BAB 2
LANDASAN TEORI
Bab ini berisi teori-teori yang berkaitan dengan Sistem Pendukung Keputusan, Weighted Product, Weighted Sum Product, Pengertian perguruan tinggi serta tujuan perguruan tinggi.
2.1 Sistem Pendukung Keputusan
Pada awal tahun 1970-an, Michael S.Scott mengungkapkan konsep sistem pendukung
keputusan (SPK) untuk pertama kalinya dengan istilah Management Decision Sistem yaitu
suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan
dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang
tidak terstruktur.
Didefinisikan secara umum, sistem pendukung keputusan (SPK) adalah sistem informasi berbasis komputer yang menggabungkan model dan data guna menyelesaikan masalah semi terstruktur dan beberapa masalah tak terstruktur dengan keterlibatan pengguna secara luas (Turban, dkk. 2006). SPK dapat meningkatkan keefektifan pengambilan keputusan, meningkatkan kontrol manajemen, memfasilitasi komunikasi, menghemat usaha yang dilakukan pengguna, menghemat biaya, dan memungkinkan pengambilan lebih objektif (Turban, dkk. 2005).
Sprague dan Watson mendefinisikan Sistem Pendukung Keputusan (SPK) sebagai sistem yang memiliki lima karakteristik utama yaitu (Sprague et.al, 1993):
a. Sistem yang berbasis komputer.
b. Dipergunakan untuk membantu para pengambil keputusan.
c. Untuk memecahkan masalah-masalah rumit yang mustahil dilakukan dengan kalkulasi manual.
e. Dimana data dan model analisis sebagai komponen utama.
2.1.1 Konsep SPK
Kerangka pendukung keputusan terbagi atas dua tipe, yaitu tipe keputusan dan tipe pengendalian. Tipe keputusan mencakup keputusan terstruktur, keputusan semi terstruktur dan keputusan tidak terstruktur. Sedang untuk tipe pengendalian mencakup pengendalian operasional, manajerial dan strategik. Kedua tipe ini merupakan suatu bentuk yang saling melengkapi dalam suatu konsep piramida sistem informasi. Terdapat beberapa tahapan dalam proses pembuatan keputusan (Turban & Aronson, 1998), yaitu:
a. Mendefinisikan dan merumuskan masalah.
b. Mengklasifikasikan masalah dalam kategori standar.
c. Mengembangkan model matematik untuk menggambarkan kejadian nyata. d. Menemukan alternatif solusi untuk pemecahan masalah.
e. Menentukan pilihan terbaik dari alternatif solusi yang tersedia.
2.1.2 Tujuan Sistem Pendukung Keputusan
Adapun tujuan dari sistem pendukung keputusan antara lain (Turban, 2005) : a. Membantu manajer dalam mengambil keputusan atas masalah demi terstruktur. b. Memberikan dukungan bagi pertimbangan manajer dan bukannya di maksudkna untuk
menggantikan fungsi manajer.
c. Meningkatkan efektivas keputusan yang diambil manajer lebih daripada perbaikan efisiensinya.
2.1.3 Komponen-Komponen SPK
Selanjutnya SPK juga dapat didekomposisikan menjadi beberapa subsistem lainnya yang saling berhubungan (Turban & Aronson, 1998) seperti terlihat pada Gambar 2.1, yaitu:
a. Subsistem Manajemen Data
b. Subsistem Manajemen Model
Merupakan paket perangkat lunak yang memasukkan model keuangan, statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan kapabilitas analitik dan manajemen perangkat lunak yang tepat. Perangkat lunak ini sering disebut sistem manajemen basis model (MBMS).
c. Subsistem Antarmuka Pengguna
Pengguna berkomunikai dengan dan memerintahkan SPK melalui subsistem ini. Pengguna adalah bagian yang dipertimbangan dari sistem. Para peneliti menegaskan bahwa beberapa kontribusi unik dari SPK berasal dari interaksi yang intensif antara komputer dan pembuat keputusan.
d. Subsistem Manajemen Berbasis Pengetahuan
Subsistem ini dapat mendukung semua subsistem lain atau bertindak sebagai suatu komponen independen. Ia memberikan inteligensi untuk memperbesar pengetahuan si pengambil keputusan.
Gambar 2.1 Komponen-Komponen SPK
2.2 Multiple Attribute Decision Making (MADM)
(Kusumadewi et al, 2006). MCDM dapat dibagi menjadi 2 model (Zimmermann, 1991) yaitu Multi Attribute Decision Making (MADM) dan Multi Objective Decision Making (MODM). MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang diskret. Oleh karena itu, pada MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas. Secara umum dapat dikatakan bahwa, MADM menyeleksi alternatif terbaik dari sejumlah alternatif.
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM (Kusumadewi et al, 2006), antara lain:
a. Simple Additive Weighting Method (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. Analytical Hierarchy Process (AHP)
2.3 Weighted Product
Menurut Yoon (1989), Metode WP menggunakan perkalian untuk menghubungkan rating atribut, dimana rating atribut harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan (Kusumadewi, dkk. 2006). Preferensi untuk alternatif Si diberikan sebagai
berikut:
a. Penentuan nilai perbaikan bobot Wj
W =∑ W_InitW_Init
Dimana:
W_Initj = Nilai prioritas bobot setiap kriteria
b. Penentuan nilai Vektor Si
S = X
Dimana:
c. Penentuan nilai Vektor Vi
V = ∑ SS
Dimana:
Si = Nilai vektor Si
Lalu, langkah-langkah dalam perhitungan metode Weighted Product (WP) adalah sebagai berikut:
a. Mengalihkan seluruh atribut bagi seluruh alternatif dengan bobot sebagai pangkat positif bagi atribut biaya.
b. Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif. c. Membagi nilai V bagi setiap alternatif dengan nilai pada setiap alternatif. d. Ditemukan urutan alternatif terbaik yang akan menjadi keputusan.
2.3.1 Contoh Manual Penggunaan Algoritma Weighted Product
a. Kriteria
K1 = Jumlah jenis Jurusan Komputer K4 = Program Beasiswa K2 = Biaya Kuliah K5 =Nilai Akreditasi BAN PT K3 = Lingkungan kampus
Kriteria Keuntungan = K1, K3, K4 dan K5 Kriteria Biaya = K2
b. Skor Konversi Nilai Kriteria
Tabel 2.1 Skor Konversi Nilai Kriteria Jumlah jurusan Kriteria Jumlah Jenis Jurusan
Komputer Konversi Nilai
K1 1
nilai kriteria untuk biaya kuliah dapat di lihat pada tabel 2.2 di bawah ini. Tabel 2.2 Skor Konversi Nilai Kriteria Biaya Kuliah Kriteria Biaya Kuliah (Rp) Nilai Konversi
K2 2.000.000 - 2.900.000
Pada kriteria Program beasiswa, penulis menentukan 7 jenis beasiswa sebagai parameter untuk menentukan nilai konversi, yaitu :
1. Beasiswa dari Pemerintah 2. Beasiswa dari Pihak Swasta 3. Beasiswa dari negara maju
4. Beasiswa komunitas organisasi, atau yayasan 5. Beasiswa Penghargaan
nilai kriteria untuk jumlah program beasiswa dapat di lihat pada tabel 2.3 di bawah ini.
Tabel 2.3 Skor Konversi Nilai Kriteria Jumlah Program Beasiswa
Kriteria Jumlah Program
Beasiswa Nilai Konversi
K4 0
Pada Kriteria lingkungan kampus, Penulis menentukan ada 3 sebagai indikator yang harus di miliki sebuah kampus dalam penambahan point sebagai ke unggulan kampus, yaitu :
1. Penghijauan 2. Ketenangan 3. Lahan yang Luas
Dalam hal ini, penulis menetapkan nilai default untuk nilai konversi kriteria lingkungan kampus adalah 1, dan jika memilih salah satu indikator diatas akan menambah bobot nilai konversi setiap satu pilihan. Nilai kriteria untuk lingkungan kampus dapat di lihat pada tabel 2.4 di bawah ini
.
Tabel 2.5 Skor Konversi Nilai Kriteria Lingkungan kampus Kriteria Lingkungan Kampus Nilai Konversi
K3 Pilih 1 indikator
Tabel 2.5 Skor Konversi Nilai Kriteria Akreditasi BAN PT Kriteria Akreditasi BAN PT Nilai Konversi
K5 A
Pada proses perhitungan perbandingan, user dapat menetukan berapa jumlah perguruan tinggi yang akan di bandingkan, jika user hanya ingin membandingkan 2,3, atau 4 saja, maka cukup dengan memilih nama 4 perguruan tinggi yang akan di bandingkan, tanpa harus di wajibkan memilih sepuluh pergurua tinggi.
Contoh nilai data yang sudah di pilih oleh user dapat dilihat pada Tabel 2.6.
Tabel 2.6 Contoh Data WP
Nama Kampus K1 K2 K3 K4 K5
Mikroskill 4 3.500.000 Rp Pilih 1 2 A
STMIK-IBBI 2 3.000.000 Rp Pilih 2 4 B
Kampus Ungu 3 2.500.000 Rp Tidak ada pilihan 1 Akreditasi
d. Contoh Data Yang Sudah Dikonversi
Contoh data yang sudah dikonvesi dapat dilihat pada Tabel 2.3. Tabel 2.7 Contoh Data Yang Sudah Dikonversi WP
Nama Kampus K1 K2 K3 K4 K5
Mikro Skill 4 4 2 2 4
STMIK-IBBI 2 4 3 4 3
e. Bobot Preferensi W = [ 3, 4, 2, 4, 5 ]
f. Menghitung Nilai Wi
W =3 + 4 + 2 + 4 + 5 = 0,163
W =3 + 4 + 2 + 4 + 5 = 0,224
W =3 + 4 + 2 + 4 + 5 = 0,112
W =3 + 4 + 2 + 4 + 5 = 0,224
W =3 + 4 + 2 + 4 + 5 = 0,275
g. Menghitug Nilai Si
S = (4 , ) x (4 , ) x (2 , ) x (2 , ) x (4 , ) =1,681
S = (2 , ) x (4 , ) x (3 , ) x (4 , ) x (3 , ) = 1,696
S = (3 , ) x (5 , ) x (1 , ) x (1 , ) x (1 , ) = 0,836
h. Menghitung Nilai Vi
V =1,681 + 1,696 + 0,836 = 0,3991,681
V =1,681 + 1,696 + 0,836 = 0,4021,696
V =1,681 + 1,696 + 0,836 = 0,1980,836
Karena diperoleh nilai terbesar adalah V2, maka kampus STMIK-IBBI adalah alternatif
perguruan tinggi swasta terbaik.
2.4 Weighted Sum Model
Weighted sum model adalah metode pengambilan keputusan dengan cara penjumlahan untuk
bobot atribut yang bersangkutan. Metode WSM hampir sama dengan metode WP,
perbedaannya terletak pada operasi matematika. Pada metode WP menghubungkan rating
atribut dengan cara perkalian sedangkan WSM dengan penjumlahan.
Jika terdapat m alternatif dan n kriteria, maka alternatif terbaik dapat dirumuskan sebagai
berikut :
a = Nilai Alternatif i pada kriteria j
j
w = Bobot krietria j
Dimana i=1,2,3...,m dan Awsm merupakan nilai dari alternatif terbaik, n adalah
banyaknya kriteria, aijmerupakan nilai alternatif i pada kriteria j, wjadalah nilai bobot
kriteria j dan max digunakan untuk mengurutkan alternatif keputusan dimana alternatif yang
memiliki nilai terbesar akan di letakkan di paling atas.
2.4.1 Contoh Manual Penggunaan Algoritma Weighted Product
Dengan menggunakan kriteria yang sama dengan metode Weighted Product yang telah penulis paparkan sebelumnya, kita akan menghitung alternatif terbaik dari perguruan tinggi swasta terbaik.
Tabel 2.7 Contoh Data Yang Sudah Dikonversi WSM
Nama Kampus K1 K2 K3 K4 K5
Mikro Skill 4 4 2 2 4
STMIK-IBBI 2 4 3 4 3
a. Bobot Preferensi W = [ 3, 4, 2, 4, 5 ]
b. Menghitung Nilai Wi
W =3 + 4 + 2 + 4 + 5 = 0,163
W =3 + 4 + 2 + 4 + 5 = 0,224
W =3 + 4 + 2 + 4 + 5 = 0,112
W =3 + 4 + 2 + 4 + 5 = 0,224
W =3 + 4 + 2 + 4 + 5 = 0,275
c. Menghitug Nilai Ai
A = (4 x 0,16)+(4 x -0,22) + (2 x 0,11) + (2 x 0,22) + (4 x 0,27) = 1,5 A = (2 x 0,16)+(4 x -0,22) + (3 x 0,11) + (4 x 0,22) + (3 x 0,27) = 1,46 A = (3 x 0,16)+(5 x -0,22) + (1 x 0,11) + (1 x 0,22) + (1 x 0,27) = -0,02
Karena diperoleh nilai terbesar adalah A1, maka kampus STMIK-IBBI adalah alternatif
perguruan tinggi swasta terbaik.
2.5 Big Theta (Ɵ)
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 (Thomas H. Cormen et al, 2009).
baris statement memiliki jumlah waktu yang berbeda dengan baris yang lain maka dari itu akan diasumsikan bahwa setiap pelaksanaan i garis membutuhkan waktu ci, di mana ci adalah konstan. Running time dari sebuah algoritma adalah jumlah dari running time dari setiap statement yang dieksekusi.
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:
| C1 g(n) | <= | f(n) | <= |C2 g(n) |; ∀n > n0.
2.6 Perguruan Tinggi
Perguruan tinggi mencakup program diploma,sarjana, magister,spesialis,dan dokter yang dapat berbentuk akademik, politeknik,sekolah tinggi,institut atau universitas . Menurut wikipedia(2012), Perguruan tinggi adalah satuan pendidikan penyelanggara pendidikan tinggi. Peserta didik perguruan tinggi disebut Mahasiswa, sedangkan tenaga pendidik perguruan tinggi di sebut Dosen jenisnya perguruan tinggi dibagi menjadi dua yaitu:
a. Perguruan Tinggi Negeri
Perguruan tinggi negeri merupakan perguruan tinggi yang di selenggarakan oleh pemerintah.
b. Perguruan Tinggi Swasta
Perguruan tinggi negeri swasta merupakan perguruan tinggi yang diselenggrakan oleh pihak swasta.
Perguruan tinggi merupakan kelanjutan jenjang pendidikan menengah untuk mempersiapkan peserta didik untuk menjadi anggota masyarakat yang memiliki kemampuan akademis dan profesional yang dapat menerapkan, mengembangkan dan menciptakan ilmu pengetahuan, teknologi ilmu pengetahuan, teknologi dan kesenian yang tercantum dalam UU 2 tahun 1989, pasal 16,ayat (1).
Pendidikan tinggi adalah pendidikan pada jenjang yang lebih tinggi daripada menengah di jalur pendidikan sekolah ( PP 30 Tahun 1990, pasal 1 ayat 1). Adapun tujuan pendidikan tinggi adalah :