SELEKSI PEMILIHAN RUMAH SEHAT MENGGUNAKAN
METODE SAW DAN K-MEANS
Ferian Fauzi Abdulloh1, Sharazita D.A2
1,2
Magister Teknik Informatika, STMIK AMIKOM Yogyakarta
1
ferianfauzi@gmail.com, 2 sharazita.da@gmail.com
Abstrak
Semakin berkembangnya penduduk Indonesia jelas dibarengi dengan kebutuhan akan tempat tinggal. Tentunya pemilihan tempat tinggal harus mempertimbangkan keamanan maupun kenyamanan. Dengan penelitian ini, diharapkan akan bisa membantu pihak terkait untuk mengevaluasi kualitas dari tempat tinggal terutama dibidang kesehatannya. Sehingga rumah yang dijual maupun dihuni bisa dipastikan bahwa bangunan tersebut layak huni atau tidak. Tidak hanya menentukan sehat atau tidaknya suatu rumah, namun dalam penelitian ini diharapkan mampu membantu memberikan pendukung keputusan rumah manakah yang sangat perlu segera ditindak, sekedar perlu, ataupun tidak perlu sama sekali dikarenakan sudah memenuhi kriteria rumah sehat. Tahapan penelitian dengan membuat kriteria-kriteria rumah sehat berdasarkan Dinas Kesehatan Indonesia, kemudian dilakukan perhitungan menggunakan metode SAW, dan mengklaster hasilnya menjadi beberapa kelas
.
Kata kunci : SAW,fuzzy,k-means 1. Pendahuluan
Data statistik proyeksi penduduk menurut provinsi [3] menunjukan bahwa penduduk Indonesia tahun 2010-2035 akan terus meningkat. Juga berdasarkan pernyataan [1] bahwa konsumen bidang properti semakin bertambah. Di Yogyakarta contohnya beberapa perumahan baru sedang dibangun di lahan-lahan kosong membuktikan memang bisnis properti semakin bergairah.
Undang Undang Dasar (UUD) 1945 dan pasal 28 H Amandemen UUD 1945 mengamanatkan bahwa, rumah adalah salah satu hak dasar setiap rakyat Indonesia, maka setiap warga negara berhak untuk bertempat tinggal dan mendapat lingkungan hidup yang baik dan sehat. Menurut Undang-Undang No. 4 tahun 1992 tentang Perumahan dan Permukiman, rumah adalah bangunan yang berfungsi sebagai tempat tinggal atau hunian dan sarana pembinaan keluarga. Rumah merupakan kebutuhan dasar manusia dalam meningkatkan harkat, martabat, mutu kehidupan dan penghidupan, serta sebagai pencerminan diri pribadi dalam upaya peningkatan taraf hidup, serta pembentukan watak, karakter dan kepribadian bangsa.
Maka dengan dasar-dasar yang telah disebutkan diatas, sudah seharusnyalah rumah yang layak menjadi hak setiap warga. Dan Dinas Kesehatan Repulik Indonesia lah yang berkewajiban untuk memastikan bahwa seluruh rakyat Indonesia mendapatkan rumah sehat layak huni. Berdasarkan penelitian [6] “Perumahan yang sehat tidak lepas dari ketersediaan prasarana dan sarana yang terkait, seperti penyediaan air
bersih, sanitasi pembuangan sampah, transportasi, dan tersedianya pelayanan social”.
Di penelitian [5] dan [4] telah dijelaskan bagaimana penggunaan metode SAW, kemudian juga di penelitian [2] diterapkan metode Fuzzy MADM (Multiple Attribute Decission Making) menggunakan SAW (Simple Additive Weighting) pada penentuan pemberian kelayakan pada pengajuan kredit pinjaman. Didalam penelitian ini, metode tersebut akan digunakan untuk menentukan rumah sehat berdasarkan kriteria yang telah ditentukan oleh Dinas Kesehatan Republik Indonesia, yang kemudian di klaster berdasarkan rangking nilai yang dihasilkan oleh SAW, dengan harapan bisa membantu Dinas Pendidikan menentukan prioritas utama dalam mengadakan penyuluhan maupun pengkondisian rumah sehat.
Adapun kebutuhan fungsional sistem pendukung keputusan yang akan dibuat adalah sebagaia berikut :
1. Sistem mampu menerima inputan bobot dari kriteria rumah sehat.
2. Sistem mampu menerima input alternatif yang akan dihitung.
3. Sistem mampu menghitung nilai masing-masing alternatif menggunakan metode SAW.
4. Sistem mampu meng-klaster alternatif menjadi beberapa kelas berdasarkan nilai yang dihasilkan oleh perhitungan SAW. Kriteria penilaian rumah sehat secara sengaja tidak dimasukkan secara dinamis karena memang telah didasarkan kriteria rumah sehat yang ditetapkan Departemen Kesehatan RI Tahun
2006. Berdasarkan [2] pengisian nilai kepentingan berdasar bobot pada masing-masing kriteria ditentukan dengan nilai fuzzy seperti berikut : Sangat Rendah (SR) = 1 Rendah (R) = 2 Cukup (C) = 3 Tinggi(T) = 4 Sangat Tinggi(ST) = 5 2. Metode Penelitian
Penelitian ini dilakukan dengan menggunakan metode pengembangan perangkat lunak secara terstruktur dan sistematik yaitu menggunakan metode waterfall dengan langkah-langkah sebagai berikut :
1. Pendefinisan masalah dan kebutuhan pengguna. Pada tahap ini peneliti akan melakukan identifikasi masalah dan memberikan tujuan penelitian sesuai dengan kebutuhan pengguna.
2. Perancangan system. Tahap perancangan system dilakukan dengan memodelkan penyelesaian dari seluruh masalah yang telah diidentifikasi. Perancangan akan dilakukan dengan Data Flow Diagram, ER Diagram dan Flowchart.
3. Implementasi yang akan dilakukan dengan menjabarkan model algortima dalam pemecahan pengambilan keputusan yang nantinya akan diimplementasikan pada pengkodean program.
4. Manajemen perawatan system. 3. Analisis Data dan Informasi
3.1 Sumber Data
Data yang dibutuhkan pada penelitian ini adalah data kriteria dan data penilaian setiap rumah sesuai dengan kriteria yang telah ditentukan. Data kriteria rumah sehat didapatkan berdasarkan Kriteria Rumah Sehat Depkes RI Thn,2006. Sedangkan data penilaian setiap rumah akan diasumsikan sendiri oleh peneliti saat melakukan penginputan data. 3.2 Informasi Yang Dihasilkan
Output yang dihasilkan pada penelitian ini berupa perangkingan rumah sehat yang diseleksi menggunakan metode SAW, kemudian hasil perangkingan tersebut akan dikelompokkan kembali sesuai dengan kelas-kelas yang ditentukan oleh pengguna system.
4. Analisis Model
4.1 Data Flow Diagram
Surveyor DSS dengan SAW
dan Clustering Data Alternatif Data Penilaian Manager Data Kriteria Data Kelas Rangking Hasil Cluster
Gambar 1. Konteks Diagram DSS Rumah Sehat
Konteks diagram pada Gambar 1 menjelaskan alur data yang akan berjalan pada DSS Rumah Sehat. Akses pengguna dibagi menjadi dua yaitu Surveyor yang akan memasukkan data alternative calon rumah sehat beserta dengan data penilaiannya. Kemudian akses pengguna yang kedua adalah Manager yang akan menentukan data kriteria dan kelas dalam proses pengambilan keputusan kepada system dan menghasilkan keluaran berupa rangking dan hasil dari proses clustering. 1.1 Pengolahan Data Kriteria Tb.Kriteria 1.3 Pengolahan Data Alternatif Tb.Alternatif Manager Kriteria Surveyor Alternatif 1.4 Pengolahan Data Penilaian Tb.NilaiAlternatif Kriteria Alternatif Penilaian 1.5 Proses Normalisasi SAW Penilaian Matrik Normalisasi 1.6 Proses Perangkingan SAW 1.2 Pengolahan Data Kelas Tb.Kelas Kelas Hasil 1.7 Proses Clustering Kelas Cluster 1.8 Pengolahan Hasil Rangking SAW Hasil Cluster
Gambar 2. DFD Level 1 DSS Rumah Sehat DFD level 1 DSS Rumah Sehat merupakan pemecahan dari konteks diagram pada Gambar 1. Gambar 2 menggambarkan bahwa proses awal dimulai dari penentuan data kriteria dan kelas oleh manager yang diikuti dengan masukan data alternative dan penilaian alternative setiap rumah berdasarkan kriteria yang sudah ditentukan dan dibobotkan oleh manager. Penilaian tersebut akan dinormalisasikan dan disimpan pada table matrik
normalisasi yang hasilnya akan diproses kembali untuk dirangking dan disimpan pada table hasil. Proses perhitungan SAW berhenti sampai pada proses 1.6 yang dilanjutkan dengan memproses clustering data berdasarkan hasil rangking SAW. Hasil cluster akan disimpan pada table cluster, informasi akhir yang disampaikan pada manager berupa perangkingan rumah sehat dan hasil pengelompokkan clustering. 4.2 Rancangan Database Alternatif NoAlternatif* NamaRumah Kriteria NoKrit* NamaKrit NilaiBobot Keterangan NilaiAlternatif NoNilai* NoAlternatif** NoKrit** Nilai Normalisasi NoNilai* NilaiNormalisasi Hasil NoHasil* NoNilai** NilaiHasil Kelas NoKelas* NamaKelas Centroid Cluster NoCluster* NoHasil** NoKelas** NilaiCluster
GGambar 3. Relasi Antar Tabel DSS Rumah Sehat
4.3 Hasil dan Pembahasan
4.3.1 Perhitungan Pengambilan Keputusan
Untuk mendapatkan hasil rangking dengan pengelompokkan kelas rumah sehat menggunakan metode SAW dan K-Means, langkah awal adalah menetukan pembobotan kriteria dan memasukkan penilaian alternative.
Tabel 1. Pembobotan Kriteria
Kriteria Bobot Keterangan Kekeringan saluran air
(K1)
4 Tinggi Kebersihan (K2) 5 Sangat Tinggi
Keamanan (K3) 3 Cukup Bebas kontaminasi (K4) 3 Cukup Ventilasi (K5) 3 Cukup Hewan pengganggu (K6) 3 Cukup Terawat (K7) 4 Tinggi
Data penilaian setiap alternative merupakan data yang diasumsikan oleh peneliti sebagai berikut :
Tabel 2. Penilaian Setiap Alternatif
Alternatif K1 K2 K3 K4 K5 K6 K7 Rumah 1 5 5 5 5 5 5 5 Rumah 2 3 3 3 3 3 3 3 Rumah 3 1 3 2 2 3 3 3 Rumah 4 5 2 4 4 5 3 3 Rumah 5 3 3 3 4 2 2 3 Rumah 6 2 5 2 3 1 4 2 Rumah 7 3 4 4 4 4 2 3 Rumah 8 1 1 3 2 5 3 3 Rumah 9 4 2 3 3 3 4 4 Rumah 10 3 4 3 3 2 4 5 Rumah 11 1 2 1 1 1 1 2 Rumah 12 4 5 5 3 2 4 5
Langkah-langkah perangkingan setiap nilai alternative menggunakan metode SAW sebagai berikut :
1. Perhitungan matriks ternormalisasi dari nilai setiap alternative rumah. Formula yang digunakan sebagai berikut :
Tabel 3. Matriks Ternormalisasi Alternatif K1 K2 K3 K4 K5 K6 K7 Rumah 1 1 1 1 1 1 1 1 Rumah 2 0,6 0,6 0,6 0,6 0,6 0,6 0,6 Rumah 3 0,2 0,6 0,4 0,4 0,6 0,6 0,6 Rumah 4 1 0,4 0,8 0,8 1 0,6 0,6 Rumah 5 0,6 0,6 0,6 0,8 0,4 0,4 0,6 Rumah 6 0,4 1 0,4 0,6 0,2 0,8 0,4 Rumah 7 0,6 0,8 0,8 0,8 0,8 0,4 0,6 Rumah 8 0,2 0,2 0,6 0,4 1 0,6 0,6 Rumah 9 0,8 0,4 0,6 0,6 0,6 0,8 0,8 Rumah 10 0,6 0,8 0,6 0,6 0,4 0,8 1 Rumah 11 0,2 0,4 0,2 0,2 0,2 0,2 0,4 Rumah 12 0,8 1 1 0,6 0,4 0,8 1
2. Proses Perangkingan Matriks Ternormalisasi. Proses ini didapatkan dengan formula sebagai berikut:
V Rumah 1 = (4x1) + (5x1) + (3x1) + (3x1) + (3x1) + (3x1) + (4x1) = 25
Jika j adalah kriteria keuntungan (benefit)
V Rumah 2 = (4x0,6) + (5x0,6) + (3x0,6) + (3x0,6) + (3x0,6) + (3x0,6) + (4x0,6) = 15 V Rumah 3 = (4x0,2) + (5x0,6) + (3x0,4) + (3x0,4) + (3x0,6) + (3x0,6) + (4x0,6) = 12,2
Tabel 4. Hasil Proses Perangkingan Alternatif Hasil Akhir
Rumah 1 25 Rumah 2 15 Rumah 3 12,2 Rumah 4 18 Rumah 5 14,4 Rumah 6 14,2 Rumah 7 17,2 Rumah 8 12 Rumah 9 16,2 Rumah 10 17,6 Rumah 11 6,8 Rumah 12 20,6
Setelah hasil perangkingan dengan metode SAW didapatkan , langkah selanjutnya adalah melakukan proses clustering dengan metode K-Means untuk dapat mengelompokkan setiap hasil perangkingan dari metode SAW tersebut.
1. Penentuan kelas centroid dan toleransi kesalahan.
Untuk dapat menentukan nilai centroid dan toleransi harus menentukan jumlah kelas target yang diasumsikan sebagai berikut : (a) jumlah target = 3 (b) delta = 0,1.
Toleransi = 17,7 x 0,1 = 1,77
2. Penentuan Kelas Diskret yang diperoleh dari selisih data dengan setiap nilai centroid yang telah dijabarkan sebelumnya.
Tabel 5. Pencarian Kelas Diskret Data
Jarak dengan kelas
Min Kelas 10,25 16,15 22,05 25 14,75 8,85 2,95 2,95 A 15 4,75 1,15 7,05 1,15 B 12,95 2,7 3,2 9,1 2,7 C 19,05 8,8 2,9 3 2,9 B 15,3 5,05 0,85 6,75 0,85 B 15,25 5 0,9 6,8 0,9 B 18,1 7,85 1,95 3,95 1,95 B 12,75 2,5 3,4 9,3 2,5 C 17,25 7 1,1 4,8 1,1 B 18,65 8,4 2,5 3,4 2,5 B 7,3 2,95 8,85 14,75 2,95 C 22,45 12,2 6,3 0,4 0,4 A
3. Perhitungan rerata setiap kelas. Tabel 6. Perhitungan Rerata Kela s Rerata Centroi d Rerata-Centroid A 23,725 22,05 1,675 B 16,9428 16,15 0,792857143 C 11 10,25 0,75 3,217857143
Diketahui hasil perhitungan rerata = 3,21 masih lebih besar dari nilai toleransi yaitu 1,77 , maka perlu dilakukan perhitungan iterasi kedua dengan menggunakan centroid baru dari rerata iterasi sebelumnya sebagai berikut :
Tabel 7. Pencarian Kelas Diskret Iterasi Kedua Data Jarak dengan kelas Min Kelas
10,25 16,15 22,05 25 14 8,058 1,275 1,275 A 15 4 1,942 8,725 1,942 B 12,95 1,95 3,992 10,78 1,95 C 19,05 8,05 2,108 4,675 2,108 B 15,3 4,3 1,642 8,425 1,642 B 15,25 4,25 1,692 8,475 1,692 B 18,1 7,1 1,158 5,625 1,158 B 12,75 1,75 4,192 10,98 1,75 C 17,25 6,25 0,308 6,475 0,308 B 18,65 7,65 1,708 5,075 1,708 B 7,3 3,7 9,642 16,43 3,7 C 22,45 11,45 5,508 1,275 1,275 A Tabel 8. Perhitungan Rerata Iterasi Kedua
Kelas Rerata Centroid Rerata-Centroid
A 23,725 23,725 0
B 16,9428 16,942 0,000857143
C 11 11 0
0,000857143
Diketahui hasil perhitungan rerata iterasi kedua sebesar 0,00 yang sudah tidak melebihi nilai toleransi sehingga proses clustering DSS Rumah Sehat sudah mendapatkan hasil akhir.
4.3.2 Flowchart Pengambilan Keputusan Seperti pada proses perhitungan yang telah dijabarkan sebelumnya, flowchart pengambilan
keputusan terdiri dari 4 blok proses. Proses pertama berupa proses masukan matrik awal data penilaian rumah sehat. Proses kedua adalah proses perhitungan matrik ternormalisasi SAW. Proses ketiga adalah proses pe rangkingan SAW yang kemudian hasilnya diclustering sesuai dengan jumlah kelas dengan metode K-Means.
Mulai
Proses input matrik awal SAW Input Kriteria, Alternatif, Pembobotan Alternatif i=0 i=jumlah alternatif rumah? tidak Input Penilaian Alternatif (Matriks Awal)
pencarian nilai max dari nilai alternatif setiap
kriteria ya i=0 i=i+1 i=jumlah alternatif rumah? tidak Perhitungan matriks ternormalisasi Simpan matriks nilai awal i=i+1 Simpan nilai Simpan nilai Simpan matriks ternormalisasi
Proses perhitungan matrik ternormalisasi SAW i=0 i=jumlah alternatif rumah? tidak Perhitungan rangking alternatif Simpan nilai i=i+1 Simpan Rangking Tampilkan Rangking
Proses perhitungan rangking SAW
Cari nilai max nd min rangkin Perhitungan toleransi= (max-min)*delta Input delta Input jumlah kelas (i) i=0 i=jumlah kelas? Perhitungan centroid no Simpan centroid i=i+1 yes Perhitungan kelas diskret = Abs(Centroid – rangking ke i)
pencarian nilai min nilai kelas diskret dari tiap data rangking (min) Penentuan kelas
If min=nilai centroid ke i then kelas = c ke i
Simpan matriks kelas diskret
Hitung avg data rangking tiap kelas (Rt)
Hitung selisih Rt-centroid tiap
kelas (S)
Sum (S) = Y Y>delta no Selesai
Ambil hasil perhtiungan Rata-rata (Rt)
Gambar 4. Flowchart Pengambilan Keputusan 4.4 Implementasi
Gambar.4 Halaman index adalah halaman pertama yang akan diakses oleh pengguna web berisi menu yang disediakan untuk melakukan proses seleksi pemilihan rumah sehat.
Gambar 5. Halaman Index
Gambar.6 Halaman kriteria merupakan halaman yang digunakan user untuk memeasukkan kriteria penilaian rumah sehat. Gambar.7 Halaman pembobotan kriteria merupakan halaman yang digunakan user untuk melakukan pembobotan setiap kriteria yang telah ditentukan sebelumnya.
Gambar 6. Halaman Kriteria
Gambar 7. Halaman Pembobotan Kriteria Setelah melakukan pembobotan kriteria, user dapat melakukan proses pembobotan setiap rumah yang akan diseleksi pada halaman matrix pembobotan. Gambar.8 merupakan tampilan hasil dari matrix pembobotan setiap rumah. Untuk melakukan langkah perhitungan selanjutnya, user dapat menekan tombol hitung normalisasi dan secara otomatis akan menuju pada halaman marix normalisasi seperti pada Gambar.9. Setelah matrix normalisasi ditampilkan dapat dilanjutkan dengan melakukan proses perangkingan secara otomatis dengan menekan tombol hitung perangkingan. Proses perangkingan akan ditampilkan pada Gambar 10. Halaman Perangkingan.
Gambar 8. Halaman Matrix Pembobotan
Gambar 9. Halaman Matrix Ternormalisasi
Gambar 10. Halaman Perangkingan Dari hasil perangkingan SAW yaitu pada Gambar.10 maka langkah yabg terakhir adalah
melakukan clustering setiap rumah sesuai dengan nilai rangking yang telah didapatkan. Proses clustering dilakukan dengan menekan tombol cluster dan hasilnya akan ditampilkan pada Gambar.11 Halaman hasil Cluster.
Gambar 11. Halaman Hasil Cluster
4.5 Kesimpulan
Dari hasil pembahasan maka dapat ditarik kesimpulan bahwa implementasi system pendukung keputusan menggunakan Fuzzy SAW dan Clustering K-Means dapat diterapkan dalam seleksi pemilihan rumah sehat. Hasil yang diperolah dari system ini adalah rangking rumah sehat dan hasil pengelompokkan setiap kelas.
Daftar Pustaka:
[1] Amborowati, Armadyah. 2008. “Sistem Penunjang Keputusan Pemilihan
Perumahan Dengan Metode AHP Menggunakan Expert Choice”. STMIK
AMIKOM. Yogyakarta.
[2] Arfyanti, Ita Dan Purwanto, Edi. 2012. "Aplikasi Sistem Pendukung Keputusan Pemberian Kelayakan
Kredit Pinjaman Pada Bank Rakyat Indonesia Unit Segiri
Samarinda Dengan Metode Fuzzy Madm (Multiple Attribute Decission
Making) Menggunakan Saw (Simple Additive Weighting)".Semantik 2012.Semarang
[3] Badan Pusat Statistik, Laju Pertumbuhan Penduduk menurut Provinsi, (http://www.bps.go.id/linkTabelStatis/view/i d/1274), diakses tanggal 7 Mei 2015. [4] Hartini,D.C,
Ruskan,E.L,Ibrahim,Ali.2013."Sistem Pendukung Keputusan Pemilihan Hotel Di Kota Palembang Dengan Metode Simple Additive Weighting (SAW)".Universitas Sriwijaya.Palembang
[5] Hermanto,Nandang.2012."Sistem Pendukung Keputusan Menggunakan Metode Simple Additive Weighting (Saw) Untuk Menentukan Jurusan
Pada Smk Bakti Purwokerto".Semantik 2012.Semarang
[6] Krieger J and Higgins DL. (2002). “Housing and Health : Time Again for
Public Action”. Am J Public Health 92:5, 758-759.
