Perancangan sistem pendukung pengambilan keputusan kuliner Yogyakarta.

(1)

ABSTRAK

Sistem Pendukung Pengambilan Keputusan merupakan suatu sistem berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur dan semi terstruktur. Tujuan dari penelitian ini adalah untuk menghasilkan rancangan Sistem Pendukung Pengambilan Keputusan supaya konsumen dapat menentukan lokasi rumah makan yang sesuai dengan keinginannya berdasarkan menu makanan dan biaya menu makanan yang tersedia. Sistem pendukung keputusan yang dibangun diharapkan dapat membantu pengguna dalam pengambilan keputusan.

Perancangan sistem pendukung pengambilan keputusan ini menggunakan metode PROMETHEE (Preference Ranking Organization for Enrichment Evaluation). Konsep dasar metode PROMETHEE adalah perhitungan dari bobot pada setiap kriteria untuk menghasilkan perankingan.

Hasil akhir penelitian sesuai dengan kualitas rancangan berdasarkan evaluasi 20 programmer menunjukkan bahwa rancangan sistem pendukung pengambilan keputusan dengan metode PROMETHEE dapat dibangun sebuah sistem yang membantu pengguna dalam memberikan rekomendasi rumah makan.

(2)

ABSTRACT

Decision support system is a system based on computer that is aimed to help decision-making process with utilizing data and particular models to solve various unstructured and semi-structured problems. This research is aimed to produce the design of such support system so that the consumer can decide the location of the restaurant that in accordance with his/her desire based on menu foods and the cost of menu foods that is available. The system is expected to help the user to decide easily.

This support system uses PROMETHEE method (Preference Ranking Organization Enrichment Evaluation). The essence of this method is the calculation of weight in each criterion to produce the ranking.

Based on to evaluate mady by 20 programmers, the design could be considered as appropriate. Moreover, the promethee shows method useful as it is able to decide the most expected restaurant.

(3)

i

PERANCANGAN SISTEM PENDUKUNG PENGAMBILAN

KEPUTUSAN KULINER YOGYAKARTA

TUGAS AKHIR

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Disusun Oleh :

TABITA LESTARI ULI SIMAMORA 085314013

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

(4)

ii

DECISION SUPPORT SYSTEM DESIGN OF

YOGYAKARTA CULINARY

A Thesis

Presented as Partial Fulfillment of the Requirements To Obtain the Sarjana Komputer Degree In Informatical Engineering Study Program

By :

TABITA LESTARI ULI SIMAMORA 085314013

INFORMATICS ENGINEERING STUDY PROGRAM

DEPARTMENT OF INFORMATICS ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

(5)

(6)

(7)

v

HALAMAN PERSEMBAHAN

“Tetapi karena kasih karunia Allah aku adalah sebagaimana

aku ada sekarang, dan kasih karunia yang dianugerahkan-Nya

kepada aku tidak sia-sia. Sebaliknya, aku telah bekerja lebih

keras dari pada mereka semua; tetapi bukannya aku, melainkan

kasih karunia Allah yang menyertai aku.

”

(1 Korintus 15:10)

“

Karena masa depan sungguh ada,

dan harapanmu tidak akan hilang

”

(Amsal 23:18)

“Segala sesuatu yang dikerjakan dengan kasih

tidak akan pernah sia-sia.

”

Tugas akhir ini saya persembahkan untuk :

Tuhan Yesus Kristus

Orangtuaku, saudara- saudaraku,

(8)

(9)

vii ABSTRAK

Sistem Pendukung Pengambilan Keputusan merupakan suatu sistem berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur dan semi terstruktur. Tujuan dari penelitian ini adalah untuk menghasilkan rancangan Sistem Pendukung Pengambilan Keputusan supaya konsumen dapat menentukan lokasi rumah makan yang sesuai dengan keinginannya berdasarkan menu makanan dan biaya menu makanan yang tersedia. Sistem pendukung keputusan yang dibangun diharapkan dapat membantu pengguna dalam pengambilan keputusan.

Perancangan sistem pendukung pengambilan keputusan ini menggunakan metode PROMETHEE (Preference Ranking Organization for Enrichment Evaluation). Konsep dasar metode PROMETHEE adalah perhitungan dari bobot pada setiap kriteria untuk menghasilkan perankingan.

Hasil akhir penelitian sesuai dengan kualitas rancangan berdasarkan evaluasi 20 programmer menunjukkan bahwa rancangan sistem pendukung pengambilan keputusan dengan metode PROMETHEE dapat dibangun sebuah sistem yang membantu pengguna dalam memberikan rekomendasi rumah makan.

(10)

viii ABSTRACT

Decision support system is a system based on computer that is aimed to help decision-making process with utilizing data and particular models to solve various unstructured and semi-structured problems. This research is aimed to produce the design of such support system so that the consumer can decide the location of the restaurant that in accordance with his/her desire based on menu foods and the cost of menu foods that is available. The system is expected to help the user to decide easily. This support system uses PROMETHEE method (Preference Ranking Organization Enrichment Evaluation). The essence of this method is the calculation of weight in each criterion to produce the ranking.

Based on to evaluate mady by 20 programmers, the design could be considered as appropriate. Moreover, the promethee shows method useful as it is able to decide the most expected restaurant.

(11)

(12)

x

Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus, sehingga penulis dapat menyelesaikan tugas akhir sebagai salah satu mata kuliah wajib dan merupakan syarat akademik pada jurusan Teknik Informatika Universitas Sanata Dharma Yogyakarta.

Pada kesempatan ini penulis ingin mengucapkan terima kasih kepada pihak-pihak yang telah banyak membantu dalam penulisan skripsi ini. Ucapan terima kasih penuli sampaikan diantaranya kepada :

1. Drs.Johanes Eka Priyatma M.Sc., Ph.D., sebagai Dosen Pembimbing Tugas Akhir. 2. Ibu P.H. Prima Rosa, S.Si., M.Sc., selaku Dekan Fakultas Sains dan Teknologi

Universitas Sanata Dharma Yogyakarta dan dosen penguji. 3. Eko Hari Parmadi,S.Si., M.Kom, selaku dosen penguji.

4. Bapak, Mama, Kakak Hetti, Kakak Duma, Kakak Juli, Adik Mei, dan Adik Jo yang adalah keluarga tercinta yang selalu mendoakan dan memberikan dukungan dalam penyelesaian tugas akhir.

5. Ervant, Kakak Vanda, Mommy Novy, Chriz, Paska, Hardi, Lena, Jenny, Vemby, Elcia, Reta, Fany, M1, M3, M6, M8, M19, M23, penghuni kos suzi arib, dan seluruh teman-teman yang tidak bisa disebutkan satu per satu yang telah mendoakan, memberi bantuan, dan setiap dukungan untuk menyelesaikan tugas akhir.

6. Reza M. Darojad dan Maria Kristilia, yang telah membantu dan berbagii ilmu selama menempuh studi.

7. Seluruh CG di GMS Yogyakarta yang tidak dapat saya sebutkan satu per satu yang telah memberikan dukungan.

(13)

xi

datang. Penulis berharap tulisan ini bisa bermanfaat bagi kemajuan dan berbagai pihak pengguna pada umumnya.

Yogyakarta, Desember 2014

(14)

xii

DAFTAR ISI

HALAMAN JUDUL………...……….. i

HALAMAN PERSETUJUAN.………...……….. iii

HALAMAN PENGESAHAN..………...………….. iv

HALAMAN PERSEMBAHAN..………...………... v

PERNYATAAN KEASLIAN KARYA..………...…..…. vi

ABSTRAK..………..………....… vii

ABSTRACT..……….………... viii

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI.………...… ix

KATA PENGANTAR………...……… x

DAFTAR ISI………..………... xii

DAFTAR TABEL………..…..…. xiv

DAFTAR LAMPIRAN………..…... BAB I PENDAHULUAN 1.1 Latar Belakang...………..……...………...…. 1

1.2 Rumusan Masalah………….………...……...……...… 4

1.3 Batasan Masalah...………..…...……….. 4

1.4 Tujuan Penelitian...………...……..……....………. 5

1.5 Metodologi Penelitian………...……... 5

BAB II LANDASAN TEORI 2.1 Sistem Pendukung Keputusan ………...…...…….….….... 6

2.2 Metode Preference Ranking Organization For Enrichment Evaluation (PROMETHEE)...………..…...…. 10

2.3 Google Maps ...………...…..…. 45 2.4 MySQL Database ..……….…………..……..

2.5 Mengukur Kualitas Rancangan Sistem..………..…... 2.6 Skala Likert..……….………... 2.7 Contoh Kasus Implementasi Metode PROMETHEE dalam

(15)

xiii

Pencarian Rumah Makan...…………..…………...…... 56

BAB III METODE PENELITIAN 3.1 Identifikasi Masalah ……...…………..…………...………..… 88

3.2 Pengumpulan Data...………….………...……… 89

3.3 Perancangan Sistem...………...………....… 89

3.4 Evaluasi Perancangan Sistem...………..…..….. 91

3.5 Penarikan Kesimpulan………....……….………..…. 91

BAB IV ANALISIS DAN PERANCANGAN SISTEM 4.1 Gambaran Sistem yang Dikembangkan………....…….…….……... 4.2 Analisa Kebutuhan …………...……….………..…. 4.3 Perancangan Sistem ………....……….…. 4.3.1.Diagram Use case………...……….. 4.3.2.Narasi Use case ……...……….. 4.3.3.Manajemen Model………....………....…… 4.3.4.Manajemen Data………....………...… 4.3.5.Manajemen Dialog………....………....…… 4.3.6.Perancangan Proses………....………...… 93 93 95 95 97 112 113 121 139 BAB V PENUTUP 5.1 Pengujian Perancangan………….……….………... 164 5.2 Kesimpulan……….………....

5.3 Saran………....………....……...……

DAFTAR PUSTAKA……….………

LAMPIRAN……….……….……….

(16)

xiv

Tabel 2.1 Nilai Kriteria untuk Masing-masing Rumah Makan... 27

Tabel 2.2 Nilai Indeks Preferensi... 43

Tabel 2.3 PROMETHEE Tahap I... 44

Tabel 2.4 Promethee Tahap II... 45

Tabel 2.5 Kategori Skala Likert... 55

Tabel 2.6 Kategori Rating Rumah Makan... 56

Tabel 2.7 Penilaian Kenyamanan Tempat Tali Roso... 57

Tabel 2.8 Penilaian Pelayanan Tali Roso... 58

Tabel 2.9 Penilaian Kebersihan Tali Roso... 59

Tabel 2.10 Penilaian Rasa Tali Roso... 60

Tabel 2.11 Penilaiain Kenyamanan Tempat Mie Jakarta... 61

Tabel 2.12 Penilaian Pelayanan Mie Jakarta... 62

Tabel 2.13 Penilaian Kebersihan Mie Jakarta... 63

Tabel 2.14 Penilaian Rasa Mie Jakarta... 64

Tabel 2.15 Penilaian Kenyamanan Tempat Keray Indah Chinnise Food... 65

Tabel 2.16 Penilaian Pelayanan Keray Indah Chinnise Food... 66

Tabel 2.17 Penilaian Kebersihan Keray Indah Chinnise Food... 67

Tabel 2.18 Penilaian Rasa Keray Indah Chinnise Food... 68

Tabel 2.19 Nilai Kriteria untuk Rumah Makan...69

Tabel 2.20 Nilai Indeks Preferensi Rumah Makan... 85

Tabel 2.21 PROMETHEE Tahap I Rumah Makan... 86

Tabel 2.22 PROMETHEE Tahap II Rumah Makan... 87

Tabel 4.1 Tabel Analisa Kebutuhan... 93

Tabel 4.2 Narasi Use Case Login... 97

Tabel 4.3 Narasi Use Case Menambah Data Rumah Makan... 100

Tabel 4.4 Narasi Use Case Mengubah Data Rumah Makan... 101

Tabel 4.5 Narasi Use Case Menambah Data Makanan... 104

Tabel 4.6 Narasi Use Case Mengubah Data Makanan... 105

Tabel 4.7 Narasi Use Case Logout... 108

(17)

xv

Tabel 4.11 Tabel Makanan... 116

Tabel 4.12 Tabel Jenis Makanan... 117

Tabel 4.13 Tabel Penilaian... 118

Tabel 4.14 Tabel Pengguna... 118

Tabel 4.15 Tabel Mitra Bisnis... 119

Tabel 4.16 Tabel Kriteria... 120

Tabel 5.1 Tabel Kuesioner untuk Responden... 166

Tabel 5.2 Tabel Skor Kategori... 167

Tabel 5.3 Tabel Kategori Skala Likert... 168

Tabel 5.4 Tabel Perhitungan Kuesioner... 169

(18)

xvi

Gambar 2.1 Arsitektur DSS... 9

Gambar 2.2 Data Dasar Analisis PROMETHEE... 11

Gambar 2.3 Kriteria Biasa... 14

Gambar 2.4 Kriteria Quasi... 15

Gambar 2.5 Kriteria dengan Preferensi Linier... 17

Gambar 2.6 Kriteria Level... 18

Gambar 2.7 Kriteria dengan Preferensi Linier dan Area yang Tidak Berbeda... 19

Gambar 2.8 Kriteria Gaussian... 20

Gambar 2.9 Hubungan Antar Node... 23

Gambar 2.10 Leaving Flow... 24

Gambar 2.11 Entering Flow... 24

Gambar 2.12 Contoh Partial Ranking (Promethee I)... 26

Gambar 2.13 Contoh Complete Ranking (Promethee II)... 27

Gambar 4.1 Use Case Administrator... 96

Gambar 4.2 Use Case Pengunjung... 96

Gambar 4.3 Use Case Mitra Bisnis... 97

Gambar 4.4 Diagram Ketergantungan... 112

Gambar 4.5 Diagram Entity-Relationship... 114

Gambar 4.6 Desain Logikal... 115

Gambar 4.7 Relasi Antar Tabel... 121

Gambar 4.8 Desain Halaman Awal... 123

Gambar 4.9 Desain Halaman Hasil Pencarian... 124

Gambar 4.10 Form Pengaturan Preferensi Kriteria... 125

Gambar 4.11 Hasil Perhitungan PROMETHEE... 126

Gambar 4.12 Rekomendasi Rumah Makan... 126

Gambar 4.13 Desain Halaman Beranda Administrator... 127

Gambar 4.14 Desain Halaman Tambah Data Rumah Makan... 128

Gambar 4.15 Desain Halaman Data Rumah Makan... 129

Gambar 4.16 Desain Halaman Ubah Rumah Data Rumah Makan... 130

Gambar 4.17 Desain Halaman Data Rumah Makan... 131

(19)

xvii

Gambar 4.21 Desain Halaman Tambah Mitra Bisnis... 134

Gambar 4.22 Desain Halaman Mengelola Kriteria... 135

Gambar 4.23 Desain Halaman Beranda Pengunjung... 136

Gambar 4.24 Desain Halaman Daftar Rumah Makan... 136

Gambar 4.25 Desain Halaman Rating Pengunjung... 137

Gambar 4.26 Desain Halaman Beranda Mitra Bisnis... 138

Gambar 4.27 Desain Halaman Tambah Data Makanan... 139

Gambar 4.28 Diagram Konteks... 140

Gambar 4.29 DFD Level 1... 141

Gambar 4.30 DFD Level 2... 142

Gambar 4.31 DFD Level 2 – Mengelola Rumah Makan... 143

Gambar 4.32 DFD Level 2 – Mengelola Kriteria... 144

Gambar 4.33 DFD Level 2 – Mencari Rekomendasi Rumah Makan... 145

(20)

1

BAB I PENDAHULUAN

1.1 Latar Belakang

Yogyakarta dikenal sebagai kota pelajar, di mana banyak terdapat universitas dan sekolah. Tiap tahun selalu ada pertambahan jumlah pelajar yang datang dari berbagai provinsi ke Yogyakarta untuk kuliah atau sekolah. Tidak hanya itu, Yogyakarta juga memiliki banyak tempat wisata, hal ini yang menarik wisatawan dari luar kota untuk berkunjung ke tempat wisata di Yogyakarta. Disamping itu, Yogyakarta menyediakan wisata kuliner untuk melengkapi kunjungan wisatawan dari luar kota.

(21)

konsumen sehingga akan menghasilkan keuntungan dari penjualan.

Rumah makan merupakan usaha yang berhubungan langsung dengan pelanggan atau konsumen, sehingga segala sesuatu yang dilakukan pengusaha rumah makan disamping untuk memperoleh keuntungan juga bagaimana pengelola rumah makan dapat memuaskan konsumen. Karena dengan adanya kepuasan konsumen maka untuk selanjutnya konsumen akan memperlihatkan peluang membeli yang lebih tinggi dalam kesempatan berikutnya. Konsumen yang puas cenderung mengatakan sesuatu yang serba baik tentang rumah makan tersebut kepada orang lain. Sehingga orang lain akan berminat membeli pada rumah makan tersebut.

Berbagai macam hal yang dilakukan pengusaha rumah makan untuk mempertahankan kualitas rumah makan ditengah-tengah persaingan bisnis rumah makan di Yogyakarta. Karena itu pengusaha rumah makan berupaya menciptakan kekhasan dan keunggulan rumah makannya masing-masing untuk dapat menarik konsumen. Beberapa hal yang dilakukan pengusaha rumah makan untuk menarik konsumen misalnya fasilitas pelayanan, harga maupun menu makanan yang beraneka ragam dengan dan kualitas yang lebih unggul dibanding dengan para pesaingnya.

(22)

bingung mau memilih rumah makan yang sesuai dengan keinginan mereka. Sehingga hal ini membuat konsumen yang terdiri dari orang yang bertempat tinggal di Yogyakarta maupun pengunjung yang berasal dari luar Kota Yogyakarta yang masih merasa bingung mencari rumah makan, membutuhkan informasi untuk memutuskan mengunjungi rumah makan yang tepat berdasarkan biaya yang dimiliki dan menu yang diinginkan, serta lokasi yang disesuaikan dengan keberadaan konsumen. Untuk itu diperlukan suatu sistem pendukung pengambilan keputusan yang dapat membantu konsumen dalam memberikan rekomendasi rumah makan dengan menerapkan metode PROMETHEE (Preference Ranking Organization for Enrichment Evaluation). Metode ini menggunakan model perangkingan yang akan menampilkan rumah makan yang direkomendasi dengan diurutkan sesuai dengan data yang diinputkan. Diharapkan dengan sistem ini dapat memberikan informasi yang jelas mengenai tujuan rumah makan kepada para konsumen.

Sistem ini merupakan komputerisasi dari sistem manual dalam penentuan tujuan restoran dengan memanfaatkan integrasi google maps untuk mengambil keputusan.

(23)

1.2 Rumusan Masalah

Rumusan masalah dalam penelitian tugas akhir ini adalah bagaimana merancang sistem pendukung pengambilan keputusan dengan menggunakan integrasi model dalam google maps untuk memberikan rekomendasi rumah makan yang sesuai dengan keinginan pengguna berdasarkan jenis makanan, harga makanan, dan lokasi rumah makan.

1.3 Batasan Masalah

Batasan masalah yang menjadi acuan dalam penelitian skripsi adalah :

1. Sistem pendukung pengambilan keputusan digunakan dalam menentukan lokasi restoran berdasarkan menu makanan dan harga makanan yang dipesan untuk meminimalkan biaya bagi konsumen, khusus untuk rumah makan yang berada di kota Yogyakarta.

2. Perancangan sistem pendukung pengambilan keputusan berperan dalam merancang pengambilan keputusan dengan memanfaatkan data lokasi restoran untuk memperoleh output yang sesuai dengan kriteria konsumen.

3. Skripsi ini hanya membahas biaya dan menu makanan dari yang menu spesial hingga yang biasa, serta lokasi rumah makan dari yang jauh hingga yang dekat.

(24)

1.4 Tujuan Penelitian

Tujuan yang hendak dicapai dalam penelitian skripsi ini adalah untuk menghasilkan rancangan sistem supaya konsumen dapat menentukan lokasi rumah makan yang sesuai dengan keinginan konsumen berdasarkan menu makanan dan biaya menu makanan yang tersedia.

1.5 Metodologi Penelitian

Langkah-langkah dalam menyelesaikan penelitian ini adalah: 1) Studi literatur dari buku-buku, artikel dan internet.

2) Bimbingan dengan beberapa sumber untuk memberikan masukan-masukan penting bagi pelaksanaan skripsi ini.

3) Analisis perancangan model sistem pendukung pengambilan keputusan kuliner yogyakarta yang sesuai dengan kebutuhan pengguna.

4) Mengevaluasi rancangan sistem pendukung pengambilan keputusan kuliner yogyakarta.

(25)

BAB II

LANDASAN TEORI

2.1 Sistem Pendukung Keputusan

2.1.1 Pengertian dan Tujuan Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (Decision Support System) merupakan suatu pendekatan (atau metodologi) untuk mendukung pengambilan keputusan (Turban, Efraim dan Jay Aronson. 2005).

Sistem Pendukung Keputusan (SPK) biasanya dibangun untuk mendukung atu masalah atau mengevaluasi suatu peluang. SPK yang seperti itu disebut aplikasi SPK. Aplikasi SPK menggunakan CBIS (Computer Based Information System) yang fleksibel, interaktif, dan dapat diadaptasi, yang dikembangkan untuk mendukung solusi atas masalah manajemen spesifik yang tidak terstruktur.

2.1.2 Tujuan Sistem Pendukung Pengambilan Keputusan

Tujuan dari SPK adalah (Turban, Efraim dan Jay Aronson. 2005): 1. Membantu manajer dalam pengambilan keputusan atas masalah

semi-terstruktur.

2. Memberikan dukungan atas pertimbangan manajemen dan bukannya dimaksudkan untuk menggantikan fungsi manajer.

(26)

4. Kecepatan komputasi. Komputer memungkinkan para pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan biaya yang rendah.

5. Peningkatan produktivitas. Membangun satu kelompok pengambil keputusan, terutama para pakar, bias sangat mahal.

6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan yang dibuat.

7. Berdaya saing. Manajemen dan pemberdayaan sumber daya perusahaan. Tekanan persainagn menyebabkan tugas pengambilan keputusan menjadi sulit.

8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan.

2.1.3 Komponen dalam Sistem Pengambilan Keputusan

Menurut Kusrini [2007:25] sistem pendukung pengambilan keputusan terdiri dari beberapa komponen atau subsistem yaitu :

1. Subsistem Manajemen Data

Subsistem manajemen data memasukan satu database yang berisi data yang relevan untuk situasi yang dikelola oleh perangkat lunak yang disebut sistem manajemen database.

2. Subsistem Manajemen Model

(27)

kuantitatif yang lain yang menyediakan kemampuan analisis sistem dan management software yang terkait.

3. Subsistem Antarmuka Pengguna

Pengguna berkomunikasi dengan memerintahkan sistem pendukung keputusan melalui subsistem tersebut, pengguna adalah bagian yang dipertimbangkan dari sistem. Subsistem ini tempat komunikasi antara pengguna dan sistem pendukung keputusan serta tempat pengguna memberikan perintah kepada sistem pendukung keputusan.

4. Subsistem Manajemen Berbasis Pengetahuan

Subsistem manajemen pengetahuan (knowledge) yaitu subsistem yang mampu mendukung subsistem yang lain atau berlaku sebagai sebuah komponen yang berdiri sendiri (independen) .

(28)

Gambar 2.1 Arsitektur DSS

Sumber : Buku Decision Support Systems and Intelligent Systems oleh Turban

Berdasarkan tingkat dukungannya, SPK dibagi menjadi 6, yaitu: 1. Retrieve Information Elements

Inilah dukungan terendah yang bias diberikan oleh SPK, yakni berupa akses selektif terhadap informasi.

2. Analyze Entire File

Dalam tahapan ini, para manajer diberi akses untuk melihat dan menganalisis file secara lengkap.

3. Prepare Reports from Multiple Files

(29)

Dalam tahapan ini, manajer dimungkinkan untuk melihat dampak dari setiap keputusan yang diambil.

5. Propose Decision

Dukungan di tahapan ini sedikit lebih maju lagi. Suatu alternative keputusan bias disodorkan ke hadapan manajer untuk dipertimbangkan. 6. Make Decision.

Ini adalah jenis dukungan yang sangat diharapkan dari SPK. Tahapan ini akan memberikan sebuah keputusan yang tinggal menunggu legitimasi dari manajer untuk dijalankan.

2.2 Metode Preference Ranking Organization for Enrichment Evaluation (PROMETHEE)

Promethee adalah suatu metode penentuan urutan (prioritas) dalam analisis multikriteria. Masalah pokoknya adalah kesederhanaan, kejelasan , dan kestabilan. Dugaan dari dominasi kriteria yang digunakan dalam PROMETHE adalah penggunaan nilai dalam hubungan outranking (Brans, 1998). Ini adalah metode peringkat yang cukup sederhana dalam konsep dan aplikasi dibandingkan dengan metode lain untuk analisis multikriteria (Goumas, 1998).

Prinsip yang digunakan adalah penetapan prioritas alternatif yang telah ditetapkan berdasarkan pertimbangan



real word



) (.)

fi

(i  dengan kaidah dasar:



f

(x),

f

(

),

f

(

),

...,

f

(

),

...,

f

(

)

x



₁ ₂

x

₃

x

_i

x

_k

x







(30)

Di mana k adalah sejumlah kumpulan alternatif, dan fi ( i = 1,2,…, k ) merupakan nilai atau ukuran relatif kriteria untuk masing-masing alternatif. Dalam aplikasinya sejumlah kriteria telah ditetapkan untuk menjelaskan k

yang merupakan nilai dari  (real word).

Promethee termasuk dalam keluarga dari metode outranking yang dikembangkan oleh B. Roy, dan meliputi dua fase:

1. Membangun hubungan outranking dari K

2. Eksploitasi dari hubungan ini memberikan jawaban optimasi kriteria dalamparadigma permasalahan multikriteria.

Dalam fase pertama, nilai hubungan outranking berdasarkan pertimbangan dominasi masing-masing kriteria. Indeks preferensi ditentukan dan nilai outranking secara grafis disajikan berdasarkan preferensi dari pembuat keputusan.

[image:30.595.139.512.269.649.2]

Data dasar untuk evaluasi dengan metode PROMETHEE disajikan sebagai berikut :

(31)

2.2.1 Nilai Hubungan Outranking dalam PROMETHEE 2.2.1.1 Dominasi Kriteria

Nilai f merupakan nilai nyata dari suatu kriteria :





k

:

f

dan tujuan berupa prosedur optimasi.

Untuk setiap alternatif a ∈ K, f (a) merupakan evaluasi dari alternatif tersebut untuk suatu kriteria. Pada saat dua alternatif di bandingkan, a, b ∈ K harus dapat ditentukan perbandingan preferensinya. Penyampaian intesitas (P) dari preferensi alternatif a terhadap alternatif b sedemikian rupa sehingga :

- P (a,b) = 0, berarti tidak ada (indefferent) antara a dan b, atau tidak ada preferensi dari a lebih baik dari b.

- P (a,b) ~ 0, berarti lemah preferensi dari a lebih baik dari b. - P (a,b) ~ 1, berarti kuat preferensi dari a lebih baik dari b. - P (a,b) = 1 , berarti mutlak preferensi dari a lebih baik dari b.

Dalam metode ini, fungsi preferensi seringkali menghasilkan nilai fungsi yang berbeda antara dua evaluasi, sehingga :

P (a,b) = P (f(a)-f(b)).

(32)

2.2.1.2 Rekomendasi Fungsi Preferensi Untuk Keperluan Aplikasi

Dalam Promethee disajikan enam bentuk fungsi preferensi kriteria. Hal ini tentu saja tidak mutlak, tetapi bentuk ini cukup baik untuk beberapa kasus.

Untuk memberikan gambaran yang lebih baik terhadap area yang tidak sama, digunakan fungsi selisih nilai kriteria antar alternatif H(d) dimana hal ini mempunyai hubungan langsung pada fungsi preferensi P:

f (a), f (b) f (b) = f (b) a I b a, b A f (a) > f (b) a P b





}



a. Kriteria Biasa (Usual Criterion) 0 d ≤ 0 H(d) =

1 d ≠ 0

Dimana:

H(d) = fungsi selisih kriteria antar alternatif d = selisih nilai kriteria { d = f(a) - f(b) }

(33)

[image:33.595.138.456.257.586.2]

peringkat yang mutlak berbeda walaupun hanya dengan selisih nilai (waktu) yang teramat kecil, dan dia akan memiliki peringkat yang sama jika dan hanya jika waktu tempuhnya sama atau selisih nilai diantara keduanya sebesar nol. Fungsi H(d) untuk fungsi preferensi ini disajikan pada gambar 2.2 (Suryadi, Kadarsah., dan Ramdhani M. Ali, 2002).

Gambar 2.3 Kriteria Biasa

b. Kriteria Quasi (Quasi Criterion) 0 - q ≤ d ≤ q H(d) =

1 d < - q atau d > q

Dimana:

H(d) = fungsi selisih kriteria antar alternatif d = selisih nilai kriteria { d = f(a) - f(b) } q = harus merupakan nilai tetap

(34)

[image:34.595.135.498.245.621.2]

alternatif melebihi nilai q maka terjadi bentuk preferensi mutlak. Jika pembuat keputusan menggunakan kriteria kuasi, maka harus menentukan nilai q, dimana nilai ini dapat menjelaskan pengaruh yang signifikan dari suatu kriteria. Dalam hal ini, preferensi yang lebih baik diperoleh apabila terjadi selisih antara dua alternatif diatas nilai q. misalnya, seseorang akan dipandang mutlak lebih kaya apabila selisih nilai kekayaannya lebih besar dari Rp 10 juta, dan apabila kekayaannya kurang dari Rp. 10 juta dipandang sama kaya.

Gambar 2.4 Kriteria Quasi

c. Kriteria Dengan Preferensi Linier - p ≤ d ≤ p

H(d) =

(35)

Dimana:

H(d) = fungsi selisih kriteria antar 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. Pada saat pembuat keputusan mengidentifikasi beberapa kriteria untuk tipe ini, harus ditentukan nilai dari kecenderungan atas(nilai p). Dalam hal ini, nilai d diatas p telah dipertimbangkan akan memberikan preferensi mutlak dari suatu alternatif.

(36)

[image:36.595.139.453.226.576.2]

Gambar 2.5 Kriteria dengan Preferensi Linier

d. Kriteria Level (Level Criterion) 0 d ≤ q

H(d) = q < d ≤ p

1 d > p

Dimana:

q = harus merupakan nilai yang tetap

(37)

[image:37.595.139.509.103.588.2]

Gambar 2.6 Kriteria Level

Bentuk kriteria level ini dapat dijelaskan misalnya dalam penetapan nilai preferensi jarak tempuh antar kota. Misalnya dalam penetapan jarak antara Bandung-Cianjur sebesar 60 km, Cianjur-Bogor sebesar 68 k, Bogor-Jakarta sebesar 45km, Cianjur-Jakarta 133km. dan telah ditetapkan bahwa selisih dibawah 10 km maka dianggap jarak antar kota tersebut adalah tidak berbeda, selisih jarak sebesar 10-30 km relatif berbeda dengan preferensi yang lemah, sedangkan selisih diatas 30 km diidentifikasikan memiliki preferensi mutlak berbeda.

(38)

e. Kriteria dengan Preferensi Linier dan Area yang Tidak Berbeda

0 d ≤ q

H(d) = q < d ≤ p

1 d > p

Dimana:

q = harus merupakan nilai yang tetap

[image:38.595.139.508.167.663.2]

Pada kasus ini, pengambil keputusan mempertimbangkan peningkatan preferensi secara linier dari tidak berbeda hingga preferensi mutlak dalam area antara dua kecenderungan q dan p.

(39)

f. Kriteria Gaussian (Gaussian Criterion)

Dimana:

H(d) = fungsi selisih kriteria antar alternatif d = selisih nilai kriteria { d = f(a) - f(b) }

Fungsi ini bersyarat apabila telah ditentukan nilai, dimana dapat dibuat berdasarkan distribusi normal dalam statistik.

Gambar 2.8 Kriteria Gaussian (Brans, 1998)

Berikut adalah beberapa acuan dalam memilih fungsi preferensi yang tepat untuk kriteria. Fungsi preferensi bentuk V (tipe III) dan linear (tipe V) yang paling cocok untuk kriteria kuantitatif (misalnya harga, biaya, tenaga, ...). Pilihan tergantung pada apakah ingin memperkenalkan ambang indiferens atau tidak. Sebenarnya, V-bentuk adalah kasus khusus dari linear.

(40)

Fungsi preferensi Gaussian (tipe VI) fungsi preferensi kurang sering digunakan karena lebih sulit untuk parameternya ( nilai ambang s terletak antara ambang indiferens q dan ambang preferensi p).

Fungsi preferensi Biasa (tipe I) dan Tingkat (tipe IV) yang paling cocok untuk kriteria kualitatif. Dalam kasus sejumlah kecil tingkat pada skala kriteria (misalnya kriteria ya / tidak atau sampai dengan skala 5-point) dan jika tingkat perbedaannya dianggap sangat berbeda satu sama lain, fungsi preferensi biasa adalah pilihan yang baik. Jika Anda ingin membedakan penyimpangan kecil dari yang lebih besar, fungsi preferensi tingkat lebih memadai. Fungsi preferensi bentuk U (tipe II) adalah kasus khusus dari Tingkat satu dan kurang sering digunakan.

Secara bawaan nilai p dan q yang tersimpan ditentukan oleh administrator sistem namun nilai ini dapat dirubah oleh masing-masing pengguna untuk mendapatkan rekomendasi tingkat lanjut secara langsung. Sehingga memungkinkan dua pengguna memiliki pengaturan nilai p dan q yang berbeda di saat yang bersamaan tanpa mempengaruhi pengguna yang lain.

2.2.1.3 Indeks Preferensi Multikriteria

Tujuan pembuat keputusan adalah menetapkan fungsi preferensi Pi

dan πi untuk semua kriteria fi ( i = 1, ..., k) dari masalah optimasi kriteria

(41)

kriteria fi; jika semua kriteria memiliki nilai kepentingan yang sama dalam pengambilan keputusan maka semua nilai bobot adalah sama.

Indeks preferensi multi kriteria ditentukan berdasarkan rata-rata bobot dari fungsi preferensi Pi.

�(a,b) merupakan intensitas preferensi pembuat keputusan yang

menyatakan bahwa alternatif a lebih baik dari alternatif b dengan pertimbangan secara simultan dari keseluruh kriteria. Hal ini dapat disajikan dengan nilai antara nilai 0 dan 1, dengan ketentuan sebagai berikut :

- �(a,b) = 0 menunjukkan preferensi yang lemah untuk alternatif a > a lternatif b berdasarkan semua kriteria.

- �(a,b) = 1 menunjukkan preferensi yang kuat untuk alternatif a > alternatif b berdasarkan semua kriteria.

Indeks preferensi ditentukan berdasarkan nilai hubungan outranking pada sejumlah kriteria dari masing-masing alternatif. Hubungan ini dapat disajikan sebagai grafik nilai outranking, node-nodenya merupakan alternatif berdasarkan penilaian kriteria tertentu, diantara dua node (alternatif), a dan b, merupakan garis lengkung yang mempunyai nilai  (b,a) dan  (a,b) (tidak ada hubungan khusus antara

 (b,a) dan  (a,b)). Hal ini dapat dilihat pada gambar 2.9 (Suryadi,

(42)

a

b



(b,a)

(a,b)



Gambar 2.9 Hubungan Antar Node

2.2.2 Promethee Ranking

2.2.2.1. Arah Dalam Grafik Nilai Outranking

Untuk setiap node a dalam garfik nilai outranking ditentukan berdasarkan leaving flow, dengan persamaan :



 + _  A x a 1 -n 1 )

( (a, x)

Dimana  (a,x) menunjukan preferensi bahwa alternatif a lebih baik dari

alternatif x dan n adalah jumlah dari kriteria.

Leaving flow adalah jumlah dari nilai garis lengkung yang memiliki arah menjauh dari node a dan hal ini merupakan karakter pengukuran outranking, seperti yang ditunjukan pada gambar 2.10 (Suryadi,

(43)

a

b

(a,b)



Gambar 2.10 Leaving Flow

Secara simetris dapat ditentukan entering flow dengan persamaan :





-





A x

a

1

-n

1

)

(



(x, a)

Gambar 2.11 (Suryadi, Kadarsah., dan Ramdhani M. Ali, 2002)

menunjukan entering flow diukur berdasarkan karakter outranking dari a.

a

b (a,b)



(44)

Sehingga pertimbangan dalam penentuan net flow diperoleh dengan persamaan :

Φ

(a) =

Φ

+

(a)

–

Φ

-

(a)

Penjelasan dari hubungan outranking dibangun atas pertimbangan untuk masing-masing alternatif pada grafik nilai outranking, berupa urutan parsial (Promethee I) atau urutan lengkap (Promethee II) pada sejumlah alternatif yang mungkin, yang dapat diusulkan kepada pembuat keputusan untuk memperkaya penyelesaian masalah.

2.2.2.2 PROMETHEE I

Nilai terbesar pada leaving flow dan nilai yang kecil dari entering flow merupakan alternatif yang terbaik. Leaving flow dan entering flow

menyebabkan :

a P+ b jika Φ+ (a) > Φ+ (b)

a I+ b jika Φ+ (a) = Φ+ (b)

}

a P- b jika Φ- (a) > Φ- (b)

a I- b jika Φ- (a) = Φ- (b)

}

(45)

aPi B (a outrank b) jika a P+ b dan a P- b

atau a P+ b dan a I- b

atau a I+ b dan a P- b

aIi B (a tidak beda b) jika a I+ b dan a I- b

aRi B (a dan b incomparable) jika pasangan lain

Partial preorder diajukan kepada pembuat keputusan, untuk membantu

pengambilan keputusan masalah yang dihadapinya.

Dengan menggunakan metode PROMETHEE I masih menyisakan bentuk incomparable, atau dengan kata lain hanya memberikan solusi partial

preorder (sebagian),

1

2

3 5

4 6

Gambar 2.12 Contoh Partial Ranking ( Promethee I)

2.2.2.3 PROMETHEE II

(46)

}

a P+ b jika Φ+ (a) > Φ+ (b) a I+ b jika Φ+ (a) = Φ+ (b)

Melalui complete preorder, informasi bagi pembuat keputusan lebih realistik.

1 2 3 4 5 6

Gambar 2.13 Contoh Complete Ranking ( Promethee II)

Sebagai contoh perhitungan manual dapat digunakan 7 kriteria dan menggunakan alternatif rumah makan yang ditampilkan dalam tabel 2.1

Tabel 2.1 Nilai Kriteria untuk Masing-masing Rumah Makan

Kriteria Preferensi parameter Data Rumah Makan

p q RM 1 RM 2 RM3

jenis makanan f1(.) 1 biasa – max 1 1 1 harga (rp) f2(.) 2 quasi – min 1000 5000 6000 6500 jarak (m) f3(.) 2 quasi – min 100 1000 700 750

rasa f4(.) 3 linear –max 10 70 90 80

kenyamanan

tempat f5(.) 2 quasi – max 75 80 90 70

(47)

Langkah-langkah penyelesaiannya adalah : 1. Menghitung nilai preferensi

Pada tahap ini dilakukan perbandingan antara satu alternatif dengan alternatif lainnya untuk setiap kriteria, dengan cara mengurangkan nilai alternatif pertama dengan alternatif kedua, kemudian di hitung nilai preferensinya sesuai dengan tipe preferensi yang digunakan. Untuk lebih lengkapnya dapat di lihat pada perhitungan di bawah ini : a. Untuk kriteria jenis makanan

1. f1(rm1,rm2) = d = f(rm1) – f(rm2)

= 1 – 1

= 0

berdasarkan kriteria usual

d  0 H(d) = 0

2. f1(rm2,rm1) = d = f(rm2) – f(rm1) = 1 – 1

= 0

(48)

3. f1(rm1,rm3) = d = f(rm1) – f(rm3) = 1 – 1

= 0

d  0 H(d) = 0

4. f1(rm3,rm1) = d = f(rm3) – f(rm1) = 1 – 1

= 0 berdasarkan kriteria usual

d  0

H(d) = 0

5. f1(rm2,rm3) = d = f(rm2) – f(rm3) = 1 – 1

= 0

d  0 H(d) = 0

(49)

= 1 – 1

= 0

d  0

H(d) = 0

b. Untuk kriteria harga makanan

1. f2(rm1,rm2) = d = f(rm1) – f(rm2) = 5000 – 6000

= - 1000

berdasarkan kriteria quasi

- q ≤ d ≤ q

H(d) = 0

2. f2(rm2,rm1) = d = f(rm2) – f(rm1) = 6000 – 5000

= 1000

- q ≤ d ≤ q

H(d) = 0

(50)

= - 1500 berdasarkan kriteria quasi

d < - q H(d) = 0

4. f2(rm3,rm1) = d = f(rm2) – f(rm1) = 6500 – 5000

= 1500

berdasarkan kriteria quasi d > q

H(d) = 1

5. f2(rm2,rm3) = d = f(rm2) – f(rm3) = 6000 – 6500

= - 500

- q ≤ d ≤ q

H(d) = 0

6. f2(rm3,rm2) = d = f(rm3) – f(rm2) = 6500 – 6000

= 500

(51)

- q ≤ d ≤ q H(d) = 0

c. Untuk kriteria jarak

1. f3(rm1,rm2) = d = f(rm1) – f(rm2)

= 1000 – 700

= 300

berdasarkan kriteria quasi d > q

H(d) = 1

2. f3(rm2,rm1) = d = f(rm2) – f(rm1)

= 700 – 1000

= - 300

- q ≤ d ≤ q

H(d) = 0

3. f3(rm1,rm3) = d = f(rm1) – f(rm3)

= 1000 – 750

= 250

(52)

H(d) = 1

4. f3(rm3,rm1) = d = f(rm3) – f(rm1) = 750 – 1000

= - 250

- q ≤ d ≤ q

H(d) = 0

5. f3(rm2,rm3) = d = f(rm2) – f(rm3)

= 700 – 750

= - 50

- q ≤ d ≤ q

H(d) = 0

6. f3(rm3,rm2) = d = f(rm3) – f(rm2)

= 750 – 700

= 50

- q ≤ d ≤ q

(53)

d. Untuk kriteria rasa

1. f4(rm1,rm2) = d = f(rm1) – f(rm2)

= 70 – 90

= - 20

berdasarkan kriteria linear

- p ≤ d ≤ p

H(d) = -2

2. f4(rm2,rm1) = d = f(rm2) – f(rm1)

= 90 – 70

= 20

berdasarkan kriteria linear d > p

H(d) = 1

3. f4(rm1,rm3) = d = f(rm1) – f(rm3)

= 70 – 80

= - 10

- p ≤ d ≤ p

(54)

4. f4(rm3,rm1) = d = f(rm3) – f(rm1)

= 80 – 70

= 10

- p ≤ d ≤ p

H(d) = 1

5. f4(rm2,rm3) = d = f(rm2) – f(rm3)

= 90 – 80

= 10

- p ≤ d ≤ p

H(d) = 1

6. f4(rm3,rm2) = d = f(rm3) – f(rm2)

= 80 – 90

= - 10

- p ≤ d ≤ p

(55)

e. Untuk kriteria kenyamanan tempat

1. f5(rm1,rm2) = d = f(rm1) – f(rm2)

= 80 – 90

= - 10

- q ≤ d ≤ q

H(d) = 0

2. f5(rm2,rm1) = d = f(rm2) – f(rm1)

= 90 – 80

= 10

- q ≤ d ≤ q

H(d) = 0

3. f5(rm1,rm3) = d = f(rm1) – f(rm3)

= 80 – 70

= 10

- q ≤ d ≤ q

H(d) = 0

(56)

= 70 – 80

= - 10

- q ≤ d ≤ q

H(d) = 0

5. f5(rm2,rm3) = d = f(rm2) – f(rm3)

= 90 – 70

= 20

- q ≤ d ≤ q

H(d) = 0

6. f5(rm3,rm2) = d = f(rm3) – f(rm2)

= 70 – 90

= - 20

- q ≤ d ≤ q

H(d) = 0

f. Untuk kriteria pelayanan

(57)

= 15 berdasarkan kriteria linear

- p ≤ d ≤ p

H(d) = 0,3

2. f6(rm2,rm1) = d = f(rm2) – f(rm1)

= 60 – 75

= - 15

- p ≤ d ≤ p

H(d) = - 0,3

3. f6(rm1,rm3) = d = f(rm1) – f(rm3)

= 75 – 60

= 15

- p ≤ d ≤ p

H(d) = 0,3

4. f6(rm3,rm1) = d = f(rm3) – f(rm1)

= 60 – 75

(58)

- p ≤ d ≤ p

H(d) = - 0,3

5. f6(rm2,rm3) = d = f(rm2) – f(rm3)

= 60 – 60

= 0

- p ≤ d ≤ p

H(d) = 0

6. f6(rm3,rm2) = d = f(rm3) – f(rm2)

= 60 – 60

= 0

- p ≤ d ≤ p

H(d) = 0

g. Untuk kriteria kebersihan

1. f7(rm1,rm2) = d = f(rm1) – f(rm2)

= 80 – 85

(59)

- p ≤ d ≤ p

H(d) = - 0,1

2. f7(rm2,rm1) = d = f(rm2) – f(rm1)

= 85 – 80

= 5

- p ≤ d ≤ p

H(d) = 0,1

3. f7(rm1,rm3) = d = f(rm1) – f(rm3)

= 80 – 75

= 5

- p ≤ d ≤ p

H(d) = 0,1

4. f7(rm3,rm1) = d = f(rm3) – f(rm1)

= 75 – 80

(60)

- p ≤ d ≤ p

H(d) = - 0,1

5. f7(rm2,rm3) = d = f(rm2) – f(rm3)

= 85 – 75

= 10

- p ≤ d ≤ p

H(d) = 0,2

6. f7(rm3,rm2) = d = f(rm3) – f(rm2)

= 75 – 85

= - 10

- p ≤ d ≤ p

H(d) = - 0,2

(61)

(rm1,rm2) = 1/7 (0+0+1+(-2)+0+0,3+(-0,1)) = - 0,8/7

= 0,114285714

(rm2,rm1) = 1/7 (0+0+1+1+0+(-0,3)+0.1)) = 1,8/7

= 0,257142857

(rm1,rm3) =1/7 (0+1+1+1+0+0.3+0.1) = 3.4/7

= 0,485714286

(rm3,rm1) = 1/7 (0+1+1+(-1)+0+(-0,3)+(-0,1))) = 0,6/7

= 0.085714286

(rm2,rm3) = 1/7 (0+0+0+1+0+0+0.2)

= 1.2/7

= 0,171428571

(rm3,rm2) = 1/7 (0+0+0+(-1)+0+0+(-0,2))

= - 1,2/7

(62)

Tabel 2.2 Nilai indeks preferensi

rm1 rm2 rm3

rm1 0 - 0,1142857 0,485714286

rm2 0,257142857 0 0,171428571

rm3 0.085714286 - 0,171428571 0

3. Menghitung Leaving Flow

rm1 = 1 / (3-1) (- 0,1142857 + 0,485714286) = 0.185714286

rm2 = 1 / (3-1) (0,257142857 + 0,171428571)

= 0,214285714

rm3 = 1 / (3-1) (0.085714286+ - 0,171428571) = - 0,042857143

4. Menghitung Entering Flow

(63)

rm2 = 1 / (3 – 1) (- 0,1142857 + - 0,171428571)

= - 0,142857143

rm3 = 1 / (3 – 1) (0,485714286+ 0,171428571)

= 0,328571429

Tabel 2.3 PROMETHEE Tahap I

Alternatif Leaving Flow Entering Flow

rm1 0.185714286 0,171428571

rm2 0,214285714 - 0,142857143

rm3 0.085714286 0,328571429

5. Menghitung Net Flow

rm1 = 0.185714286 - 0,171428571 = 0,014285714

rm2 = 0,214285714 - (- 0,142857143) = 0,357142857

(64)

Tabel 2.4 Promethee Tahap II Alternatif Net Flow Ranking

rm1 0,014285714 2

rm2 0,357142857 1

rm3 -0,371428571 3

2.3 Google Maps

Google Maps (GM) merupakan sebuah aplikasi pemetaan online yang cukup popular. Pada GM, titik koordinat suatu tempat ditunjukkan dengan sistem koordinat geografis.

2.3.1 Google Maps API

Google Maps API merupakan aplikasi antarmuka yang dapat diakses

lewat javascript agar Google Maps dapat ditampilkan pada halaman web yang sedang kita bangun. Ada dua cara untuk mengakses data Google Maps, tergantung dari data yang ingin diambil dari parsing (uraikan) dari Google Maps:

a. Mengakses data Google Maps tanpa menggunakan API. b. Mengakses data Google Maps menggunakan API key.

(65)

domain web yang akan dibangun. Dibawah ini adalah gambar untuk memahami request URL Google Maps :

NO

YES

Contoh kasus:

1. Menginputkan alamat yang akan disimpan ke var $addr. 2. Request URL yang akan dikirim ke Google Maps.

http:??maps.googleapis.com/maps/api/geocode/json?address=$addr+&sensor=fal

se”;dimana $addr adalah variable alamat yang dicari.

3. Menggunakan fungsi cURL untuk mentransfer data dari dan ke server. 4. Hasil request akan dikirimkan dalam format JSON (Java Script Object

Developer merumuskan sebuah request URL menggunakan PHP di remote server

Aplikasi PHP membuat request ke Google Maps

Request Valid?

Google Maps mengirimkan data ke user menggunakan

format data JSON

PHP dapat emnggunakan file_get_contens atau fungsi-fungsi cURL untuk mengambil dan melakukan pengolahan data JSON

(66)

Notation).

5. Menguraikan keluaran data dalam format JSON.

2.3.2 Google Geocoding API

Geocoding adalah proses mengubah alamat ke koordinat yang dapat

digunakan untuk menempatkan penanda atau posisi peta. Geocoding API Google menyediakan cara langsung untuk mengakses geocoder melalui permintaan HTTP. Selain itu, layanan ini memungkinkan kita untuk melakukan operasi sebaliknya (berubah koordinat menjadi alamat), proses ini dikenal sebagai reverse geocoding.

Geocoding dibagi menjadi dua (Sirenden.2012), yaitu a. Geocoding Request

Permintaan (request) Geocoding API harus dari bentuk berikut: http://maps.googleapis.com/maps/api/geocode/output?parameters

dimana keluarannya dapat berupa:

1. json (disarankan) menunjukkan keluaran dalam Notasi Object JavaScript (JSON).

2. xml menunjukkan keluaran sebagai XML.

Geocoding API mendefinisikan permintaan geocoding menggunakan

parameter URL berikut:

- address(diperlukan) – Alamat yang ingin kita geocode*.

(67)

b. Geocoding Response

Respons atau hasil dari geocoding berbentuk format JSON atau XML. Hasil JSON mengandung dua elemen dasar:

1. “status” : berisi metadata permintaan.

2. “results” : berisi array informasi alamat hasil Geocode dan informasi

geometri.

2.3.3 JSON

JSON (dibaca: “Jason”), singkatan dari JavaScript Object Notation

adalah suatu format ringkas pertukaran data computer seperti halnya XLM. Formatnya berbasis teks dan terbaca-manusia, serta digunakan untuk merepresentasikan struktur data sederhana dan larik asosiatif (disebut objek). Format JSON sering digunakan untuk mentransmisikan data terstruktur melalui suatu koneksi jaringan pada suatu proses yang disebut

“serialisasi”.

2.3.4 cURL

cURL (dibaca: si URL) singkatan dari Client URL dan dikembangkan oleh Daniel Stenberg pada tahun 1998 sebagai alat bantu command line untuk transfer berkas dengan sintaks URL melalui bermacam-macam protocol (FTP, HTTP, HTTPS, SCP, SFTP, TELNET, LDAP, dan sebagainya).

(68)

curl_init = memulai sesi cURL.

curl_setopt = menentukan opsi-opsi sebelum menjalankan cURL.

curl_exec = menjalankan cURL.

curl_close = menutup sesi cURL.

2.4 MySQL Database

2.4.1 Pengertian MySQL Database

MySQL adalah sebuah implementasi dari sistem manajemen basisdata relasional (RDBMS) yang didistribusikan secara gratis dibawah lisensi GPL(General Public License). Setiap pengguna dapat secara bebas menggunakan MySQL, namun dengan batasan perangkat lunak tersebut tidak boleh dijadikan produk turunan yang bersifat komersial.Menurut Allen dan Hornberger (2002, p220) MySQL merupakan bahasa pemrograman open-source yang paling popular dan banyak digunakan di lingkungan Linux. Kepopuleran ini karena ditunjang oleh performansi query dari database-nya yang jarang bermasalah.

(69)

2.4.2 Kelebihan MySQL Database

1. MySQL dapat berjalan stabil pada berbagai sistem operasi seperti Windows, Linux, FreeBSD, Mac Os X Server, Solaris, Amiga, dan masih banyak lagi.

2. MySQL didistribusikan sebagai open source, dibawah lisensi GNU General Public License (GPL) sehingga dapat digunakan secara gratis. 3. MySQL memiliki ragam tipe data yang sangat kaya, seperti integer,

float, double, char, text, date, timestamp, dan lain-lain.

4. MySQL mampu menangani basis data dalam skala besar, dengan jumlah rekaman (records) lebih dari 50 juta dan 60 ribu tabel serta 5 milyar baris. Selain itu batas indeks yang dapat ditampung mencapai 32 indeks pada tiap tabelnya.

2.5 Mengukur Kualitas Rancangan Sistem

“Kualitas rancangan sistem” adalah frase umum yang

melambangkan ciri yang sedang membedakan rancangan sistem dan menentukan manfaat atau derajat kebaikan. Kualitas perancangan sistem sulit untuk dikuantitaskan, tapi hal itu tergantung sepenuhnya pada faktor perancangan MURRE. Semakin tinggin nilai faktor ini, semakin tinggi kualitas rancangan sistem.

(70)

2.5.1 Faktor Perancangan MURRE

Para penguji menggunakan Lembar Kerja Penilai Faktor Rancangan MURRE. Lembar kerja ini berisikan tiap-tiap faktor rancangan, penilaiannya dan nilai akhir untuk alternatif rancangan sistem general. Pertanyaan yang sering ditanyakan untuk menguji digunakan untuk menghasilkan penilaian yang masuk akal dimasukkan bersama tiap-tiap faktor rancangan sebagai berikut:

a. Maintainability (M)

Dalam me-maintain (memelihara) sistem, perancang sistem harus memperhatikan hal2 berikut :

1. Membuat kamus data standar

2. Menggunakan bahasa pemrograman standar 3. Meng-install arstitektur komputer standar 4. Menggunakan perancangan secara modul

5. Menyiapkan dokumentasi yang komprehensif, jelas dan terbaru. b. Usability (U)

(71)

Produk dari sistem yang user inginkan adalah informasi, yang memiliki 2 dimensi yaitu substance dan form. Substance lebih melihat ke perancangan output yang relevan, akurat dan sesuai waktu. Form lebih ke kognitif user. Output dalam form harus atraktif dan dimengerti. Misalnya bentuk pelaporan dalam tabel maupun grafik.

c. Reusability (R)

Ini merupakan kemampuan dari menggunakan software atau komponen sistem yang sama untuk aplikasi yang lain dimana masih memiliki kemampuan yang tinggi. Ini merupakan tujuan yang diinginkan karena dapat mengurangi biaya pengembangan sistem di masa yang akan datang. Misalnya 50% dari modul software sistem yang dikembangkan digunakana untuk aplikasi baru berikutnya sehingga 50% biaya pengembangan software dan waktu yang dibutuhkan untuk aplikasi baru dapat dihilangkan.

d. Reliability (R)

Diukur dari seberapa bergantungnya sebuah sistem dapat menjalankan fungsinya. Mean Time Between Failures (MTBF) merupakan pengukuran kuantitatif dari kehandalan dan diekspresikan dalam bulan atau tahun. MTBF merupakan wkatu rata-rata sistem diharapkan beroperasi sebelum gagal. Mean Time To Repair (MTTR) merupakan pengukuran kuantitatif dari kemampuan pemeliharaan (maintain) dan dieskpresikan dalam detik atau menit. “MTBF ditingkatkan, MTTR diturunkan.”

(72)

mengurangi probabilitas sistem menjadi gagal, dicapai dengan menggunakan metodologi modern, teknik pemodelan tool dan kontrol sistem.

2. Toleransi kesalahan(fault tolerance),

sistem memiliki kemampuan untuk memperbaiki dan melaksanakan proses tugas. Prosedurnya menggunakan software yang redundant dan elemen hardware dan alat deteksi kesalahan untuk melihat dan memotong efek kesalahan sehingga sistem dapat memproses tugas disamping kesalahan dalam satu atau lebih elemen yang terjadi.

Idealnya : menggunakan fault avoidance, tetapi ternyata tidak dapat dihindari adanya fault tolerance. Ada 3 kelompok perbaikan dalam sistem toleransi kesalahan :

1. Full recovery, terjadi dalam sistem on-line. Perlu ada operasi yang lengkap dan berkesinambungan meskipun terjadi kesalahan.

2. Degraded recovery, memungkinkan pemilihan aplikasi untuk beroperasi, atau sistem total beroperasi di bawah standar hingga sistem diperbaiki. 3. Safe shutdown, penghentian sistem agar operasi dan tugas berakhir dengan kehilangan minimal data dan tidak ada kerusakan elemen hardware. e. Extendability (E)

(73)

dead-end, sistem tidak fleksibel tanpa kemampuan beradaptasi dan

berkembang, akan sulit bagi user untuk mengubah atau menambah. Extendability berhubungan dengan maintainability. Faktor perancangan ini

lebih berhubungan dengan menumbuhkan potensi sistem dan meningkatkan kemampuan beradaptasi ke lingkungan baru; dimana maintainability lebih baik agar sistem beroperasi sesuai dengan perancangan awal.

2.6 Skala Likert

Skala likert dikembangkan oleh Rensis Likert pada tahun 1932. Skala Likert digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial. Dengan Skala Likert, variabel yang akan diukur dijabarkan menjadi indikator variabel. Kemudian indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item instrumen yang dapat berupa pertanyaan atau pernyataan.

(74)

sampai dengan 7 jenis kategori. Umumnya Skala likert menggunakan 5 kategori penilaian, tabel 5 kategori dapat dilihat dibawah ini :

Interval (%) Kategori

0 - 20 Sangat Tidak Setuju

21 - 40 Tidak Setuju

41 – 60 Netral/Ragu-ragu

61 – 80 Setuju

81 - 100 Sangat Setuju

Tabel 2.5 Tabel Kategori Skala Likert

Untuk intepretasi nilainya, perhitungan dapat dilakukan melalui cara dibawah ini :

1. Cari nilai tertinggi dari pernyataan yang ada melalui rumus :

2. Cari total keseluruhan dari responden yang ada melalui rumus :

nilai = besarnya bobot nilai pernyataan

(75)

3. Tentukan persentase nilai dengan rumus :

4. Kemudian tentukan kategorinya dari hasil persentase nilai berdasarkan tabel kategori skala likert.

2.7 Contoh Kasus Implementasi Metode PROMETHEE dalam Pencarian Rumah Makan.

Berdasarkan data yang telah dikumpulkan dari 3 rumah makan yaitu Tali Roso, Mie Jakarta, dan Keray Indah Chinnise Food dengan masing-masing 10 konsumen memberikan penilaian. Penilaian tersebut meliputi kenyamanan tempat, pelayanan, kebersihan, dan rasa dengan angka 1 untuk nilai terendah dan angka 5 untuk nilai tertinggi.

Tabel 2.6 Kategori Rating Rumah Makan Penilaian Nilai

5 100

4 80

3 60

2 40

(76)

Maka data penilaian konsumen akan kriteria pada masing-masing rumah makan adalah sebagai berikut:

a. Rumah Makan Tali Roso 1. Kenyamanan Tempat

Konsumen Penilaian Nilai

1. 2 40

2. 4 80

3. 4 80

4. 3 60

5. 3 60

6. 3 60

7. 4 80

8. 3 60

9. 3 60

10. 2 40

JUMLAH 620

Tabel 2.7 Penilaian Kenyamanan Tempat Tali Roso

Total nilai yang diperoleh dibagi dengan jumlah konsumen yang menilai.

(77)

2. Pelayanan

1. 3 60

2. 5 100

3. 4 80

4. 4 80

5. 4 80

6. 4 80

7. 2 40

8. 4 80

9. 4 80

10. 4 80

JUMLAH 760

Tabel 2.8 Penilaian Pelayanan Tali Roso

(78)

3. Kebersihan

1. 4 80

2. 3 60

3. 4 80

4. 3 60

5. 4 80

6. 3 60

7. 2 40

8. 4 80

9. 4 80

10. 4 80

JUMLAH 700

Tabel 2.9 Penilaian Kebersihan Tali Roso

Nilai = = 70

4. Rasa

(79)

1. 4 80

2. 4 80

3. 4 80

4. 5 100

5. 4 80

6. 4 80

7. 4 80

8. 3 60

9. 5 100

10. 4 80

JUMLAH 820

Tabel 2.10 Penilaian Rasa Tali Roso

Nilai = = 82

(80)

1. 5 100

2. 4 80

3. 4 80

4. 5 100

5. 4 80

6. 5 100

7. 4 80

8. 4 80

9. 3 60

10. 4 80

JUMLAH 840

Tabel 2.11 Penilaian Kenyamanan Tempat Mie Jakarta

(81)

2. Pelayanan

1. 5 100

2. 4 80

3. 5 100

4. 5 100

5. 4 80

6. 4 80

7. 3 60

8. 5 100

9. 4 80

10. 3 60

JUMLAH 840

Tabel 2.12 Penilaian Pelayanan Mie Jakarta

(82)

3. Kebersihan

1. 5 100

2. 5 100

3. 5 100

4. 5 100

5. 4 80

6. 5 100

7. 4 80

8. 5 100

9. 3 60

10. 4 80

JUMLAH 900

Tabel 2.13 Penilaian Kebersihan Tempat Mie Jakarta

Nilai = = 90

4. Rasa

(83)

1. 5 100

2. 5 100

3. 5 100

4. 5 100

5. 4 80

6. 4 80

7. 4 80

8. 5 100

9. 3 60

10. 5 100

[image:83.595.136.490.106.644.2]

JUMLAH 900

Tabel 2.14 Penilaian Rasa Mie Jakarta

Nilai = = 90

(84)

1. 3 60

2. 2 40

3. 4 80

4. 2 40

5. 3 60

6. 3 60

7. 3 60

8. 3 60

9. 3 60

10. 3 60

[image:84.595.137.504.104.563.2]

JUMLAH 580

Tabel 2.15 Penilaian Kenyamanan Tempat Keray Indah Chinnise Food

(85)

2. Pelayanan

1. 3 60

2. 3 60

3. 5 100

4. 3 60

5. 4 80

6. 2 40

7. 4 80

8. 3 60

9. 5 100

10. 4 80

[image:85.595.138.486.135.561.2]

JUMLAH 720

Tabel 2.16 Penilaian Pelayanan Keray Indah Chinnise Food

(86)

3. Kebersihan

1. 2 40

2. 2 40

3. 4 80

4. 2 40

5. 3 60

6. 3 60

7. 5 100

8. 3 60

9. 2 40

10. 3 60

[image:86.595.138.490.134.561.2]

JUMLAH 580

Tabel 2.17 Penilaian Kebersihan Keray Indah Chinnise Food

Nilai = = 58

4. Rasa

(87)

1. 4 80

2. 4 80

3. 5 100

4. 4 80

5. 4 80

6. 4 80

7. 4 80

8. 3 60

9. 5 100

10. 4 80

[image:87.595.138.507.102.611.2]

JUMLAH 820

Tabel 2.18 Penilaian Rasa Keray Indah Chinnise Food

(88)

[image:88.595.113.554.196.585.2]

Dari hasil pengumpulan data rumah makan dan penilaian konsumen, maka dihasilkan tabel nilai kriteria seperti dibawah ini.

Tabel 2.19 Nilai Kriteria untuk Rumah Makan

Kriteria Preferensi parameter Data Rumah Makan

p q

Tali Roso (RM1)

Mie Jakarta (RM2)

Keray Indah (RM3) jenis makanan f1(.) 1 biasa - max 1 1 1

harga (rp) f2(.) 2 quasi - min 1000 8000 8000 13000

jarak (m) f3(.) 2 quasi - min 100 50 700 1000

Rasa f4(.) 3 linear - max 10 82 90 82

kenyamanan

tempat f5(.) 2 quasi - max 75 62 84 58

pelayanan f6(.) 3 linear - max 50 76 84 72

kebersihan f7(.) 3 linear - max 50 70 90 58

Langkah-langkah perhitungan metode PROMETHEE untuk memperoleh hasil rekomendasi :

1. Menghitung nilai preferensi

(89)

dengan alternatif kedua, kemudian di hitung nilai preferensinya sesuai dengan tipe preferensi yang digunakan. Untuk lebih lengkapnya dapat di lihat pada perhitungan di bawah ini :

a. Untuk kriteria jenis makanan

1. f1(rm1,rm2) = d = f(rm1) – f(rm2) = 1 – 1

= 0

d  0

H(d) = 0

2. f1(rm2,rm1) = d = f(rm2) – f(rm1) = 1 – 1

= 0

d  0 H(d) = 0

3. f1(rm1,rm3) = d = f(rm1) – f(rm3) = 1 – 1

= 0

(90)

H(d) = 0