3
Sebagai tinjauan pustaka berikut beberapa contoh penelitian yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai acuan dan pengetahuan.
Penelitian dengan judul “Sistem Penunjang Keputusan Prioritas Perbaikan Jalan Menggunakan Metode Analytical Hierarchy Process”. Penelitian ditunjukan untuk menentukan prioritas perbaikan jalan menggunakan metode Analitycal Hierachy Process. Penelitian ini memfokuskan pada pembuatan sistem decision maker dalam mengidentifikasi kerusakan jalan yang ada dan menentukan prioritas penanganan perbaikan jalan agar tepat sasaran sesuai dengan kebutuhannya.Penelitian ini memiliki kriteria yang ditentukan yaitu fungsi jalan, kerusakan jalan, jalur angkutan umum, volume kendaraan, kegiatan perekonomian, pelayanan pemerintah, pelayanan SDM, pelayanan wisata budaya, dan akses terbuka (Mubarok & Rosmiati, 2016).
Penelitian dengan judul “Perancangan Sistem Pendukung Keputusan Kelompok Metode TOPSIS dan BORDA Untuk Evaluasi Kegiatan Penanganan Infrastruktur Jalan”. Penelitian ini ditunjukan untuk evaluasi kegiatan penangan infrastruktur jalan dengan metode TOPSIS dan BORDA. Penelitian ini memfokuskan pada bagaimana membantu para pengambil keputusan dalam mengevaluasi jalan yang ada di kota Pontianak dan memutuskan alternatif solusi yang dapat diambil dalam menetukan kegiatan penanganan yang berkaitan dengan kegiatan infrastruktur jalan dengan menggabungkan metode TOPSIS dan BORDA. Penelitian ini memiliki kriteria yaitu Biaya Pelaksanaan, Kondisi Jalan, IRI/Kerataan Jalan, Volume Lalu Lintas Harian dan Tingkat Penanganan Kegiatan (Sari & dkk, 2014).
jalan di dinas bina marga Kabupaten Cirebon dengan metode TOPSIS. Penelitian ini memfokuskan pada bagaimana cara mengembangkan suatu system pendukung keputusan yang dapat memberikan alternative pilihan untuk Dinas Bina Marga dalam pengambilan keputusan pemilihan prioritas perbaikan jalan, sehingga perbaikan jalan menjadi lebih optimal. Penelitian ini memiliki kriteria yaitu lalulintas harian (LHR), klasifikasi jalan, kondisi jalan sedang, kondisi jalan rusak, kondisi jalan keadaan rusak berat, dan prosentase kerusakan (Ferdiansyah & dkk, 2015).
Penelitian dengan judul “Sistem Pendukung Keputusan Untuk Menentukan Prioritas Penanganan Perbaikan Jalan Menggunakan Metode
Saw Berbasis Mobile Web”. Penelitian ini ditunjukan untuk menentukan
penangan perbaikan jalan menggunakan metode SAW berbasis mobile web. Penelitian ini memfokuskan pada suatu sistem aplikasi yang mampu membantu mengefektifkan proses rekapitulasi data survei dan proses analisa penentuan prioritas perbaikan jalan yang dilakukan oleh Bidang Perencanaan di Dinas PU Bina Marga dan PSDA Kota Palembang (Utama, 2013).
Penelitian dengan judul “Penentuan Prioritas Perbaikan Jalan Menggunakan Fuzzy C-Means : Studi Kasus Perbaikan Jalan Di Kota
Samarinda”. Penelitian ini ditunjukan untuk menentukan prioritas perbaikan jalan menggunakan Fuzzy C-Means. Penelitian ini memfokuskan bagaimana cara untuk memberikan rekomendasi keputusan yang lebih baik dalam proses penentuan prioritas perbaikan jalan di kota Samarinda dengan menggunakan metode Fuzzy C-Means sehingga keputusan yang diperoleh lebih tepat, terkomputerisasi dan mencegah pengambilan keputusan yang bersifat subjektif. Kriteria yang digunakan yaitu Pagu Dana/ Biaya (Rp), Kecepatan Kendaraan (m/s), Kepadatan Lalu Lintas (Puspitasari & dkk, 2017).
Penelitian dengan judul “Sistem Pendukung Keputusan Penentuan Prioritas Perbaikan Jalan Menggunakan Metode AHP-TOPSIS (Studi Kasus:
bagaimana cara untuk menentukan prioritas perbaikan jalan karena infrastruktur jalan memiliki peranan penting terutama dalam mendukung bidang ekonomi, sosial dan budaya. Sekitar 49,12 % dari total panjang jalan kabupaten pada tahun 2013 adalah termasuk dalam kategori baik, 24,16 % termasuk dalam kategori sedang, rusak ringan 16,64 % dan rusak berat 10,08 %. Hasil yang diperoleh nilai akurasi tertinggi sebesar 49,31% dan nilai akurasi terendah sebesar 32,87%. Rendahnya tingkat akurasi sistem disebabkan dalam perbaikan jalan secara di lapangan masih terdapat beberapa kepentingan-kepentingan individu sehingga masih ada ketidak tepat sasarannya dalam penanganan jalan yang ada. Kriteria yang digunakan kondisi jalan baik, kondisi jalan sedang, kondisi jalan rusak, kondisi jalan rusak berat, lalu lintas harian, akses, klasifikasi ruas dan kebijakan bupati (Rahman & dkk, 2018).
Penelitian yang diajukan penulis ini fokus kepada penentuan prioritas perbaikan jalannya dengan kriteria yang menjadi acuan yaitu kondisi jalan, anggaran, lebar ruas jalan. Proses pencarian solusi untuk menentukan prioritas perbaikan jalan dalam penelitian ini memanfaatkan metode Simple Additive Weighting (SAW).
2.2 Landasan Teori
2.2.1 Infrastruktur Jalan
Jalan sebagai prasarana distribusi barang dan jasa merupakan urat nadi kehidupan masyarakat, bangsa dan negara sehingga akan mendorong perkembangann antar daerah yang semakin merata. Artinya infrastruktur jalan merupakan urat nadi perekonomian suatu wilayah hal ini disebabkan perannya dalam menghubungkan serta meningkatkan pergerakan manusia dan barang (Sari & dkk, 2014).
2.2.2 Sistem Pendukung Keputusan
terstruktur, dimana tak seorang pun tau secara pasti bagaiman keputusan seharusnya dibuat (Utama, 2013).
Sistem pendukung keputusan merupakan bagian tak terpisahkan dari totalitas sistem organisasi keseluruhan. Suatu organisasi mencakup sistem fisik, sistem keputusan dan sistem informasi (Suyadi, 2002).
Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Turban & Liang, 2005).
2.2.3 Logika Fuzzy
Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keangotaan atau derajat keanggotaan atau membership function menjadi ciri utama dari penalaran dengan logika fuzzy tersebut (Kusumadewi & Purnomo, 2016).
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 mendasari penalaran fuzzy tersebut cukup mudah dimengerti.
b. Logika Fuzzy sangat fleksibel, artinya mampu beradaptasi dengan perubahan-perubahan dan ketidakpastian yang menyertai permasalahan. c. Logika Fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
d. Logika Fuzzy mampu memodelkan fungsi-fungsi non-linier yang sangat kompleks.
e. Logika Fuzzy dapat membangun dan mengaplikasikan pengalaman pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
f. Logika Fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
g. Logika Fuzzy 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 = {xll'(xj}
menunjukkan bahwa A berisi item x dengan p(x) benar. Jika XA merupakan fungsi karakteristik A dan property P, maka dapat dikatakan bahwa P(x) benar, jika dan hanyajika XA(x)=l (Kusumadewi, 2003).
2.2.4 Simple Additive Weighting
Salah satu metode penyelesaian masalah MADM (Multiple Attribute
Decision Making) adalah dengan menggunakan metode Simple Additive Weighting
normalisasi matriks sebelumnya. (Adianto & dkk, 2017)
Langkah-langkah metode SAW yaitu sebagai berikut (Harjayanti & Rozi,
2016).
1. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 2. Matrik keputusan X yang telah dikonversikan dengan bilangan fuzzy. 3. Pengambil keputusan memberikan bobot, berdasarkan tingkat kepentingan
masing-masing kriteria yang dibutuhkan.
4. Membuat matriks keputusan X, dibuat dari tabel kecocokan.
5. Melakukan normalisasi matriks R berdasarkan matriks X untuk menghitung nilai masing-masing kriteria menggunakan persamaan berikut.
{
(2.1)
6. Proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vector bobot (W*R).
∑( )
(2.2)
2.2.5 Proses Pengambilan Keputusan
Proses pengambilan keputusan dipenelitian ini menggunakan model simon yang mempunyai 4 tahap antara lain : (1) tahap intelegensi, (2) tahap desain, (3) tahap pemilihan dan (4) tahap implementasi
Gambar 2. 1 Alur Pengambilan Keputusan (Kusrini,2008)
2.2.5.1 Intelegensi
Pada tahap ini masalah yang ada diidentifikasi. Intelegensi mencakup berbagai identifikasi situasi atau peluang-peluang masalah. Dalam pengambilan
keputusan yang termaksud dalam tahap intelegensi adalah bagaimana proses pengambilan keputusan yang digunakan, data apa saja yang dibutuhkan, analisis sistem. Beberapa hal tersebut akan dijadikan landasan untuk membuat rancangan sistem baru.
2.2.5.2 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.
2.2.5.3 Tahap pemilihan
Pada tahap ini dilakukan proses pemilihan diantara berbagai alternatif tindakan yang mungkin dijalankan. Hasil pemilihan tersebut kemudian diimplementasikan dalam proses pengambilan keputusan.
2.2.5.4 Tahap implementasi
