LANDASAN TEORI
2.1. Sistem Pendukung Keputusan (SPK)
Decision Support System atau Sistem Pendukung Keputusan (SPK) secara umum didefinisikan sebagai sebuah sistem yang mampu memberikan kemampuan baik kemampuan pemecahan masalah maupun kemampuan pemgkomunikasian untuk masalah semi-terstruktur. Secara khusus, SPK didefinisikan sebagai sebuah sistem yang mendukung kerja seorang manajer maupun sekelompok manajer dalam memecahkan masalah semi-terstruktur dengan cara memberikan informasi ataupun usulan menuju pada keputusan tertentu.
Keputusan yang diambil untuk menyelesaikan suatu masalah dilihat dari keterstrukturannya yang bisa dibagi menjadi :
1. Keputusan terstuktur (structured decision)
Keputusan terstruktur adalah keputusan yang dilakukan secara berulang-ulang dan bersifat rutin.
2. Keputusan semiterstruktur (semistructured decision)
Keputusan semiterstruktur adalah keputusan yang memiliki dua sifat. Sebagian keputusan bisa ditangani oleh komputer dan yang lain tetap harus dilakukan oleh pengambil keputusan. 3. Keputusan tak terstruktur (unstructured decision)
Keputusan tak terstruktur adalah keputusan yang penanganannya rumit karena tidak terjadi berulang-ulang atau tidak selalu terjadi.
2.2. Sistem Informasi Geografis
Sistem Informasi Georafis atau Georaphic Information Sistem (GIS) merupakan suatu sistem informasi yang berbasis komputer, dirancang untuk bekerja dengan menggunakan data yang memiliki informasi spasial (bereferensi keruangan). Sistem ini mengcapture, mengecek,
mengintegrasikan, memanipulasi, menganalisa, dan menampilkan data yang secara spasial mereferensikan kepada kondisi bumi. Teknologi SIG mengintegrasikan operasi-operasi umum database, seperti query dan analisa statistik, dengan kemampuan visualisasi dan analisa yang unik yang dimiliki oleh pemetaan. Kemampuan inilah yang membedakan SIG dengan Sistem Informasi lainya yang membuatnya menjadi berguna berbagai kalangan untuk menjelaskan kejadian, merencanakan strategi, dan memprediksi apa yang terjadi. Sistem ini pertama kali diperkenalkan di Indonesia pada tahun 1972 dengan nama Data Banks for Development. Munculnya istilah Sistem Informasi Geografis seperti sekarang ini setelah dicetuskan oleh General Assembly dari International Geographical Union di Ottawa Kanada pada tahun 1967.
Ada tiga tipe data vector (titik, garis, dan polygon) yang bisa digunakan untuk menampilkan informasi pada peta. Titik bisa digunakan sebagai lokasi lokasi sebuah kota atau posisi tower sebuah radio. Garis bisa digunakan untuk menunjukkan rute suatu perjalanan atau menggambarkan boundary. Poligon bisa digunakan untuk menggambarkan sebuah danau atau sebuah Negara pada peta dunia. Setiap bagian dari data vector dapat saja mempunyai informasi-informasi yang bersosiasi satu dengan lainnya seperti penggunaan sebuah label untuk menggambarkan informasi pada suatu lokasi.
2.3. Teori Metode AHP
Teori Analytic Hierarchy Process (AHP) dikembangkan oleh Thomas L. Saaty seorang ahli ilmu pasti dari University of Pennsylvania pada tahun 1971-1975. AHP memungkinkan menyelesaikan masalah-masalah yang berkaitan dengan faktor nyata dan tidak nyata. Data, gagasan, dan intuisi dapat diatur dengan menggunakan struktur hirarki secara logis. Hirarki adalah susunan dari faktor/ elemen permasalahan yang ada yang dapat diatur/ dikendalikan. AHP memungkinkan untuk melihat elemen-elemen permasalahan secara terpisah-pisah. Satu elemen kemudian dibandingkan dengan lainnya berdasarkan kriteria tunggal yang merupakan proses keputusan dari perbandingan berpasangan, serta membantu penyusunan permasalahan, mendorong melakukan pertimbangan/ penilaian, dan mengumpulkan atau menggabungkan semua pertimbangan kedalam alternatif-alternatif yang diprioritaskan dari yang paling baik sampai yang paling buruk. Prosedur hitungan AHP adalah dalam menyelesaikan persoalan dengan AHP ada beberapa tahapan, yaitu :
penguraian (decomposition), perbandingan berpasangan (pair comparisons), sintesa prioritas (synthesis of priority), dan konsistensi logis (logical consistency).
2.3.1. Prinsip-Prinsip Dasar Analytical Hierarchy Process (AHP)
Skala ukuran panjang (meter), emperatur (derajat), waktu (detik) dan uang (rupiah) telah digunakan dalam kehidupan sehari-hari untuk mengukur bermacam-macam kejadian yang sifatnya fisik. Kita tahu bahwa penerapan seperti itu dapar diterima secara umum. Pertanyaan adalah apakah kita dapat memperluas dan membenakan penggunaan sekala tersebut secara beralasan dan mudah dipahami untuk mencerminkan perasaaan-perasaan kita pada bermacam-macam persoalan sosial, ekonomi, dan politik? Sulit dibayangkan, sebab disini lebih cocok bila digunakan suatu ukuran lain yang telah
Sederhana, misalnya persentase. Namun, variabel-variabel sosial, ekonoo, an politik tidak jaang yang sulit diukur, seperti misalnya bagaimana mengukur produk yang berupa rasa aman karena tidak adanya serangan dari neara lain yang dihasilkan karena pengeluaran pemerintah dibidang pertahanan, bagaimana mengukur kerugian yang diderita masyarakat karena bermacam-macam polusi dan kerusakan leingkungan akibat industrialisasi, bagaimana mengkuantifikasi kesenangan karena dapat menikmati waktu senggang, dan sebagainya (Mulyono,1996).
Dalam menyelesaikan persoalan dengan AHP ada prinsip-prinsip yang harus dipahami, diantaranya adalah: decomposition, comparative judgement, synthesis of priority, dan logical consistency.
Decomposition merupakan suatu proses memecahkan persoalan yang utuh menjadi unsurnya. Ika ingin mendapatkan hasil yang akurat, pemecahan juga dilakukan terhadap unsur-unsur sampai tidak mungkin dilakukan pemecahan lebih lanjut, sehingga didapatkan beberapa tingkatan dari persoalan tadi. Karena alasan ini maka proses analisis ini dinamakan hirarki. Ada dua jenis hirarki yaitu lengkap dan tak lengkap. Dalam hirarki lengkap, semua elemen pada suatu tingkat memiliki semua elemen tang ada pada tingkat berikutnya. Jika tidak demikian, dinamakan hirarkin tak lengkap.
Comporative judgement berarti membuat penilaian tentang kepentingan relatif dua elemen pada suatu tingkat tertentu yang dalam kaitannya dengan tingkat diatasnya. Penilaian ini merupakan ini dari AHP, karena ia akan berpengaruh terhadap prioritas elemen-elemen. Hasil dari penilaian ini akan tampak lebih enak bila disajikan dalam bentuk matriks yang dinamakan pairwise comparison. Agar diperoleh skala yang bermanfaat ketika membandingkan dua elemen, seseorang yang akan memberikan jawaban perlu pengertian menyeluruh tentang elemen-elemen yang dibandingkan oleh relevansinya erhadap kriteria atau tujuan yang dipelajari.
Synthesis of priority dihasilkan dari setiap matriks pairwise comparison kemudian dicari eigenvectornya untuk mendapatkan local priority. Karena matriks pairwise comparison terhadap pada settiap tingkat, maka untk mendapatkan global priority harus dilakukan sintesa di antara local priority, prosedur melakukan sintes berbeda menurut bentuk hirarki. Pengurutan elemen-elemen menurut kepentingan relatif melalui prosedur sintesa dinamakan priority setting.
Local consistency merupakan proses penghasilan konsistensi dimanan makna konsistendi yaitu bahwa objek-objek yang serupa dapat dikelompokkan sesuai dengan keseragaman dan relevansi.
2.4. Algoritma Dijkstra
Pencarian rute terpendek termasuk kedalam materi teori graf. Algoritma yang sangat terkenal untuk menyelesaikan persoalan ini adalah algoritma Dijkstra. Algoritma ini ditemukan oleh seorang ilmuwan komputer berkebangsaan belanda yang bernama Edsger Dijkstra. Algoritma dijkstra digunakan untuk menetukan jarak terpendek pada sebuah graf berarah. Contoh penerapan algoritma dijkstra adalah lintasan terpendek yang menghubungkan dua lokasi,tempat berlainan tertentu (single-source single-destination shortest path problem). Algoritma dijkstra membutuhkan parameter tempat asal dan tempat tujuan. Hasil akhir algoritma ini adalah jarak terpendek dari tempat asal ke tempat tujuan beserta rutenya.
Jika menggunakan algoritma Djikstra untuk menentukan jalur terpendek dari suatu graph, maka akan menemukan jalur yang terbaik karena pada waktu penentuan jalur yang akan dipilih
akan dianalisis bobot dari node yang belum terpilih, lalu dipilih node dengan bobot terkecil. Algoritma Djikstra mencari jarak terpendek dari node asal ke vertex terdekatnya, kemudian ke vertex kedua, dan seterusnya.
Ada beberapa cara pencarian rute terpendek yang diselesaikan menggunakan algoritma Dijkstra, yaitu:
1. Pencarian rute terpendek antara dua buah simpul tertentu (a pair shortest path)
2. Pencarian rute terpendek dari simpul tertentu ke semua simpul yang lain (single source shortest path)
3. Pencarian lintasan terpendek antara dua buah simpul yang melalui beberapa simpul tertentu (intermediate shortest path)
2.5. Google Maps
Google Maps merupakan suatu aplikasi yang disediakan oleh google secara gratis untuk melihat dunia secara lebih dekat di dalam internet. Dalam hal ini, google maps diperuntukkan untuk para pengguna internet yang ingin mengetahui suatu lokasi yang tempat dia berada ataupun lokasi suatu alamat yang ingin diketahui letak pasti lokasiya.
Google Maps adalah suatu peta dunia yang dapat kita gunakan untuk melihat suatu daerah. Dengan kata lain, Google Maps merupakan suatu peta yang dapat dilihat dengan menggunakan suatu browser. Kita dapat menambahkan fitur Google Maps dalam web yang telah kita buat atau pada blog kita yang berbayar maupun gratis sekalipun dengan Google Maps API. Google Maps API adalah suatu library yang berbentuk JavaScript.
Server
Client
Computer Network Web server apache
Scripting Langunge PHP Server Database MySQL
Web Browser
Gambar 2.1. Alur Proses Google Maps
Pada gambar 2.1 interaksi antara klien dengan server berdasarkan skenario request dan respon. Admin akan melakukan pengolahan map, berdasarkan kebutuhan. Kemudian file map script yang bersangkutan akan dikirim atau ditanam di web server yang kemudian akan menjadi bahan informasi aplilkasi website bagi user yang akan menggunakan aplikasi penentuan rute terpendek menuju suatu rumah makan di kota Medan.
2.6 Routing Module
Routing dapat digunakan untuk menyelesaikan masalah pencarian jalur terpendek (Shortest Path) dan juga Travelling Salesman Problem (TSP). Alasan Penggunaan modul routing ini karena pada aplikasi Web GIS ini terdapat sebuiah fungsi untuk menyelesaikan pencarian jalur terpendek menggunakan algoritma Dijkstra.
Permasalahan mengenai rute atau jalur yang menghubungkan tempat-tempat tertentu maka dapat kita gambarkan dengan bulatan untuk memvisualisasikan tempat, dan garis untuk memvisualisasikan jalan / rute. Representasi semacam ini merupakan suatu representasi dari graf. Sehingga dapat diselesaikan dengan Algoritma Dijkstra.
Pada perancangan sistem informasi geografis ini Algoritma Dijkstra yang telah diimplementasikan ke dalam bahasa PHP akan dipergunakan dalam mencari rute terpendek bagi untuk menuju lokasi rumah makan yang menjadi lokasi tujuan. Namun karena keterbatasan data yang ada, maka sample data yang dipergunakan hanya 7 tempat (verteks/node) yakni dengan masing-masing memiliki bobot pada link-nya (panjang jalan).
Tabel 2.1 Analisis Panjang Rute
Tujuan A B C D E F G A 0 6 ∞ ∞ ∞ ∞ ∞ B 6 0 6 ∞ ∞ ∞ ∞ C ∞ 6 0 4 7 ∞ ∞ D ∞ ∞ 4 0 20 ∞ ∞ E ∞ ∞ 7 20 0 9 ∞ F ∞ ∞ ∞ ∞ 9 0 9 G ∞ ∞ ∞ ∞ ∞ 9 0
Tabel 2.1 digunakan sebagai acuan dalam penghitungan rute terpendek pada rute yang ditentukan menggunakan Metode Dijkstra sesuai node asal dan node tujuan dari sebuah rute.
Berdasarkan tabel analisis, maka gambar dari graf yang akan diselesaikan dijkstra apabila verteks asal ialah A dan verteks tujuan ialah G, adalah sebagai berikut :
A D B C E F G 0 ∞ ∞ ∞ ∞ ∞ 6 6 20 ∞ 7 4 9 9
(a) (b) (c) (d) A D B C E F G 0 6 12 16 ∞ ∞ 6 6 20 19 7 4 9 9 ∞ < 4+12 ∞ < 7+12 A D B C E F G 0 6 12 ∞ ∞ ∞ 6 6 20 ∞ 7 4 9 9 ∞ < 6+6 A D B C E F G 0 6 ∞ ∞ ∞ ∞ 6 6 20 ∞ 7 4 9 9 ∞ < 6+0
(e) (f) (g) A D B C E F G 0 6 12 16 28 37 6 6 20 19 7 4 9 9 ∞ < 9+28 A D B C E F G 0 6 12 16 28 ∞ 6 6 20 19 7 4 9 9 ∞ < 9+19 A D B C E F G 0 6 12 16 ∞ ∞ 6 6 20 19 7 4 9 9 19 < 16+20
(h)
Gambar 2.2 Graf Langkah-Langkah Perhitungan Dijkstra
Algoritma Dijkstra mencari jarak terpendek dari verteks asal ke verteks terdekatnya, kemudian ke verteks berikutnya, dan seterusnya dengan ketentuan :
di(baru) = min { di(lama) , dj+mji }
Maka program akan berhenti karena semua node / verteks sudah terpilih. Dan menghasilkan jalur terpendek dari verteks A ke verteks G, sehingga akan didapat :
A→G : A-B-C-E-F-G : 37
Atau pada dunia nyatanya, rute terpendek dari verteks A menuju ke verteks G adalah melewati B, C, E, F hingga sampai ke G dengan total jarak tempuh adalah 37 km.
Client Side Web Browser Minta Data Data Routing Kirim data Transfer data
Web Server Google Maps Server
Data Admin Server
Setting Routing
Laporan
Import Koordinat X-Y
Gambar 2.3. Alur Proses Routing Map
A D B C E F G 0 6 12 16 28 37 6 6 20 19 7 4 9 9
Pada gambar 2.2 alur proses sebuah routing rute terpendek adalah dengan membuat titik koordinat X dan Y untuk penempatan sebuah titik lokasi yang kemudian akan diinputkan kedalam database aplikasi website yang sudah terhubung dengan Google Maps sehinngga akan menjadi sebuah informasi routing untuk penggunaan aplikasi website penentu rute terpendek menuju sebuah rumah makan di kota Medan.
2.7. Teori Graf
Graph adalah kumpulan simpul (node) yang dihubungkan satu sama lain melalui sisi/busur (edge) [4]. Suatu Graf G terdiri dari dua himpunan yaitu himpunan V dan himpunan E.
1. Verteks (simpul) : V = Himpunan simpul yang terbatas dan tidak kosong 2. Edge (sisi/busur) : E =Himpunan busur yang menghubungkan sepasang simpul
Dapat dikatakan graph adalah kumpulan dari simpul-simpul yang dihubungkan oleh sisi-sisi. Graph berarah dan berbobot adalah tiap busur mempunyai anak panah dan bobot. Gambar berikut menunjukkan graf berarah dan berbobot yang terdiri dari tujuh titik yaitu titik A,B,C,D,E,F,G. Titik menunjukkan arah ke titik B dan titik C, titik B menunjukkan arah ke titik D dan titik C, dan seterusnya. Bobot antar titik A dan B pun telah diketahui.
Gambar 2.4 Contoh Graph Berarah dan Berbobot
Pada gambar diatas, misalkan kita dari lokasi A (Stasiun Kreta Api) ingin menuju Rumah Makan (G). Untuk menuju lokasi G (Rumah Makan) dapat dipilih beberapa jalur yang tersedia :
A-B-C-D-E-G = 2+1+1+1+2 = 7 Km A-B-C-D-F-G = 2+1+1+2+3 = 9 Km A-B-C-D-G = 2+1+1+2 = 6 Km A-B-C-F-G = 2+1+4+3 = 10 Km
A-B-D-E-G = 2+3+1+2 = 8 Km A-B-D-F-G = 2+3+2+3 = 10 Km A-B-D-G = 2+3+2 = 7 Km A-B-E-G = 2+2+2 = 6 Km A-C-D-E-G = 4+1+2+3 = 10 Km A-C-D-F-G = 4+1+1+2 = 8 Km A-C-D-G = 4+1+2 = 7 Km A-C-F-G = 4+4+3 = 11 Km
Berdasarkan data diatas, dapat dihitung jalur terpendek dengan mencari jarak antara jalur-jalur tersebut. Dan dari hasil data diatas dapat diketahui jalur-jalur terpendek dari A (lokasi awal) menuju sebuah rumah makan (G) yaitu A-B-E-G dengan jarak 6 km dan mempunyai edges 4 titik.
2.8. Black-Box Testing
Merupakan pengujian fungsi perangkat lunak atau program tentang cara beroperasinya, apakah pemasukan data keluaran (output) telah berjalan sebagaimana yang dirahapkan sesuai dengan data masukan (input) dan apakah informasi eksternal selalu dijaga kemutakhirannya (Pressman).
Pengujikan black-box berfokus pada persyaratan fungsional perangkat lunak atau program. Pengujian ini memungkinkan analis sistem memperoleh kondisi input yang akan mengerjakan seluruh keperluan fungsional program. Pengujian black-box adalah pengujian aspek fundamental sistem tanpa memperhatikan struktur logika internal perangkat lunak.
Metode ini digunakan untuk mengetahui apakah perangkat lunak berfungsi dengan benar. Pengujian black box merupakan metode perancangan data uji yang didasarkan pada spesifikasi perangkat lunak. Data uji dibangkitkan, dieksekusi pada perangkat lunak dan kemudian keluaran dari perangkat lunak dicek apakah telah sesuai dengan yang diharapkan. Tujuan metode pengujian ini mencari kesalahan pada:
1. Fungsi yang salah atau hilang 2. Kesalah pada interface 3. Kesalahan pada struktur data
4. Kesalahan kinerja
5. Kesalahan inisialisasi dan tujuan akhir
