Menggunakan Logika
Fuzzy
MADM
Berbasis
Web
(Studi Kasus : BAPPEDA Kota Tomohon)
Artikel Ilmiah
Diajukan kepada Fakultas Teknologi Informasi untuk Memperoleh Gelar Sarjana Komputer
Peneliti:
Zefania Maleeva Palilingan (672011120) Alz Danny Wowor S.Si., M.Cs.
Ramos Somya, S.Kom., M.Cs.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Perancangan Sistem Pengaduan
Online
dan Sistem Pendukung
Keputusan Terhadap Prioritas Perbaikan Jalan Dengan
Menggunakan Logika
Fuzzy
MADM
Berbasis
Web
(Studi Kasus : BAPPEDA Kota Tomohon)
1) Zefania Maleeva Palilingan, 2)Alz Danny Wowor, 3) Ramos Somya
Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Jl. Diponegoro 52-60, Salatiga 50711, Indonesia
Email: 1)[email protected], 2)[email protected], 3)[email protected]
Abstract
Road infrastructure is an important aspect to improve the economy, trade, education and tourism of the city. As a government, the Regional Development Planning Board (BAPPEDA) of Tomohon is obliged to monitor and maintain the existing road infrastructure. The active role of the society like criticism and suggestion is also important. However, the process of monitoring and determining the roadwork is still less effective and efficient because it still done manually, the society regional confrence of also taking a long time. To solve the problems, it needed a decision support system to determine the roadwork and an online complaint system. Decision support systems can help the goverment to processing data of the road and determine the priority in quickly and effectively, the online complaint system can be a means for the public to submit comments and suggestions directly. This system was developed using Fuzzy MADM logic (Multi Attribute Decision making), where the alternatives that have the highest number is an alternative option that has the highest priority value.
Keyword : Infrastructure, Fuzzy MADM (Multi Attribute Decision making), online complaint system, decion support system.
Abstrak
Infrastruktur jalan merupakan aspek yang penting untuk meningkatkan roda perekonomian, perdagangan, pendidikan serta pariwisata suatu kota. Sebagai pemerintah, Badan Perencanaan dan Pembangunan Daerah (BAPPEDA) Kota Tomohon berkewajiban untuk memantau dan memelihara infrastruktur jalan yang ada. Peran aktif masyarakat berupa kritik dan saranpun merupakan hal yang penting. Namun, proses pemantauan dan penentuan perbaikan jalan saat ini masih kurang efektif dan efisien dikarenakan masih dikerjakan secara manual, musyawarah untuk menyalurkan aspirasi masyarakatpun harus melewati proses yang panjang. Untuk mengatasi permasalahan yang terjadi, dibutuhkan suatu sistem pendukung keputusan penentuan perbaikan jalan serta sistem pengaduan online. Sistem pendukung keputusan dapat membantu BAPPEDA untuk mengolah data jalan dan menentukan prioritas perbaikan jalan dengan cepat dan efektif, sedangkan sistem pengaduan online dapat menjadi sarana bagi masyarakat untuk menyampaikan kritik dan saran secara langsung. Sistem ini dikembangkan menggunakan logika Fuzzy MADM (Multi Attribute Decision making).Alternatif yang memiliki jumlah tertinggi adalah alternatif pilihan yang memiliki nilai prioritas tertinggi.
Kata Kunci : Infrastruktur, Fuzzy MADM (Multi Attribute Decision making), sistem pengaduan online, perbaikan jalan , sistem pendukung keputusan.
1) Mahasiswa Fakultas Teknologi Informasi Jurusan Teknik Informatika, Universitas Kristen
Satya Wacana Salatiga
1. Pendahuluan
Kota Tomohon merupakan salah satu kota dengan kemajuan pesat yang mengedepankan sektor wisata dan pertaniannya. Sebagian besar masyarakat Kota Tomohon berprofesi sebagai petani. Menurut data dari badan pusat statistik rata-rata luas lahan pertanian di Kota Tomohon tahun 2013 adalah 7 214,18 m2. Selain daripada pertanian, Kota Tomohon juga memiliki banyak destinasi pariwisata yang sering dikunjungi oleh wisatawan yang berdomisili di Kota Tomohon maupun dari luar Kota Tomohon. Sebagai Kota yang berkembang, pembangunan dan pemeliharaan infrastruktur merupakan faktor yang penting untuk kelancaran jalur transportasi dan komunikasi, juga dalam proses distribusi hasil pertanian dan akses ke tempat wisata. Menurut Surat Keputusan Walikota Tomohon tahun 2014 yang berisi data dasar prasarana jalan Kota Tomohon, ada 740 jumlah ruas jalan yang terdapat di Kota Tomohon [1].
Sebagai upaya pemerintah dalam memelihara infrastuktur yang ada maka setiap ruas jalan yang dibangun membutuhkan pemeliharaan bahkan rehabilitasi yang dilakukan tiap tahunnya. Sebagai tindak lanjutnya, maka dilakukan pengawasan disetiap ruas jalannya, untuk melihat kondisi jalan yang harus diperbaiki. Dari keadaan inilah muncul permasalahan, dikarenakan keterbatasan sumber daya manusia, penentuan prioritas rehabilitasi jalan memakan waktu yang cukup lama, proses penentuan dilakukan secara manual yakni dengan melihat dan membandingkan satu persatu jalan yang ada, hal ini berakibat pada kurangnya keakuratan penentuan perbaikan jalan serta efisiensi waktu. Tak lepas dari pengawasan pemerintah, kondisi infrastruktur jalan pun diawasi oleh masyarakat setempat yang juga turut andil dalam proses pemeliharaan. Masyarakat setempat mengajukan kritik dan saran mengenai kondisi jalan setempat melalui wadah musyawarah, tentu saja hal ini juga membutuhkan waktu yang lama dalam penyampaian hasil musyawarahnya. Untuk membantu penyelesaian masalah tersebut maka pemerintah Kota Tomohon khususnya Badan Perencanaan dan Pembangunan Daerah (BAPPEDA) membutuhkan suatu sistem atau teknologi yang dapat membantu dalam menentukan prioritas rehabilitasi jalan yang ada di Kota Tomohon, serta suatu media yang dapat menampung dan mempermudah penyampaian kritik dan saran masyarakat pembangunan yang ada.
Didasarkan pada latar belakang masalah yang ada, maka dilakukan penelitian untuk merancang Sistem Pendukung Keputusan (SPK) penentuan prioritas serta sistem pengaduan online yang berbasis web. Sistem penentuan keputusan ini didasarkan pada logika fuzzy Multi Attribute Decision Making (MADM). Logika ini memiliki fungsi untuk menyeleksi alternatif terbaik dari sejumlah alternatif yang ada, sehingga sangat cocok untuk memecahkan masalah yang ada berdasarkan atribut atau kriteria penentuan jalan oleh BAPPEDA, data ruas jalan Kota Tomohon dan penentuan lokasi ruas jalan dibantu dengan fitur google maps.
2. Kajian Pustaka
dengan manual yakni tatap muka, menjadi suatu sistem online yang dapat memproses data secara tepat dan tidak memakan waktu yang lama. Penelitian ini menggunakan metode UML (United Modeling Languange) yang juga merupakan metode dari pemrograman berbasis objek yang menggunakan notasi garis dalam menyatakan suatu desain, selanjutnya sistem dibangun dengan menggunakan PHP (PHP: Hypertext Prepocessor) [2].
Terdapat juga penelitian terdahulu mengenai Sistem Pendukung Keputusan (SPK) yaitu “Sistem Pendukung Keputusan Untuk Menentukan Prioritas Penanganan Perbaikan Jalan Menggunakan Metode SAW Berbasis Mobile Web”. Penelitian ini menggunakan metode simple additive weighting yang merupakan bagian dari fuzzy MADM (Multi Attribute Decision Making). Metode SAW (Simple Additive Weight) dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode ini membutuhkan proses normalisasi matriks keputusan (X) dari atributnya ke suatu skala yang dapat diperbandingkadengan semua rating alternatif yang ada. Hasil akhirnya merupakan penjumlahan dari perkalian matriks dan bobot, nilai terbesar yang diperoleh merupakan solusi[3].
Penelitian ini merupakan pengembangan dari penelitian “Sistem Pendukung Keputusan Untuk Menentukan Prioritas Penanganan Perbaikan Jalan Menggunakan Metode SAW Berbasis Mobile Web” [3]. Pengembangan yang dilakukan pada penelitian ini adalah menambahkan sistem pengaduan online dan sistem pendukung keputusan menggunakan logika fuzzy MADM, sehingga hasil dari pengaduan online akan ditambahkan menjadi kriteria dalam parameter fuzzy.
Sistem pendukung keputusan merupakan sistem yang ditujukan untuk mendukung manajemen pengambilan keputusan yang berbasis model dan terdiri dari prosedur – prosedur dalam pemrosesan data serta pertimbangannya yang bertujuan untuk membantu dalam mengambil suatu keputusan. Salah satu karakteristik dari sistem pendukung keputusan yaitu menyediakan dukungan bagi pengambil keputusan utamanya pada situasi semi terstruktur dan tidak terstruktur dengan memadukan pertimbangan manusia dan informasi terkomputerisasi [6].
Gambar 1 Skema Sistem Pendukung Keputusan [6]
management yang ada berupa database yang berisi tabel mengenai data jalan, pengguna dan berita. Model Management menjelaskan tentang data - data yang tersimpan dalam basis data dan bagaimana relasi antara data, model managment berhubungan model data kuantitatif seperti data. Knowledge Management merupakan manajemen proses pemecahan masalah dan merupakan inti dari sistem pendukung keputusan. Data dan model diolah untuk kemudian hasilnya yang menjadi bahan pertimbangan bagi pengguna. Knowleddge management pada aplikasi ini terletak pada perhitungan yang menggunakan logika fuzzy. User Interface merupakan dialog yang menghubungkan aplikasi dengan penggunanya sehingga komponen dalam sistem dapat diakses dan dikelola dengan mudah oleh pengguna. Contoh user interface dalam sistem ini antara lain tampilan pengaduan online, tampilan data jalan serta tampilan perhitungan.
Logika fuzzy (Fuzzy Logic) bertujuanmenghasilkan aplikasi seperti sistem kontrol serta sistem pengambil keputusan yang lebih fleksibel dan efektif dibandingkan dengan sistem konvensional. Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, dalam bentuk linguistik, logika fuzzy dapat mencakup tingkatan seperti “rendah”, “sedang”, dan “tinggi”. Logika ini dikembangkan dari teori himpunan fuzzy yang didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai keanggotaannya menunjukkan bahwa suatu item tidak hanya bernilai benar atau salah [7].
Multi Attribute Decision Making (MADM) adalah bagian dari Multiple
Criteria Decision Making yang merupakan suatu metode pegambilan keputusan
dalam menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. MADM digunakan untuk menerangkan kelas atau kategori yang sama. MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas [8].
Ada 3 langkah penting dalam penyelesaian dengan menggunakan metode logika fuzzy MADM dengan pengembangan. Langkah pertama diawali dengan pengidentifikasian tujuan serta pengumpulan alternatif keputusan. Tujuan keputusan ini adalah untuk menentukan prioritas perbaikan jalan berdasarkan kriteria yang telah ditentukan oleh BAPPEDA. Ada 10 kriteria yang ditentukan antara lain panjang ruas jalan, lebar ruas, aspal, penetrasi, kerikil/ telford, tanah, belum tembus, status jalan, tingkat kerusakan dan jumlah laporan. Alternatif yang digunakan adalah data ruas jalan Kota Tomohon. Struktur hirarki permasalahan dapat dilihat pada Gambar 2.
Langkah kedua yaitu evaluasi himpunan fuzzy, terbagi tiga aktivitas yang harus dilakukan yaitu 1) memilih himpunan rating untuk bobot kriteria. Himpunan rating terdiri dari variabel linguistik, derajat kecocokan, dan fungsi keanggotaan. Pada sistem ini, rating untuk bobot tiap variabel didefinisikan sebagai: sangat rendah (SR), rendah (R), cukup(C), tinggi (T) dan sangat tinggi (T). 2) Menentukan fungsi keanggotaan untuk setiap rating dengan menggunakan fungsi segitiga seperti pada Gambar 3.
Gambar 3 Bilangan Fuzzy Segitiga
(1)
3) Mengagregasikan bobot kriteria dan derajat kecocokan setiap alternatif dan kriterianya dengan metode mean. Penggunaan operator mean Fi dirumuskan pada persamaan (3) sebagai berikut:
(2)
Langkah yang ketiga yaitu memprioritaskan alternatif keputusan berdasarkan hasil agregasi untuk proses perangkingan alternatif keputusan dengan menggunakan metode nilai total integral. Misalkan F adalah bilangan fuzzy segitiga, F = (a, b, c), maka nilai total integral dapat dirumuskan sebagai Persamaan (6) berikut
(3)
Nilai a merupakan indeks keoptimisan yang merepresentasikan derajat keoptimisan terhadap pengambil keputusan (0 ≤ a ≤ 1). Apabila nilai a semakin besar mengindikasikan bahwa derajat keoptimisannya semakin besar, setelah itu dipilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif yang optimal.
3. Metode Penelitian
Ada beberapa tahapan dalam perancangan sistem ini seperti pada Gambar 4, yaitu: 1) Identifikasi Masalah. 2) Analisis Kebutuhan. 3) Perancangan Sistem. 4) Implementasi Sistem. 5) Evaluasi dan Analisis Pengujian Sistem.
Identifikasi Masalah
Analisis Kebutuhan
Perancangan Sistem
Implementasi Sistem
Evaluasi & Analisis Pengujian Sistem
Gambar 4 Tahapan Penelitian
kriteria-kriteria fuzzy yang akan digunakan. Menurut data dari Badan Perencanaan Dan Pembangunan Daerah (BAPPEDA) Kota Tomohon. Adapun kriteria-kriteria yang digunakan: a) Aksesbilitas atau status jalan. Kriteria ini dilihat dari berapa banyaknya akses yang bisa dituju, terutama akses menuju pusat kegiatan Kota Tomohon yang mencakup sektor pertanian holtikultira dan florikultura, maupun sektor wisata. b) Fungsi jalan. Kriteria ini cenderung kepada fungsi jalan yang nantinya akan dibangun dapat menjadi jalan alternatif pencegah kemacetan, ataupun jalan yang menghubungkan daerah satu dan yang lain. c) Mekanisme Pengaduan. Mekanisme pengaduan ini dilakukan dalam suatu wadah MUSREMBANG, masyarakat melalukan pelaporan baik usulan maupun kritikan terhadap infrasturktur. 3) Tahap ketiga: Perancangan sistem. Pada tahap ini dilakukan perancangan yang mewakili semua aspek software yang diketahui. Perancangan yang dilakukan adalah perancangan data, identifikasi kebutuhan software dan hardware, serta perancangan sistem. Perancangan sistem dimulai dengan membuat aplikasi penghitung bilangan fuzzy dengan menggunakan Maple. Sedangkan untuk aplikasi web-nya dibuat dengan menggunakan bahasa pemrograman PHP dimana aplikasi web-nya menggunakan konsep Model View Controller (MVC) dengan memanfaatkan codeigniter dan untuk view atau user interface-nya menggunakan bootstrap. 4) Tahap kempat: Implementasi. Pada tahap ini dilakukan aktivitas pengkodingan untuk realisasi desain sistem ke bentuk aplikasi dalam website. Realisasi desain system yang dimaksud adalah menggabungkan perhitungan fuzzy dan pengaduan online kedalam website. 5) Tahap kelima: Evaluasi. Tahap terakhir yaitu pengujian terhadap aplikasi yang telah dirancang dengan black box testing untuk menganalisa fungsi sistem serta pembagian kuisioner untuk menguji efektifitas sistem.
Pada proses penelitian, identifikasi masalah dilakukan dengan wawancara dengan pihak BAPPEDA, dan kemudian didapatkan proses bisnis dalam penentuan perbaikan jalan seperti pada Gambar 5.
1a
Gambar 5 Proses Bisnis Sistem Penentuan Pembangunan Jalan Kota Tomohon
Hasil MUSREMBANG dan RKA harus dibawa ke BAPEDDA untuk diproses. 3) BAPPEDA melakukan rapat untuk menentukan kelayakan jalan yang diusulkan dalam RKA berdasarkan kriteria yang ada, termasuk hasil MUSREMBANG 4) Setelah RKA disetujui oleh BAPPEDA, maka dikeluarkan surat persetujuan serta APBD untuk setiap program kerja dari SKPD (Dinas PU). 5) RKA yang telah disetujui, dikembalikan kepada Dinas PU untuk segera dilaksanaan perbaikan jalan 6) Dinas PU melaksanakan program RKA yaitu memulai perbaikan ruas jalan. 7) Setelah perbaikan jalan dilakukan, BAPPEDA melakukan monitoring dan evaluasi terhadap hasil kerja pembangunan jalan.
Sistem pendukung keputusan dan sistem pengaduan online yang dibangun, dapat menambah keefektifan pada beberapa kegiatan di proses bisnis yang sedang berjalan. Tabel 1 merupakan perbedaan proses bisnis yang lama dan yang baru.
Tabel 1 Perbedaan Proses Bisnis Lama dan Baru
No Perbedaan Proses Bisnis Lama Proses Bisnis Baru
1.
MUSREMBANG Oleh pemerintah Via website
2.
Penentuan prioritas Oleh BAPPEDA Via website
3. Pembaharuan data
jalan Oleh DInas PU Via website
Dalam tahap perancangan sistem, digunakan diagram Unified Modelling Language (UML). Diagram ini berfungsi untuk menggambarkan alur serta proses kerja dari aplikasi. Ada beberapa diagram UML yang digunakan diantaranya Use Case diagram, Class diagram, Activity diagram dan Deployment diagram. Use Case diagram mendeskripsikan interaksi tipikal antara para pengguna sistem dengan sistem itu sendiri, dengan memberi sebuah narasi tentang bagaimana sistem tersebut digunakan [11]. Pada perancangan aplikasi ini, terdapat 3 aktor dalam Use Casediagram, yaitu pengguna/pelapor, admin dan operator.
Gambar 6 Use Case Diagram
dan melihat laporan yang telah ada, aktor admin dapat melakukan semua aktivitas pengelolaan data baik untuk data admin, data operator, data jalan, data berita dan laporan serta dapat melakukan perhitungan dalam sistem, sedangkan untuk aktor operator sendiri hanya dapat melakukan perhitungan data prioritas dalam sistem dan melakukan pengelolaan data berupa edit data jalan.
Diagram yang selanjutnya adalah activity diagram yang merupakan teknik untukmenggambarkan logika prosedural, proses bisnis, dan jalur kerja atau aliran aktifitas dalam sistem yang sedang dirancang [9] dari awal mula sistem hingga berakhirnya, Terdapat 2 activity diagram dalam perancangan aplikasi ini, yang pertama yaitu activity diagram untuk aktifitas operator.
Pada Gambar 7 dapat dilihat aktifitas dari operator saat melakukan perhitungan penentuan prioritas jalan. Operator dapat menambahkan ataupun mengedit data dari tiap variabel yang sudah ada. Jika semua variabel telah terisi maka sistem akan menyimpan nilai dari tiap variabel ke ke database, kemudian sistem akan melakukan perhitungan berdasarkan logika fuzzy untuk memperoleh hasil. Hasil dari perhitungan tersebut akan di urutkan berdasarkan nilai fuzzy yang paling tinggi.
Gambar 7 Activity Diagram Operator Perhitungan.
Gambar 8 Activity Diagram Pengguna.
Class diagram menggambarkan jenis-jenis objek dalam sistem dan berbagai macam hubungan statis yang terdapat di antara mereka. Class diagram menunjukkan properti dan operasi sebuah class dan batasan-batasan yang terdapat dalam hubungan-hubungan objek tersebut [9]. Class diagram pada aplikasi penilaian pegawai ini dapat dilihat pada Gambar 9.
Gambar 10 Arsitektur Sistem.
Gambar 10 menjelaskan mengenai arsitektur sistem yang ada, aplikasi web diimplementasikan ke laptop / PC yang ditujukan kepada pengguna, baik pengguna yang melapor, admin maupun operator. Untuk dapat menjalankan aplikasi, semua perangkat harus terhubung dengan koneksi internet yang akan berfungsi untuk mengirim data ke database server. Saat data masuk ke database server, aplikasi web akan menerima data yang dibutuhkan seperti data jalan dan juga aplikasi web akan langsung terhubung dengan fitur google maps.
4. Hasil dan Pembahasan
Pada perancangan sistem, penentuan prioritas perbaikan jalan memiliki beberapa kriteria untuk menentukan nilai atau tingkat prioritas jalan. Hal ini bertujuan untuk mempermudah pengolahan data atau perhitungan prioritas jalan.Gambar 11 merupakan diagram alur penentuan prioritas jalan dengan menggunakan fuzzyMADM dan pengembangan.
Gambar 11 Diagram Alur Proses Perhitungan
Tabel 2 Kriteria Penentuan Perbaikan Jalan
Kriteria Keterangan
C1 Panjang ruas Total panjang tiap ruas jalan per KM2
C2 Lebar Lebar tiap ruas jalan per M
C3 Aspal Panjang Jalan yang telah diaspal per M
C4 Penetrasi/Macadam Panjang jalan yang masih memakai penetrasi per M
C5 Telford/Kerikil Panjang jalan yang masih dengan kerikil per M
C6 Tanah Panjang jalan yang masih tanah per M
C7 Belum Tembus Panjang jalan yang belum tembus (belum di buka ) per M
C8 Status Jalan
Tingkatan akses jalan yaitu jalur paling utama atau yang paling sering dilalui (daerah perkantoran, sekolah, daerah perdagangan, pertanian, rumah sakit/puskesmas) sampai pada jalan yang statusnya rendah (jalan pedesaan, perumahan )
C9 Tingkat Kerusakan Tingkatan tingkat kerusakan yang terjadi pada ruas jalan
C10 Jumlah Laporan Jumlah laporan yang diberikan oleh pengguna website pengaduan online
Gambar 12 Struktur Hirarki Permasalahan
Untuk menentukan himpunan fuzzy pada seluruh kriteria digunakan nilai statistika dari setiap data ruas jalan. Pada setiap kriteria terbagi atas 5 bilangan fuzzy, yaitu sangat rendah (SR), rendah (R), cukup (C), tinggi (T) dan sangat tinggi (ST). Oleh karena itu dalam menetukan bilangan fuzzy ini digunakan himpunan rating dengan tujuan untuk melihat letak kecenderungan data jalan. Berikut nilai statistik yang digunakan untuk membuat fuzzy segitiga SR={Xmin, Xmin, Q1}, R={Xmin, Q1, Q2}, C={Q1, Q2, Q3}, T={Q2, Q3, Xmax}, ST={Q3,
Pada Gambar 13 merupakan nilai statistik untuk kriteria panjang ruas yaitu Xmin=0.10, Q1=0.33, Q2=1.00, Q3=2.19 dan Xmax=9.85 dengan range interval SR = ≤ 0,10, R=0.10 – 1, S = 0.33 – 2.19, T=1.00-9.85, ST = ≥ 9.85. Pada Gambar 14 untuk bilangan fuzzy dari lebar. Untuk nilai statistik dari kriteria lebar adalah Xmin=2.00, Q1=3.50, Q2=4.00, Q3=5.00 dan Xmax=10.00 dengan range interval SR = ≤ 2, R=2 – 4, S = 3.5 – 5, T=4 - 10, ST = ≥ 10
Nilai statistik untuk kriteria aspal adalah Xmin=0.10, Q1=0.29, Q2= 0.66, Q3= 2.10 dan Xmax=9.85 dengan range interval SR = ≤ 0,10, R=0.10 – 0.66, S = 0.29 – 2.1, T=0.66-9.85, ST = ≥ 9.85, dari nilai statistik tersebut didapat bilangan fuzzy seperti yang ditunjukkan pada Gambar 15. Nilai statistik untuk kriteria penetrasi adalah Xmin=0.20, Q1=0.35, Q2= 0.60, Q3= 1.80 dan Xmax=4.00 dengan range interval SR = ≤ 0,2, R=0.2 – 0.6, S = 3.5 – 2.1, T=0.6-4, ST = ≥ 4, dari nilai statistik tersebut didapat bilangan fuzzy bahu seperti yang ditunjukkan pada Gambar 16.
Nilai statistik untuk kriteria kerikil adalah Xmin=0.20, Q1=0.50, Q2= 0.78, Q3= 0.93 dan Xmax=3.66, dengan range interval SR = ≤ 0,10, R=0.10 – 0.66, S = 0.29 – 2.1, T=0.66-9.85, ST = ≥ 9.85. Dari nilai statistik tersebut didapat bilangan fuzzy seperti yang ditunjukkan pada Gambar 17. Nilai statistik untuk kriteria tanah adalah Xmin=0.50, Q1=0.89, Q2= 1.00, Q3= 1.48 dan Xmax=3.00, dari nilai statistik tersebut didapat bilangan fuzzy seperti yang ditunjukkan pada Gambar 18.
Gambar 13 Grafik Panjang Gambar 14 Grafik Lebar
Nilai statistik untuk kriteria belum tembus adalah Xmin=0.75, Q1=0.88, Q2= 1.00, Q3= 1.23 dan Xmax=1.45, dengan range interval SR = ≤ 0,10, R=0.10 – 0.66, S = 0.29 – 2.1, T=0.66-9.85, ST = ≥ 9.85. Dari nilai statistik tersebut didapat bilangan fuzzy seperti yang ditunjukkan pada Gambar 19. Kriteria status jalan dang tingkat kerusakan memiliki nilai status yang sama yaitu Xmin=0, Q1=25, Q2= 50, Q3= 75 dan Xmax=100, dari nilai statistik tersebut didapat bilangan fuzzy seperti yang ditunjukkan pada Gambar 20.
Evaluasi himpunan fuzzy terbagi dalam tiga aktivitas yaitu 1) memilih himpunan rating untuk bobot kriteria. Himpunan rating terdiri dari variabel linguistik, derajat kecocokan, dan fungsi keanggotaan. Variabel-variabel linguistik yang merepresentasikan bobot kepentingan untuk setiap kriteria, adalah: T(kepentingan) W = {SR, R, C, T, ST} dengan SR: sangat rendah, R: rendah, C: cukup, T: tinggi, ST: sangat tinggi, yang masing-masing direpresentasikan dengan fuzzy segitiga. SR = (0, 0, 0.25), R = (0, 0.25, 0.5), C = (0.25, 0.5, 0.75), T = (0.5, 0.75, 1), ST = (0.75, 1, 1). b). Derajat kecocokan alternatif-alternatif dengan kriteria-kriteria keputusan adalah: T(kecocokan) Q = {SR, R, S, T, ST} dengan SR: sengat rendah, R: rendah, C: cukup, T: tinggi, ST: sangat tinggi, yang masing-masing direpresentasikan dengan fuzzy segitiga: SR = (0, 0, 0.25), R = (0, 0.25, 0.5), C = (0.25, 0.5, 0.75), T = (0.5, 0.75, 1), ST = (0.75, 1, 1). Rating untuk setiap kriteria keputusan ditunjukkan pada Tabel 3.
Gambar 17 Grafik Kerikil Gambar 18 Grafik Tanah
Tabel 3 Tabel Rating Kepentingan
Kriteria C1 C2 C3 C4 C5 C6 C7 C8 C9 C10
Rating
Kepentingan T S T R R SR SR ST ST T
Penentukan rating kecocokan dilihat berdasarkan hasil perhitungan bilangan fuzzy dari tiap data alternatif berdasarkan kriteria. Indeks Kecocokan Fuzzy diperoleh dengan melakukan proses yang ditunjukkan pada Persamaan (5), Persamaan (6), dan Persamaan (7) yaitu mensubtitusikan bilangan fuzzy segitiga ke setiap variabel linguistik, berdasarkan rating kepentingan dan rating kecocokan maka akan diperoleh Indeks Kecocokan fuzzy.
Total nilai integral diperoleh dengan mensubtitusi indeks kecocokan fuzzy ke nilai total integral yang diberikan pada Persamaan (3). Diambil derajat keoptimalan (α) = 0 (tidak optimis), α = 0.5 dan α = 1 (sangat optimis), maka diperoleh nilai total integral untuk setiap alternatif. Dari hasil perhitungan nilai total integral dari tiap alternatif, diambil alternatif yang memiliki nilai total integral yang paling optimal atau paling tinggi sebagai prioritas jalan yang akan diperbaiki.
Penelitian ini menghasilkan sebuah aplikasi web yang ditujukan kepada pengguna/pelapor untuk melakukan pengaduan online serta untuk admin serta operator untuk mengelola data jalan, data laporan dan melakukan perhitungan. Gambar 20 merupakan tampilan dari halaman home website pengaduan online.
Sebelum membuat laporan, pengguna harus terlebih dulu membuat akun. Untuk halaman setelah login dapat dilihat pada Gambar 21. Pada tampilan ini pengguna/pelapor dapat mengisi form yang terkait dengan keluhan terhadap data jalan meliputi nama jalan, panjang kerusakan, lebar kerusakan serta keterangan tambahan yang mendukung laporan, dalam halaman ini juga ditampilkan google maps untuk mempermudah penentuan jalan yang akan dilaporkan.
Gambar 21Tampilan Home website Gambar 22 Form Pengaduan Online.
Gambar 23 Tampilan Info
Kode Program 1 merupakan fungsi pada sistem untuk melakukan perhitungan kuartil dari tiap data. Terdapat 5 nilai kuartil yaitu Xmin, q1, q2, q3 dan Xmax Jumlah kuartil akan berbeda sesuai dengan banyaknya data yang ada digunakan Kuartil berfungsi sebagai nilai pembatas pada bilangan fuzzy.
Kode program 2 merupakan salah satu contoh bilangan fuzzy cukup (C) pada variabel aspal yang dihitung menggunakam Maple. Rumus yang digunakan merupakan rumus fuzzy segitga dan untuk variabel q1, q2, q3 diambil dari nilai kuartil tiap variabel.
Kode Program 1 Proses Perhitungan Kuartil Tiap Data
1 1 function getQuartile($data){ 2 $count = count($data);
3 $first = $data[round( .25 * ( $count + 1 ) ) -1]; 4 $second = ($count % 2 == 0) ? ($data[($count / 2) 6- 1]
5 + $data[$count / 2]) / 2 : $second = $data[($count 7+ 1) / 2];
6 $third = $data[round( .75 * ( $count + 1 ) ) – 1];
7 $quartile = array();
8 array_push($quartile, $data[0]); 9 array_push($quartile, $first); 10 array_push($quartile, $second); 11 array_push($quartile, $third);
12 array_push($quartile, $data[count($data)-1]); 13 }
14 return $quartile;
1 C := proc (x)
2 if x <= q1 or q3 <= x then 0
3 elif q1 <= x and x <= q2 then (x-q1)/(q2-q1) 4 elif q2 <= x and x <= q3 then (q3-x)/(q3-q2) 5 end if
6 end proc:
Proses perhitungan dalam sistem dilakukan dengan mengambil data tiap dari alternatif yang ada. Operator dapat memasukkan data jalan meliputi lebar jalan, aspal, penetrasi, kerikil, tanah, belum tembus, status jalan serta tingkat kerusakan. Pengisian nilai variabel perhitungan dilakukan dalam suatu form seperti yang terlihat di Gambar 24. Data yang dimasukkan akan langsung dihitung oleh sistem
Gambar 24 Forminput data variabel perhitungan
Kode program 3 merupakan perhitungan nilai integral tiap alternatif, nilai integral diperoleh dari subtitusi indeks kecocokan fuzzy dan dengan derajat keoptimisan (α). Derajat keoptimisan terdiri dari 3 yaitu (α) = 0 (tidak optimis), (α)= 0.5 dan (α)= 1 (sangat optimis). Perhitungan dilakukan dengan mengaplikasikan rumus nilai total integral kedalam program. Hasil perhitungan nilai integral ini dipakai sebagai hasil akhir dalam menentukan prioritas perbaikan Kode Program 3 Proses Perhitungan Nilai Integral
1 $alpha1 = 0; 2 $alpha2 = 0.5; 3 $alpha3 = 1;
4 $dataTotalIntegral1 = array(); 5 $dataTotalIntegral2 = array(); 6 $dataTotalIntegral3 = array(); 7 for($i=0; $i<count($data); $i++){
8 $integral1 = (1/2) * (($alpha1*$indeksKecocokanFuzzy[$i][2]) + 9 $indeksKecocokanFuzzy[$i][1] + ((1-
10 $alpha1)*$indeksKecocokanFuzzy[$i][0]));
11 $integral2 = (1/2) * (($alpha2*$indeksKecocokanFuzzy[$i][2]) + 12 $indeksKecocokanFuzzy[$i][1] + ((1-
13 $alpha2)*$indeksKecocokanFuzzy[$i][0]));
14 $integral3 = (1/2) * (($alpha3*$indeksKecocokanFuzzy[$i][2]) + 15 $indeksKecocokanFuzzy[$i][1] + ((1-
16 $alpha3)*$indeksKecocokanFuzzy[$i][0])); 17 array_push($dataTotalIntegral1,
18 array("jalan"=>$data[$i]["jalan"], "integral"=>$integral1)); 19 array_push($dataTotalIntegral2,
20 array("jalan"=>$data[$i]["jalan"], "integral"=>$integral2)); 21 array_push($dataTotalIntegral3,
jalan, hasil perhitungan diurutkan menurut nilai yang tertinggi, alternatif yang memiliki nilai tertinggi menjadi prioritas utama.
Pada Gambar 25, dapat dilihat hasil perhitungan setiap alternatif yang ada. Dari hasil perhitungan tersebut, prioritas jalan yang harus diperbaiki adalah Jl. Tomohon - Tondangow, hasil didapat berdasarkan nilai total integral yang paling tinggi.
Gambar 25 Hasil Penentuan Prioritas Perbaikan Jalan
Pengujian fungsi-fungsi dari aplikasi berfungsi untuk mencari kesalahan/bug pada sistem. Pengujian ini bertujuan agar sistem yang dirancang berjalan sesuai dengan yang diharapkan serta dapat memenuhi kebutuhan. Pengujian aplikasi ini menggunakan dua teknik pengujian yaitu pengujian alpha dan pengujian beta.
Pengujian alpha merupakan pengujian yang dilakukan oleh pembuat aplikasi beserta beberapa orang yang ikut membantu dalam pembuatan. Dalam pengujian alpha digunakan metode blackbox yaitu pengujian fungsi-fungsi aplikasi secara langsung tanpa memperhatikan alur eksekusi program. Tabel 4 merupakan hasil pengujian aplikasi sistem pendukung keputusan penentuan prioritas dan sistem pengaduan online.
Tabel 4 Hasil Pengujian Black Box Fungsi yang diuji Data Input/ Kondisi Output yang
diharapkan
Output yang dihasilkan
sistem
Hasil
Login Pengguna Nama penggunadan kata sandibenar
Form diisi beberapa Ubah data Pengguna Form diisi dengan
benar
Tambah Data Jalan Form diisi dengan benar
Ubah Data Jalan Form diisi dengan
benar
Ubah data berhasil
Ubah data
berhasil Valid
Hapus Data Jalan Data yang akan
dihapus dipilih
TampilData Jalan Tampil data
berhasil
Tampil data
berhasil Valid
TampilData Jalan Tampil data
berhasil
Tampil data
berhasil Valid
Berdasarkan pengujian yang dilakukan pada aplikasi web dapat disimpulkan bahwa aplikasi ini berjalan dengan baik dilihat dari hasil pengujian dari tiap fungsi bernilai valid. Pengujian beta dilakukan oleh pihak yang tidak ikut dalam pembuatan aplikasi dalam hal ini pengguna(masyarakat). Pengujian beta terhadap sistem pengaduan online dilakukan dengan wawancara yakni memberikan pertanyaan pada 10 mahasiswa FTI UKSW. Pertanyaan dijawab setelah pengguna melakukan uji coba aplikasi pengaduan secara langsung. Pengujian beta terhadap sistem penentuan prioritas perbaikan jalan dilakukan melalui wawancara via telepon, dimana pihak BAPPEDA menentukan nilai yang akan diinputkan, dan peneliti mengisi data ke dalam form perhitungan.
Berdasarkan kedua pengujian beta yang telah dilakukan, maka diperoleh hasil bahwa aplikasi sistem pendukung keputusan penentuan prioritas perbaikan jalan dan sistem pengaduan online ini memiliki fitur yang mudah digunakan serta menu yang mudah dipahami. Dalam sistem pengaduan online yang ada, pengguna dapat langsung melaporkan kerusakan jalan, serta memperoleh info mengenai jalur yang sedang diperbaiki sedangkan pada sistem pendukung keputusan BAPPEDA juga dapat dengan cepat menentukan prioritas perbaikan jalan dengan hasil yang akurat.
5. Simpulan
prioritas dalam sistem. Pengguna dalam hal ini masyarakat Kota Tomohon dapat dengan mudah menyampaikan kritik dan sarannya dalam pembangunan infrastruktur kota tanpa harus melalui proses MUSREMBANG, pengguna juga dapat memperoleh informasi lalu lintas yang terkait dengan perbaikan jalan. Saran untuk pengembangan aplikasi adalah penambahan fitur feedback pada pengaduan online dari pemerintah kepada masyarakat melalui sms ataupun email.
6. Pustaka
[1] Surat keputusan Walikota Tomohon tentang penetapan status ruas jalan sebagai jalan kota di Kota Tomohon provinsi Sulawesi Utara. 2014
[2] Fajar Masya, Elvina & Simanjuntak Fitri M. 2012. “Sistem Pelayanan Pengaduan Masyarakat Pada Divisi Humas POLRI Berbasis Web”
http://download.portalgaruda.org/article.php?article=8469&val=576 (diakses pada tanggal 28 November 2014)
[3] Utama, Yadi. 2013. “Sistem Pendukung Keputusan Untuk Menentukan Prioritas Penanganan Perbaikan Jalan Menggunakan Metode Saw Berbasis Mobile Web”
http://eprints.unsri.ac.id/4281/1/Yadi_Utama_Sistem_Pendukung_Keputus an_Untuk_Menentukan_Prioritas_Penanganan_Perbaikan_Jalan.pdf (diakses pada tanggal 28 November 2014)
[4] Puteri Lida P, Agustiansyah Riza ST., M.Kom, & Puspita Ika A ST. “Pembangunan Aplikasi Decision Support System Penentuan Prioritas Perbaikan Jalan Menggunakan Metode Analytical Network Process Dengan Fitur Informasi Geografis Di Dinas Bina Marga Dan Sumber Daya Air Kota Bogor”.
http://cdndata.telkomuniversity.ac.id/theta/jurnal/THETA_JURNAL_1120 80077_84276661ce85798c5df64789e137220c.pdf (diakses pada tanggal 28 November 2014)
[5] Saputro D.C.T, Praharsi Y & Prasetyo S.Y.J. 2005. “Sistem Pendukung keputusan pemilihan handphone berdasarkan kebutuhan konsumen menggunakan logika fuzzy”.
http://repository.uksw.edu/ (diakses pada tanggal 29 November 2014)
[6] Subakti, Irfan. Buku Panduan Sistem Pendukung Keputusan. directory.umm.ac.id/tik/Buku_Panduan_SPK.pdf . Diakses tanggal 8 April 2015.
[7] Saelan, Athia. 2009. “Logika Fuzzy”
http://informatika.stei.itb.ac.id/~rinaldi.munir/Matdis/2009
[8] Kusumadewi Sri., dkk. 2006. “Fuzzy Multi Attribute Decision Making (Fuzzy MADM)”. Yogyakarta : Graha Ilmu.
![Gambar 1 Skema Sistem Pendukung Keputusan [6]](https://thumb-ap.123doks.com/thumbv2/123dok/4016972.1960392/10.595.102.499.430.657/gambar-skema-sistem-pendukung-keputusan.webp)
