SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN GUBERNUR DENGAN METODE SIMPLE ADDITIVE WEIGHT
Mohammad Hanif1) , Fandi Abdillah2), Astri Widiastuti3)
1)
Teknik Informatika Universitas Amikom Yogyakarta
2)
Teknik Informatika Universitas Amikom Yogyakarta
2)
Teknik Informatika Universitas Amikom Yogyakarta
email :mohammad7975 @students.amikom.ac.id1),[email protected]2), [email protected]3)
Abstraksi
Keakuratan dalam menentukan kriteria seorang gubernur sangatlah penting di karenakan dari banyaknya calon yang mendaftarkan dirinya sebagai calon gubernur banyak dari mereka tidak memenuhi syarat atau kriteria dalam menjadi seorang gubernur. Dalam rangka mengurangi tingkat kesalahan dalam meloloskan calon gubernur maka di buatlah sebuah metode sistem pendukung keputusan berbasisSAW (simple additive weight) yang akan menggunakan beberapa bobot dari masing masing kriteria yang akan digunakan sebagai parameter kelayakan para calon.
Kata Kunci
:Calon Gubernur, Sistem Pendukung Keputusan , SAW
Abstract
The accuracy in determining the criteria of a governor is essential in because of the number of candidates who registered himself as a candidate for governor many of them do not meet the requirements or criteria in becoming a governor. In order to reduce the error rate in passing a candidate for governor then create a method of SAW-based decision support system (simple additive weight) which will use some weighting of each criterion to be used as a parameter of eligibility of candidates.
Keywords
:Candidates for Governor, System Decision Support, SAW
Pendahuluan
Sistem penunjang keputusan merupakan salah satu produk perangkat lunak yang dikembangkan secara khusus untuk membantu dalam proses pengambilan keputusan. Sesuai dengan namanya tujuan dari sistem ini adalah sebagai
“information sources” atau second opinion yang dapat digunakan sebagai bahan pertimbangan dalam pengambilan keputusan atau kebijakan tertentu, merupakan satu model yang fleksibel yang memungkinkan pribadi-pribadi atau kelompok- kelompok untuk membentuk gagasan-gagasan dan membatasi masalah dengan membuat asumsi mereka sendiri dan menghasilkan pemecahan yang diinginkan. Sistem penunjang keputusan dengan metode SAW (Simple additive weighting) ini dibuat untuk dapat membantu dan meningkatkan proses serta kualitas hasil pengambilan keputusan dengan memadukan data dan pengetahuan untuk meningkatkan efektivitas dalam proses pengambilan keputusan[1].
Dalam melakukan pengambilan keputusan pada saat memilih calon yang sesuai untuk dijadikan calon gubernur hal ini membutuhkan tingkat dengan keakuratan atau ketelitian tinggi. Karena dengan
dalam proses pengambilan kesimpulan pada saat pemilihan gubernur akan membawa nasib banyak orang. Sehingga dengan adanya sistem ini tingkat keakuratan dalam proses anilisa dari setiap calon gubernur dapat dilakukan dengan teliti.
MetodeSimple Additive Weighting (SAW) sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metodeSimple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode Simple Additive Weighting (SAW) ini dipilih karena metode ini menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud adalah para calon gubernur yang terdaftar[4].
Dengan metode perangkingan tersebut, diharapkan penilaian akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan sehingga akan mendapatkan hasil yang lebih akurat, sehingga bobot dari setiap kriteria para calon gubernur akan sangat menentukan hasil akhir atau output dari sistem ini.
Tinjauan Pustaka
Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan pertama kali diungkapkan pada tahun 1970-an oleh Michael S.Cott Morton dengan istilah Management Decision System (Turban dkk, 2005). Sistem tersebut adalah sistem berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dalam memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstuktur[1].
Pada dasarnya sistem pendukung keputusan adalah sistem yang tidak bisa dipisahkan dari teknologi komputer hampir mustahil ketika sistem pendukung keputusan tidak melibatkan teknologi didalam proses pengambil keputusannya yaitu komputer, secara umum sistem pendukung keputusan berfungsi untuk membantu dalam pengambilan keputusan secara efektif dimana nantinya permasalahan yang dihadapi dapat dengan cepat mendapat solusinya[1].
Menurut Kendal dan Kendal, 2002, Decision Support System (DSS) atau sistem pendukung keputusan hampir sama dengan sistem informasi manajemen tradisional karena keduanya sama-sama tergantung pada basisdata sebagai sumber data dimana DSS menekankan pada fungsi pendukung pembuatan keputusan diseluruh tahap-tahapnya, walaupun keputusan aktual masih tetap wewenang eksekutif sebagai pembuat keputusan[1].
Sistem pendukung keputusan adalah suatu pendekatan sistematis pada hakekat suatu masalah, pengumpulan faktafakta penentu yang matang dari alternatif yang dihadapi dan pengambilan tindakan yang paling tepat (Kadarsih Suryadi, 2000:1).
Sistem pendukung keputusan adalah suatu sistem berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur ataupun tidak terstruktur dengan menggunakan data dan model (Dadan Umar Daihani, 2001:55). Untuk menghasilkan keputusan yang baik di dalam sistem pendukung keputusan, perlu didukung oleh informasi dan fakta-fakta yang berkualitas antara lain[2]:
a) Aksebilitas
Atribut ini berkaitan dengan kemudahan mendapatkan informasi, informasi akan lebih berarti bagi si pemakai kalau informasi tersebut mudah didapat, karena akan berkaitan dengan aktifitas dari nilai informasinya.
b) Kelengkapan
Atribut ini berkaitan dengan kelengkapan isi informasi, dalam hal ini isi tidak menyangkut hanya volume tetapi juga kesesuaian dengan
harapan si pemakai sehingga sering kali kelengkapan ini sulit diukur secara kuantitatif.
c) Ketelitian
Atribut ini berkaitan dangan tingkat kesalahan yang mungkin di dalam pelaksanaan pengolahan data dalam jumlah (volume) besar.
Dua tipe kesalahan yang sering terjadi yaitu berkaitan dengan perhitungan.
d) Ketepatan
Atribut ini berkaitan dengan kesesuaian antara informasi yang dihasilkan dengan kebutuhan pemakai. Sama halnya dengan kelengkapan, ketepatan pun sangat sulit diukur secara kuantitatif.
e) Ketepatan Waktu
Kualitas informasi juga sangat ditentukan oleh kektepatan wktu penyampaian dan aktualisasinya. Misal informasi yang berkaitan dengan perencanaan harian akan sangat berguna kalau disampaikan setiap dua hari sekali.
f) Kejelasan
Atribut ini berkaitan dengan bentuk atau format penyampaian informasi. Bagi seorang pimpinan, informasi yang disajikan dalam bentuk grafik, histogram, atau gambar biasanya akan lebih berarti dibandingkan dengan informasi dalam bentuk katakata yang panjang.
g) Fleksibilitas
Atribut ini berkaitan dengan tingkat adaptasi dari informasi yang dihasilkan terhadap kebutuhan berbagai keputusan yang akan diambil dan terhadap sekelompok pengambil keputusan yang berbeda.
Simple Additive Weighting (SAW)
Metode Simple Additive Weighting (SAW) merupakan metode yang paling dikenal dan banyak digunakan orang dalam menghadapi situasi Multiple Attribute DecisionMaking (MADM). Metode Simple Additive Weighting (SAW) sering juga dikenal istilah 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 rating alternatif yang ada[4].
Langkah Penyelesaian SAW :
1) Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Cj.
2) Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3) Membuat matriks keputusan berdasarkan kriteria (Cj), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.
4) Hasil akhir diperoleh dari proses perangkinganya itu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot (w) sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi seperti pada persamaan (1) di bawah ini:
Persamaan 1 dengan :
rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2...,m dan j=1,2,...,n (m dan n merupakan banyaknya kriteria dan alternatif); xij adalah rating kecocokan pada Ai dan Cj. seperti pada persamaan (2) di bawah ini:
Persamaan 2 dengan:
rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; wk adalah bobot dari masing-masing kriteria. Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
Konsep Dasar PHP
PHP merupakan bahasa pemrograman yang digunakan untuk membuat program website dimana kode program yang telah dibuat dikompilasi dan dijalan kan pada sisi server untuk menghasilkan halaman website yang dinamis.
Konsep Dasar MySql
MySQL merupakan salah satu perangkat lunak untuk sistem manajemen database SQL.
MySQL merupakan perangkat database yang dapat digunakan untuk membuat aplikasi web dinamis seperti CMS.
Metode Penelitian
Penelitian ini bertujuan untuk penerapan metode Simple Additive Weighting (SAW) dalam
menentukan pendirian lokasi Gramedia di sumatera utara. Penulis ingin mengetahui apakah apakah dengan metode Simple Additive Weighting (SAW) dapat menentukan calon gubernur yang sesuai dengan kriteria-kriteria yang di tentukan. Penelitian dilakukan dengan tahapan-tahapan sebagai berikut:
1) Representasi masalah meliputi: identifikasi tujuan, identifikasi alternatif, identifikasi kriteria, membuat table keputusan dari setiap alternatif pada setiap atribut dan menetapkan nilai bobot (w) dari setiap atribut.
2) Evaluasi himpunan fuzzy dari alternatif keputusan meliputi: menentukan bilangan fuzzy untuk masing-masing variable dan mengkonversinya ke dalam bilangan crisp, membuat matrix keputusan X, dan melakukan normalisasi matrix dengan cara menghitung nilai rating kerja ternormalisasi (rij) dari alternatif Ai pada atribut Cj berdasarkan persamaan yang disesuaikan dengan jenis atribut (maksimum untuk keuntungan/benefit atau minimum untuk biaya/cost).
3) Mencari nilai preferensi fuzzy untuk merangking semua alternatif yang optimal.
Flowchart Sistem
Gambar 1. Flowchart SPK Calon Gubernur Penjelasan Sistem Flowchart menentukkan alternatif calon gubernur yang di terima adalah diawali dengan memasukkan input nilai dan bobot kriteria dan atribut, kemudian input data calon stelah itu di
proses dan dari hasil proses ini akan menghasilkan alternatif calon gubernur terbaik dari nilai yang didapatkan.
Hasil dan Pembahasan
1. Implementasi Sistem Table 1.1 Data Nilai Preferensipada tabel ini jumlah nilai di deskripsikan pada pernyataan tertentu, contoh: Jumlah Nilai 80 diberi Keterangan Nilai Baik
Tabel 1.2 Data Kriteria Kandidat (Alternatif)
pada tabel ini terdapat nama kriteria, tipe kriteria dan bobot kriteria. Pada Tinjauan Pustaka telah
dijelaskan bahwa Simple Additive Weight terdapat dua tipe kriteria yakni benefit dan cost, dimana ketika tipe kriteria benefit pada kandidat (alternatif) memiliki nilai tinggi maka akan menambah bobot penilaian akhir, kebalikannya dengan cost dimana ketika tipe kriteria cost pada kandidat bernilai tinggi maka akan mengurangi bobot nilai akhir
Tabel 1.3 Data Kandidat dan Hasil Akhir
tabel kandidat atau tabel alternatif dan tabel nilai akhir dari tiap tiap kandidat (alternatif). Pada kolom Hasil Kandidat, sengaja ditempatkan pada Tabel Kandidat agar mempermudah melihat hasil akhir penilaian
Tabel 1.4 Normalisasi R
tabel Normalisasi R, menjelaskan nilai dari tiap tiap kriteria penilaian dari masing masing kandidat (alternatif), dan juga terdapat nilai Hasil akhir
2. Perhitungan Metode SAW
CALON KRITERIA
K1 K2 K3 K4 K5
A1 1 0.5 0.8 1 1
A2 0.75 0.5 0.6 0.5 0.5
A3 0.5 0.5 0.6 0.25 0.25
Penyelesaian :
rubah tabel rating kecocokan ke dalam bentuk matrik
lakukan normalisasi nilai ke dalam benefit
tabel hasil normalisasi
hitung rating dari setiap kriteria
A1=(1*0.15)+(1*0.3)+(1*0.1)+(1*0.2)+(1*0.1)
= 0.85
A2=(0.75*0.15)+(1*0.3)+(0.75*0.1)+(0.5*0.2)+(0.5
*0.1) = 0.63
A3=(0.5*0.15)+(1*0.3)+(0.75*0.1)+(0.25*0.2)+(0.2 5*0.1) = 0.52
jadi dari ketiga calon gubernur yang paling mendekati kriteria adalah :
A1 = 0.85
Kesimpulan dan Saran
Berdasarkan pada Pembahasan “Implementasi Metode Simple Additive Weighting
(SAW) Untuk Sistem Pendukung Keputusan Pemilihan Gubernur Daerah Khusus Ibukota Jakarta”, maka dapat ditarik kesimpulan sebagai berikut :
1. Dihasilkannya sistem pendukung keputusan yang dapat dipergunakan KPU Provinsi DKI jakarta untuk menentukan calon Gubernur yang nantinya akan dipilih oleh masyarakat.
2. Sistem yang dibangun dapat membantu mempercepat proses penyeleksian Gubernur.
3. Sistem yang dibangun dapat mengurangi kesalahan dalam menentukan calon Gubernur
Daftar Pustaka
[1] Arfyanti, Ita. Purwanto, Edy., 2012, Aplikasi Sistem Pendukung Keputusan Pemberian Kelayakan Kredit Pinjaman Pada Bank Rakyat Indonesia Unit Segiri Samarinda Dengan MetodeFuzzy MADM (Multiple Attribute Decission Making) Menggunakan SAW (Simple Additive Weighting), Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2012, Semarang.
[2] Eniyati, Sri., 2011, Perancangan Sistem Pendukung Pengambilan Keputusan untuk Penerimaan Beasiswa dengan Metode SAW (Simple Additive Weighting), Jurnal Teknologi Informasi DINAMIK Volume 16 No. 2.
[3] Daniati, Erna., 2015, Sistem Pendukung Keputusan Pemilihan Kost Di Sekitar Kampus Unp Kediri Menggunakan Metode Simple Additive Weighting (Saw), Seminar Nasional Teknologi Informasi dan Multimedia 2015, Yogyakarta.
[4] Puspita, Khairani.,Hasan Putra, Purwa ., 2015, Penerapan MetodeSimple Additive Weighting (Saw) Dalam Menentukan Pendirian Lokasi Gramedia Di Sumatera Utara, Seminar Nasional Teknologi Informasi dan Multimedia 2015, Yogyakarta.
[5] Pratiwi, Dyah., Putri Lestari, Juliana., Agushinta, Dewi., 2014, Decision Support System to Majoring High School Student Using Simple Additive Weighting Method, International Journal of Computer Trends and Technology (IJCTT) – volume 10 number 3, Jakarta.
