BAB 2
LANDASAN TEORI
2.1. Sistem Pendukung Keputusan
Sistem adalah sekelompok unsur yang berhubungan erat satu dengan lainnya, yang berfungsi bersama-sama untuk mencapai tujuan tertentu.(Syahfitri . 2013).
meningkatkan kualitas suatu keputusan serta meningkatkan daya guna dan tepat guna dalam proses pengambilan keputusan. ( Power. J, Daniel. 2009)
2.2. Gym
Gym adalah kegiatan olahraga pembentukan otot-otot tubuh/fisik yang dilakukan secara rutin dan berkala, yang bertujuan untuk menjaga fitalitas tubuh dan berlatih disiplin.fitnes adalah aktivitas angkatangkat besi yang hanya dilakukan oleh pria berusia muda yang ingin membesarkan badan. Definisi kata Gym itu sendiri adalah "kebugaran" atau Gym juga berarti "lebih dari sekedar sehat". Latihan ( beban dan aerobic ) hanyalah salah satu elemen dari gaya hidup Gym. Dan gaya hidup Gym pada dasarnya adalah gaya hidup yang melibatkan kegiatan ataupun aktivitas yang membuat orang menjadi lebih bugar dan jarang sakit..(Kusumasari, D.W. 2013)
2.3. Metode Profile Matching
Proses perhitungan profile matching terdiri atas beberapa proses yaitu Pemetaan Gap, Penentuan Bobot Nilai Gap, Perhitungan Core factor dan Secondary factor.
Tahapan dalam profile matching yaitu :
1. Menentukan kriteria dengan nilai bobot kriteria, untuk nilai bobot criteria nantinya akan dihitung pada proses terakhir setelah didapatkan nilai dari tiap kriteria.
2. Penentuan core dan secondary faktor beserta parameter nilai subkriteria yang digunakan sebagai nilai kompetensi.
3. Perhitungan gap kompetensi yaitu proses pencocokan profil nilai bidan dengan profil nilai desa yang menghasilkan nilai gap dari kompetensi.
4. Penggabungan subkriteria core dan secondary factor untuk memperoleh perhitungan nilai total kriteria.
5. Tahapan terakhir dari profil matching yaitu melakukan perhitungan pada semua nilai total kriteria dan bobot kriteria, untuk menghasilkan perangkingan dari nilai kompetensi. Profile Matching adalah sebuah mekanisme pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat minimal yang harus dipenuhi atau dilewati.
Langkah-langkah dalam penyelesaian perhitungan dengan menggunakan metode Profile Matching yaitu :
1. Aspek-aspek penilaian.
Langkah pertama yang harus dilakukan yaitu menentukan aspek-aspek penilaian. 2. Pemetaan GAP kompetensi.
GAP kompetensi adalah perbedaan antara kriteria yang dimiliki seseorang dengan kriteria yang diinginkan. Rumus untuk mencari GAP kompetensi yaitu : GAP = Nilai Profil Konsumen – Nilai Minimal
3. Pembobotan GAP kompetensi
Tabel 2.1. Bobot Nilai no selisih Bobot
nilai Keterangan
1 O 5 Tidak ada selisih
2 1 4,5 Kompetensi individu kelebihan 1 tingkat/level
3 -1 4 Kompetensi individu kekurangan 1 tingkat/lelvel
4 2 3,5 Kompetensi individu kelebihan 2 tingkat/level
5 -2 3 Kompetensi individu kekurangan 2 tingkat/level
6 3 2,5 Kompetensi individu kelebihan 3 tingkat/level
7 -3 2 Kompetensi individu kekurangan 3 tingkat/level
8 4 1,5 Kompetensi individu kelebihan 4 tingkat/level
9 -4 1 Kompetensi individu kekurangan 4 tingkat/level
4. Perhitungan dan pengelompokkan Core dan Secondary factor Setelah bobot nilai GAP ditentukan, maka dibagi menjadi 2 kelompok yaitu Core Factor dan Secondary factor.
Rumus untuk menghitung Core Factor yaitu sebagai berikut :
���= ∑��(�����)
∑��
Keterangan :
NCF = Nilai rata-rata core factor. NC (aspek) = Jumlah total nilai core factor. IC = Jumlah item core factor.
Sedangkan rumus untuk menghitung secondary factor yaitu sebagai berikut:
���= ∑ ��(�����)
∑��
Keterangan :
NC(aspek) = Jumlah total nilai Secondary factor. IC = Jumlah item secondary factor. 5. Perhitungan Nilai Total
Untuk menghitung nilai total, rumus yang digunakan yaitu : (x)%NCF(aspek) + (x)%NSF(aspek) = Ntotal(aspek)
Keterangan :
NCF(aspek) = nilai rata-rata core factor. NSF(aspek) = nilai rata-rata secondary factor. N(aspek) = nilai total dari aspek
(x)% = nilai persen yang diinputkan 6. Perhitungan Nilai Rangking
Untuk menentukan perankingan mengacu pada hasil perhitungan menggunakan rumus sebagai berikut :
Rangking = (x)% Ns Keterangan :
Ns = Nilai aspek
(x)% = Nilai persen yang diinputkan
(Islami, 2015)
2.4. Metode TOPSIS
TOPSIS adalah salah satu metode pengambilan keputusan multikriteria atau
alternatif pilihan yang merupakan alternatif yang mempunyai jarak terkecil dari solusi
ideal positif dan jarak terbesar dari solusi ideal negatif dari sudut pandang geometris
dengan menggunakan jarak Euclidean. Namun, alternatif yang mempunyai jarak terkecil
dari solusi ideal positif, tidak harus mempunyai jarak terbesar dari solusi ideal
positif dan jarak terhadap solusi ideal negatif secara bersamaan.Solusi optimal dalam
metode TOPSIS didapat dengan menentukan kedekatan relatif suatu altenatif terhadap
solusi ideal positif. TOPSIS akan merangking alternatif berdasarkan prioritas nilai
kedekatan relatif suatu alternatif terhadap solusi ideal positif. Alternatif-alternatif yang
telah dirangking kemudian dijadikan sebagai referensi bagi pengambil keputusan untuk
memilih solusi terbaik yang diinginkan.(Harahap F. K. 2013)
2.4.1.Kegunaan Metode TOPSIS
TOPSIS telah digunakan dalam banyak aplikasi termasuk keputusan investasi keuangan, perbandingan performansi dari perusahaan, pebandingan dalam suatu industri khusus, pemilihan sistem operasi, evaluasi pelanggan, dan perancangan robot. (Harahap F. K. 2013)
2.4.2. Langkah-langkah Metode TOPSIS
Berikut adalah langkah-langkah dari metode TOPSIS :
1. Membangun sebuah matriks keputusan.
keterangan:
ai( i = 1, 2, 3, . . . , m ) adalah alternatif-alternatif yang mungkin,
xj (j = 1, 2, 3, . . . ,n ) adalah atribut dimana performansi alternatif diukur,
xijadalah performansi alternatif ai dengan acuan atribut xj.
2. Membuat matriks keputusan yang ternormalisasi.
Persamaan yang digunakan untuk mentransformasikan setiap elemen xijadalah:
dengani = 1, 2, 3, . . . , m; dan j = 1, 2, 3, . . . , n;
keterangan:
rijadalah elemen dari matriks keputusan yang ternormalisasi R, xijadalah elemen dari matriks keputusan X.
3. Membuat matriks keputusan yang ternormalisasi tebobot.
Dengan bobot wj = ( w1, w2 , w3 , . . . , wn ), dimana wj adalah bobot dari kriteria ke-j dan ∑��=1�� = 1 , maka normalisasi bobot matriks V adalah :
vij = wj rij
vijadalah elemen dari matriks keputusan yang ternormalisai terbobot V,
wjadalah bobot kriteria ke-j
rijadalah elemen dari matriks keputusan yang ternormalisasi R.
4. Menentukan matriks solusi ideal positif dan solusi ideal negatif. Solusi ideal positif dinotasikan A+, sedangkan solusi ideal negatif dinotasikan A-. Berikut ini adalah persamaan dari A+ dan A- :
a. A+ = {( maxvij | j∈J ), ( min vij | j∈J’ ), i = 1, 2, 3, …, m) = { �1− ,�2− ,�3− , … ,��−}
b. A- = {( minvij | j∈J ), ( max vij | j∈J’ ), i = 1, 2, 3, …, m) = { �1− ,�2− ,�3− , … ,��−}
J = { j = 1, 2, 3, … n dan J merupakan himpunan kriteria keuntungan ( benefit criteria)}.
J’ = { j = 1, 2, 3, … n dan J’ merupakan himpunan kriteria biaya (costcriteria) Keterangan:
vij adalah elemen dari matriks keputusan yang ternormalisasi terbobot V,
��+( j = 1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal positif,
��−= ( j = 1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal negatif.
5. Menghitung separasi
a.S+adalah jarak alternative dari solusi ideal positif didefenisikan sebagai:
b. S-adalah jarak alternative dari solusi ideal negatif didefenisikan sebagai:
��−=�∑��=1(��� −��−)2 , dengan i = 1, 2, 3, . . . ,m
keterangan:
��+adalah jarak alternative ke-I dari solusi ideal positif, ��−adalah jarak alternative ke-I dari solusi ideal negatif,
vijadalah elemen dari matriks keputusan yang ternormalisasi terbobot V,
��+adalah elemen matriks solusi ideal positif,
��−adalah elemen matriks solusi ideal negative 6. Menghitung kedekatan terhadap solusi ideal positif.
Kedekatan relatif dari setiap alternative terhadap solusi ideal positif dapat dihitung dengan menggunakan persamaan berikut:
dengani = 1 ,2 , 3, . . . , m keterangan :
��+adalah kedekatan relatif dari alternative ke-I tehadap solusi ideal positif,
��+adalah jarak alternatif ke-I dari solusi ideal positif, ��−adalah jarak alternative ke-I dari solusi ideal negatif. 7. Merangking aternatif.