BAB 2
LANDASAN TEORI
2.1 Aplikasi Berbasis Web
Aplikasi berbasis web merupakan aplikasi yang dapat diakses melalui browser internet, pemanfaatan aplikasi berbasis web sudah banyak digunakan oleh masyarakat di abad ini. Aplikasi berbasis web dapat digunakan untuk berbagai tujuan. Misalnya, aplikasi berbasis web dapat digunakan untuk membuat faktur dan menyediakan cara yang mudah untuk menyimpan data dalam database. Aplikasi berbasis web juga dapat digunakan untuk mengelola inventaris. Tak hanya itu, aplikasi berbasis web juga dapat digunakan untuk memonitoring sistem melalui tampilan (Enjelina & Insannudin, 2016).
Keunggulan dari aplikasi berbasis web adalah tidak perlu mendapatkan lisensi dalam mengembangkannya, hal itu dikarenakan lisensi dimiliki oleh jasa penyedia layanan aplikasi. Kemudian, dalam pengembangannya aplikasi berbasis web cenderung hanya memerlukan spesifikasi sistem yang standar dan tidak terlalu membutuhkan spesifikasi tinggi. Aplikasi berbasis web juga dapat diakses dimanapun tanpa perlu melakukan proses instalasi ke dalam perangkat milik user. Sistem operasi juga bukan suatu hambatan dalam pembuatan aplikasi berbasis web, karena aplikasi berbasis web tidak memiliki batas terhadap sistem operasi yang dimiliki oleh perangkat user. Aplikasi berbasis web juga dapat diakses melalui berbagai perangkat elektronik seperti komputer, smartphone, laptop, maupun tablet (Hatmoko, 2019).
2.2 Ikan Cupang
Berdasarkan informasi yang dikemukakan oleh Badan Karantina Ikan, Pengendalian Mutu dan Keamanan Hasil Perikanan, Kementrian Kelautan dan Perikanan (BKIPM KKP) (2011). Betta sp. Merupakan ikan air tawar yang habitat aslinya berada di berbagai negara / kawasan di Asia Tenggara, antara lain Indonesia, Thailand, Malaysia, dan Vietnam. Ikan ini memiliki bentuk dan ciri yang unik serta cenderung agresif dalam mempertahankan wilayahnya. Di kalangan penggemar, cupang biasanya dibagi menjadi tiga kategori, yaitu cupang hias, cupang aduan, dan cupang liar. Di Indonesia sendiri terdapat ras asli dari ikan cupang, salah satunya adalah Betta channoides yang terdapat di Pampang, Kalimantan Timur.
Ikan cupang terdiri dari 73 jenis spesies dan terbagi menjadi 13 kelompok. Dari 73 spesies yang ada di bumi, spesies ikan cupang yang beredar di pasaran rata-rata berasal dari kelompok splendens complex, yang terdiri dari betta splendens, betta stiktos, betta mahachai, betta smaragdina dan betta imbellis, serta varian hasil silangan dari spesies-spesies tersebut. Penggemar ikan cupang membagi golongan ikan cupang menjadi tiga jenis, yaitu cupang hias, cupang aduan, dan cupang liar (Sari, dkk., 2018).
Secara umum ikan cupang memiliki standar kualitas untuk dapat dikatakan baik. Standar dari ikan cupang itu sendiri yaitu memiliki sirip dan ekor yang berwarna terang. Siripnya terbuka harmonis dan sempurna, tidak ada bayangan lain di ujung- ujung ekor dan siripnya. Tidak ada jarak antara sirip bawah dan ekor (caudal) ataupun antara sirip-sirip (dorsal) punggung. Sirip-sirip merapat sempurna ketika ikan membuka dan memekarkan sirip-sirip mereka (KKP, 2011).
Dalam kontes ikan cupang hias terdapat 5 kriteria yang menjadi penilaian, yaitu warna, kerapihan, proporsi, mental, dan penampilan. Pengkategorian warna didasari dengan melihat warna yang berada di bagian-bagian tubuh ikan cupang. Terdapat 5 bagian tubuh yang menjadi penilaian, yaitu badan/kepala, sirip anal, sirip punggung, sirip perut, dan sirip ekor. Setiap sub kriteria ikan cupang memiliki penilaian warna dengan standar masing-masing. Sebagai contoh, ikan cupang hias berwarna dasar dapat dikatakan baik apabila hanya ada satu warna pada seluruh bagian dari ikan cupang hias, dengan warna yang memiliki gradasi merata (Masyarakat Cupang Hias Indonesia, 2012).
Kemudian, pengkategorian berdasarkan kerapihan dilihat dari kerapihan seluruh bagian tubuh ikan cupang meliputi, badan/kepala, sirip anal, sirip punggung, sirip perut, dan sirip ekor. Kerapihan dinilai berdasarkan aspek detail dari ikan cupang hias, sebagai contoh tidak terdapat bengkok pada setiap tulang sirip, seluruh sisik menyatu dengan sempurna dan tidak ada yang terlepas, tidak terdapat bulu halus pada ikan, dan lain-lain. Ikan cupang hias yang memiliki kecacatan fisik bisa mendapatkan pengurangan poin atau bahkan di diskualifikasi dalam perlombaan (Masyarakat Cupang Hias Indonesia, 2012).
Pengkategorian berdasarkan proporsi dilihat dari keseimbangan antara bagian badan, ekor, dan sirip dari ikan cupang hias. Jika terdapat bagian tubuh yang tidak seimbang maka akan dikenakan pengurangan poin. Pengkategorian berdasarkan mental dinilai berdasarkan perilaku ikan cupang saat di lakukan pengujian. Ikan yang malas mengembangkan siripnya saat diperlihatkan dengan ikan lain akan dinilai memiliki nilai mental yang rendah. Ikan yang terlihat tidak tenang saat dilakukan pengujian juga
akan mendapatkan pengurangan nilai. Pengkategorian berdasarkan penampilan didasari dengan melihat berbagai aspek, mulai dari ukuran ikan cupang, kondisi kesehatan ikan cupang, gaya/perilaku ikan saat dilakukan pengujian, warna keseluruhan, mental ikan, dan kerapihan keseluruhan (Masyarakat Cupang Hias Indonesia, 2012).
Gambar 2.1 merupakan salah satu contoh ikan cupang hias yang mendapatkan juara dalam kelas halfmoon. Ikan milik Alexander Chandra ini berhasil mendapatkan tiga gelar juara, yaitu Best of Division, Best of Show, dan terbaik di kategori single tail. Ikan halfmoon tersebut memiliki indukan yang pernah mendapatkan juara sebelumnya. Faktor genetik juga menjadi penyebab ikan cupang mendapatkan gen yang bagus dari indukannya (Ginanjar, 2020).
Gambar 2.1 Juara Kontes Ikan Cupang Kategori Single Tail Halfmoon (Ginanjar, 2020)
2.3 Sistem Pendukung Keputusan
Berdasarkan penelitian yang dilakukan oleh Tonni Limbong, dkk. (2020).
Konsep sistem pendukung keputusan dicirikan oleh sistem interaktif berbasis komputer yang membantu pengambil keputusan menggunakan data dan model untuk memecahkan masalah yang tidak terstruktur. Pada dasarnya, SPK (Sistem Pendukung Keputusan) bertujuan untuk mendukung semua tahapan pengambilan keputusan, mulai dari mengidentifikasi masalah, memilih data yang relevan, menentukan metode yang digunakan dalam proses pengambilan keputusan, hingga mengevaluasi alternatif. SPK sendiri memiliki karakteristik dan kemampuan yaitu:
1. SPK menggabungkan data dan model menjadi satu bagian dan dirancang untuk membantu manajer dalama proses pengambilan keputusan masalah semi- struktural.
2. SPK memberikan dukungan untuk pertimbangan manajer bukan untuk menggantikan peran manajer.
3. SPK memiliki fasilitas interaktif yang menghubungkan manusia dan komputer untuk saling berinteraksi.
4. SPK bekerja dengan menggabungkan model dan teknik analisis dengan cara memasukkan data yang ada untuk mencari informasi yang terkandung didalamnya.
5. SPK berfungsi untuk membantu proses penilaian pribadi dalam mengambil keputusan yang didasari oleh pilihan yang dimiliki pengguna.
6. SPK adalah sistem terkomputerisasi yang dapat mengumpulkan dan menganalisis data serta mensintesiskannya untuk menghasilkan laporan informasi yang komprehensif.
7. SPK berbeda dengan aplikasi operasi biasa yang fungsinya hanya untuk mengumpulkan data.
8. SPK dapat memberikan pengambilan keputusan yang lebih terinformasi, penyelesaian masalah yang tepat waktu, dan meningkatkan efisiensi penanganan masalah atau operasi, perencanaan dan manajemen.
2.4 Analytical Hierarchy Process
Analytic Hierarchy Process (AHP) dikembangkan pada tahun 1980 oleh Thomas L. Saaty dalam bukunya yang berjudul Analytic Hierarchy Process. Analytic Hierarchy Process (AHP) merupakan proses pengambilan keputusan yang menjelaskan faktor evaluasi dan faktor pembobot dalam kondisi multi faktor dengan melakukan perbandingan secara berpasangan (Pairwise Comparison) (Yulyantari & Wijaya, 2019). AHP adalah metode yang digunakan dalam proses pengambilan keputusan dari masalah yang kompleks (seperti permasalahan, perencanaan, mengidentifikasi alternatif, dan menetapkan prioritas) (Sulistiyani, dkk., 2017).
Menurut Luh Made Yulyantari dan IGKG Puritan Wijaya (2019), langkah- langkah dan prosedur yang harus dilakukan dalam menggunakan metode penelitian AHP antara lain:
1. Mendefinisikan masalah, menentukan solusi, serta menyusun hierarkinya seperti pada Gambar 2.2, pada penelitian ini hierarki perhitungan hanya mencapai level 2.
Gambar 2.2 Struktur Hierarki AHP (Agrawal, dkk., 2014)
2. Menentukan elemen prioritas untuk digunakan:
a. Membuat perbandingan secara berpasangan.
b. Matriks perbandingan menggunakan angka yang mewakili kepentingan relatif dari suatu elemen ke elemen lainnya.
Tabel 2.1 Skala Penilaian Perbandingan Berpasangan (Yulyantari & Wijaya, 2019)
Bobot Pengertian
1 Kedua elemen sama penting
3 Elemen yang satu sedikit lebih penting dari elemen lainnya
5 Elemen yang satu jelas lebih penting daripada elemen lainnya
7 Elemen yang satu lebih penting daripada elemen lainnya
9 Satu elemen mutlak penting daripada elemen lainnya
2,4,6,8 Nilai-nilai antara dua pertimbangan yang berdekatan
Kebalikan Jika aktivitas i mendapat satu angka dibandingkan dengan aktivitas j maka j memiliki nilai kebalikannya dibandingkan dengan aktivitas i
3. Menentukan prioritas matriks:
a. Menjumlahkan nilai yang ada pada setiap kolom dari matriks perbandingan berpasangan.
b. Membagi nilai kolom dengan total untuk dapat memperoleh hasil dari normalisasi matriks.
c. Menjumlahkan nilai setiap baris untuk kemudian membaginya dengan jumlah elemen untuk mendapatkan hasil rata-rata.
4. Menentukan prioritas matriks:
a. Kalikan setiap nilai di kolom pertama dengan prioritas relatif elemen pertama, kalikan nilai di kolom kedua dengan prioritas relatif elemen kedua, dan seterusnya.
b. Jumlahkan seluruh baris dari matriks tersebut.
c. Jumlah baris dibagi dengan elemen prioritas yang bersangkutan.
d. Jumlahkan hasil bagi dengan banyaknya elemen yang ada dan hasilnya disebut maks.
5. Menghitung Consistency Index (CI)
𝐶𝐼 = (𝑚𝑎𝑘𝑠 − 𝑛) 𝑛 − 1
…(2.1)
Rumu s 2.1 Menghit ung CI
6. Menghitung Rasio Konsistensi (Consistency Ratio)
𝐶𝑅 = 𝐶𝐼 𝐼𝑅
…(2.2)
Rumu s 2.2 Menghit ung CR
Dimana IR (Index Random) adalah indeks acak sesuai ketentuan pada tabel 2.
Tabel 2.2 Daftar Indeks Konsistensi Acak (IR) (Yulyantari & Wijaya, 2019)
Ukuran Matriks Nilai Index Random
1,2 0.00
3 0.58
4 0.90
5 1.12
6 1.24
7 1.32
8 1.41
9 1.45
10 1.49
11 1.51
12 1.48
13 1.56
14 1.57
15 1.59
7. Memeriksa konsistensi dari hierarki
Jika nilai CR kurang dari atau sama dengan 0.1, maka hasil perhitungannya dapat dikatakan konsisten.
Menurut Gusti Panuntun (2021), metode AHP memiliki kelebihan dan kekurangan yang terkandung didalamnya. Kelebihan dari metode AHP antara lain:
1. Memberikan solusi atas permasalahan yang cukup luas dan tidak terstruktur dengan membuat sebuah model.
2. Mengintegrasikan desain berbasis sistem dalam pemecahan masalah yang kompleks (kompleksitas).
3. Menangani suatu elemen yang berkaitan dengan elemen lainnya sehingga membuat sistem tidak memerlukan hubungan linier (saling ketergantungan).
4. Merefleksikan kecenderungan alami dalam pikirian manusia untuk memilah elemen sistem di berbagai tingkatan (struktur hierarki).
5. Memberikan rentang pengukuran serta metode pengaturan pada suatu prioritas (pengukuran).
6. Melacak konsistensi logis dari pertimbangan yang digunakan saat menetapkan berbagai prioritas (konsistensi).
7. Mempertimbangkan prioritas relatif dari berbagai faktor sistem dan memungkinkan orang untuk memilih opsi terbaik sesuai dengan tujuan mereka.
Adapun kekurangan dari metode AHP, yaitu metode mengandalkan ketergantungan bentuk masukan berupa input dari pemikiran pakar, sehingga tetap melibatkan subjektivitas dari pakar terkait.
2.5 Technique for Order Performance by Similarity to Ideal Solution
Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) adalah salah satu metode dalam Multiple-Criteria Decision Making (MCDM) yang diusulkan oleh Yoon dan Hwang pada tahun 1981. TOPSIS merupakan metode pengambilan keputusan dengan banyak standar, yang dapat membantu menyelesaikan berbagai kemungkinan alternatif masalah dan proses analisis pengambilan keputusan terbaik. Dalam analisisnya memiliki konsep sederhana yang mudah dipahami. Saat melakukan perhitungan metode ini cukup efisien dalam mengukur berbagai alternatif pilihan yang tersedia menggunakan bentuk perhitungan matematis yang sederhana dan mudah perhitungannya (Murdowo, 2020).
Menurut Sugeng Murdowo (2020), langkah-langkah perhitungan yang dilakukan dalam metode TOPSIS antara lain:
1. Membuat normalisasi dari matriks keputusan.
2. Membobotkan matriks yang telah di normalisasi.
3. Menentukan matriks solusi ideal positif dan negatif.
4. Menentukan jarak antar nilai dari setiap alternatif menggunakan matriks solusi ideal positif dan negatif.
5. Menentukan preferensi dari nilai setiap alternatif.
Perhitungan metode TOPSIS terhadap evaluasi kinerja dari tiap alternatif 𝐴𝑖 pada setiap standar 𝐶𝑗 yang ternormalisasi, sebagai berikut.
𝒓𝒊𝒋= 𝑿𝒊𝒋
√∑𝒎𝒊=𝟏𝒙𝒙𝒊𝒋𝟐 dengan i=1,2,…,m; dan j=1,2,…,n. …(2.3)
Rumu s 2.3 Menghit ung Matr iks Ternormal isasi
Solusi ideal A+ positif dan solusi ideal A- negatif dapat ditentukan berdasarkan peringkat bobot ternormalisasi (𝑦𝑖𝑗), seperti yang ditunjukkan di bawah ini:
Dengan:
𝒚𝒊𝒋 = 𝒘𝒊𝒓𝒊𝒋 dengan i=1,2,…,m; dan j=1,2,…,n. …(2.4)
Rumu s 2.4 Menghit ung Bobot Ternormalisasi
𝑨+ = (𝒚𝟏+, 𝒚𝟐+, … , 𝒚𝒏+); …(2.5)
Rumu s 2.5 Menghit ung Solu si Ideal Po sit if
𝑨− = (𝒚𝟏−, 𝒚𝟐−, … , 𝒚𝒏−); …(2.6)
Rumu s 2.6 Menghit ung Solu si Ideal Negatif
𝑦𝑗+ = {𝑚𝑎𝑥𝑖 𝑦𝑖𝑗; jika j adalah atribut keuntungan
𝑚𝑖𝑛𝑖 𝑦𝑖𝑗; jika j adalah atribut biaya …(2.7)
Rumu s 2.7 Menghit ung Bobot Ternormalisasi Po sit if
𝑦𝑗− = {𝑚𝑖𝑛𝑖 𝑦𝑖𝑗; jika j adalah atribut keuntungan
𝑚𝑎𝑥𝑖 𝑦𝑖𝑗; jika j adalah atribut biaya …(2.8) Dimana : j = 1,2,3,4,….dst
Rumu s 2.8 Menghit ung Bobot Ternormalisasi Negatif
Sedangkan jarak antara alternatif 𝐴𝑖 dengan solusi ideal positif dapat dirumuskan seperti yang ditunjukkan berikut:
𝐷𝑖+ = √∑(𝑦𝑖+− 𝑦𝑖𝑗)2
𝑛
𝑗=1
; i = 1,2,…,m. …(2.9)
Rumu s 2.9 Menghit ung Jarak Alternatif Dengan Solu si Ideal Posi tif
Jarak antara alternatif 𝐴𝑖 dengan solusi ideal negatif dapat dirumuskan seperti yang ditunjukkan berikut:
𝐷𝑖− = √∑(𝑦𝑖𝑗 − 𝑦𝑖−)2
𝑛
𝑗=1
; i = 1,2,…,m. …(2.10)
Rumu s 2.10 Menghi tung Jarak Al ternatif Dengan Sol usi Ideal Negatif
Nilai preferensi untuk setiap alternatif (𝑉𝑖) dapat dirumuskan sebagai berikut:
𝑽𝒊 = 𝑫𝒊−
𝑫𝒊−+ 𝑫𝒊+; …(2.11)
Rumu s 2.11 Menghi tung N ilai Preferensi Untuk Set iap Alternatif
Nilai 𝑉𝑖 yang lebih besar menyatakan bahwa alternatif dari 𝐴𝑖 yang lebih digunakan dalam pemilihan.
Adapun metode TOPSIS memiliki kelebihan dan kekurangan yang terkandung didalamnya. Kelebihan dari metode TOPSIS dapat dilihat sebagai berikut (Mulio, 2016):
1. Konsep ini sederhana dan mudah dipahami, dan kesederhanaan ini dapat dilihat dari alur metode TOPSIS yang tidak terlalu rumit. Karena menggunakan indikator standar dan variabel pengganti sebagai pengambil keputusan.
2. Efisiensi komputasi tinggi, perhitungan komputasinya lebih efisien dan kecepatannya cepat.
3. Dapat digunakan sebagai alternatif ukuran kinerja, atau sebagai alternatif keputusan berupa output komputasi yang sederhana.
4. Dapat digunakan karena metode pengambilan keputusan yang lebih cepat.
Kekurangan yang dimiliki oleh metode TOPSIS dapat dilihat sebagai berikut (Poningsih dkk, dalam Mutmainah & Yunita, 2021) :
1. Belum adanya prioritas perhitungan yang menjadi standar, dimana perhitungan tersebut berguna untuk meningkatkan efektifitas nilai perhitungan standar pembobotan. Oleh karena itu, untuk alasan ini, metode ini dapat digunakan bersama dengan, misalnya, metode AHP untuk menghasilkan hasil atau keputusan yang maksimal.
2. Jika tidak ada perantara yang independen (seperti struktur hirarki), keakuratan keputusan seringkali tidak akan menghasilkan keputusan yang sempurna.
2.6 Skala Likert
Skala likert merupakan skala penelitian yang digunakan untuk mengukur sikap dan pendapat. Dengan menggunakan skala likert, responden diminta untuk mengisi kuesioner untuk menunjukkan tingkat kesesuaiannya dengan serangkaian pertanyaan
yang diberikan. Pertanyaan atau pernyataan yang digunakan dalam penelitian ini biasa disebut variabel penelitian dan ditentukan secara khusus oleh peneliti (Kho, 2020).
Menurut Viktor Handrianus Pranatawijaya, dkk. (2019), Skala Likert memiliki dua bentuk pertanyaan, yaitu bentuk pertanyaan yang digunakan untuk mengukur pertanyaan positif dari tabel vektor positif dan bentuk pertanyaan negatif yang digunakan untuk mengukur tabel vektor negatif. Skor untuk pertanyaan positif adalah 5, 4, 3, 2, dan 1; skor untuk pertanyaan negatif berturut-turut adalah 1, 2, 3, 4, dan 5.
Cara untuk menerjemahkan hasil skala likert adalah dengan analisis interval. Penilaian yang diberikan untuk setiap pernyataan diwakili dengan jawaban sangat setuju, setuju, ragu-ragu, tidak setuju, dan sangat tidak setuju.
Untuk mencari total skor dan total skor maksimum dapat menggunakan rumus perhitungan sebagai berikut (Kho, 2020).
𝐓𝐨𝐭𝐚𝐥 𝐒𝐤𝐨𝐫 = Jumlah Responden x Skor (SS / S / RG / TS / STS) …(2.12)
Rumu s 2.12 Ru mus To tal Skor Skala L ikert
Rumu s 2.13 Ru mus To tal Skor Maksi mu m
Total skor digunakan untuk mencari nilai indeks skor untuk mengetahui kesimpulan dari penelitian dengan menggunakan skala likert, rumus dalam melakukan perhitungan adalah sebagai berikut.
𝐈𝐧𝐝𝐞𝐤𝐬 = (Total Skor / Skor Maksimum) x 100% …(2.14)
Rumu s 2.14 Ru mus Ni lai Indeks Skor Skala Likert
Hasil dari indeks skor akan dikategorikan seperti pada tabel 2.3.
𝐓𝐒𝐤𝐨𝐫 𝐦𝐚𝐤𝐬𝐢𝐦𝐮𝐦 = Jumlah Responden x Skor tertinggi (5) …(2.13)
Tabel 2.3 Interval Penilaian (Kho, 2020)
Interval Keterangan
0% – 19,99% Sangat Tidak Setuju
20% – 39,99% Tidak Setuju
40% – 59,99% Ragu-ragu
60% – 79,99% Setuju
80% – 100% Sangat Setuju
2.7 End User Computing Satisfaction
End User Computational Satisfaction (EUCS) adalah metode untuk mengukur kepuasan pengguna sistem aplikasi dengan membandingkan harapan dan kenyataan dari sistem informasi. Model evaluasi EUCS dikembangkan oleh Doll & Torkzadeh.
Evaluasi menggunakan model ini dapat menekankan kepuasan pengguna dengan mengevaluasi konten, akurasi, format, waktu dan kemudahan penggunaan sistem (Dalimunthe & Ismiati, 2016). Model tersebut menggunakan lima kriteria yang digunakan untuk mengukur kepuasan pengguna. Kelima standar tersebut meliputi dimensi content, dimensi accuracy, dimensi format, dimensi ease of use, dan dimensi Timeliness (Restanti, dkk., 2017).
2.8 IBM SPSS Statistics 26
IBM SPSS Statistics adalah sebuah software yang mampu melakukan hampir semua jenis analisis data yang digunakan dalam ilmu sosial, ilmu alam, atau dalam dunia bisnis. SPSS dan IBM telah membuat sebuah program ramah bagi pengguna dan
juga kuat dalam melakukan perhitungan statistika. SPSS mampu melakukan hampir semua jenis analisis statistik yang pernah digunakan dalam ilmu sosial, bisnis, dan ilmu lainnya (George & Mallery, 2019).
Untuk menggunakan software IBM SPSS Statistic dibutuhkan pengalaman dalam bidang statistika atau berada diproses pembelajaran seperti itu. Ilmu dasar dalam statistika penting untuk dipahami agar prosedur yang digunakan dapat menghasilkan output yang sesuai keinginan user. Spesifikasi yang dibutuhkan untuk menggunakan software ini adalah sebagai berikut (George & Mallery, 2019).
• Memiliki perangkat komputer/laptop dengan OS Windows 7 atau lebih, atau MAC OS 10.10 (Yosemite) atau lebih.
• Memiliki IBM SPSS Statistics 26 ter-install dalam perangkat.
• Mengetahui cara mengoprasikan perangkat keras komputer/laptop.
• Memiliki pengetahuan tentang tombol-tombol pada keyboard dan cara menggunakan mouse atau perangkat pilihan lainnya seperti monitor layar sentuh.
