commit to user 4
BAB II
TNJAUAN PUSTAKA 2.1. Dasar Teori
2.1.1 Sistem Pendukung Keputusan (SPK)
Sistem pendukung keputusan adalah pendekatan berbasis komputer atau metodologi untuk mendukung pengambilan keputusan. Keputusan dipilih dari berbagai alternatif hasil pengolahan informasi yang diperoleh dengan menggunakan model pengambilan keputusan (Turban, 2005). Dengan pengertian diatas dapat dijelaskan bahwa SPK bukan merupakan alat pengambilan keputusan, melainkan merupakan sistem yang membantu pengambil keputusan dengan melengkapi mereka dengan informasi dari data yang telah diolah dengan relevan dan diperlukan untuk membuat keputusan tentang suatu masalah dengan lebih cepat dan akurat. Sistem ini tidak dimaksudkan untuk menggantikan pengambilan keputusan dalam proses pembuatan keputusan.
Karakteristik dari sistem pendukung keputusan antara lain (Turban, 2005) :
1. Sistem pendukung keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang terstruktur maupun tidak terstruktur
2. Pada prose pengolahannya sistem pendukung keputusan meakukan kominasi antara model / tekni analisis dengan teknik pemasukan data untuk memecahan masalah yang direpresentasikan menjadi sistem.
3. Sistem pendukung keputusan dirancang dengan pendekatan model interaktif.
4. Fleksibel dan responsif untuk disesuaikan dengan penyataan dan intuisi pengambil keputusan.
Sistem pendukung keputusan terdiri dari empat komponen yaitu (Turban, 2005):
1. Subsistem Manajemen Data, termasuk database yang mengandung data yang relevan untuk berbagai situasi dan diatur oleh database management system.
commit to user 5
2. Subsistem Manajemen Model, melibatkan model finansial, statistikal, management science atau suatu kemampuan analitis.
3. Subsistem antarmuka, user dapat berkomunikasi dan memberikan perintah pada DSS melalui subsistem ini dengan cara menyediakan antarmuka.
4. Subsistem Knowledge, subsistem optional ini dapat mendukung subsistem lain atau bertindak sebagai komponen yang berdiri sendiri.
2.1.2 Multi Atributee Decision Making (MADM)
Multi criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran- uuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan.
Berdasarkan tujuannya MCDM dapat dibagi dua model: Multi Atributee Decision Making (MADM) dan Multi Objective Decision Making (MODM) (Zimmermann, 2001).
Seringkali MADM dan MODM digunakan untuk menerangkan kelas atau kategori yang sama. MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang diskrit. Oleh karena itu, pada MADM biasanya digunakan untuk melaukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas. Secara umum dapat dikatakan bahwa, MADM menyeleksi alternatif terbaik dari sejumlah alternatif.
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM, antara lain:
a. Simple Additive Weighting Method (SAW) b. Weighted Product (WP)
c. ELECTRE
d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) e. Analytic Hierarchy Process (AHP)
commit to user 6
2.1.3 TOPSIS
Technique For Order Preference by Similarity to Ideal Solution (TOPSIS) diperkenalkan pertama kali oleh Yoon dan Hwan pada tahun 1981 untuk digunakan sebagai salah satu metode dalam memecahkan masalah multikriteria.
TOPSIS memberikan solusi dari sejumlah alternatif yang mungkin dengan cara membandingkan tiap alternatif dengan alternatif terbaik dan alternatif terburuk yang ada diantara alternatif-alternatif masalah (Siddiq, Murnawan, & Fadjar, 2012)
TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternatif bisa dicapai. Metode ini banyak digunakan pada beberapa model MADM untuk menyelesaikan masalah pengambilan eputusan secar praktis. Hal ini diseBABkan konsepnya sederhana dan mudah dipahami, komputasinya efisien, dan memilii kemampuan mengukur kinerja relatif dari alternatif-alternatif keputusan alam bentuk matematis yang sederhana. Algoritma dari metode TOPSIS adalah sebagai berikut:
1. Membuat matriks keputusan
Matriks keputusan X mengacu terhadap m alternatif yang akan dievaluasi berdasarkan n kriteria.
(2.1)
Dimana ai(i=1,2,3,...,m) adalah alternatif-alternatif yang mungkin, xj (j=1,2,3,...,n) adalah atribut dimana performansi alternatif diukur, xij adalah performansi alternatif ai dengan acuan atribut xj.
2. Menentukan matriks keputusan ternormalisasi
Persamaan yang digunakan untuk mentransformasikan setiap elemen xij adalah
commit to user 7
(2.2)
Dengan i = 1,2,3,...,m ; dan j = 1,2,3,...,n;
Dimana rij adalah elemen matriks keputusan yang ternormalisasi R, xij adalah elemen dari matriks keputusan X.
3. Membuat matriks keputusan normalisasi terbobot
Dengan bobot wj = (w1, w2, w3, ..., wn), dimana wj adalah bobot dari kriteria ke-j dan , maka normalisasi bobot matriks V adalah
(2.3) Dengan i = 1,2,3,...,m; dan j = 1,2,3,n.
Dimana vij adalah elemen dari matriks keputusan yang ternormalisasi terbobot V, wj adalah bobot dari kriteria ke – j, rij adalah elemen dari matriks keputusan yang ternormalisasi R.
4. Menentukan matriks solusi ideal positif dan solusi ideal negatif
Solusi ideal positif dinotasikan , sedangkan solusi ideal negatif dinotasikan . Berikut ini adalah persamaan dari dan :
(2.4)
(2.5)
Dimana vij adalah elemen dari matriks keputusan yang ternormalisasi terbobot V, v+j (j=1,2,3,...,n) adalah elemen matriks solusi ideal positif,
v-j (j=1,2,3,...,n) adalah elemen matriks solusi ideal negatif.
5. Menghitung jarak solusi ideal positif dan solusi ideal negatif
commit to user 8
adalah jarak alternatif dari solusi ideal positif didefinisikan sebagai :
(2.6)
adalah jarak alternatif dari solusi ideal negatif didefinisikan sebagai :
(2.7)
Dimana s+i adalah jarak alternatif ke-i dari solusi ideal positif, s-i adalah jarak alternatif ke-i solusi ideal negatif,
vij adalah elemen dari matriks keputusan yang ternormalisi terbobot v+j adalah elemen matriks solusi ideal positif,
v-j adalah elemen matriks solusi ideal negatif.
6. Menghitung nilai preferensi untuk setiap alternatif
Nilai preferensi dapat dihitung dengan menggunakan persamaan berikut : (2.8)
Dimana adalah kedekatan relatif dari alternatif ke – i terhadap solusi ideal positif, adalah jarak alternatif ke-i dari solusi ideal positif.
7. Merangking alternatif
Alternatif diurutkan dari nilai c+ terbesar ke nilai terkecil. Alternatif dengan nilai c+ terbesar merupakan solusi yang terbaik.
2.1.4 Euclidean Distance
Similaritas adalah nilai yang menunjukkan kedekatan antara dua objek.
Nilai dari similaritas berada pada range -1 sampai +1 atau dinormalisasi menjadi 0 sampai 1.
Jarak mengukur ketidakmiripan. Jika ketidakmiripan atara objek i dan objek j dinotasikan dengan simbol nilai dari jarak memiliki tiga kondisi sebagai berikut :
commit to user 9
1. Jarak selalu bernilai positif atau 0
2. Jarak bernilai 0 jika dan hanya jika suatu objek diukur terhadap dirinya sendiri
3. Jarak memiliki nilai simetri
Hubungan relationship antara kemiripan dan ketidakmiripan adalah sebagai berikut: (Teknomo, Similarity Dissimilarity, 2015).
(2.9)
Euclidean Distance merupakan rumus jarak yang umum digunakan untuk menghitung jarak objek dengan variabel kuantitatif. Rumus jarak dari Euclidean Distance: (Teknomo, Euclidean Distance, 2015)
(2.10)
Dimana = nilai x pada data training
= nilai x pada data testing
= batas jumlah banyaknya data
2.2. Penelitian Terkait
Penelitian yang dilakukan penulis mengacu pada beberapa penelitian yang telah dilakukan sebelumnya. Beberapa penelitian tersebut dijabarkan berikut ini :
1. Sistem Pendukung Keputusan Menggunaan Metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) (Siddiq, Murnawan, &
Fadjar, 2012)
Siddiq, dkk melaukan penelitian mengenai pengimplementasian metode TOPSIS dalam pemilihan telepon seluler yang terbaik berdasarkan kriteria yang telah ditentukan. Dalam penelitian tersebut pemilihan telepon seluler dilakukan dengan inputan hanya berupa angka sebagai nilai rating kecocokan tiap alternatif sehingga sistem hanya bisa mengolah data kriteria numerik.
commit to user 10
2. Sistem Informasi Penilaian Kinerja Karyawan Menggunaan Metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) (Ritonga, 2013)
Pada penelitian ini melakukan proses penilaian terhadap karyawan dengan menggunakan kriteria-kriteria yang sudah ditentukan sebelumnya dengan menerapkan metode TOPSIS. Penilaian terhadap karyawan dilakukan dengan kelengkapan administrasi, seleksi tertulis dan wawancara dan memiliki 6 kriteria yang dilakukan untuk membuat matriks keputusan. Bahasa pemrograman yang digunakan untuk merancang sistem ini adalah Visual Basic Net 2008. Hasil keluaran dari penelitian ini adalah penilaian kinerja untuk setiap karyawan. Penelitian tersebut tidak berfokus pada pemberian rekomendasi atau pendukung keputusan melainkan pada penilaian kinerja setiap alternatif dengan kriteria yang ada.
3. Analisis Penggabungan Metode SAW dan Metode TOPSIS untu Mendukung Keputusan Seleksi Penerimaan Dosen (Iriane, Ernawati, &
Wisnubhadra, 2013)
Pada penelitian ini melakukan penggabungan metode SAW dan TOPSIS untuk pengambilan keputusan dalam seleksi penerimaan dosen. Dengan menggunakan persamaan pada metode SAW untuk mencari nilai matriks ternormalisasi R, kemudian dilanjutkan dengan mencari Nilai matriks terbobot Y menggunakan persamaan pada metode TOPSIS. Kesimpulan dari penelitian ini adalah penggabungan persamaan SAW dan TOPSIS cukup efisien karena menggunakan persamaan matematis yang lebih sederhana dan menghasilkan penentuan alternatif yang cukup tepat.
4. Decision Support System For Scholarship In Bali State Polytechnic Using AHP and TOPSIS (Saptarini & Prihatini, 2015)
Pada penelitian ini mengimplementasikan AHP dan TOPSIS untukk program seleksi beasiswa. AHP digunakan untuk menetapkan bobot tiap kriteria dengan matriks berpasangan. Bobot tersebut kemudian digunakan untuk
commit to user 11
perhitungan TOPSIS. Hasil dari sistem ini perangkingan murid-murid berdasarkan nilai terdekat dari hasil perhitungan TOPSIS. Nilai paling terdekat adalah prioritas pertama untuk mendapatkan beasiswa.
5. A Multi-Criteria Decision Making Based Method for Ranking Sequential Patterns (Dashti, Pedram, & Shanbehzadeh, 2010)
Penelitian yang dilakukan oleh Dasthi, dkk adalah melakukan pengukuran kesamaan dan pengurutan pola data berdasarkan kesamaan struktural pada data. Pengukuran kesamaan dilakukan dengan menggunakan pengukuran jarak sedangkan perangkingan data atau alternatif dilakukan dengan menggunakan metode TOPSIS.
Tabel 2.1 menunjukkan ringkasan dari penelitian terkait yang digunakan penulis sebagai referensi.
commit to user
Tabel 2.1. Penelitian Terkait
No Penulis Judul Metode Hasil Kelebihan Kelemahan Penerbit Jurnal
1 Siddiq, Murnawan, dan Akhmad Fadjar
Sistem Pendukung Keputusan
Menggunaan Metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
TOPSIS Sistem Pendukung Keputusan Pemilihan Telepon Seluler
Sebagai alat bantu dalam pengambilan keputusan
Sistem ini hanya bisa memproses data masukan berupa data numerik
Jurnal Sistem Informasi (JSI), Volume 4, Tahun 2012
2 Siti Kholijah Ritonga
Sistem Informasi Penilaian Kinerja Karyawan
Menggunaan Metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
TOPSIS Penilaian kinerja karyawan
Dijelaskan secara rinci proses perhitungan penilaian terhadap karyawan
Sistem informasi dimaksudan untuk
mempermdah penilaian bukan untuk menunjang sebuah keputusan
Pelita Informatika Budi Darma, Volume: IV, Nomor: 2, Tahun 2013
3 Gregorius Iriane, Rinduh Ernawati, dan Irya
Wisnubhadra
Analisis
Penggabungan Metode SAW dan Metode TOPSIS untuk Mendukung Keputusan Seleksi Penerimaan Dosen
SAW dan TOPSIS
Sistem Pendukung Keputusan untuk Seleksi Penerimaan Dosen
Sebagai alat bantu dalam pengambilan keputusan
Tidak diberikan penjelasan tentang hasil sistem pendukung keputusan yang telah dibuat
Seminar Nasional Informatika, ISSN: 1979- 2328, Tahun 2013
commit to user
13
Tabel 2.1. Penelitian Terkait (lanjutan)
No Penulis Judul Metode Hasil Kelebihan Kekurangan Penerbit Jurnal
4 Ni Gusti Ayu Putu Harry Saptarini dan Putu Manik Prihatini
Decision Support System for Scholarship in Bali State
Polytechnic Using AHP and TOPSIS
AHP dan TOPSIS
Sistem Pendukung Keputusan untuk seleksi penerimaan beasiswa di Politeknik Negeri Bali
Tidak menjelaskan secara terperinci ntuk proses perhitungan pada metode AHP dan
metode TOPSIS
Tidak diberikan penjelasan tentang hasil sistem pendukung keputusan yang telah dibuat
International Conference On Information Technology and Business, ISSN:
2460-7223, Tahun 2015
5 Zeinab Dashti, Mir Mohsen Pedram, dan Jamshid Shanbehzadeh
Multi-Criteria Decision Making Based Method for Ranking Sequential Patterns
TOPSIS Sistem Pendukung Keputusan untuk mencari kesamaan data dan merangking sebuah data.
Penelitian ini menggabungkan dua metode yang berbeda secara fungsi, yaitu metode untuk
menentukan kemiripan data dan metode MADM yaitu TOPSIS.
Data yang diguunakan kurang spesifik, hanya berupa contoh, bukan data
sebenarnya
Proceedings of International MultiConference of Engineers and Computer Scientists, Volume: I, ISSN: 2078- 0966, Tahun 2010
commit to user 2.3. Rencana Penelitian
Merujuk pada penelitian yang dilakukan Iriane, dkk pada tahun 2013 tentang analisis penggabungan metode SAW dan TOPSIS dalam seleksi penerimaan dosen, disini penulis mencoba untuk mengangkat tema yang sama dengan objek yang berbeda yaitu seleksi penerimaan calon tenaga kerja (studi kasus : PT. Asry Amanah Timur). Metode yang digunakan penulis dalam penelitian ini seperti metode yang digunakan dalam penelitian yang dilakukan oleh Siddiq, dkk yaitu metode TOPSIS yang digunakan untuk melakukan pemilihan telepon seluler.
Proses awal dari sistem ini adalah input data calon tenaga kerja yang melamar di PT. Asry Amanah Timur. Kemudian dilakukan penentuan bobot untuk kriteria yang dipakai oleh pihak PT. Asry Amanah Timur. Kriteria yang digunakan dalam penelitian ini meliputi usia, pendidikan terakhir, nilai wawancara, dan nilai psikotest. Setelah data di inputkan dan bobot untuk setiap kriteria telah ditentukan, proses selanjutnya adalah perhitungan TOPSIS. Metode TOPSIS ini melakukan perhitungan terhadap setiap alternatif untuk pemilihan alternatif terbaik. Prinsip dari pemilihan alternatif dengan metode TOPSIS adalah alternatif yang memiliki jarak terdekat dengan solusi ideal positif dan jarak terjauh dengan solusi ideal negatif, dengan menampilkan hasil akhir berupa data perangkingan dari alternatif calon tenaga kerja.
