2
BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
2.1 Tinjauan Pustaka
Pada dasarnya penggunaan metode logika fuzzy digunakan untuk mencari alternatif terbaik berdasarkan kriteria-keriteria yang telah ditentukan. Berikut adalah beberapa teori yang bersumber pada penelitian sebelumnya:
Penelitian dengan judul “Sistem Informasi Penilaian Supplier Komputer Menggunakan Metode Fuzzy Multiple Attribute Decision Making
Dengan Simple Additive Weighting. Penelitian ini menggunakan 9 kriteria sebagai parameter penilaian, dan menggunakan metode FMADM dan SAW dengan mencari penjumlahan berbobot dari rating kinerja pada setiap alternatifpada semua atribut (Harjayanti & Rozi, 2016).
Penelitian dengan judul “Sistem Pendukung Keputusan Untuk Menentukan Mahasiswa Lulusan Terbaik Di Perguruan Tinggi (Studi Kasus
Stmik Atma Luhur Pangkalpinang)” penelitian ini menggunakan Analitical Hierarchy Process (AHP) sebagai metode pengambilan keputusan dan ada 3 kriteria. Hasil dari penelitian ini dapat digunakan untuk memudahkan pengambilan keputusan dalam menentukan lulusan terbaik disetiap angkatan dengan kriteria-kriteria yang ada (Magdalena, 2012).
Penelitian dengan judul “Sistem Pendukung Keputusan Rekomendasi Penerima Beasiswa Menggunakan Fuzzy Multi Attribute Decision Making
(FMADM) dan Simple Additive Weighting (SAW)”. Terdapat 6 kriteria yang dijadikan acuan. Metode FMADM digunakan untuk mencari alternatif dari sejumlah alternatif dengan kriteria-kriteria yang telah ditentukan. Sedangkan Metode SAW digunakan untuk merangking dari alternatif yang ada(Surya, 2015).
4
mencari nilai bobot untuk setiap atribut. Kemudian dilakukan prosesperangkingan yang menentukan alternatif optimal (Putra & Yunika, 2011).
Penelitian dengan judul “Evaluasi Kinerja Dosen Menggunakan Metode Fuzzy Multi Attribute Decision Making Dengan Pengembangan
(Studi Kasus: Universitas Muhammadiyah Ponorogo)”. Terdapat 32 kriteria yang digunkan sebagai acuan, dan metode yang digunakan adalah Fuzzy Multi-Attribute Decision Making dengan pengembangan. Hasil dari penelelitian ini berupa perangkingan sesuai dengan bobot yang telah ditentukan (Widaningrum, 2013).
Dalam penelitian ini yang berjudul “Penentuan Mahasiswa Terbaik Menggunakan Fuzzy MADM dan SAW”, terdapat 3 kriteria yang digunakan sebagai acuan. Penilaian dilakukan dengan mencari nilai bobot untuk setiap atribut. Hasil dari penelitian ini berupa perangkingan sesuai dengan bobot yang telah ditentukan.
2.2 Landasan Teori
2.2.1 Pengertian Mahasiswa
Mahasiswa adalah setiap orang yang secara resmi terdaftar untuk mengikuti pelajaran di perguruan tinggi dengan batas usia sekitar 18-30 tahun. Mahasiswa merupakan suatu kelompok dalam masyarakat yang memperoleh statusnya karena ikatan dengan perguruan tinggi. Mahasiswa juga merupakan calon intelektual atau cendekiawan muda dalam suatu lapisan masyarakat yang sering kali syarat dengan berbagai predikat (Sarwono, 1978).
2.2.2 Sistem Pendukung Keputusan
Sistem pendukung keputusan adalah sistem informasi interaktif yang menyediakan informasi, permodelan dan manipulasi data yang digunakan membantu mengambil keputusan pada situasi semi terstruktur dan tak seorangpun tau secara pasti bagaimana keputusan seharusnya dibuat (Kadir, 2003).
5
yang berorientasi, terpadu, waktu varian, non-normalisasi, koleksi non-volatile
data yang memungkinan menganalisis sejumlah besar data dari berbagai sumber dengan hasil yang cepat (Turban, 2005).
2.2.3 Logika Fuzzy
Logika fuzzy merupakan salah satu komponen pembentuk Soft Computing.
Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy,
peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau
membership function menjadi ciri utama dari penalaran dengan logika fuzzy
tersebut (Kusumadewi & Purnomo, 2010).
Logika fuzzy adalah metodologi sistem kontrol pemecah masalah yang cocok untuk diimplementasikan pada sistem (Mulyanto, 2011)
Fuzzyfikasi adalah proses untuk mengubah input sistem yang mempunyai nilai tegas menjadi variabel tertentu menggunakan fungsi keanggotakan yang disimpan dalam basis pengetahuan fuzzy (Sutojo, 2011).
Beberapa alasan mengapa orang menggunakan Logika fuzzy (Kusumadewi & Purnomo, 2010) yaitu :
a) Konsep logika fuzzy mudah dimengerti, karena logika fuzzy menggunakan dasar teori himpunan, maka konsep matematis yang mendasar penalaran
fuzzy tersebut cukup mudah dimengerti.
b) Logika fuzzy sangat fleksibel, artinya mampu beradaptasi dengan perubahan-perubahan dan ketidakpaksaan yang menyertai permasalahan. c) Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. Jika
diberikan sekelompok data yang cukup homogeny dan ada beberapa data yang “eksklusif”, maka logika fuzzy memiliki kemampuan untuk menangani data eksklusif tersebut.
e) Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
f) Fuzzy logic dapat bekerjasama dengan teknik-teknik kendali secara kovensional.
g) Fuzzy logic didasarkan pada bahasa alami atau menggunakan bahasa sehari-hari sehingga mudah dimengerti.
Himpunan tegas (crisp) A didefinisikan oleh item-item yang ada pada himpunan itu. Jika a.A, maka nilai yang berhubungan dengan a adalah 1. Namun jika a.A, maka nilai yang berhubungan dengan a adalah 0. Notasi A = {x|P(x)} menunjukan bahwa A berisi item x dengan P(x) benar. Jika XA merupakan fungsi karakteristik A dan propertiP, maka dapat dikatakan bahwa P(x) benar, jika dan hanya jika XA(x)=1(Kusumadewi, 2003).
Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakterisktik sedemikian hingga fungsi tersebut akan mencakup bilangan
real pada interval [0,1]. Nilai keanggotaannya menunjukan bahwa suatu item dalam semesta pembicaraan tidak hanya pada 0 dan 1, namun juga nilai yang terletak diantaranya. Dengan kata lain, nilai kebenaran suatu item tidak hanya benar atau salah. Nilai 0 menunjukan salah, nilai 1 menunjukan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah (Kusumadewi, 2003)
2.2.4 Fuzzy Multiple Attribute Decision Making
beberapa faktor dalam proses perangkingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematissehingga mengabaikan subyektifitas dari pengambil keputusan (Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006).
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM antara lain (Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006):
a. Simple Additive Weighting (SAW) b. Weighted Product (WP)
c. ELECTRE
d. Tecniques for Order Preference by Similary to Ideal Solution (TOPSIS) e. Analitic Hierarchy Process (AHP)
2.2.5 Metode Simple Additive Weighting
Metode SAW sering juga dikenal isitilah 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 rating alternatif yang ada (Fishburn, 1967).
Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi Multiple Attribute Decision Making
(Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006).
Proses normalisasi dapat dilihat pada Persamaan 2.2.
𝑅𝑖𝑗
=
Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj ; i
= 1,2,…….,m dan j = 1,2,……,n. Nilai preferensi untuk setiap alternatif (Vi)
diberikan sebagai Persamaan 2.3.
Keterangan :
Vi = ranking untuk setiap alternatif Wj = nilai bobot dari setiap kriteria Rij = nilai rating kinerja terormalisasi
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif A1 lebih terpilih.
2.2.6 Proses Pengambilan Keputusan
Proses pengambilan keputusan di penelitian ini menggunakan model Simon yang mempunyai 4 tahap antara lain : (1) tahap intelegensi, (2) tahap desain, (3) tahap pemilihan dan (4) tahap implementasi seperti Gambar 2.1 (Turban, 2005).
Gambar 2. 1 Proses Pengambilan Keputusan (Turban, 2005)
1. Tahap Intelegensi
apa saja yang akan dihadapi sistem. Beberapa hal tersebut akan dijadikan landasan untuk membuat rancangan sistem baru.
2. Tahap Desain
Tahap desain meliputi penemuan atau mengembangkan dan menganalisis tindakan yang mungkin akan dilakukan. Hal ini meliputi pemahaman terhadap masalah dan menguji solusi yang layak. Sebuah model masalah pengambil keputusan dikontruksi, dites, dan divalidasi.
3. Tahap pemilihan
Pilihan merupakan tindakan pengambil keputusan yang kritis. Tahap pilihan adalah tahap dimana dibuat suatu keputusan yang nyata dan diambil suatu komitmen untuk mengikuti suatu tindakan tertentu.
4. Tahap Implementasi
