas Maka :
Alternatif Rumah Sakit Tipe B Medan, serta menghitung matriks alternatif berpasangan pada Kriteria Pelayanan seperti terlihat pada tabel 3.6.
Tabel 3.7. Matriks Alternatif Yang Disederhanakan
3. Membuat tabel normalisasi yaitu membagi nilai masing-masing sel pada Tabel 3.7. dengan jumlah masing-masing kolomnya seperti terlihat pada tabel 3.8.
Eval =(6.67x0.15)+(21.00x0.05)+(6.83x0.14)+(20.00x0.05)+(20.00x0.05)+ Medan, serta menghitung matriks alternatif berpasangan pada Kriteria Biaya seperti terlihat pada tabel 3.9.
Tabel 3.9. Matriks Berpasangan Alternatif Kriteria Biaya Biaya Murni
2. Matriks faktor pembobotan hirarki untuk semua alternatif Kriteria Biaya disederhanakan seperti terlihat pada tabel 3.10.
Bina Kasih 3.00 0.75 1.50 1.00 1.00 1.50 1.00 1.00 1.00 1.50
3. Membuat tabel normalisasi yaitu membagi nilai masing-masing sel pada Tabel 3.10. dengan jumlah masing-masing kolomnya seperti terlihat pada tabel 3.11.
Tabel 3.11. Tabel Perhitungan Eigenvector Biaya Murni
