LAPORAN TUGAS AKHIR
Sistem Pendukung Keputusan Penentuan Kualitas Beras Menggunakan Metode Weighted Product
Disusun untuk memenuhi tugas akhir matakuliah Sistem Pendukung Keputusan Tahun Ajaran Ganjil 2014/2015
Disusun Oleh : Kelas F Kelompok 4
Abu Bakar 115090601111016
Latifah Maulida Rahma 115090601111004 Gusnia Syukriyawati 115090607111036 M. Choirul Rahmadan 115090600111026 Stevanie A. S. P. 115090607111034
Dosen Pengampu:
Arief Andy Subroto, ST., M.Kom
PROGRAM STUDI INFORMATIKA/ILMU KOMPUTER
PROGRAM TEKNOLOGI INFORMASI DAN ILMU KOMPUTER
2
2014
KATA PENGANTAR
Puji syukur kehadirat Allah SWT yang selalu memberikan rahmat, hidayah dan cahaya-Nya sehingga penulis dapat menyelesaikan laporan tugas akhir matakuliah Sistem Pendukung Keputusan (SPK) dengan judul Sistem Pendukung Keputusan Penentuan Kualitas Beras Menggunakan Metode Weighted Product (WP). Laporan ini diajukan memenuhi tugas akhir matakuliah Sistem Pendukung Keputusan Tahun Ajaran Ganjil 2014/2015 di Program Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya.
Keberadaan laporan ini tidak terlepas dari bimbingan dan bantuan dari berbagai pihak, untuk itu pada kesempatan ini penulis menyampaikan rasa terima kasih dan perhargaan sebesar- besarnya kepada:
1. Arief Andy Subroto, ST., M.Kom, sebagai dosen pembimbing mata kuliah Sistem Pendukung Keputusan;
2. Teman-teman dari Program Teknologi Informasi dan Ilmu Komputer khususnya jurusan Informatika angkatan 2011 untuk bantuan, saran, dan semangat yang sudah diberikan;
3. Semua pihak yang ikut terlibat dan tidak dapat disebutkan satu – persatu.
Malang, Oktober 2014
DAFTAR IS
KATA PENGANTAR i DAFTAR ISI ii DAFTAR GAMBAR iv DAFTAR TABEL v DAFTAR PERSAMAAN vi BAB I PENDAHULUAN 1 1.1 Latar Belakang 1 1.2 Rumusan Masalah 2 1.3 Tujuan 2 1.4 Batasan Masalah 2 1.5 Manfaat 3 1.5.1 Bagi Penulis...3 1.5.2 Bagi Pengguna...3 1.6 Sistematika Penelitian 3BAB II TINJAUAN PUSTAKA 5
2.1 Rekayasa Perangkat Lunak 9
2.2 Unified Model Language 10
2.3 Basis Data 11
2.4 Sistem 12
2.5 Decision Support System (DSS) 14
2.6 Weighted Product (WP) 18
2.7 Pengujian Black Box 19
3
3.1 Studi Literatur...22
3.2 Pengumpulan Data...22
3.3 Analisis Kebutuhan...22
3.4. Perancangan Sistem 23 3.4.1. Diagram Blok Sistem Pendukung Keputusan...24
3.4.2. Perancangan Arsitektur Sistem Pendukung Keputusan...25
3.5. Implementasi 27 3.5.1. Perancangan Penyelesaian Kasus...29
3.6. Pengujian 30 3.7. Pengambilan Keputusan 30 BAB IV PERANCANGAN 31 4.1 Analisa Kebutuhan Perangkat Lunak 32 4.1.1 Identifikasi Aktor...32
4.1.2 Daftar Kebutuhan Sistem...32
4.1.3 Use Case Diagram...33
4.1.4 Skenario Use Case...35
4.2 Perancangan Sistem Pendukung Keputusan 37 4.2.1 Manajemen Data...38 4.2.2 Basis Pengetahuan...38 4.2.3 Manajemen Model...39 4.2.4 Perancangan Antarmuka...44 DAFTAR PUSTAKA 48
DAFTAR GAMBAR
Gambar 2.1 Sitem kerja dari Teknik Pengujian Black Box...20
Gambar 3.1 Metodologi Penelitian SPK penentuan kualitas beras...21
Gambar 3.2 Diagram Blok Sistem Pendukung Keputusan...24
Gambar 3.3 Arsitektur SPK Pemilihan kualitas beras...26
Gambar 3.4 Gambaran Umum Penyelesaian Kasus Penentuan Kualitas Beras....28
Gambar 4.1 Pohon Perancangan...31
Gambar 4.2 Use Case Diagram SPK Penentuan Kualitas Beras...34
Gambar 4.3 Peracangang SPK Penentuan Kualitas Beras...37
Gambar 4.4 Alur Kerja WP...39
Gambar 4.5 Desain Halaman Tabel Penentuan Nilai Bobot...45
Gambar 4.6 Desain Halaman Input Data Beras...46
5
DAFTAR TABEL
Tabel 2.1 Kajian PustakaTabel 2.2 Kerangka Kerja Decision Support (DS) Tabel 4.1 Identifikasi Aktor
Tabel 4.2 Daftar Kebutuhan Sistem
Tabel 4.3 Skenario Use Case Penentuan Nilai Bobot Tabel 4.4 Skenario Use Case Input Data Beras
Tabel 4.5 Skenario Use Case Lihat Tabel Data Kualitas Beras Tabel 4.6 Penentuan Nilai Bobot
Tabel 4.7 Hasil Perhitungan Nilai Wj Tabel 4.8 Data Beras
Tabel 4.9 Bobot Kriteria Beras Tabel 4.10 Hasil Nilai Vektor Si Tabel 4.11 Hasil Nilai Vektor Vi Tabel 4.12 Hasil Akhir
DAFTAR PERSAMAAN
Persamaan (2-1) - Penentuan Nilai Bobot Wj...19 Persamaan (2-2) - Penentuan Nilai Vektor S...19
Persamaan (2-3) - Penentuan Nilai Vektor Vi 1
BAB I
7
1.1 Latar Belakang
Indonesia merupakan negara agraris yang kaya akan hasil pertanian. Sebagian besar petani Indonesia bertani padi, karena makanan pokok orang Indonesia adalah nasi. Kondisi alam tersebut memberikan peluang bagi sebagian besar masyarakat Indonesia untuk melakukan kegiatan usaha di bidang pertanian maupun yang berkaitan dengan pertanian. Usaha-usaha tersebut salah satunya adalah berjualan beras. Beras merupakan hasil padi setelah dipanen. Hasil olahan beras salah satunya adalah nasi yang menjadi makanan pokok orang Indonesia. Dari aspek itu lah yang menjadi peluang bisnis berjualan beras. Namun dalam bisnis penjualan beras, pemilik usaha kadang sulit menentukan harga jual beras.
Sulitnya menentukan harga jual beras dikarenakan kualitas hasil panen padi yang tidak menentu. Kuliatas hasil panen padi tergantung pada banyak kriteria salah satunya musim yang tidak menentu dan menyerangnya hama padi. Sehingga menjadikan kuliatas hasil panen terpengaruh. Maka dari itu dibuatlah sebuah sistem pendukung keputusan untuk penentuan kuliatas beras, yang nantinya dapat menjadi tolak ukur untuk menentukan harga jual beras. Sistem tersebut dapat membantu dalam hal pengambilan keputusan berdasarkan kriteria-kriteria yang ada dalam penentuan kualitas beras dan dengan menggunakan metode yang menghasilkan keputusan terbaik sebagai suatu sistem pendukung keputusan berbasis komputerisasi.
Sistem pendukung keputusan adalah sistem berbasis model yang terdiri dari prosedur-prosedur dalam pemrosesan data dan pertimbangan untuk membantu dalam pengambilan keputusan [10]. Sistem pendukung keputusan untuk penentuan kuliatas beras diselesaikan dengan mengunakan metode Weighted Product (WP). WP merupakan salah satu metode Multiple criteria decision making (MCDM). MCDM adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria. MCDM terdiri dari Multi Attribute Decision Making (MADM) dan Multiple Objective Decision Making (MODM). MADM menyeleksi alternatif terbaik dari sejumlah alternatif merupakan salah satu cabang dari MCDM [7].
Melalui metode WP pemilik usaha dapat menentukan sendiri bobot kepentingan dari masing-masing kriteria.
1.2 Rumusan Masalah
Berdasarkan uraian latar belakang, maka dapat dirumuskan permasalahan yaitu sebagi berikut:
1. Kriteria-kriteria apa saja yang menjadi pertimbangan dalam penentuan kuliatas beras?
2. Bagaimana rancangan dari Sitem Pendukung Keputusan Untuk Penentuan Kualitas Beras dengan Metode WP?
3. Bagaimana menerapkan metode WP untuk penentuan kuliatas beras terbaik?
4. Bagaimana implementasi dari Sistem Pendukung Keputusan Untuk penentuan Kualitas Beras dengan Metode WP?
5. Bagaimana metode pengujian yang digunakan untuk Sistem Pendukung Keputusan Penentuan Kualitas Beras dengan Metode WP? 1.3 Tujuan
Tujuan dari pembuatan laporan tugas akhir ini adalah untuk menyelesaikan masalah dan dalam penenentua kuliatas beras dengan menggunakan metode WP.
1.4 Batasan Masalah
Agar permasalahan yang dirumuskan dapat lebih terfokus, maka penyelesaian masalah tersebut dibatasi dalam hal:
1. Metode yang digunakan adalah metode WP untuk penerapan perhitungan.
2. Penyelesaian hanya membahas mengenai penelitian penentuan kuliatas beras.
3. Data yang digunakan berasal dari [6].
4. Bahasa pemrograman yang digunakan adalah Java dengan database MySQL
9
1.5 Manfaat
Manfaat penelitian ini adalah: 1.5.1 Bagi Penulis
a Dapat lebih memahami tentang Sistem Pendukung Keputusan.
b Dapat lebih memahami metode WP. 1.5.2 Bagi Pengguna
a Memudahkan pengguna dalam penentuan kuliatas beras. b Memudahkan pengguna dalam menentukan harga jual beras. c Meminimalisir kesalahan dalam penentuan harga jual beras. 1.6 Sistematika Penelitian
Untuk mencapai tujuan yang diharapkan, maka sistematika penulisan yang disusun dalam laporan tugas akhir ini adalah sebagai berikut:
BAB I Pendahuluan
Bab ini berisi tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, sistematika penulisan tentang sistem pendukung keputusan penentuan kualitas beras dengan menggunakan metode WP.
BAB II Tinjauan Pustaka
Membahas tentang kajian pustaka terkait dengan penelitian yang telah ada yaitu dari penelitian yang dilakukan oleh Yosef Krisbela menganai Sistem Pendukung Keputusan Penentuan Kualitas Beras Berbasis Web Dengan PHP dan MySQL [6]. Menjelaskan tentang teori-teori sistem pendukung keputusan, metode WP dan teori lain yang merupakan konsep dasar penelitian.
BAB III Metodologi Penelitian
Membahas tentang metode yang digunakan dalam studi literatur, pengumpulan data, analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pengambilan data untuk sistem pendukung keputusan penentuan kualitas beras dengan menggunakan metode WP.
BAB IV Analisa dan Perancangan Sistem
Membahas tentang anaisa kebutuhan perangkat lunak dan perancangan sistem pendukung keputusan untuk penentuan kualitas beras dengan metode WP. BAB V Penutup
Memuat kesimpulan dari hasil penelitian yaitu sistem pendukung keputusan penentuan kualitas beras dengan menggunakan metode WP.
11
BAB II
TINJAUAN PUSTAKA
Pada bab dua, terdiri dari kajian pustaka dan dasar teori. Kajian pustaka adalah membahas penelitian yang telah ada dan yang diusulkan. Dasar teori membahas teori yang diperlukan untuk menyusun penelitian yang di usulkan. Kajian pustaka pada penelitian ini adalah mencari dukungan pustaka dengan penelitian sebelumnya yang berjudul ”Sistem Pendukung Keputusan Analisis Harga Jual Beras Berbasis Web Dengan PHP dan MySQL”, “Sistem Pendukung Keputusan Penentuan Bonus Karyawan Menggunakan Metode Weighted Product(WP)” dan ” Sistem Pendukung Keputusan Pemilihan Sepeda Motor Berbasis Web Dengan Metode Weighted Product”. Dasar teori yang diperlukan berdasarkan latar belakang dan rumusan masalah adalah: rekayasa perangkat lunak, pemrograman java, basis data, sistem pendukung keputusan, dan metode WP.
Tabel 2.1 Kajian Pustaka
No Judul Metode Parameter Proses Hasil
1 Sistem Pendukung Keputusan Analisis Harga Jual Beras Berbasis Web dengan PHP dan MySQL [6]
1. Hama dan penyakit hidup. 2. Bau busuk, asam, atau bau
lainnya. 3. Derajat sosoh. 4. Kadar air. 5. Butir utuh. 6. Butir patah. 7. Butir menir. 8. Butir hijau/mengapur. 9. Butir kuning/rusak 10. Butir gabah
1. kalkulasi semua nilai kriteria.
2. Menentukan kategori bagus atau tidak, disesuaikan dengan nilai.
3. Mengularkan nilai dari ketegori beras.
Menghasilkan nilai, fakta, bobot, poin dari setiap kriteria lalu dijumlah dan menghasilkan total poin.
2 Sistem Pendukung Keputusan Penentuan Bonus Karyawan [5] Weighted Product 1. Absen 2. Prestasi 3. Prilaku 4. Pengalaman 5. Displin 6. Wawasan
7. Kerjasama dalam tim
1. Memberikan nilai pada setiap kriteria.
2. Menentukan masing-masing bobot kriteria.
3. Menghitung vector S. 4. Menghitung vektor V. 5. Mendapatkan nilai dari
setiap alternatif.
Menghasilkan nilai dari setiap alternatif dalam bentuk tabel yang di ururtkan dari nilai besar ke kecil.
3 Sistem Pendukung Keputusan Pemilihan Sepeda Motor Berbasis Web [9] Weighted Product 1. Berdasarkan Harga
2. Berdasarkan Kapasitas Mesin 3. Berdasarkan Pemakaian Bahan
Bakar
4. Berdasarkan Pilihan Warna 5. Berdasarkan Model
1. Pilihan motor matik dimana memiliki nilai prioritas pilihan Harga Sedang, Kapasitas Mesin di bawah 125 cc, Pemakaian Bahan Bakar Irit, Warna Sedang dan Model Sporty.
2. Dibuat tabel nilai kecocokan dari setiap alternatif pada setiap kriteria.
3. Menentukan bobot preferensi.
4. Memasukkan pada metode WP
5. Mengeluarkan list daftar sepeda motor
Menghasilkan list sepeda motor terbaik. 4 Sistem Pendukung Keputusan Penentuan Kualitas Beras Weighted Product
1. Hama dan penyakit hidup. 2. Bau busuk, asam, atau bau
lainnya. 3. Derajat sosoh. 4. Kadar air.
1. kalkulasi semua nilai kriteria.
2. Menentukan kategori bagus atau tidak, disesuaikan dengan nilai.
Menghasilkan poin dari setiap kriteria lalu dijumlah dan menghasilkan total poin. Sehingga
5. Butir utuh. 6. Butir patah. 7. Butir menir.
8. Butir hijau / mengapur. 9. Butir kuning / rusak 10. Butir gabah
3. Mengularkan nilai dari ketegori beras.
terbaik.
2.1 Rekayasa Perangkat Lunak
Rekayasa Perangkat Lunak adalah suatu disiplin ilmu yang membahas semua aspek produksi perangkat lunak. Mulai dari tahap awal yaitu analisa kebutuhan pengguna, menentukan spesifikasi dari kebutuhan pengguna, disain, pengkodean, pengujian sampai pemeliharaan sistem setelah digunakan [7]. Rekayasa perangkat lunak mempunyai tujuan sebagai berikut [7]:
1. Memperoleh biaya produksi perangkat lunak yang rendah.
2. Menghasilkan perangkat lunak yang kinerjanya tinggi, andal dan tepat waktu.
3. Menghasilkan perangkat lunak yang dapat bekerja pada berbagai jenis platform.
4. Menghasilkan perangkat lunak yangbiaya perawatannya rendah. Sesuai definisi yang telah disampaikan sebelumnya, maka ruang lingkup rekayasa perangkat lunak dapat dijelaskan sebagai berikut [7]:
1. Software requirements
Berhubungan dengan spesifikasi kebutuhan dan persyaratan perangkat lunak.
2. Software design
Mencakup proses penentuan arsitektur, komponen, antarmuka, dan karakteristik lain dari perangkat lunak.
3. Software construction
Berhubungan dengan detil pengembangan perangkat lunak, termasuk algoritma, pengkodean, pengujian, dan pencarian kesalahan.
4. Software testing
Meliputi pengujian pada keseluruhan perilaku perangkat lunak. 5. Software maintenance
Mencakup upaya-upaya perawatan ketika perangkat lunak telah dioperasikan.
6. Software configuration management
Berhubungan dengan usaha perubahan konfigurasi perangkat lunak untuk memenuhi kebutuhan tertentu.
7. Software engineering management
Berkaitan dengan pengelolaan dan pengukuran RPL, termasuk perencanaan proyek perangkat lunak.
8. Software engineering tools and methods
Mencakup kajian teoritis tentang alat bantu dan metode RPL. 9. Software engineering process
Berhubungan dengan definisi, implementasi, pengukuran, pengelolaan, perubahan dan perbaikan proses RPL.
10. Software quality
Menitik beratkan pada kualitas dan daur hidup perangkat lunak. 2.2 Unified Model Language
The Unified Modeling Language (UML) adalah pemodelan visual yang digunakan untuk menentukan, memvisualisasikan, membangun, dan mendokumentasikan artifak dari sistem perangkat lunak. Ini menangkap keputusan dan pemahaman tentang sistem yang harus dibangun. UML digunakan untuk memahami, desain, browsing, mengkonfigurasi, memelihara, dan mengontrol informasi tentang sistem tersebut. UML dimaksudkan untuk digunakan dengan semua metode pengembangan, tahap siklus hidup, domain aplikasi, dan media [8].
UML menangkap informasi tentang struktur statis dan perilaku dinamis dari sistem. Sebuah sistem dimodelkan sebagai koleksi benda-benda diskrit yang berinteraksi untuk melakukan pekerjaan yang pada akhirnya keuntungan pengguna luar. Struktur statis mendefinisikan jenis objek penting untuk sistem dan pelaksanaannya, serta hubungan antara objek-objek. Perilaku dinamis mendefinisikan sejarah benda-benda dari waktu ke waktu dan komunikasi antara objek-objek untuk mencapai tujuan. Pemodelan sistem dari beberapa sudut pandang yang terpisah namun berhubungan memungkinkan untuk dipahami untuk tujuan yang berbeda [8].
Use case adalah unit yang koheren, melakukan pertukaran oleh satu unit sistem atau lebih. Tujuan dari Use Case adalah untuk mendefinisikan tiap perilaku koheren tanpa mengungkapkan struktur internal dari sistem. Use Case mencakup semua perilaku yang memerlukan urutan utama, variasi yang berbeda, dan semua kondisi yang dapat terjadi, bersama-sama dengan respon yang diinginkan [8].
2.3.2 Class Diagram
Tujuan dari diagram kelas adalah untuk menunjukkan struktur statis dari sistem yang dimodelkan. Diagram kelas sangat berguna untuk pemodelan bisnis. Analis bisnis dapat menggunakan diagram kelas untuk model aktiva lancar bisnis dan sumber daya, seperti buku besar rekening, produk, atau hirarki geografis [1].
2.3.3 Sequence Diagram
Sebuah Sequence Diagram menampilkan interaksi sebagai grafik dua dimensi. Dimensi vertikal adalah sumbu waktu, waktu hasil bawah halaman. Dimensi horizontal menunjukkan peran classifier yang mewakili objek individu dalam. Setiap peran classifier diwakili oleh vertikal kolom jalur kehidupan. Selama obyek ada, peran ditunjukkan oleh garis putus-putus. Selama waktu aktifasi prosedur pada objek aktif, garis hidup digambar sebagai garis ganda [8].
2.3 Basis Data
Data merupakan fakta mengenai suatu objek seperti manusia, benda, peristiwa, konsep, keadaan. Data dapat dicatat dan data juga mempunyai arti secara implisit. Data dapat dinyatakan dalam bentuk angka, karakter atau simbol, sehingga bila data dikumpulkan dan saling berhubungan maka dikenal dengan istilah basis data (database) [2].
implisit yang khusus, yaitu [2]:
1 Basis data merupakan penyajian suatu aspek dari dunia nyata (real world).
2 Basis data merupakan kumpulan data dari berbagaisumber yang secara logika mempunyai arti implisit. Sehingga data yang terkumpul secara acak dan tanpa mempunyai arti, tidak dapat disebut basis data.
3 Basis data perlu dirancang, dibangun dan data dikumpulkan untuk suatu tujuan. Basis data dapat digunakan oleh beberapa userdan beberapa aplikasi yang sesuai dengan kepentingan user.
2.4 Sistem
Terdapat dua kelompok pendekatan dalam mendefinisikan sistem, yaitu yang menekankan pada prosedurnya dan yang menekankan pada komponen atau elemennya. Sistem yang lebih menekankan pada prosedur adalah suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan atau untuk menyelesaikan suatu sasaran yang tertentu. Sistem yang lebih menekankan pada elemen atau komponennya adalah kumpulan dari elemen-elemen yang berinteraksi untuk mencapai suatu tujuan tertentu [3].
Sebuah system harus mempunyai karakteristik. Beberapa contoh karakteristik system yaitu[3]:
1. Komponen (Component)
Suatu sistem terdiri dari sejumlah komponen yang saling berinteraksi, bekerja sama membentuk satu kesatuan. Komponen - komponen sistem dapat berupa suatu subsistem atau bagian - bagian dari sistem. 2. Batas Sistem (Boundary)
Batas sistem merupakan daerah yang membatasi antara suatu sistem dengan sistem yang lainnya atau dengan lingkungan luarnya. Batas sistem ini memungkinkan suatu sistem dipandang sebagai suatu kesatuan , karena dengan batas sistem ini fungsi dan tugas dari
subsistem yang satu dengan lainnya berbeda tetapi tetap saling berinte raksi .
3. Lingkungan Luar Sistem (Environment)
Segala sesuatu diluar dari batas sistem yang mempengaru hi operasi dari suatu sistem. Lingkungan luar sistem ini dapat bersifat menguntungkan atau merugikan. Lingkungan luar yang menguntungkan harus dipelihara dan dijaga agar tidak hilang pengaruhnya, sedangkan lingkungan luar yang merugikan harus dimusnahkan dikendalikan agar tidak mengganggu operasi sistem. 4. Penghubung Sistem (Interface)
Merupakan media penghubung antara satu subsistem dengan subsistem yang lainnya. Untuk membentuk satu kesatuan, sehingga sumber- sumber daya mengalir dari subsistem yang satu ke subsistem yang lainnya. Dengan kata lain output dari suatu subsistem akan menjadi input dari subsistem yang lainnya.
5. Masukan sistem (Input)
Merupakan energi yang dimasukkan ke dala m sistem. Masukan dapat berupa
Masukan Perawatan (Maintenance Input) adalah energi yang dimasukkan supaya sistem tersebut dapat beroperasi. Masukan Sinyal (Signal Input) adalah energi yang diproses untuk didapatkan keluaran.
6. Keluaran Sistem (Output)
Merupakan hasil dari energi yang diolah oleh sistem. Meliputi keluaran yang berguna, contohnya Informasi yang dikeluarkan oleh komputer. Dan Keluaran yang tidak berguna yang dikenal sebagai sisa pembuangan, contohnya panas yang dikeluarkan oleh komputer. 7. Pengolah Sistem (Process)
Merupakan bagian yang memproses masukan untuk menjadi keluaran yang diinginkan. Seperti CPU pada Komputer dan bagian Produksi yang mengubah bahan baku menjadi barang jadi.
Setiap sistem pasti mempunyai tujuan ataupun sasaran yang mempengaruhi input yang dibutuhkan dan output yang dihasilkan. Dengan kata lain suatu sistem akan dikatakan berhasil kalau pengoperasian sistem itu mengenai sasaran atau tujuannya. Sistem yang tidak mempunyai sasaran, maka operasi sistem tidak akan ada gunanya.
2.5 Decision Support System (DSS)
Management Support System (MSS) adalah merupakan bagian dari teknologi komputer saat ini. Teknologi komputer merupakan bagian terpenting dalam dunia bisnis dan jelas juga pada bidang-bidang lainnya. MSS terdiri dari [10]:
1. Decision Support Systems (DSS)
2. Group Support Systems (GSS), termasuk Group DSS (GDSS) 3. Executive Information Systems (EIS)
4. Expert Systems (ES)
5. Artificial Neural Networks (ANN) 6. Hybrid Support Systems.
Kerangka kerja dari Decision Support (DS) terlibat dari beberapa proses yaitu terstruktur, tak terstruktur, semi terstruktur. Terstruktur mengacu pada permasalahan rutin dan berulang untuk solusi standar yang ada, Tak terstruktur adalah permasalahan kompleks dimana tidak ada solusi serta merta, dan Semi terstruktur adalah dimana terdapat keputusan terstruktur, tak tak semuanya dari fase-fase yang ada [10]. Kerangka Kerja dari Decision Support dapat dilihat dalam tabel berikut:
Tabel 2.2 Kerangka Kerja Decision Support (DS) Tipe Kontrol Tipe Keputusan Kontrol Operasional Kontrol Manajerial Perencanaan Strategis Dukungan yang dibutuhkan Terstruktur - Piutang - Pemrosesan order - Analisis anggaran - Laporan personil - Investasi - Lokasi gudang MIS, Transaction Processing Semi Terstruktur - Penjadwalan produksi - Pengendalia n persediaan - Penyusunan anggaran - Penjadwalan proyek - Membangun pabrik baru - Perencanaan produk baru DSS Tak terstruktur - Membeli software - Menyetujui pinjaman - Negosiasi - Membeli hardware - Pengembanga n teknologi baru - Perencanaan tanggung jawab sosial DSS, ES, Neural Networks Dukungan yang diperlukan MIS, Managamen t science DSS, ES, EIS, Managemen t Science EIS, ES, neural networks Sumber: [10:1]
DSS atau sistem pendukung keputusan adalah suatu sistem yang ditujukan untuk mendukung manajemen pengambilan keputusan. Sistem pendukung keputusan berbasis model yang terdiri dari prosedur-prosedur dalam pemrosesan datan dan juga sebagai pertimbangan. Sistem pendukung keputusan harus sederhana, robust, mudah untuk di kontrol, mudah beradaptasi, lengkap pada hal-hal penting [10]. Keuntungan Sistem pendukung keputusan adalah sebagai berikut [10]:
1. Mampu mendukung pencarian solusi dari masalah yang kompleks. 2. Respon cepat pada situasi yang tak diharapkan dalam kondisi yang
berubah-ubah.
3. Mampu untuk menerapkan berbagai strategi yang berbeda pada konfigurasi berbeda secara cepat dan tepat.
4. Pandangan dan pembelajaran baru. 5. Memfasilitasi komunikasi.
6. Meningkatkan kontrol manajemen dan kinerja. 7. Menghemat biaya.
8. Keputusannya lebih tepat.
9. Meningkatkan efektivitas manajerial, menjadikan manajer dapat bekerja lebih singkat dan dengan sedikit usaha
10. Meningkatkan produktivitas analisis.
Karakteristik dan kemampuan Sistem Pendukung Keputusan adalah sebagai berikut [10]:
1. DSS menyediakan dukungan bagi pengambil keputusan utamanya pada situasi semi terstruktur dan tak terstruktur dengan memadukan pertimbangan manusia dan informasi terkomputerisasi. Berbagai masalahta kdapat diselesaikan (atau tak dapat diselesaikan secara memuaskan) oleh sistem terkomputerisasi lain seperti EDP atau MIS, tidakjuga dengan metode atau tool kuantitatif standar.
2. Dukungan disediakan untuk berbagai level manajerial yang berbeda mulai dari pimpinan puncak sampai manajer lapangan.
3. Dukungan disediakan bagi individu dan juga bagi group. Berbagai masalah organisasional melibatkan pengambilan keputusan dari orang dalam group. Untuk masalah yang strukturnya lebih sedikit seringkali hanya membutuhkan keterlibatan beberapa individu dari departemen dan level organisasi yang berbeda.
4. DSS menyediakan dukungan ke berbagai keputusan yang berurutan atau saling berkaitan.
5. DSS mendukung berbagai fase proses pengambilan keputusan: intelligence, design, choice dan implementation.
6. DSS mendukung berbagai proses pengambilan keputusan dan style yang berbeda-beda, ada kesesuaian diantara DSS dan atribut pengambil keputusan individu (contohnya vocabulary dan style keputusan).
7. DSS selalu bisa beradaptasi sepanjang masa. Pengambil keputusan harus reaktif, mampu mengatasi perubahan kondisi secepatnya dan beradaptasi untuk membuat DSS selalu bisa menangani perubahan ini. DSS adalah fleksibel, sehingga user dapat menambahkan, menghapus, mengkombinasikan, mengubah, atau mengatur kembali elemen-elemen dasar (menyediakan respon cepat pada situasi yang tak diharapkan). Kemampuan ini memberikan analisis yang tepat waktu dan cepat setiap saat.
8. DSS mudah untuk digunakan. User harus merasa nyaman dengan system ini. User-friendliness, fleksibelitas, dukungan grafis terbaik, dan antarmuka bahasa yang sesuai dengan bahasa manusia dapat meningkatkan efektivitas DSS. Kemudahan penggunaan ini diiimplikasikan pada mode yang interaktif.
9. DSS mencoba untuk meningkatkan efektivitas dari pengambilan keputusan (akurasi, jangka waktu, kualitas), lebih daripada efisiensi yang bisa diperoleh (biaya membuat keputusan, termasuk biaya penggunaan komputer).
10. Pengambil keputusan memiliki kontrol menyeluruh terhadap semua langkah proses pengambilan keputusan dalam menyelesaikan masalah. DSS secara khusus ditujukan untuk mendukung dan tak menggantikan pengambil keputusan. Pengambil keputusan dapat menindak lanjuti rekomendasi computer sembarang waktu dalam
proses dengan tambahan pendapat pribadi ataupun tidak.
11. DSS mengarah pada pembelajaran, yaitu mengarah pada kebutuhan baru dan penyempurnaan sistem yang mengarah pada pembelajaran tambahan, dan begitu selanjutnya dalam proses pengembangan dan peningkatan DSS secara berkelanjutan.
12. User/pengguna harus mampu menyusun sendiri sistem yang sederhana. Sistemyang lebih besar dapat dibangun dalam organisasi user tadi dengan melibatkan sedikit saja bantuan dari spesialis di bidang Information Systems (IS).
13. DSS biasanya menggunakan berbagai model (standar atau sesuai keinginan user) dalam menganalisis berbagai keputusan. Kemampuan pemodelan ini menjadikan percobaan yang dilakukan dapat dilakukan pada berbagai konfigurasi yang berbeda. Berbagai percobaan tersebut lebih lanjut akan memberikan pandangan dan pembelajaran baru. 14. DSS dalam tingkat lanjut dilengkapi dengan komponen knowledge
yang bisa memberikan solusi yang efisien dan efektif dari berbagai masalah yang pelik.
2.6 Weighted Product (WP)
Metode Weighted Product (WP) memerlukan proses normalisasi karena metode ini mengalikan hasil penilaian setiap atribut. Hasil perkalian tersebut belum bermakna jika belum dibandingkan (dibagi) dengan nilai standart. Bobot untuk atribut manfaat berfungsi sebagai pangkat positif dalam proses perkalian, sementara bobot biaya berfungsi sebagai pangkat negatif [4].
Metode WP menggunakan perkalian sebagai penghubung rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot yang bersangkutan [4]. Proses ini samahalnya dengan proses normalisasi. Cara penentuan nilai bobot, nilai vektor S dan nilai vektor nilai V ditunjukkan pada persamaan 2-1 sampai 2-3:
1. Penentuan nilai bobot Wj
Preferensi untuk alternative Wj diberikan seperti pada persamaan (2-1): W j= WInit j
∑
j=1 n WInitj . . .. . .. . . .. . .. . . .. . .. . . .. . .. . .. . .(2−1) Wj : Perbaikan bobotW_Initj : Prioritas bobot setiap kriteria
j : Kriteria
n : Banyaknya kriteria
2. Penentuan nilai Vektor S
Preferensi untuk alternative Si diberikan seperti pada persamaan (2-2): Si=
∏
j=1 n
XijkWj.. . .. . .. . . .. . .. . . .. . .. . .. . . ... . .. . ... . .(2−2) dimana:
S : Preferensi alternatif dianologikan sebagai vektor S X : Nilai kriteria
W : Bobot kriteria/subkriteria i : Alternatif
j : Kriteria
n : Banyaknya kriteria
k : Aribut keuntungan dan biaya 3. Penentuan nilai Vektor Vi
Preferensi untuk alternative Vi diberikan seperti pada persamaan (2-3): Vi= Si
∑
j=1 m Si . .. . .. . . .. . .. . .. . . .. . .. . . .. . .. . .. . . .. . ..(2−3) dimana :S : Nilai vektor S i : Alternatif j : Kriteria
m :Banyaknya alternative
Lalu, langkah-langkah dalam perhitungan metode WP adalah sebagai berikut [5]:
1. Mengalihkan seluruh atribut bagi seluruh alternatif dengan bobot sebagai pangkat positif bagi atribut biaya.
2. Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif.
3. Membagi nilai V bagi setiap alternatif dengan nilai pada setiap alternatif.
4. Ditemukan urutan alternatif terbaik yang akan menjadi keputusan.
2.7 Pengujian Black Box
Pengujian Black Box merupakan pengujian untuk mengetahui apakah semua fungsi perangkat lunak telah berjalan semestinya sesuai dengan kebutuhan fungsional yang telah didefinsikan [12]. Metode Black Box memungkinkan perekayasa perangkat lunak mendapatkan serangkaian kondisi input yang sepenuhnya menggunakan semua persyaratan fungsional untuk suatu program. Black Box dapat menemukan kesalahan dalam kategori berikut [12]:
1. Fungsi-fungsi yang tidak benar atau hilang 2. Kesalahan interface
3. Kesalahan dalam strutur data atau akses basisdata eksternal 4. Inisialisasi dan kesalahan terminasi
5. Validitas fungsional
6. Kesensitifan sistem terhadap nilai input tertentu 7. Batasan dari suatu data
OUTPUT PROCESS
INPUT System Analyze only fundamental aspects
Gambar 2.1 Sitem kerja dari Teknik Pengujian Black Box Sumber: [12]
Studi Literatur
Pengumpulan data
Perancangan Sistem
Implementasi sistem
-Penentuan lokasi dan variabel penelitian
-Menentukan kebtuhan data yang akan digunakan -Mempersiapkan data dan alat yang dibutuhkan
Analisa kebutuhan sistem
Data Penelitian
Membuat SPK dengan metode Weighted Product (WP)
Pengolahan data dengan metode Weighted Product (WP)
Analisa Pengujian
Sukses
Pengambilan keputusan Prioritas Alternatif Keputusan
TIDAK
YA
BAB III
METODOLOGI PENELITIAN
Bab ini membahas mengenai metode yang digunakan pada penelitian ini. Metode yang kami gunakan adalah metode WP untuk memperoleh kesimpulan dalam pemilihan kualitas beras. Berikut ini diagram alir yang menjelaskan bagaimana metodologi yang akan digunakan dalam Gambar 3.1.
3.1 Studi Literatur
Teori yang melandasi penelitian ini yaitu metode WP dan pemberian nilai setiap alternative pada setiap kriteria pemilihan kualitas beras. Tujuan diterapkannya metode ini adalah untuk mendapatkan studi literatur yang dapat digunakan. Teori pustaka yang berkaitan dengan penelitian ini adalah:
a Sistem Pendukung Keputusan b Metode Weighted Product (WP) c Penentuan Kualitas Beras 3.2 Pengumpulan Data
Metode pengumpulan data yang dilakukan pada penelitian ini adalah studi literatur dimana peneliti mengumpulkan jurnal dan literatur yang memiliki kaitan dengan topik. Data yang digunakan dalam sistem pendukung keputusan pemilihan kualitas beras ini merupakan ketentuan dari bulog. Input kriteria pada pemilihan kualitas beras ini adalah [6]:
a) Kriteria Hama/penyakit b) Kriteria Bau Busuk/asam c) Kriteria Derajat sosoh d) Kriteria Kadar Air e) Kriteria Butir Utuh f) Kriteria Butir Patah g) Kriteria Butir Menir
h) Kriteria Butir Hijau/mengapur i) Kriteria Kuning rusak
j) Kriteria Gabah 3.3 Analisis Kebutuhan
Untuk mendapatkan data yang dibutuhkan dalam melakukan pemilihan kualitas beras, pada metode ini dilakukan analisis terhadap kebutuhan sesuai dengan kebutuhan sistem. Kebutuhan informasi merupakan kebutuhan yang ada pada sistem dan informasi yang dihasilkan oleh sistem [11]. Untuk dapat menghasilkan informasi, maka sistem membutuhkan kriteria penentuan bobot, nilai kriteria, dan prioritas setiap kriteria. Secara keseluruhan, kebutuhan yang digunakan dalam pembuatan Sistem Pendukung Keputusan ini meliputi:
1. Kebutuhan Hardware, meliputi: - Laptop
- Microsoft Windows 7 sebagai sistem operasi - Netbeans sebagai aplikasi untuk pembuatan sistem 3. Data yang dibutuhkan meliputi:
- Data kriteria kualitas beras
- Data kriteria untuk masing-masing bobot penilaian kualitas beras.
3.4. Perancangan Sistem
Perancangan sistem dibangun berdasarkan hasil pengambilan data dan analisis kebutuhan yang telah dilakukan. Pada Sistem Pendukung Keputusan ini, perancangan aplikasi dilakukan untuk mempermudah implementasi, pengujian dan analisis. Langkah-langkah yang dilakukan dalam perancangan sistem ini adalah sebagai berikut:
1. Perancangan diagram blok Sistem Pendukung Keputusan
Diagram blok Sistem Pendukung Keputusan menjelaskan penguraian logis dari fungsi-fungsi sistem dan hubungannya satu sama lain.
2. Perancangan subsistem manajemen berbasis pengetahuan
Subsistem manajemen berbasis pengetahuan berisi pengetahuan terkait seleksi pemilihan beras yang akan digunakan untuk mendukung kebutuhan subsistem manajemen lainnya.
3. Perancangan subsistem manajemen data
Subsistem manajemen data mengatur penyimpanan data dalam database dan membuat tabel-tabel beserta atribut-atribut masing-masing tabel di dalam database.
4. Perancangan subsistem manajemen model
Subsistem manajemen model menjelaskan penggunaan metode Weigted Product sebagai model kecerdasan untuk pengambilan keputusan rekomendasi terbaik. Subsistem manajemen model menjelaskan penggunaan metode perhitungan bobot dari masing-masing variabel dalam penentuan kualitas beras. Penarikan kesimpulan sebagai model penentuan kualitas beras untuk mendukung pengujian SPK.
5. Perancangan subsistem antarmuka pengguna
Perancangan antarmuka pengguna dapat memudahkan pengguna dalam menggunakan sistem yang dibangun.
6. Perancangan Algoritma
Perancangan algoritma metode Weigted Product meliputi algoritma proses pengolahan data kriteria, pengolahan data bobot, pengolahan data kriteria
Input:
Data kulitas beras, bobot kriteria
Output:
Hasil perhitungan dari pemilihan kualitas beras Proses:
Perhitungan dengan WP
kualitas beras, proses perhitungan Weigted Product, dan proses pengambilan keputusan.
3.4.1. Diagram Blok Sistem Pendukung Keputusan
Diagram blok sistem pendukung keputusan merupakan penguraian logis dari fungsi-fungsi sistem dan memperlihatkan bagaimana bagian-bagian (blok-blok) yang berbeda mempengaruhi satu sama lain. Interaksi ini digambarkan dengan anak panah antar blok-blok. Sebuah sistem yang diberikan biasanya direpresentasikan oleh beberapa model diagram blok yang berbeda tergantung seberapa detail prosesnya. Garis besar perancangan blok diagram Sistem Pendukung Keputusan dapat dilihat pada Gambar 3.2.
Diagram blok Sistem Pendukung Keputusan penentuan kualitas beras pada Gambar 3.2 terdiri dari beberapa blok proses, yaitu:
1. Input
Input pada sistem ini yaitu data kualitas beras sebagai parameter yang digunakan untuk menyeleksi kualitas beras, dan bobot kriteria yang merupakan pembobotan dari pakar yang digunakan sebagai acuan untuk perhitungan menggunakan metode WP. 2. Proses
Dengan menggunakan metode WP, sistem akan memproses data bobot kriteria dan alternatif yang diinputkan sehingga akan menghasilkan rekomendasi kualitas beras sesuai ketentuan yang berlaku.
Gambar 3.2 Diagram Blok Sistem Pendukung Keputusan Sumber: Metodologi Penelitian
Sistem Basis Data Komputer
Data beras Metode Weighted Product
Subsistem Basis Pengetahuan
Antarmuka pengguna
Manager(User)
Data External dan Internal
3. Output
Output rekomendasi berupa hasil perhitungan dari pemilihan kualitas.
3.4.2. Perancangan Arsitektur Sistem Pendukung Keputusan
Sistem Pendukung Keputusan untuk penentuan kualitas dapat melayani penyimpanan, pemrosesan, dan penggunaan informasi. Gambar 3.3 menunjukkan arsitektur aplikasi Sistem Pendukung Keputusan untuk Penentuan Kulaitas Beras.
Arsitektur Sistem Pendukung Keputusan Penentuan Kualitas Beras pada Gambar 3.3 terdiri dari beberapa bagian, yaitu:
1. Perancangan subsistem manajemen berbasis pengetahuan
Subsistem manajemen berbasis pengetahuan berisi pengetahuan terkait penentuan kualitas beras yang digunakan untuk mendukung kebutuhan subsistem manajemen lainnya.
2. Perancangan subsistem manajemen data Gambar 3.3 Arsitektur SPK Pemilihan kualitas beras
Subsistem manajemen data mengatur penyimpanan data dalam database dan membuat tabel-tabel beserta atribut-atribut masing-masing tabel di dalam database.
3. Perancangan subsistem manajemen model
Subsistem manajemen model menjelaskan penggunaan metode Weighted Product sebagai model kecerdasan untuk pengambilan keputusan rekomendasi terbaik. Subsistem manajemen model menjelaskan penggunaan metode perhitungan bobot dari masing-masing variabel. Penarikan kesimpulan sebagai model penilaian seleksi penentuan kualitas beras untuk mendukung pengujian SPK. 4. Perancangan subsistem antarmuka pengguna
Perancangan antarmuka pengguna dapat memudahkan pengguna dalam menggunakan sistem yang dibangun.
5. Perancangan Algoritma
Perancangan algoritma metode Weigted Prduct meliputi algoritma proses pengolahan data kriteria, pengolahan data bobot, pengolahan data kriteria kualitas beras, proses perhitungan Weighted Products, dan proses pengambilan keputusan.
3.5. Implementasi
Metode yang dipakai dalam penyelesaian kasus adalah dengan menggunakan metode weighted product. Gambar 3.4 merupakan gambaran umum dalam penyelesaian kasus penentuan kualitas beras dengan menggunakan metode weighted product:
Mulai
Input data beras
Penentuan nilai bobot kriteria
Menghitung nilai Wj
Membuat tabel bobot kriteria
Menghitung nilai vektor Si
Menghitung nilai vektor Vi
Hasil Akhir
Selesai
Adapun penjelasan dai flowchart pada Gambar 3.4 adalah sebagai berikut: 1. Input data
Dalam perancangan sistem pendukung keputusan ini menggunakan inputan dari kriteria penilaian kualitas beras dalam penentuan kualitas Gambar 3.4 Gambaran Umum Penyelesaian Kasus Penentuan Kualitas Beras
beras. Kriteria tersebut merupakan parameter/ variabel-variabel yang digunakan dalam penegasan pemilihan kualitas beras.
2. Menghitung nilai perbaikan bobot
Setiap nilai bobot dibagi dengan jumlah total nilai bobot tersebut. 3. Membuat table bobot kriteria
Setiap nilai bobot yang sebelumya berupa data kualitatif diubah menjadi data kuantitatif.
4. Penentuan nilai vector Si
Nilai bobot disetiap alternatif bobot kriteria pada langlah sebelumnya dipangkatan sesuai dengan table perbaikan bobot.
5. Penentuan nilai vector Vi
Jumlah total nilai bobot kriteria setiap alternative pada vector Si di bagi total semua dengan total semua alternative.
6. Output hasil
Vector Vi diurutkan maka akan menghasilkan 5 alternativ sebagai output hasil dari penentuan kualitas beras terbaik.
3.5.1. Perancangan Penyelesaian Kasus
Perancangan penyelesaian kasus adalah tahap penulis dalam merancang suatu sistem yang mampu memenuhi semua penyelesaian kasus sehingga didapat suatu hasil keputusan berdasarkan data yang diperoleh. Teori – teori dari pustaka dan data sample digabungkan dengan ilmu yang didapat, diimplementasikan untuk merancang serta mengembangkan sistem pendukung keputusan penentuan kualitas beras. Adapun perancangan sistem dari penyelesaian kasus ini meliputi himpunan bahasa variabel, fungsi derajat keanggotaan.
Himpunan Bahasa Variabel
Himpunan bahasa variabel pada sistem pendukung keputusan penentuan kualitas beras ini adalah sebagai berikut:
- Hama dan penyakit hidup : Tidak ada, ada.
- Derajat sosoh : 96%-100%, 90 %-95% dan dibawah 90%. - Kadar air : Dibawah 10%, 11%-15%, dan diatas 15%. - Butir utuh : Diatas 40%, 35%-40%, dan dibawah 35%. - Butir patah : Dibawah 10%, 10%-20%, dan diatas 20%. - Butir menir : 0%, 1%-3%, dan diatas 3%.
- Butir hijau/mengapur : Tidak ada, ada. - Butir kuning/rusak : Tidak ada, ada.
- Butir gabah : Tidak ada, 20 butir/kg, dan lebih dari 20 butir/kg. 3.6. Pengujian
Pada tahap ini dilakukan pengujian kerja sistem yang telah dibuat agar dapat menunjukkan bahwa perangkat lunak telah mampu bekerja sesuai dengan spesifikasi dari kebutuhan yang melandasinya. Selanjutnya melakukan evaluasi terhadap sistem sehingga mengetahui hasil dari sistem yang nantinya dijadikan sebagai kesimpulan untuk hasil dari pembuatan Sistem Pendukung Keputusan untuk Penentuan Kualitas Beras Menggunakan Metode Weighted Product. Pengujian yang dilakukan meliputi:
1. Pengujian validasi sistem dengan melihat kesesuaian antara hasil implementasi dan perancangan.
2. Pengujian akurasi matriks perbandingan berpasangan. 3. Pengujian akurasi SPK terhadap penelitian sebelumnya.
4. Pengujian akurasi data output SPK dengan membandingkan data output sistem dan data output perhitungan pelanggan.
5. Pengujian fitur sistem. 3.7. Pengambilan Keputusan
Pengambilan keputusan dilakukan setelah proses pengambilan keputusan yang terbaik berhasil dilakukan, sehingga dapat diketahui apakah sistem pendukung keputusan ini memiliki efektifitas atau tidak dalam penyelesaian kasus.
BAB IV PERANCANGAN
4 Perancangan
4.1 Analisa Kebtuhan Perangkat Lunak
4.2 Perancangan Sistem Pendukung Keputusan
4.1.2. Daftar Kebtuhan Sistem
4.1.3. Use Case Diagram
4.1.4. Skenario Use Case 4.1.1. Identifikasi Aktor
4.2.3. Manajemen Model 4.2.1.Manajemen Data
4.2.2. Basis Pengetahuan
4.2.4. Perancangan Antarmuka Bab ini membahas mengenai perancangan sistem pendukung keputusan untuk penentuan kualitas beras menggunakan metode weighted product. Tahap perancangan yang diperlukan terbagi menjadi dua tahapan, yaitu perancangan kebutuhan perangkat lunak dan perancangan sistem pendukung keputusan. Tahap analisis kebutuhan perangkat lunak meliputi identifikasi aktor, daftar kebutuhan sistem dan use case diagram serta skenario use case. Sedangkan pada tahap analisis perancangan sistem keputusan meliputi perancangan subsistem basis pengetahuan, subsistem manjemen data, dan subsistem manajemen model. Untuk lebih jelasnya dapat dilihat dalam pohon perancangan seperti yang terlihat pada Gambar 4.1.
4.1 Analisa Kebutuhan Perangkat Lunak
Tahapan analisa kebutuhan sistem bertujuan untuk memodelkan informasi yang akan digunakan dalam tahapan perancangan. Analisa kebutuhan sistem yang diperlukan meliputi identifikasi aktor, daftar
Gambar 4.1 Pohon Perancangan Sumber: Perancangan
kebutuhan sistem dan use case diagram. Sistem pendukung keputusan penentuan kualitas beras merupakan upaya membantu pihak supplier beras dalam menentukan kualitas beras berdasarkan kriteria. Sistem ini akan dikembangkan dalam bentuk aplikasi dekstop. Berikut ini merupakan penjelasan dari masing-masing tahapannya.
4.1.1 Identifikasi Aktor
Identifikasi aktor bertujuan untuk mengidentifikasi aktor-aktor yang berinteraksi dengan sistem. Pada kolom aktor disebutkan aktor-aktor yang berperan dalam sistem dan pada kolom lainnya akan menunjukkan deskripsi dari masing-masing aktor. Tabel 4.1 memperlihatkan aktor-aktor yang berperan dalam sistem yang dilengkapi dengan penjelasannya yang merupakan hasil dari proses identifikasi aktor.
Tabel 4.1 Identifikasi Aktor
Aktor Deskripsi Aktor
User User merupakan aktor yang menggunakan aplikasi untuk menentukan kualitas beras. User bisa merupakan supplier beras.
Sumber: Perancangan
4.1.2 Daftar Kebutuhan Sistem
Daftar kebutuhan sistem bertujuan untuk menjelaskan kebutuhan sistem yang harus dipenuhi saat aktor melakukan sebuah aksi. Daftar kebutuhan ini terdiri dari sebuah kolom yang merupakan hal-hal yang harus disediakan oleh sistem, sedangkan pada kolom yang lain menunjukkan nama use case yang menampilkan fungsionalitas masing-masing kebutuhan tersebut. Tabel 4.2 memperlihatkan daftar kebutuhan fungsionalitas pada sistem.
Tabel 4.2 Daftar Kebutuhan Sistem
Kebutuhan Aktor Nama Use Case
Sistem harus menyediakan antarmuka untuk menampilkan tabel penentuan nilai bobot pada setiap kriteria.
User Lihat Tabel Penentuan Nilai Bobot
Sistem harus dapat
menyediakan dan memberikan akses kepada user untuk memasukkan data pendukung yang diperlukan sistem. Data yang dimasukkan berupa : merek beras, hama penyakit, bau busuk, derajat sosoh, kadar air, banyaknya butir utuh, butir patah, butir menir, butir hijau/mengapur dan butir gabah.
User Input Data Beras
Sistem harus menyediakan antarmuka untuk menampilkan hasil perhitungan kepada user setelah memasukkan data pendukung. Hasil perhitungan ini ditunjukkan dengan
menampilkan hasil perhitungan kualitas beras dari data yang diinputkan.
User Lihat Tabel Data Kualitas Beras
Sumber: Perancangan
4.1.3 Use Case Diagram
Diagram use case merupakan salah satu diagram yang digunakan untuk menggambarkan kebutuhan-kebutuhan dan fungsionalitas dari sistem serta digunakan untuk menunjukan aksi-aksi yang dilakukan oleh aktor dari sistem. Gambar 4.2 menunjukkan diagram use case sistem pendukung keputusan penentuan kualitas beras.
Gambar 4.2 Use Case Diagram SPK Penentuan Kualitas Beras Sumber: Perancangan
Pada use case diatas, dapat dideskripsikan sebagai berikut: 1. User merupakan aktor.
2. User dapat melihat tabel penentuan nilai bobot setiap kriteria.
3. User dapat melakukan input data beras, yang terdiri dari merek beras, hama penyakit, bau busuk, derajat sosoh, kadar air, banyaknya butir utuh, butir patah, butir menir, butir hijau/mengapur dan butir gabah.
4. Sistem akan memproses data yang dimasukkan, kemudian hasil yang didapatkan disimpan pada data kualitas beras.
5. User dapat melihat tabel data kualitas beras yang sudah dimasukkan. 4.1.4 Skenario Use Case
Setiap use case yang terdapat pada diagram use case tersebut akan dijabarkan dalam skenario use case secara mendetail. Pada skenario use case tersebut, akan diberikan uraian nama use case, aktor yang berhubungan dengan use case tersebut, tujuan dari use case, deskripsi global tentang use case, kondisi awal yang harus dipenuhi dan kondisi akhir yang diharapkan setelah berjalannya
fungsional use case. Pada skenario use case juga akan diberikan uraian yang berkaitan dengan tanggapan dari sistem atas suatu aksi yang di berikan oleh aktor ( aliran utama ). Skenario use case juga terdapat kejadian alternatif yang merupakan jalannya sistem jika terdapat kondisi tertentu (aliran alternatif).
1. Use case Lihat Tabel Penentuan Nilai Bobot
Pada use case pilih menu, akan dijelaskan secara detail tentang proses pemilihan menu yang akan dilakukan oleh user. Tabel 4.3 merupakan skenario use case lihat tabel penentuan nilai bobot.
Tabel 4.1 Skenario Use Case Penentuan Nilai Bobot
Use Case Lihat tabel penetuan nilai bobot
Aktor User.
Tujuan Melihat kriteria penilaian dan nilai bobot yang diberikan pada setiap kriteria.
Deskripsi Use case ini mendeskripsikan bagaimana user melihat kriteria penilaian dan nilai bobot yang diberikan pada setiap kriteria dengan meng-klik tab Tabel Penentuan Nilai Bobot.
Kondisi Awal User telah mengetahui apa yang hendak dilakukan terhadap sistem.
Kondisi Akhir User dapat mengakses ke halaman Tabel Penentuan Nilai Bobot.
Sumber: Perancangan
2. Use case Memasukkan Data Beras
Pada use case input data beras, akan dijelaskan secara detail tentang bagaiamana user menginput data beras. Tabel 4.4 merupakan skenario use case input data beras.
Tabel 4.2 Skenario Use Case Input Data Beras
Use Case Memasukkan data beras
Aktor User
Tujuan Melakukan proses memasukkan data beras.
Deskripsi Use case ini mendeskripsikan bagaimana user melakukan memasukkan data beras. Data beras yang dimasukkan terdiri dari merek beras, hama penyakit, bau busuk, derajat
sosoh, kadar air, banyaknya butir utuh, butir patah, butir menir, butir hijau/mengapur dan butir gabah.
Kondisi Awal User melihat tampilan berupa form kosong, sehingga user dapat memasukkan data beras.
Kondisi Akhir User telah menginputkan identitas dan data pendukung.
Sumber: Perancangan
3. Use case Lihat Tabel Data Kualitas Beras
Pada use case lihat tabel data kualitas beras, akan dijelaskan secara detail bagaimana data-data yang telah dimasukkan kemudian dicari hasil perhitungan akhir yang akan ditampilkan oleh sistem dalam bentuk tabel kepada user. Tabel 4.5 merupakan skenario use case lihat tabel data kualitas beras.
Tabel 4.3 Skenario Use Case Lihat Tabel Data Kualitas Beras
Use Case Lihat tabel data kualitas beras
Aktor User
Tujuan Menampilkan tabel data kualitas beras.
Deskripsi Use case ini mendeskripsikan bagaimana user melihat hasil perhitungan yang telah dilakukan oleh sistem dari data beras yang sudah dimasukkan. Sistem akan menampilkan data beras dan hasil perhitungan, dimana data tersebut diurutkan berdasarkan hasil nilai
perhitungan tertinggi hingga terendah.
Kondisi Awal User telah meng-klik tab Tabel Data Kualitas Beras Kondisi Akhir User dapat mengetahui kualitas beras dari yang baik
hingga yang buruk.
Sumber: Perancangan
4.2 Perancangan Sistem Pendukung Keputusan
Perancangan sistem pendukung keputusan merupakan tahapan yang betujuan untuk mengubah model informasi yang telah dibuat pada tahapan analisa kebutuhan sistem. Perancangan yang dilakukan adalah perancangan untuk seluruh subsistem yang terdapat dalam arsitektur sistem pendukung keputusan untuk pemilihan mahasiswa berprestasi yang terdapat pada Gambar 4.3. Dalam perancangan sistem pendukung keputusan ini terdapat subsistem-subsistem yang
Sistem Basis Data Komputer
Data Beras Metode Weighted Product
Subsistem Basis Pengetahuan
Antarmuka pengguna
User Organisasi Basis Pengetahuan
Data External dan Internal
mempermudah dalam menjabarkan peracangan sistem. Subsistem yang terdapat dalam perancangan sistem pendukung keputusan terdiri dari:
a) Manajemen data. b) Basis Pengetahuan. c) Manajemen Model.
d) Perancangan Antarmuka(interface).
4.2.1 Manajemen Data
Salah satu bagian terpenting pada penelitian ini adalah data beserta sumbernya. Pengampulan data yang dilakukan pada penelitian ini adalah studi literatur dimana peneliti mengumpulkan jurnal dan literatur yang memiliki kaitan dengan topik. Data yang dibutuhkan adalah merek beras, hama penyakit, bau beras, derajat sosoh, kadar air, banyaknya butir utuh beras, butir patah beras, butir menir, butir hijau/mengapur beras dan butir gabah.
4.2.2 Basis Pengetahuan
Basis pengetahuan adalah suatu jenis basis data yang dipergunakan untuk manajemen pengetahuan. Basis data ini menyediakan fasilitas untuk koleksi,
Gambar 4.3 Peracangang SPK Penentuan Kualitas Beras Sumber: Perancangan
organisasi, dan pengambilan pengetahuan terkomputerisasi. Hal terpenting dari suatu basis pengetahuan adalah kualitas informasi yang dikandungnya. Berikut basis pengetahuan yang digunakan dalam penelitian ini:
4.2.2.1 Himpunan Bahasa Variabel
Himpunan bahasa variabel pada sistem pendukung keputusan ini terdiri dari: a) Hama dan penyakit hidup = ada, tidak ada
b) Bau busuk, asam,bau asing lainnya = ya, tidak. c) Derajat sosoh = 96%-100%, 90%-95%, dibawah 90% d) Kadar air = diatas 15%, 11%-15%, dibawah 10% e) Butir utuh = diatas 40%, 35%-40%, dibawah 35% f) Butir patah = diatas 20%, 10%-20%, dibawah 10% g) Butir menir = diatas 3%, 1%-3%, 0%
h) Butir hijau/mengapur = ada, tidak ada i) Butir kuning /rusak = ada, tidak ada
j) Butir gabah = diatas 20 butir/kg, 20 butir/kg, tidak ada 4.2.2.2 Semesta Pembicaraan
Semesta pembicaraan adalah himpunan yang memuat semua anggota atau objek himpunan yang dibicarakan. Semesta pembicaraan pada tiap variabel yang
digunakan pada penelitian ini akan dijelaskan.
.
4.2.3 Manajemen Model
Manajemen model merupakan tahapan proses penerapan model yang digunakan pada penelitian ini. Manajemen model meliputi implementasi metode Weighted Product (WP). Manajemen model pada penelitian ini melibatkan berbagai proses atau tahapan mulai awal hingga akhir penerapan Metode WP. Pada Gambar 4.4 dapat dilihat alur kerja dari WP.
Mulai
Input data beras
Penentuan nilai bobot kriteria
Menghitung nilai Wj
Membuat tabel bobot kriteria
Menghitung nilai vektor Si
Menghitung nilai vektor Vi
Hasil Akhir
Selesai
4.2.3.1 Penentuan Nilai Bobot (W)
Langkah awal yang harus dilakukan dalam menggunakan metode WP untuk menentukan kualitas beras adalah memberikan nilai setiap alternatif pada setiap kriteria yang sudah ditentukan. Dari setiap kriteria tersebut akan ditentukan bobotnya. Tabel 4.6 merupakan tabel pemberian bobot nilai pada setiap kriteria, dan ditunjukkan terdapat 10 kriteria yang digunakan.
Gambar 4.4 Alur Kerja WP Sumber: Perancangan
Tabel 4.6 Penentuan Nilai Bobot
Kriteria Penilaian Nilai Bobot
C1 Tidak ada 100 10% Ada 50 C2 Tidak 100 10% Ya 50 C3 96% - 100% 100 15% 90% - 95% 80 Dibawah 90 % 30 C4 Dibawah 10% 100 5% 11% - 15% 80 Diatas 15% 30 C5 Diatas 40% 100 15% 35% - 40% 80 Dibawah 35% 30 C6 Dibawah 10% 100 10% 10% - 20% 80 Diatas 20% 30 C7 0% 100 10% 1% - 3% 80 Diatas 3% 30 C8 Tidak ada 100 10% Ada 50 C9 Tidak ada 100 10% Ada 50 C10 Tidak ada 100 5% 20 butir/kg 80
Lebih dari 20 butir/kg 30 Sumber : Perancangan
Keterangan:
C1 : Kriteria Hama/penyakit C2 : Kriteria Bau Busuk/asam C3 : Kriteria Derajat sosoh C4 : Kriteria Kadar Air C5 : Kriteria Butir Utuh C6 : Kriteria Butir Patah C7 : Kriteria Butir Menir
C8 : Kriteria Butir Hijau/mengapur C9 : Kriteria Kuning.rusak
4.2.3.2 Menghitung Nilai Wj
Langkah selanjutnya adalah menghitung nilai perbaikan bobot (Wj) berdasarkan nilai prioritas bobot setiap kriteria (W_Initj) yang sudah ditentukan. Tabel 4.7 merupakan tabel hasil perhitungan nilai Wj.
Tabel 4.7 Hasil Perhitungan Nilai Wj
W Hasil W1 0,1 W2 0,1 W3 0,15 W4 0,05 W5 0,15 W6 0,1 W7 0,1 W8 0,1 W9 0,1 W10 0,05 Sumber : Perancangan
Cara menghitung nilai perbaikan bobot (Wj) terdapat pada persamaan 2-1.
W 1(Hama penyakit )= 10
10+10+15+5+15+10+10+10+10+5 W 1(Hama penyakit )=0,1
4.2.3.3 Membuat Tabel Bobot Kriteria Beras yang akan Dipilih
Setelah menentukan nilai bobot W, langkah selanjutnya adalah membuat tabel bobot kriteria beras yang sudah diinputkan yang ditunjukkan pada tabel 4.8.
Tabel 4.8 Data Beras Alternati f C1 C2 C3 C4 C5 C6 C 7 C8 C9 C1 0 Beras 1 Tida k Ada Tida k 78% 14 % 36 % 5% 4 % Ada Ada 20 Beras 2 Ada Ya 93% 13 % 27 % 13 % 2 % Tida k Ada Ada 35 Beras 3 Ada Tida k 100 % 17 % 38 % 18 % 1 % Ada Tida k Ada 0
Beras 4
Tida k
Ada Ya 98% 4% 50% 4% %1 Ada Ada 0
Beras 5 Ada Ya 85% 8% 40 % 25 % 5 % Tida k Ada Ada 20 Sumber : Perancangan
Karena data yang didapat berupa data diskrit, maka ubah data diskrit menjadi data kontinu seperti pada tabel 4.9. Data tersebut disesuaikan berdasakan nilai yang tertera pada tabel 4.6.
Tabel 4.9 Bobot Kriteria Beras
Alternat if C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 Beras 1 100 100 30 80 80 30 30 50 50 80 Beras 2 50 50 80 80 30 80 80 10 0 50 30 Beras 3 50 10 0 10 0 30 80 80 80 50 10 0 100 Beras 4 100 50 100 100 100 100 80 50 50 100 Beras 5 50 50 30 10 0 80 10 0 30 10 0 50 80 Sumber : Perancangan
4.2.3.4 Menghitung Nilai Vektor Si
Menghitung nilai vektor Si, dimana data yang ada akan dikalikan tetapi sebelumnya dilakukan pemangkatan dengan bobot dari masing-masing kriteria yang terdapat pada tabel 4.7. Tabel 4.10 merupakan hasil nilai pemangkatan data Ci dengan Wi dan hasil vektor Si.
Tabel 4.10 Hasil Nilai Vektor Si
Alternatif C1^W 1 C2^W 2 C3^W 3 C4^W 4 C5^W 5 C6^W 6 C7^W 7 C8^W 8 C9^W 9 C10^W10 S Beras 1 1,5849 1,5849 1,6656 1,2450 1,9296 1,4051 1,4051 1,4788 1,4788 1,2450 54,0205 Beras 2 1,4788 1,4788 1,9296 1,2450 1,6656 1,5499 1,5499 1,5849 1,4788 1,1854 58,3917 Beras 3 1,4788 1,5849 1,9953 1,1854 1,9296 1,5499 1,5499 1,4788 1,5849 1,2589 75,8109 Beras 4 1,5849 1,4788 1,9953 1,2589 1,9953 1,5849 1,5499 1,4788 1,4788 1,2589 79,4328 Beras 5 1,4788 1,4788 1,6656 1,2589 1,9296 1,5849 1,4051 1,5849 1,4788 1,2450 57,4896 325,1456 Sumber : Perancangan
S1 (Beras 1) = 100 (0,1) x 100 (0,1) x 30 (0,15) x 80 (0,05) x 80 (0,15) x 30 (0,1) x 30 (0,1) x 50 (0,1) x 50 (0,1) x 80 (0,05)
S1 (Beras 1) = 1,5849 x 1,5849 x 1,6656 x 1,2450 x 1,9296 x 1,4051 x 1,4051 x 1,4788 x 1,2450
S1 (Beras 1) = 54,0205
4.2.3.5 Menghitung Nilai Vektor Vi
Menghitung vektor Vi dengan cara membagi hasil masing-masing vektor Si dengan jumlah seluruh vektor Si, hasil nilai vektor Vi ditunjukkan pada tabel 4.11.
Tabel 4.11 Hasil Nilai Vektor Vi
Alternati f V Beras 1 0,1661 Beras 2 0,1796 Beras 3 0,2332 Beras 4 0,2443 Beras 5 0,1768 Sumber : Perancangan
Cara menghitung vektor Vi seperti pada persamaan 2-3. ΣVi=54,0205+58,3917+75,8109+79,4328+57,4896 ΣVi=325,1456 V 1(Beras 1)= 54,0205 325,1456 V 1(Beras 1)=0,1661 4.2.3.6 Hasil Akhir
Dari table 4.11 yaitu hasil nilai vektor Vi, proses selanjutnya adalah pengurutan mulai dari hasil yang terbesar sampai hasil yang terkecil yang ditunjukkan pada tabel 4.12.
Tabel 4.12 Hasil Akhir
Alternatif C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 Hasil
k
Ada % % 3
Beras 3 Ada Tidak 100% 17% 38% 13% %1 Ada
Tida k Ada 0 0,2332 Beras 2 Ada Ya 93% 13% 27% 18% %2 Tida k Ada Ada 35 0,1796 Beras 5 Ada Ya 85% 8% 40 % 4% 5 % Tida k Ada Ada 20 0,176 8 Beras 1 Tida k
Ada Tidak 78% 14% 36% 25% %4 Ada Ada 20 0,1661
Sumber : Perancangan
Dari hasil pengurutan pada tabel 4.12 dapat disimpulkan bahwa beras 4 merupakan beras yang memiliki kualitas yang paling bagus dari beras 1, beras 2, beras 3, maupun beras 5. Kriteria dari beras 4 adalah tidak ada hama penyakit, tiada bau busuk, derajat sosohnya 98%, kadar air 4%, butir utuh 50%, butir patah 5%, butir menir 1%, ada butir yang mengapur, ada butir yang kuning, butir gabah 20 butir/kg. Urutan kualitas beras yang baik hingga yang terburuk ada lah beras 4, beras 3, beras 2, beras 5 dan beras 1.
4.2.4 Perancangan Antarmuka
Dalam perancangan desain antarmuka aplikasi ini, secara garis besar ada 3 kelompok utama yang digunakan untuk user. Secara garis besar gambaran dari desain antarmuka dari sistem pendukung keputusan ini antara lain: desain halaman tabel penentuan nilai bobot, desain halaman input data beras dan desain halaman tabel data kualitas beras.
4.2.4.1 Desain Halaman Tabel Penentuan Nilai Bobot
Desain halaman tabel penentuan nilai bobot disajikan pada gambar 4.5. Desain halaman tabel penentuan nilai bobot ini digunakan untuk melihat kriteria penilaian dan nilai bobot yang diberikan pada setiap kriteria dengan meng-klik tab Tabel Penentuan Nilai Bobot.
4.2.4.2 Desain Halaman Input Data Beras
Desain halaman input data beras disajikan pada gambar 4.6. Desain halaman input data beras digunakan untuk memasukkan data beras. Data beras yang dimasukkan terdiri dari merek beras, hama penyakit, bau busuk, derajat sosoh, kadar air, banyaknya butir utuh, butir patah, butir menir, butir hijau/mengapur dan butir gabah.
Gambar 4.5 Desain Halaman Tabel Penentuan Nilai Bobot Sumber: Perancangan
Gambar 4.6 Desain Halaman Input Data Beras Sumber: Perancangan
4.2.4.3 Desain Halaman Tabel Data Kualitas Beras
Desain halaman tabel data kualitas beras disajikan pada gambar 4.7. Desain halaman output tabel data kualitas beras berisi data kualitas beras yang pernah dimasukkan ke dalam database.
DAFTAR PUSTAKA
[1] Bell, Donald. 2003. UML Basics. IBM Global Services.
[2] Dzacko, Haidar. 2007. BASIS DATA (DATABASE). Mangasoft.
[3] Gerdon. 2012. Sistem Pendukung Keputusan Untuk Menentukan Penerimaan Beasiswa Bagi Mahasiswa. STMIK Amikom. Yogyakarta.
[4] Irawan, Taufik. 2002. Konsep Dasar Sistem Informasi. http://kamii_yogyakarta.tripod.com/SI.htm. Diakses tanggal 17 Oktober 2014.
[5] Jaya, Putra. 2013. Sistem Pendukung Keputusan Penentuan Bonus Karyawan Menggunakan Metode Weighted Product. STMIK Budidarma. Medan.
Gambar 4.7 Desain Halaman Tabel Data Kualitas Beras Sumber: Perancangan
[6] Krisbela, Yosef. 2012. Sistem Pendukung Keputusan Analisis Harga Jual Beras Berbasis Web Dengan PHP dan MySQL. STIMIK. Yogyakarta.
[7] Kusumadewi, S. dkk. 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy-MADM). Yogyakarta: Graha Ilmu.
[8] Mulyanto, Aunur R. 2008. Rekayasa Perangkat Lunak, Jilid I. Direktorat Pembinaan Sekolah Menengah Kejuruan. Jakarta.
[9] Rani, Sasika. 2014. Sistem Pendukung Keputusan Pemilihan Sepeda Motor Berbasis Web Dengan Metode Weighted Product. STMIK Budidarma. Medan.
[10] Rumbaugh, J., Jacobson, I., and Booch, G. 1999. The Unified Modeling Language Reference Manual. Addison Wesley.
[11] Subakti, Irfan. 2002. Sistem Pendukung Keputusan (Decision Support System). Institute Teknologi Sepeuluh Nopember. Surabaya.
[12] Rouf, Abdul. 2012. Pengujian Perangkat Lunak Dengan Menggunakan Metode White Box dan Black Box. STMIK HIMSYA. Semarang
