BAB 2
TINJAUAN PUSTAKA
2.1Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (Decision Support System) merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Kusrini, 2007).
Sistem pendukung keputusan sebagai sebuah himpunan/kumpulan prosedur berbasis model untuk memproses data dan pertimbangan untuk membantu manajemen dalam pembuatan keputusannya (Kusrini, 2007).
Sistem Pendukung Keputusan merupakan system informasi interaktif yang menyediakan informasi, pemodelan, dan manipulasi data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstuktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana seharusnya keputusan seharusnya dibuat (Kusrini, 2007).
atau internet.Arsitektur dari sistem pendukung keputusan ditunjukkan dalam gambar
Gambar 2.1 Arsitektur Decision Support System (DSS)
Tujuan dari Sistem Pendukung Keputusan adalah (Kusrini, 2007):
1. Membantu manager dalam mengambil keputusan atas masalah semi terstruktur. 2. Memberikan atas pertimbangan manajer dan bukannya dimaksudkan untuk
menggantikan peran manajer.
3. Meningkatkan efektifitas keputusan yang diambil manajer lebih daripada perbaikan efisiensinya.
4. Kecepatan komputasi. Komputer memungkinkan para pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan biaya rendah.
5. Peningkatan produktivitas.membangun satu kelompok pengambil keputusan, terutama para pakar, bisasangat mahal. Pendukung terkomputerisasi bisa mengurangi ukuran ukuran kelompok dan memungkinkan para anggotanya untuk berada di berbagailokassi yang berbeda-beda (menghemat biaya).
6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan yang dibuat.
7. Berdaya saing.
2.2Langkah-langkah Permodelan dalam Sistem Pendukung Keputusan
Saat melakukan permodelan dalam pembangunan DSS dilakukan langkah-langkah sebagai berikut (Kusrini, 2007):
1. Studi Kelayakan (Intelligence)
Pada langkah ini, sasaran ditentukan pencarian prosedur,pengumpulan data, identifikasi masalah, identifikasikepemilikan masalah, klasifikasi masalah, hingga akhirnya terbentuksebuah pernyataan masalah.
Kepemilikan masalah berkaitan dengan apa yang akan dibangun oleh DSS dan apa tugas dari bagian tersebutsehingga model tersebutbisa relevan dengan kebuthan si pemilik masalah.
2. Perancangan (Design)
Pada tahapan ini akan diformulasikan model yang akan diggunnakan dan kriteria-kriteria yang ditentukan. Setelah itu, dicari alternatifmodel yang bisa menyelesaikan permasalahan tersebut. Langkah selanjutnya adalah memprediksi keluaran yang mungkin. Kemudian, ditentukan variabel-variabel model.
3. Pemilihan (Choice)
Setelah pada tahap design ditentukan berbagai alternatif modelbeserta variabel-variabelnya, pada tahapan ini akan dilakukan pemilihan modelnya, termasuk
soslusi dari model tersebut. Selanjutnya dilakukan analisis sensitivitas, yakni dengan mengganti beberapa variabel.
4. Membuat Decision Support System (DSS)
Setelah menentukan modelnya, berikutnya adalah mengimpplementasikannya dalam aplikasi DSS.
2.3Fuzzy Multiple Attribute Decision Making (FMADM)
Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut,kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudahdiberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif dan obyektif. Masing – masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan (Wibowo,dkk, 2009).
Ada beberapa metode yang dapat digunakan untuk menyelesaikan FMADM, antara lain (S. Kusumadewi, dkk, 2006) :
a. Simple Additive Weighted (SAW); b. Weighted Product (WP);
c. Elimination Et Choix Traduisant la Realite (ELECTRE);
d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS); e. Analilytic Hierarchy Process (AHP).
2.4Simple Additive Weighting (SAW)
Metode SAW sering dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut.Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua alternatif yang ada (S.Kusumadewi, dkk, 2006).
𝑟𝑖𝑗=
𝑋𝑖𝑗
𝑀𝑎𝑥𝑖𝑋𝑖𝑗Jika j adalah atribut keuntungan 𝑏𝑒𝑛𝑒𝑓𝑖𝑡 (1)
𝑀𝑖𝑛𝑖𝑋𝑖𝑗
Keterangan :
𝑟𝑖𝑗 = Rating kinerja ternormalisasi dari alternatif 𝐴𝑖 pada atribut 𝐶𝑗.
Max 𝑋𝑖𝑗 = Nilai terbesar dari setiap kriteria
Min 𝑋𝑖𝑗 = Nilai terkecil dari setiap kriteria
𝑋𝑖𝑗 = Nilai atribut yang dimiliki dari setiap kriteria
Langkah-langkah bagaimana sistem berjalan dengan menggunakan metode SAW dapat dijelaskan sebagai berikut :
1. Menentukan kriteria-kriteria (Ci) yang akan dijadikan acuan dalam pengambilan keputusan.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh matriks ternormalisasi R.
4. Hasil akhir diperoleh dari setiap proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi. (S.Kusumadewi, dkk, 2006).
Kelebihan dari metode SAW:
1. Menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif. 2. Penilaian akan lebih tepat karena didasarkan pada nilai kriteria dari bobot
preferensi yang sudah ditentukan.
3. Adanya perhitungan normalisasi matriks sesuai dengan nilai atribut (antara nilai benefit dan cost).
Kekurangan dari metode SAW yaitu digunakan pada pembobotan lokal. Perhitungan dilakukan dengan menggunakan bilangan crisp maupun fuzzy.
2.5 Weighted Product Model (WPM)
(WPM) adalah himpunan berhingga dari beberapa alternatif keputusan dan dijelaskan dalam hal beberapa kriteria keputusan.(K. Savita & Chandrasekar, 2011).
Metode WP menggunakan perkalian untuk menghubungkan rating atribut,dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan. Proses ini sama halnya dengan proses normalisasi. Preferensi untuk alternatif Ai diberikan sebagai berikut :
𝑆𝑖 = 𝑛
𝑗=1
𝑋𝑖𝑗𝑊𝑗;𝑑𝑒𝑛𝑔𝑎𝑛𝑖 = 1,2,… …,𝑚. (3)
Keterangan :
S = Menyatakan Preferensi Alternatif N = Banyaknya kriteria
X = Nilai Kriteria W = Bobot Kriteria
I = Menyatakan Alternatif J = Menyatakan Kriteria
Dimana ∑Wj = 1. Wj adalah pangkat bernilai positif untuk atribut keuntungan,
dan bernilai negatif untuk atribut biaya.
Preferensi relatif dari setiap alternatif, diberikan sebagai:
Vi = ∏j=1
V = Preferensi alternatif dianalogikan sebgai vektor V X = Nilai Kriteria
W = Bobot Kriteria I = Alternatif J = Kriteria
N = Banyaknya Kriteria
* = Menyatakan banyaknya kriteria yang telah dinilai pada vektor S
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Menentukan bobot preferensi tiap kriteria.
4. Mengalikan seluruh atribut bagi sebuah alternatif dengan bobot sebagai pangkat positif untuk atribut keuntungan dan bobot berpangkat negatif untuk atribut biaya. 5. Hasil perkalian tersebut dijumlahkan untuk menghasilkan nilai V untuk setiap
alternatif.
6. Mencari nilai alternatif dengan melakukan langkah-langkah yang sama seperti pada langkah satu, hanya saja menggunakan nilai tertinggi untuk setiap atribut tertinggi untuk setiap atribut manfaat dan nilai terendah untuk atribut biaya. 7. Membagi nilai V bagi setiap alternatif dengan nilai standar (V(A*)) yang
menghasilkan R.
