BAB 2
LANDASAN TEORI
2.1. Sistem Pendukung Keputusan
Istilah sistem pendukung keputusan pertama kali digagas oleh P.G.W Keen, seorang akademisi Inggris yang kemudian melanjutkan karir di USA. Pada tahun 1978 Keen dan Scott Morton menerbitkan sebuah buku dengan judul Decision Support Systems : An Organisation Perspective. Dimana dalam buku tersebut mereka menyebutkan bahwa sistem komputer berdampak pada keputusan yang akan dibuat, karena komputer dan analisis merupakan faktor penting untuk dipertimbangkan dalam menetapkan sebuah keputusan (Power, 2009).
Sistem pendukung keputusan adalah sebuah sistem yang efektif dalam membantu mengambil suatu keputusan yang kompleks, sistem ini menggunakan aturan-aturan pengambilan keputusan, model analisis, database yang komprehensif dan pengetahuan dari pengambil keputusan itu sendiri (Janakiraman, 1999).
2.1.1. Syarat sistem pendukung keputusan
Menurut Bidgoli (1989) syarat dari sebuah sistem keputusan adalah : 1. Memerlukan perangkat keras
2. Memerlukan perangkat lunak
3. Memerlukan manusia (perancang dan pengguna)
4. Dirancang untuk mendukung sebuah pengambilan keputusan
2.1.2. Komponen sistem pendukung keputusan
Sistem Pendukung Keputusan terdiri dari empat subsistem (Turban, 2005), yaitu: 1. Manajemen Data, meliputi basis data yang berisi data-data yang relevan
dengan keadaan dan dikelola oleh perangkat lunak yang disebut Database Management System (DBMS).
2. Manajemen Model, berupa sebuah paket perangkat lunak yang berisi model-model finansial, statistik, management science, atau model kuantitatif yang menyediakan kemampuan analisa dan perangkat lunak manajemen yang sesuai.
3. Subsistem Dialog, merupakan subsistem yang dipakai oleh user untuk berkomunikasi dan memberi perintah (menyediakan user interface).
4. Manajemen Knowledge, yang mendukung subsistem lain atau berlaku sebagai komponen yang berdiri sendiri.
Berdasarkan komponen sistem keputusan yang telah dijelaskan, berikut diberikan penggambaran mengenai komponen sistem pendukung keputusan pada
Gambar 2.1.
Gambar 2.1. Komponen Sistem Pendukung Keputusan
Berdasarkan Gambar 2.1. dapat dikatakan bahwa sistem pendukung keputusan harus mencakup tiga komponen utama dari DataBase Management System (DBMS),
manajemen berbasis pengetahuan adalah opsional, tetapi dapat memberikan banyak manfaat karena dapat memberikan intelegensi bagi ketiga komponen utama tersebut.
2.1.3. Karakteristik sistem pendukung keputusan
Adapun karakteristik dari suatu sistem pendukung keputusan (Suryadi, 1998) adalah sebagai berikut:
1. Mendukung seluruh kegiatan organisasi
2. Mendukung beberapa keputusan yang saling berinteraksi 3. Dapat digunakan berulang kali dan bersifat konstan 4. Terdapat dua komponen utama, yaitu data dan model 5. Menggunakan baik data eksternal dan internal
6. Memiliki kemampuan what-if analysis dan goal seeking analysis
7. Menggunakan beberapa model kuantitatif
2.1.4. Kriteria sistem pendukung keputusan
Sistem Pendukung Keputusan (SPK) merupakan sebuah sistem yang memiliki kriteria
sebagai berikut (Turban, 1995):
1. Penggunaan model, komunikasi antara pengambil keputusan dan sistem terjalin melalui model-model matematis, jadi pengambil keputusan
bertanggung jawab membangun model matematis berdasarkan permasalahan yang dihadapinya.
2. Berbasis komputer, sistem ini mempertemukan penilaian manusia (pengambil keputusan) dengan informasi komputer. Informasi komputer ini dapat berasal dari perangkat lunak komputer yang merupakan implementasi dari metode numeris untuk permasalahan matematis yang bersangkutan.
3. Fleksibel, sistem harus dapat beradaptasi terhadap timbulnya perubahan pada permasalahan yang ada. Jadi pengambil keputusan harus dibolehkan untuk melakukan perubahan pada model yang telah diberikannya kepada sistem, ataupun memberikan model yang baru.
interaktif: pengambil keputusan harus diijinkan untuk menjelajahi alternatif jawaban dengan cara memvariasi parameter-parameter yang ada pada sistem.
2.1.5. Tahap-tahap dalam pengambilan keputusan
Tahapan-tahapan dalam pengambilan keputusan menurut Basyaib (2006) adalah : 1. Intelijen
a) Pembentukan persepsi terhadap situasi yang dihadapi.
Ialah mengenali situasi keputusan dan pendefinisian karakteristik utama yang ada pada situasi tersebut.
b) Membangun model yang mewakili situasi.
Sebuah model merupakan kendaraan yang membantu dalam mengestimasi hasil yang mungkin terjadi dari sebuah situasi keputusan. c) Penentuan ukuran kuantitatif terhadap biaya (disbenefits) dan manfaat
yang paling tepat untuk situasi yang dihadapi.
Sistem ukuran seragam yang akan digunakan dalam membandingkan alternatif langkah keputusan.
2. Desain
Penentuan dengan spesifik alternatif yang dimiliki dengan mengenali dan
merumuskan dengan jelas langkah – langkah yang mungkin dilakukan.
3. Pilihan
a) Evaluasi manfaat dan biaya (disbenefits) dari semua langkah alternatif. Ialah penilaian akibat penerapan setiap langkah alternatif dengan menggunakan ukuran biaya dan manfaat.
b) Menetapkan kriteria dalam memilih langkah terbaik.
Adalah penetapan peraturan dengan mengaitkan hasil dengan tujuan pembuatan keputusan.
c) Penyelesaian situasi keputusan.
2.2. Fuzzy Multiple Attribute Decision Making (FMADM)
Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. Masing- masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. ( Kusumadewi, 2006).
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM, antara lain (Kusumadewi, 2006):
a. Simple Additive Weighting (SAW) b. Weighted Product (WP)
c. ELECTRE
d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) e. Analytic Hierarchy Process (AHP)
2.3. Metode Simple Additive Weighting (SAW)
Metode Simple Additive Weighting (SAW) sering juga dikenal dengan istilah 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 (Rahman, 2014).
2.3.1. Langkah-langkah penyelesaian
Adapun langkah penyelesaian dalam menggunakan metode Simple Additive Weighting
1. Menentukan alternatif, yaitu Ai.
2. Menentukan kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Cj.
3. Memberikan nilai rating kecocokan setiap alternatif pada setiap kriteria. 4. Menentukan bobot preferensi atau tingkat kepentingan (W) setiap kriteria.
W = [W1, W2, W3, … , WJ] ...(1)
5. Membuat tabel rating kecocokan dari setiap alternatif pada setiap kriteria. 6. Membuat matrik keputusan (X) yang dibentuk dari tabel rating kecocokan dari
setiap alternatif pada setiap kriteria. Nilai X setiap alternatif (Ai) pada setiap
7. Melakukan normalisasi matrik keputusan dengan cara menghitung nilai rating kinerja ternomalisasi (rij) dari alternatif Ai pada kriteria Cj.
{
a. Kriteria keuntungan (benefit) apabila nilai memberikan keuntungan bagi pengambil keputusan, sebaliknya kriteria biaya (cost) apabila menimbulkan biaya bagi pengambil keputusan.
b. Apabila berupa kriteria keuntungan (benefit) maka nilai dibagi dengan nilai dari setiap kolom, sedangkan untuk kriteria biaya (cost), nilai dari setiap
9. Hasil akhir nilai preferensi (Vi) diperoleh dari penjumlahan dari perkalian elemen baris matrik ternormalisasi (R) dengan bobot preferensi (W) yang bersesuaian elemen kolom matrik (W).
Hasil perhitungan nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai merupakan alternatif terbaik menurut perhitungan metode Simple Additive Weighting.
2.4. Metode Profile Matching
Profile Matching adalah salah satu dari metode dalam pengambilan keputusan yang mekanismenya mengasumsikan bahwa terdapat tingkat variabel prediktor yang ideal yang harus dimiliki oleh pegawai. Bukannya tingkat minimal yang harus dipenuhi atau dilewati (Kusrini, 2007). Dalam Profile Matching pegawai yang bisa dipromosikan untuk menduduki suatu jabatan (kenaikan jabatan) adalah pegawai yang paling mendekati profil ideal (Ekasari, 2010).
2.4.1. Langkah-langkah penyelesaian
Langkah-langkah dalam melakukan metode ini adalah (Khoiruddin, 2011): 1. Menentukan tujuan dan alternatif yang akan dipilih
2. Menentukan aspek dan subaspek yang digunakan untuk penilaian 3. Melakukan pemetaan GAP
GAP yang dimaksud adalah perbedaan antara profil jabatan dengan profil
karyawan atau bisa ditunjukkaan pada rumus di bawah ini:
...(8)
4. Melakukan perhitungan core factor dan secondary factor
Setelah menentukan bobot nilai gap untuk ketiga aspek, yaitu aspek kapasitas intelektual, sikap kerja, dan perilaku dengan cara sama, setiap kriteria atau aspek dikelompokkan menjadi dua kelompok yaitu kelompok core factor dan
secondary factor.
a. Perhitungan core factor menggunakan rumus dibawah ini:
∑
∑ ...(9) dimana:
NRC = Nilai rata-rata core factor tiap aspek
NC = Jumlah total nilai core factor tiap aspek
b. Untuk menghitung nilai Secondary Factor digunakan rumus:
∑
∑ ...(10) dimana:
NRS = Nilai rata-rata secondary factor tiap aspek
NS = Jumlah total nilai secondary factor tiap aspek
IS = Jumlah item tiap aspek
c. Untuk menghitung nilai total digunakan rumus:
60% (CF) + 40% (SF) ...(11) 5. Perhitungan Nilai Total
Dari hasil setiap aspek di atas berikutnya dihitung nilai total berdasakan
presentasi dari nilai core factor dan secondary factor yang diperkirakan berpengaruh terhadap kinerja tiap-tiap profil.
6. Perhitungan Nilai Ranking
Hasil akhir dari proses Profile Matching adalah ranking dari kepribadian yang dominan dari setiap alternatif. Penentuan ranking mengacu pada hasil perhitungan tertentu. Perhitungan tersebut dapat ditunjukkan pada rumus : Ranking = A% (K1) + B%(K2) + C% (K3) + D%(K4) + E%(K5) + F% (K6) + G%(K7) + H% (K8) ...(12)
Dimana :
K = nilai kriteria
2.5. Sejarah Perkebunan Tembakau Deli di Bulu Cina
Gambar 2.2. Peta Perkebunan Bulu Cina (Sumber: PTPN 2 Kebun Bulu Cina)
2.6. Karakteristik dan Kualitas Lahan Tembakau
Faktor jenis lahan sangat ditentukan oleh kualitas lahan dan karakteristik lahan. Kualitas lahan kemungkinan berperan positif dan negatif terhadap penggunaan lahan tergantung dari sifat-sifatnya. Kualitas lahan yang berperan positif tentu yang sifatnya sangat menguntungkan bagi suatu penggunaan, misalnya untuk tanaman tembakau. Sebaliknya kualitas lahan yang bersifat negatif karena keberadaanya akan merugikan terhadap penggunaan tertentu, bisa merupakan faktor pembatas atau penghambat (Siswanto, 2004).
Kualitas lahan adalah sifat-sifat pengenal atau atribut yang bersifat kompleks dari sebidang lahan. Setiap kualitas lahan mempunyai keragaan yang berpengaruh terhadap kesesuaiannya bagi penggunaan tertentu dan biasanya terdiri atas satu atau lebih karakteristik lahan. Kualitas lahan ada yang bisa diestimasi atau diukur secara langsung di lapangan, tetapi pada umumnya ditetapkan berdasarkan karakteristik lahan (FAO, 1976).
Kualitas lahan yang berhubungan dan berpengaruh terhadap hasil atau
produksi tanaman di dalam FAO (1976), antara lain terdiri atas: ketersediaan air, ketersediaan hara, ketersediaan oksigen dalam zona perakaran, kondisi dan sifat fisik dan morfologi tanah, kemudahan lahan untuk diolah, salinitas dan alkalinitas,
toksisitas tanah (misalnya aluminium, pirit), ketahanan terhadap erosi, hama dan penyakit tanaman yang berhubungan dengan kondisi lahan, bahaya banjir, rezim temperatur, energi radiasi, bahaya unsur iklim terhadap pertumbuhan tanaman (angin, kekeringan), dan kelembaban udara yang mempengaruhi pertumbuhan tanaman.
Karakteristik lahan merupakan sifat lahan yang dapat diukur atau diduga. Menurut FAO (1976), karakteristik lahan terdiri atas:
a. Karakteristik tunggal, misalnya total curah hujan, kedalaman tanah, lereng dan lain lain.
2.7. Penelitian Terdahulu
Berikut beberapa penelitian terdahulu yang relevan dengan penelitian yang diangkat oleh penulis, diantaranya:
1. Alfi Rahman (2014) membuat penelitian dengan judul Implementasi Metode
Simple Additive Weighting (SAW) dan Profile Matching dalam Menentukan Pejabat Struktural pada Pemerintah Kota Tebing Tinggi, menyimpulkan bahwa waktu penyelesaian perhitungan proses pada metode Simple Additive Weighting
yaitu 1.0183 detik, lebih cepat dari metode Profile Matching yaitu 1.0434 detik dan pada metode Simple Additive Weighting profil pegawai terbaik bisa menjadi solusi terbaik sedangkan pada metode Profile Matching profil pegawai yang mendekati profil jabatan ideal yang menjadi solusi terbaik tidak harus profil pegawai yang terbaik (Rahman, 2014).
2. Ibrahim Ahmad Harahap (2014) membuat penelitian dengan judul Implementasi Perbandingan dengan Metode Profile Matching dan Simple Additive Weighting
(SAW) dalam Penilaian Kinerja Karyawan (Studi Kasus Dinas Kebudayaan dan
Pariwisata Provinsi Sumatera Utara), menyimpulkan bahwa metode Simple Additive Weighting memperoleh hasil penilaian dua kali sama dengan hasil penilaian yang dilakukan oleh pihak Dinas Kebudayaan dan Provinsi Sumatera
Utara sehingga terbukti lebih akurat dibandingkan dengan menggunakan metode
Profile Matching dalam kasus ini (Harahap, 2014).
3. Sartana Fitra Amir (2011) membuat penelitian dengan judul Analisis dan Perancangan Sistem Pendukung Keputusan Menggunakan Model Simple Additive Weighting untuk Seleksi Penerima Beasiswa Bidik Misi Universitas Sumatera Utara, menyimpulkan bahwa pada model Simple Additive Weighting menggunakan metode MADM dan FMADM, setiap kriteria dianggap independen dan tidak saling mempengaruhi satu sama lain sehingga diharapkan agar menambahkan beberapa kriteria yang dapat saling melengkapi dan mempengaruhi satu sama lain dan menggabungkannya dengan metode Multi-Attribute Utility Theory (MAUT)
