SAMPAH REDUCE-REUSE-RECYCLE (TPS 3R) DENGAN METODE FUZZY LOGIC DAN HILL CLIMBING
(STUDI KASUS DINAS LINGKUNGAN HIDUP DKI JAKARTA)
Skripsi ini Diajukan Sebagai Syarat Melaksanakan Kewajiban Studi Strata Satu Program Studi Sistem Informasi
Disusun Oleh:
RAMADANA ARBI 1113093000036
PROGRAM STUDI SISTEM INFORMASI FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
2019 M / 1441 H
SAMPAH REDUCE-REUSE-RECYCLE (TPS 3R) DENGAN METODE FUZZY LOGIC DAN HILL CLIMBING
(STUDI KASUS DINAS LINGKUNGAN HIDUP DKI JAKARTA)
Skripsi ini Diajukan Sebagai Syarat Melaksanakan Kewajiban Studi Strata Satu Program Studi Sistem Informasi
Disusun Oleh:
RAMADANA ARBI 1113093000036
PROGRAM STUDI SISTEM INFORMASI FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
2019 M / 1441 H
i
SAMPAH REDUCE-REUSE-RECYCLE (TPS 3R) DENGAN METODE FUZZY LOGIC DAN HILL CLIMBING
(STUDI KASUS DINAS LINGKUNGAN HIDUP DKI JAKARTA)
LEMBAR HALAMAN JUDUL
Diajukan Sebagai Syarat Melaksanakan Kewajiban Studi Strata Satu Program Studi Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Disusun Oleh:
RAMADANA ARBI 1113093000036
PROGRAM STUDI SISTEM INFORMASI FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
2019 M / 1441 H
ii
LEMBAR PERSETUJUAN
iii
LEMBAR PENGESAHAN UJIAN
iii
iv
LEMBAR PERNYATAAN
iv
v ABSTRAK
RAMADANA ARBI – 1113093000036, Optimasi Untuk Pengelolaan Tempat Pengolahan Sampah Reduce-Reuse-Recycle (TPS 3R) Dengan Metode Fuzzy Logic dan Hill Climbing (Studi Kasus Dinas Lingkungan Hidup DKI Jakarta) di bawah bimbingan ibu MEINARINI CATUR UTAMI, M.T dan ibu Dr. QURROTUL AINI, M.T.
Dinas Lingkungan Hidup (DLH) DKI Jakarta merupakan lembaga pemerintah yang bertanggung jawab terhadap pengelolaan Tempat Pengolahan Sampah Reduce-Reuse-Recycle (TPS 3R). Program TPS 3R memiliki peran untuk membantu dalam hal pengurangan jumlah produksi sampah serta perbaikan kondisi limbah atau sampah. Program TPS 3R dinilai masih belum berfungsi secara optimal, hal ini dibuktikan dengan meningkatnya jumlah produksi sampah DKI Jakarta dari tahun ke tahun. Sebagian besar TPS 3R yang ada saat ini membutuhkan bantuan pendanaan dari pihak pemerintah agar dapat melakukan pembenahan terhadap TPS 3R yang belum berjalan secara optimal. Pendanaan pun sedang dipersiapkan oleh pemerintah, namun tidak semua TPS 3R dapat diberi pendanaan dikarenakan dana tersebut diambil dari anggaran pengelolaan sampah DKI Jakarta sehingga bersifat terbatas. Oleh karena itu, penelitian ini memiliki tujuan untuk membangun sistem yang dapat membantu pihak pemerintah khususnya DLH DKI Jakarta dalam pengambilan keputusan terkait pengelolaan sarana dan prasarana TPS 3R terutama pemberian pendanaan berdasarkan kriteria terpilih, dengan menggunakan metode fuzzy logic untuk menentukan tingkat kepentingan kriteria dan metode optimasi hill climbing. Hasil penelitian ini adalah sebuah sistem yang dapat memberikan rekomendasi kepada pihak DLH DKI Jakarta terkait pemilihan TPS 3R yang diprioritaskan untuk diberikan pendanaan.
Kata Kunci: Pengelolaan Sarana dan Prasarana, TPS 3R, Optimasi, Fuzzy Logic, Hill Climbing.
5 BAB + XVII Halaman + 190 Halaman + 51 Gambar + 20 Tabel + Daftar Pustaka + Lampiran
Pustaka Acuan (62, 1989-2018)
v
vi
KATA PENGANTAR
Assalamu’alaikum Warahmatullahi Wabarakatuh
Puji dan syukur kehadirat Allah Subhanahu Wa Ta’ala, karena atas berkah, rahmat, dan hidayah-Nya yang sungguh melimpah, sehingga penulis dapat menyelesaikan skripsi yang berjudul “Optimasi Untuk Pengelolaan Tempat Pengolahan Sampah Reduce-Reuse-Recycle (TPS 3R) Dengan Metode Fuzzy Logic dan Hill Climbing (Studi Kasus: Dinas Lingkungan Hidup DKI Jakarta)” dengan baik. Shalawat serta salam semoga senantiasa tercurah kepada Nabi Besar Muhammad Shallallahu ‘alaihi wa salam beserta keluarga, sahabat serta para pengikutnya hinga akhir zaman.
Penulis menyadari bahwa dalam menyelesaikan skripsi ini tidak terlepas dari bantuan berbagai pihak. Oleh karena itu, perkenankanlah penulis untuk dapat mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Ibu Prof. Dr. Lily Surayya Eka Putri, M.Env.Stud selaku Dekan Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah.
2. Bapak A’ang Subiyakto, M.Kom, Ph.D. selaku Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi dan Ibu Nidaul Hasanati, MMSI selaku Sekretaris Program Studi Sistem Informasi Fakultas Sains dan Teknologi.
3. Ibu Meinarini Catur Utami, M.T. sebagai Dosen Pembimbing I yang telah memberikan bimbingan, dan arahan kepada penulis selama proses penyelesaian skripsi ini. Terima kasih banyak untuk seluruh waktu, tenaga,
vii
kesediaan menjawab setiap pertanyaan penulis dan senantiasa memberikan motivasi serta membagikan banyak pengetahuan agar penulis bisa menyelesaikan skripsi ini dengan baik.
4. Ibu Dr. Qurrotul Aini, M.T sebagai Dosen Pembimbing II yang selalu sabar dalam membimbing penulis, selalu memberi masukkan yang positif, serta memberikan arahan dalam memperkuat argumen sehingga penulis bisa menyelesaikan skripsi ini dengan baik.
5. Seluruh Dosen Program Studi Sistem Informasi yang telah membagikan ilmunya kepada penulis selama proses perkuliahan.
6. Seluruh karyawan Fakultas Sains dan Teknologi yang telah banyak membantu penulis dalam perkuliahan, terutama dalam menyelesaikan administrasi yang berkaitan dengan skripsi.
7. Ibu Rahmawati selaku KASI divisi Pengelolaan Kebersihan DLH DKI Jakarta, Pak Ervan selaku pegawai divisi Pengelolaan Kebersihan, Ibu Olly Tasya selaku petinggi InSWA, serta Bapak Eka selaku staf TPA Bantar Gebang yang telah menjadi narasumber bagi penulis dalam melakukan penelitian ini, dan seluruh rekan dari DLH DKI Jakarta yang tidak dapat disebutkan satu per satu oleh penulis yang telah membantu penulis dalam memperoleh data-data terkait dalam penyusunan skripsi ini.
8. Kedua orang tua penulis, (Alm.) Bapak Rusfian Awal dan Ibu dr Amwa Yenni. Terima kasih untuk papi dan mami yang telah membesarkan dan mendidik penulis dari lahir hingga saat ini, terima kasih untuk seluruh cinta
viii
dan kasih yang selalu diberikan untukku. Terima kasih untuk doa-doa yang selalu mengiri langkahku disegala situasi, saat senang maupun sedih.
9. Kakakku tersayang, Ryos Abdiansyah serta adikku tersayang, Ryorda Triaptahadi. Terima kasih telah mengisi hari-hari penulis sehingga penulis tidak pernah merasa kesepian, semoga kalian akan selalu menjadi saudara dan sahabat terbaik yang mengiringi langkah penulis kedepannya.
10. Bapak Dr. rer. nat. Ditdit Nugeraha Utama, yang membantu mengembangkan ide mengenai optimasi, sharing referensi-referensi sumber data yang bermanfaat, dan memberikan semangat dalam menyelesaikan skripsi.
11. Rekan seperjuangan Muhammad Fathurrahman, Muhammad Aldy Rivai, Ibnu Yahya Saputra, Amelia Fauziyah, Risyad Abdala Ramadhan, Richardy Affan S. Siregar, Tris Renanda, Gema Sanjaya, Aditia Angga Perdana, Muhammad Reza Hamzah, dan rekan-rekan SI-13 lainnya.
12. Himpunan Mahasiswa Sistem Informasi (HIMSI), serta KKN D’Voice 88 yang memberikan pengalaman serta pembelajaran hidup sehingga memberikan pengaruh untuk selalu optimis dalam setiap tantangan yang ada.
13. Serta orang-orang yang terlibat dalam membantu dalam penyusunan laporan skripsi ini.
Penulis memohon kepada Allah Subhanahu Wa Ta’ala agar seluruh dukungan, bantuan, dan bimbingan dari semua pihak dibalas pahala yang berlipat
ix
ganda. Selain itu, penulis menyadari dalam penyusunan skripsi ini masih terdapat kekurangan dan jauh dari kata sempurna sehingga saran dan kritik yang membangun sangat penulis harapkan dan dapat disampaikan melalui [email protected] Akhir kata, semoga penelitian ini dapat memberikan manfaat dan sekaligus menambah ilmu bagi kita semua. Aamiin Ya Rabbal ‘Alamin.
Jakarta, 21 Oktober 2019
RAMADANA ARBI 1113093000036
vi
x DAFTAR ISI
LEMBAR HALAMAN JUDUL ... i
LEMBAR PERSETUJUAN ... ii
LEMBAR PENGESAHAN UJIAN ... iii
LEMBAR PERNYATAAN ... iv
ABSTRAK ...v
KATA PENGANTAR ... vi
DAFTAR ISI ...x
DAFTAR GAMBAR ...xiv
DAFTAR TABEL ...xvi
DAFTAR PERSAMAAN ...xvii
BAB 1 PENDAHULUAN ...1
1.1 Latar Belakang...1
1.2 Identifikasi Masalah ...7
1.3 Rumusan Masalah ...8
1.4 Tujuan Penelitian ...8
1.5 Ruang Lingkup dan Batasan Penelitian ...9
1.6 Manfaat Penelitian ... 10
1.7 Metode Penelitian ... 10
1.8 Sistematika Penulisan ... 12
BAB 2 TINJAUAN PUSTAKA ... 14
2.1 Konsep Dasar Penunjang Keputusan ... 14
2.1.1 Pengertian Keputusan ... 14
2.1.2 Keputusan dalam Alquran ... 15
2.1.3 Kualitas Keputusan ... 15
2.1.4 Pengertian Sistem Penunjang Keputusan ... 17
2.1.5 Karakteristik SPK ... 19
2.1.6 Komponen SPK ... 21
2.1.7 Keuntungan SPK ... 24
2.1.8 Tujuan Sistem Pendukung Keputusan ... 25
2.2 Pengertian Optimasi ... 26
2.2.1 Optimasi Heuristik ... 27
xi
2.2.2 Langkah-Langkah Optimasi ... 27
2.2.3 Fungsi dan Variabel Optimasi ... 28
2.2.4 Relative Value ... 29
2.3 Fuzzy Logic ... 29
2.3.1 Variable Linguistic ... 31
2.3.2 Fungsi Keanggotaan (Membership Functions) ... 32
2.3.3 Fuzzifikasi ... 33
2.3.4 Defuzzifikasi ... 34
2.4 Hill Climbing Optimization ... 34
2.5 Pengertian dan Pengelolaan Sampah ... 35
2.5.1 Pengertian Sampah ... 35
2.5.2 Sumber-Sumber Sampah ... 36
2.5.3 Jenis-Jenis Sampah ... 37
2.5.4 Pengelolaan Sampah ... 39
2.6 Hubungan Sampah dengan Kesehatan Masyarakat ... 51
2.7 Pengaruh Pengelolaan Sampah terhadap Masyarakat dan Lingkungan ... 53
2.7.1 Pengaruh Positif ... 53
2.7.2 Pengaruh Negatif ... 54
2.8 Pengelolaan Tempat Pengolahan Sampah Reduce-Reuse-Recycle (TPS 3R) ... 55
2.8.1 Pengertian TPS 3R ... 55
2.8.2 Persyaratan TPS 3R... 55
2.8.3 Fasilitas TPS 3R ... 56
2.8.4 Prosedur Kegiatan TPS 3R ... 57
2.8.5 Ketentuan Peletakan TPS 3R ... 58
2.8.6 Pengadaan Sarana dan Prasarana TPS 3R ... 59
2.8.7 Pengoperasian dan Pemeliharaan TPS 3R ... 59
2.8.8 Pemantauan dan Evaluasi TPS 3R ... 60
2.9 Metodologi Pengembangan Sistem Informasi ... 63
2.10 Rapid Application Development (RAD) ... 64
2.11 UML (Unified Modelling Language) ... 67
Use Case Diagram ... 69
Activity Diagram ... 69
Sequence Diagram ... 70
xii
Class Diagram ... 71
2.12 Perangkat Pengembangan Sistem ... 72
2.12.1 PHP ... 72
2.12.2 XAMPP ... 72
2.12.3 MYSQL ... 73
2.13 Pengujian Sistem ... 74
2.13.1 Black Box Testing... 75
2.13.2 Kelebihan dan Kekurangan Black Box Testing ... 76
2.14 Kriteria yang digunakan ... 76
BAB 3 METODE PENELITIAN ... 80
3.1 Tahapan Penelitian ... 80
3.2 Analisis Awal ... 82
3.3 Pengumpulan Data ... 83
3.3.1 Metode Observasi ... 83
3.3.2 Wawancara ... 84
3.3.3 Studi Kepustakaan... 86
3.3.4 Studi Literatur ... 87
3.4 Pengembangan Sistem ... 92
3.4.1 Tahapan Perencanaan Kebutuhan (Requirement Planning) ... 93
3.4.2 Tahapan Perancangan (Workshop design) ... 94
3.4.3 Tahapan Implementasi (Implementation) ... 95
3.5 Laporan dan Dokumentasi ... 95
BAB 4 HASIL DAN PEMBAHASAN ... 96
4.1 Gambaran Umum DLH DKI Jakarta ... 96
4.2 Analisis Masalah... 98
4.3 Alur Tahapan Proses Optimasi ... 105
4.4 Variable Linguistic (Parameterizing) ... 108
4.5 Membership Function (Fungsi Keanggotaan) ... 112
4.6 Skenario Penilaian ... 115
4.7 Hill Climbing ... 136
4.8 Design Workshop ... 137
4.8.1 Design Proses... 137
4.8.2 Design Database ... 148
xiii
4.8.3 Design Interface ... 162
4.9 Implementasi ... 165
4.9.1 Pemrograman ... 165
4.9.2 Interface Optimasi untuk Pengelolaan TPS 3R ... 171
4.9.3 Uji Coba Aplikasi... 173
BAB 5 PENUTUP ... 174
5.1 Kesimpulan... 174
5.2 Saran ... 174
DAFTAR PUSTAKA ... 176
LAMPIRAN ... 183
xiv
DAFTAR GAMBAR
Gambar 1.1 Persentase Unit TPS di DKI Jakarta (DLH DKI Jakarta, 2017) ... 2 Gambar 1.2 Jumlah Produksi Sampah DKI Jakarta (DLH DKI Jakarta, 2018) .... 4 Gambar 2.1 Karakteristik SPK... 20 Gambar 2.2 Komponen SPK (Sauter, 2010)... 22 Gambar 2.3 Subsistem Manajemen Data (Turban, Aronson, & Liang, 2007) .... 22 Gambar 2.4 Algoritma Tahapan Fuzzy logic (Utama, 2017) ... 30 Gambar 2.5 Contoh Fungsi Keanggotaan (Utama, 2017) ... 32 Gambar 2.6 Contoh Interpolasi Linier (Levy, 2010) ... 33 Gambar 2.7 Hill Climbing Flowchart ... 34 Gambar 2.8 Pengelolaan sampah modern (Chunningham, 2004) ... 39 Gambar 2.9 Hubungan elemen dalam sistem pengelolaan sampah ... 40 Gambar 2.10 Siklus RAD (Kendall & Kendall, 2010)... 65 Gambar 2.11 Contoh Use Case Diagram ... 69 Gambar 2.12 Contoh Activity Diagram ... 70 Gambar 2.13 Contoh Sequence Diagram ... 70 Gambar 2.14 Contoh Class Diagram ... 71 Gambar 3.1 Tahapan Penelitian ... 81 Gambar 4.1 Struktur Organisasi DLH DKI Jakarta ... 97 Gambar 4.2 Persentase Jumlah Unit TPS 3R di DKI Jakarta. ... 98 Gambar 4.3 Denah TPS 3R... 99 Gambar 4.4 Mesin Kompos dan Composting Area... 101 Gambar 4.5 Ruang Penyimpanan ... 101 Gambar 4.6 Skenario Pengelolaan Anggaran TPS 3R ... 105 Gambar 4.7 Alur Tahapan Proses Optimasi ... 106 Gambar 4.8 Variable Linguistic ... 108 Gambar 4.9 Membership Function... 112 Gambar 4.10 Use Case Diagram ... 139 Gambar 4.11 Activity Diagram Login Pengguna ... 141
xv
Gambar 4.12 Activity Diagram Entry Data ... 142 Gambar 4.13 Activity Diagram Manajemen Data Pengguna ... 143 Gambar 4.14 Activity Diagram Perhitungan Optimasi... 144 Gambar 4.15 Activity Diagram Validasi ... 145 Gambar 4.16 Activity Diagram Laporan ... 146 Gambar 4.17 Activity Diagram Logout Pengguna ... 147 Gambar 4.18 Class Diagram ... 149 Gambar 4.19 Skema Database... 150 Gambar 4.20 Sequence Diagram Login Pengguna ... 155 Gambar 4.21 Sequence Diagram Entry Data ... 156 Gambar 4.22 Sequence Diagram Manajemen Data Pengguna ... 157 Gambar 4.23 Sequence Diagram Perhitungan Optimasi ... 158 Gambar 4.24 Sequence Diagram Validasi... 159 Gambar 4.25 Sequence Diagram Laporan... 160 Gambar 4.26 Sequence Diagram Logout Pengguna ... 161 Gambar 4.27 Design Interface Daftar TPS 3R ... 162 Gambar 4.28 Design Interface Penentuan Jumlah Anggaran dan Optimasi ... 163 Gambar 4.29 Design Interface Hasil Optimasi ... 164 Gambar 4.30 Design Interface Laporan Hasil Optimasi ... 164 Gambar 4.31 Tampilan Interface Data TPS ... 171 Gambar 4.32 Tampilan Interface Penentuan Jumlah Anggaran ... 171 Gambar 4.33 Tampilan Interface Optimasi ... 172 Gambar 4.34 Tampilan Interface Hasil Optimasi ... 172
xvi
DAFTAR TABEL
Tabel 3.1 Studi Literatur Penelitian Sejenis ... 88 Tabel 4.1 Spesifikasi Kapasitas Pelayanan TPS ... 102 Tabel 4.2 Data Kependudukan DKI Jakarta ... 102 Tabel 4.3 Data Kriteria Luas Lahan ... 115 Tabel 4.4 Data Kriteria Fasilitas TPS 3R ... 119 Tabel 4.5 Data Kriteria Jarak ... 122 Tabel 4.6 Data Kriteria Kondisi Jalan ... 126 Tabel 4.7 Data Kriteria Kondisi Lingkungan ... 129 Tabel 4.8 Data Semua Kriteria ... 132 Tabel 4.9 Data Nilai Bobot Penilaian Semua Kriteria ... 133 Tabel 4.10 Data Hasil Nilai Semua Kriteria ... 135 Tabel 4.11 Entitas (Aktor) Use Case Diagram... 137 Tabel 4.12 Tabel TPS 3R ... 151 Tabel 4.13 Tabel Fasilitas ... 151 Tabel 4.14 Tabel Estetika Jalan ... 152 Tabel 4.15 Tabel Kondisi Jalan ... 152 Tabel 4.16 Tabel User ... 153 Tabel 4.17 Tabel Optimized TPS 3R ... 153 Tabel 4.18 Tabel TPS_Fasilitas ... 154 Tabel 4.19 Hasil Uji Coba Sistem dengan Black-Box Testing ... 173
xvii
DAFTAR PERSAMAAN
Persamaan 2.1 Fungsi dan Variabel Optimasi Secara Umum ... 28 Persamaan 2.2 Relative Value ... 29 Persamaan 4.1 Nilai Bobot Crisp Output ... 114 Persamaan 4.2 Relative Value Maximum ... 115 Persamaan 4.3 Nilai Total Penilaian Optimasi ... 134
xvii
1 1.1 Latar Belakang
Sampah yang tidak terkelola sangat berbahaya bagi kehidupan bermasyarakat ataupun lingkungan. Oleh karena itu sampah-sampah tersebut harus dikontrol dalam hal pengelolaannya. Salah satu pengontrolan tersebut diaplikasikan dengan penggunaan Tempat Pengolahan Sampah Terpadu (TPST). Menurut UU No.18 Tahun 2008 pasal 9 ayat 1 huruf b tentang pengelolaan sampah, tempat pengolahan sampah terpadu adalah tempat dilaksanakannya pengumpulan, pemilahan, penggunaan ulang, pendaur ulangan, dan pemrosesan akhir sampah.
Untuk ruang lingkup masyarakat, TPST diintegrasikan menjadi TPS Reduce- Reuse-Recycle (3R). Menurut Petunjuk Teknis TPS 3R, Program TPS 3R memiliki tujuan untuk membantu dalam hal pengurangan jumlah serta perbaikan kondisi limbah atau sampah, yang nantinya akan dilakukan pengolahan secara kontinyu di Tempat Pemrosesan Akhir (TPA) sampah dan memiliki peranan dalam menjamin menurunnya kebutuhan lahan untuk pengadaan TPA sampah di wilayah perkotaan.
Dalam proses kegiatannya, program ini akan lebih melibatkan pihak masyarakat serta pemerintah daerah, pemberdayaan dari masing-masing pihak, dan juga pembinaan serta pengawasan dari pemerintah daerah untuk kelangsungan program TPS 3R. Seluruh hal mengenai TPS 3R merupakan tanggung jawab Suku Dinas masing-masing wilayah di bawah pengawasan Dinas Lingkungan Hidup (DLH).
DLH DKI Jakarta merupakan lembaga pemerintah yang bertanggung jawab mengenai pengelolaan sampah yang ada di DKI Jakarta di bawah naungan Kementerian Lingkungan Hidup. DLH DKI Jakarta yang beralamatkan di Jl.
Mandala V No.67, Cililitan, Kramat Jati, Jakarta Timur 13640, DKI Jakarta. DLH DKI Jakarta memiliki 1100 Tempat Penampungan Sementara (TPS) yang tersebar di lima wilayah di DKI Jakarta. TPS 3R sudah termasuk di antara TPS tersebut, dengan jumlah kurang lebih 67 yang tersebar di semua wilayah DKI Jakarta.
Menurut data yang dilansir dari divisi Pengelola Kebersihan DLH DKI Jakarta, terdapat 11 unit TPS 3R di wilayah Jakarta Utara, 6 unit TPS 3R di Jakarta Barat, 12 unit TPS 3R di Jakarta Pusat, 10 unit TPS 3R di Jakarta Selatan, dan 28 unit TPS 3R di Jakarta Timur. Persentase jumlah unit TPS dapat dilihat pada Gambar 1.1.
Gambar 1.1 Persentase Unit TPS di DKI Jakarta (DLH DKI Jakarta, 2017) Dipo
8%TPS 3R 6%
Pool Gerobak 37%
Pool Container 28%
Bak Beton 21%
PERSENTASE JUMLAH UNIT TPS DI DKI
JAKARTA
Mengingat peran penting yang dimiliki oleh TPS 3R, semua TPS 3R yang ada tersebut pada dasarnya harus memiliki standar yang sesuai dengan ketentuan yang telah dibuat oleh pemerintah. Standar yang telah dibuat oleh pemerintah mengenai pengelolaan sampah dan TPS 3R tertuang dalam Permen PU No.3 Tahun 2013 dan Standar Nasional Indonesia (SNI) 3242:2008. Dalam Permen PU No.3 Tahun 2013 pasal 30 dan Standar Nasional Indonesia (SNI) 3242:2008 terdapat beberapa kriteria teknis yang harus dimiliki oleh TPS 3R. Salah satu di antaranya adalah luas lahan TPS 3R minimal harus mencapai 200 m2. Hal lain yang harus menjadi pertimbangan adalah ketersediaan fasilitas seperti ruang penyimpanan, pengomposan sampah organik, container, composting area dan fasilitas pendukung lainnya. Selain itu lokasi TPS 3R harus mudah diakses, tidak mencemari lingkungan, tidak mengganggu estetika lalu lintas, serta harus memiliki jadwal pengumpulan dan pengangkutan. Hal lain yang patut diperhitungkan adalah jarak antara TPS 3R dengan pemukiman warga, karena jarak erat kaitannya dengan estetika dan cakupan pelayanan.
Program TPS 3R yang ada di DKI Jakarta nyatanya masih belum berjalan secara optimal, hal ini didasarkan pada informasi yang didapat dari DLH bahwa jumlah produksi sampah DKI Jakarta masih terus meningkat setiap tahunnya, seperti yang dijabarkan pada Gambar 1.2 berikut ini.
Peningkatan jumlah produksi sampah setiap tahunnya tidak sesuai dengan tujuan dijalankannya program TPS 3R, yaitu mengurangi jumlah produksi sampah di DKI Jakarta. Berkaitan dengan hal tersebut, Indonesia Solid Waste Association atau InSWA memberikan informasi mengenai kondisi TPS 3R di DKI Jakarta.
InSWA merupakan organisasi yang bekerja sama dengan DLH DKI Jakarta, bergerak di bidang manajemen dan teknologi pengelolaan sampah, serta didirikan pada tanggal 28 Oktober 2003. Salah satu tugas InSWA adalah membantu pemerintah dalam mendorong terciptanya UU No.18 Tahun 2008 tentang pengelolaan sampah. Berdasarkan hasil wawancara dengan petinggi InSWA, Olly Tasya, menjelaskan bahwa masih banyak permasalahan yang terjadi pada TPS 3R.
Permasalahan tersebut meliputi berbagai hal, mulai dari kurangnya fasilitas yang ada pada TPS 3R, seperti tidak tersedianya wadah pemilahan dan ruang penyimpanan, lalu menurunnya kualitas alat pencacah organik yang ada. Selain itu ada TPS 3R yang mencemari jalan dan lingkungan sekitar. Oleh karena itu, sebagian besar TPS 3R yang ada saat ini membutuhkan bantuan pendanaan oleh
5800 6000 6200 6400 6600 6800 7000 7200 7400 7600
2015 2016 2017 2018
Jumlah Produksi Sampah DKI Jakarta (Dalam Ton)
Jumlah Produksi Sampah DKI Jakarta (Dalam Ton)
Gambar 1.2 Jumlah Produksi Sampah DKI Jakarta (DLH DKI Jakarta, 2018)
pihak pemerintah terkait agar dapat melakukan pembenahan terhadap TPS 3R. Olly juga menambahkan bahwa pihak pemerintah melakukan tinjauan atau survei langsung ke TPS 3R, namun hanya sebatas tinjauan rutin untuk mendapat laporan operasional tanpa adanya penanganan lebih lanjut terhadap TPS 3R. Berkaitan dengan hal tersebut, Pak Ervan selaku staf dari divisi pengelola kebersihan DLH DKI Jakarta, menyatakan bahwa pendanaan terhadap pengelolaan TPS khususnya TPS 3R sedang dikaji dan ditinjau oleh pemerintah, namun perlu digarisbawahi bahwa pendanaan yang nantinya akan disediakan bersifat terbatas dikarenakan dana tersebut diambil dari anggaran pengelolaan sampah DKI Jakarta.
TPS 3R yang ada harus dibantu pengelolaannya agar dapat berjalan secara optimal, namun tidak semua TPS 3R dapat dibantu dikarenakan pendanaan yang dimiliki pemerintah terbatas. Untuk itu diperlukan pemilihan untuk menentukan TPS 3R mana saja yang diprioritaskan untuk mendapat pendanaan. Dengan demikian, dibutuhkan suatu sistem yang dapat membantu pihak pemerintah dalam pengambilan keputusan terkait pengelolaan TPS 3R khususnya pengelolaan sarana dan prasarana. Sistem penunjang keputusan (SPK) atau Decision Support System (DSS) adalah sekelompok langkah-langkah yang didasarkan pada model untuk memproses penilaian guna mendukung manajemen dalam hal pengambilan keputusan baik masalah terstruktur, semi terstruktur, serta tidak terstruktur sesuai dengan tujuan yang telah ditentukan (Sauter, 2010). SPK dapat menyajikan informasi, menyampaikan perkiraan atau prediksi dan menuntun para pengguna informasi sehingga dapat mengambil keputusan yang terbaik. Sistem tersebut akan dibuat dengan menggunakan Multiple Objective Decision Making (MODM) yaitu
suatu cara dengan pemilihan banyak kriteria sebagai landasan pengambilan keputusan yang di dalamnya berisi proses perancangan, dimana metode matematik digunakan untuk jumlah pilihan alternatif yang banyak atau sampai tak terhingga (Zimmermann, 1991). Output yang dihasilkan sistem tersebut yakni berupa daftar TPS 3R mana saja yang diprioritaskan untuk mendapat pendanaan berdasarkan hasil seleksi dan perhitungan dari kriteria yang telah ditentukan.
Untuk mendukung penelitian ini, peneliti menggunakan metode fuzzy logic.
Hal ini didasarkan pada beberapa penelitian sejenis dengan menggunakan metode yang sama. Salah satu di antaranya adalah penelitian yang dilakukan oleh Prabakaran et al. (2018), yang membahas mengenai salah satu produk pengelolaan sampah yaitu pupuk yang berasal dari pengomposan. Metode fuzzy logic dalam penelitian ini digunakan untuk membuat suatu sistem penunjang keputusan yang dapat membantu mengurangi konsumsi pupuk dan meningkatkan produktivitas tanaman. Mengenai objek penelitian, lahan yang tergabung dalam zona klimatik agro. Sistem ini dapat dikembangkan untuk memaksimalkan produktivitas tanaman berdasarkan fuzzy logic dengan mempertimbangkan profil tanah, kualitas air, ketersediaan nutrisi primer, sekunder, juga mikro, faktor musiman, dan insiden hama. Sistem yang dibuat sudah terbukti dapat menghasilkan 4 kali peningkatan dalam rasio biaya manfaat di samping pengurangan konsumsi pupuk sebanyak 8 kali.
Penelitian lainnya dilakukan oleh Allali et al. (2018), yang membahas pengelolaan sarana dan prasarana pemerintah yaitu bangunan. Metode fuzzy logic yang ada dalam penelitian ini digunakan sebagai dasar dalam menyajikan
metodologi pemrosesan otomatis untuk membantu pihak terkait selama penilaian kerusakan gedung pasca terjadi gempa. Mengenai objek penelitian, telah terpilih sebanyak 27.000 gedung yang sudah tersimpan dalam basis data. Metodologi yang diusulkan dapat memperkirakan tingkat kerusakan global bangunan dengan mempertimbangkan informasi yang tidak tepat, tidak lengkap, atau tidak pasti.
Hasil dari penggunaan metodologi ini menunjukkan kinerja tinggi sebesar 90%
dengan kesesuaian global serta mengurangi jumlah aturan fuzzy menjadi 55, dengan catatan semakin rendah jumlah aturan fuzzy, maka akan semakin sedikit waktu yang dibutuhkan untuk pengembangan dan upaya perhitungan. Berdasarkan permasalahan dan hasil penelitian sebelumnya, maka penulis melakukan penelitian berjudul “Optimasi untuk Pengelolaan Tempat Pengolahan Sampah Reduce-Reuse- Recycle (TPS 3R) menggunakan metode Fuzzy Logic dan Hill Climbing” dan dilakukan pada studi kasus di Dinas Lingkungan Hidup DKI Jakarta.
1.2 Identifikasi Masalah
Berdasarkan latar belakang sebelumnya, maka dapat diidentifikasi permasalahan sebagai berikut:
1. Program TPS 3R dinilai belum berjalan secara optimal, hal ini dibuktikan dengan meningkatnya jumlah produksi sampah DKI Jakarta setiap tahunnya, pada tahun 2015 jumlah produksi sampah DKI Jakarta berkisar 6.400 ton dan terus meningkat hingga pada tahun 2018 menjadi 7.500 ton.
2. Berdasarkan hasil wawancara dengan Pak Ervan selaku staf Pengelola Kebersihan DLH, tidak semua TPS 3R dapat diberikan pendanaan
dikarenakan dana tersebut diambil dari anggaran pengelolaan sampah DKI Jakarta, sehingga pendanaan yang dapat diberikan bersifat terbatas.
1.3 Rumusan Masalah
Berdasarkan identifikasi masalah sebelumnya, maka dapat dirumuskan permasalahan sebagai berikut:
1. Bagaimana cara membangun sebuah sistem optimasi untuk pengelolaan TPS 3R studi kasus pada Dinas Lingkungan Hidup DKI Jakarta?
1.4 Tujuan Penelitian
Tujuan kegiatan penelitian ini terbagi menjadi dua, yaitu tujuan umum dan khusus. Tujuan umum penelitian ini adalah untuk menghasilkan sistem yang dapat membantu pihak terkait dalam menentukan TPS 3R mana saja yang diprioritaskan untuk diberikan pendanaan, sehingga dapat memudahkan dalam pengambilan keputusan dari data yang telah dihasilkan. Sedangkan tujuan khususnya yaitu:
1. Mengidentifikasi dan menentukan kriteria-kriteria yang digunakan dalam proses optimasi untuk pengelolaan TPS 3R.
2. Penerapan metode Fuzzy Logic dan Hill Climbing dalam proses pengambilan keputusan pada optimasi untuk pengelolaan TPS 3R.
3. Perancangan dan pembangunan tampilan optimasi untuk pemilihan TPS 3R mana saja yang diprioritaskan untuk diberikan pendanaan dengan menggunakan metode RAD.
1.5 Ruang Lingkup dan Batasan Penelitian
Adapun ruang lingkup dan batasan dalam penelitian ini adalah sebagai berikut:
1. Penelitian ini dilakukan di Dinas Lingkungan Hidup DKI Jakarta yang beralamatkan di Jl. Mandala V No.67, Cililitan, Kramat Jati, Jakarta Timur 13640, DKI Jakarta, khususnya pada Divisi Pengelolaan Kebersihan.
2. Penelitian ini hanya berfokus pada penentuan dan pemilihan TPS 3R yang diprioritaskan untuk diberikan pendanaan oleh pemerintah berdasarkan kriteria-kriteria yang telah ditentukan.
3. Secara teori yang berdasarkan referensi-referensi maupun hasil analisis data, penelitian ini memiliki lima kriteria yang dijadikan sebagai kriteria- kriteria terkait dalam proses optimasi untuk pengelolaan TPS 3R dengan metode fuzzy logic dan hill climbing yaitu luas lahan, fasilitas TPS, jarak antara TPS dengan pemukiman warga, kondisi jalan, serta kondisi estetika lingkungan.
4. Penelitian ini menggunakan metode fuzzy logic sebagai metode pembobotan nilai kriteria-kriteria terkait dalam proses optimasi untuk pengelolaan TPS 3R dan metode hill climbing yang digunakan dalam penentuan pengambilan keputusan.
5. Serta pembuatan sistem hasil proses optimasi dalam bentuk web-based dengan bahasa program PHP dan MySQL sebagai basis datanya.
1.6 Manfaat Penelitian
Adapun manfaat yang didapat dari penelitian ini sebagai kontribusi kepada khazanah ilmu pengetahuan adalah sebagai berikut:
1. Memberikan gambaran umum tentang kondisi terkini mengenai TPS 3R yang dikelola oleh Dinas Lingkungan Hidup.
2. Menjadi referensi untuk penelitian selanjutnya pada bidang optimasi ataupun ilmu sistem penunjang keputusan lainnya.
3. Menambah wawasan dan khasanah ilmu pengetahuan, serta pengalaman penelitian khususnya dalam studi kasus optimasi.
4. Memberikan informasi yang dapat dimanfaatkan sebagai pendukung keputusan bagi pihak pengelola kebersihan agar dapat memaksimalkan fungsi dari TPS 3R.
1.7 Metode Penelitian
Dalam menganalisa dan merancang Optimasi Untuk Pengelolaan Tempat Pengolahan Sampah Reduce-Reuse-Recycle (TPS 3R) ini menggunakan metode penelitian, yaitu:
1. Pengumpulan Data
Dilihat dari teknik pengumpulan data bisa dilakukan dengan wawancara, observasi, dan studi kepustakaan.
a. Observasi
Pengumpulan data dengan observasi langsung atau pengamatan langsung di DLH DKI Jakarta, TPST Bantar Gebang, TPS 3R Rawa Kerbo, dan TPS 3R Kramat Pela.
b. Studi Wawancara
Wawancara secara langsung dengan narasumber-narasumber yang terkait dalam proses penelitian yaitu Kaseksi Divisi Pengelolaan Kebersihan DLH DKI Jakarta, Kasatpel TPS 3R Rawa Kerbo, dan Petinggi InSWA.
c. Studi Kepustakaan dan Penelaahan Dokumen
Mengumpulkan dan mempelajari literatur dari berbagai sumber baik media cetak atapun media elektronik yang akan menjadi acuan dalam penelitian.
2. Pengembangan SPK
Metode pengembangan yang digunakan adalah Rapid Application Development (RAD) yang terdiri atas tahap-tahap sebagai berikut:
a) Fase Perencanaan Syarat
Penentuan kriteria-kriteria terkait dengan penelitian
Mengumpulkan data-data penelitian dari berbagai sumber
Pemodelan desain alur proses yang berjalan b) Fase Workshop Design (perancangan dan konstruksi)
Pemodelan metode fuzzy logic dan hill climbing
Perancangan desain proses, database dan interface
c) Fase Implementasi
Pemrograman
Pengujian sistem
1.8 Sistematika Penulisan
Dalam penyusunan laporan, pembahasan terbagi dalam lima bab dengan sistematika penulisan sebagai berikut:
BAB 1 : PENDAHULUAN
Pada bab ini membahas tentang latar belakang, identifikasi masalah, rumusan masalah, tujuan penelitian, ruang lingkup dan batasan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan.
BAB 2 : TINJAUAN PUSTAKA
Bab ini berisi uraian tentang landasan teori yang berhubungan dengan materi yang penulis buat serta teori-teori yang relevan dengan permasalahan dan pustaka dari penelitian yang dilakukan.
BAB 3 : METODE PENELITIAN
Pada bab ini menjelaskan medote-metode yang digunakan penulis dalam melakukan pengumpulan data, penelitian, dan penulisan laporan.
BAB 4 : HASIL DAN PEMBAHASAN
Pada bab ini menjelaskan hasil analisis kebutuhan optimasi dan sistem penyajian data hasil optimasi beserta langkah- langkah perancangan desain sistem optimasi yang akan dibuat.
BAB 5 : PENUTUP
Bab ini berisi saran dan kesimpulan-kesimpulan dari yang telah diuraikan oleh bab-bab sebelumnya.
1
14 2.1 Konsep Dasar Penunjang Keputusan 2.1.1 Pengertian Keputusan
Keputusan adalah kegiatan memilih suatu strategi atau tindakan dalam memecahkan permasalahan, memberikan solusi dan untuk mencapai suatu tujuan dari beberapa tujuan (Kusrini, 2007). Keputusan yang akan dibuat merupakan suatu pemilihan di antara alternatif-alternatif. Dalam definisi ini mengandung tiga pengertian, yaitu:
1. Ada pilihan yang berdasarkan logika atau pertimbangan
2. Ada beberapa alternatif yang harus dan dipilih salah satu yang terbaik
3. Ada tujuan yang ingin dicapai dan keputusan itu membantu mencapai tujuan tersebut.
Terdapat beberapa jenis keputusan menurut Laudon dan Laudon (2012) dalam buku Management Information System: Managing the Digital Firm:
1. Keputusan Terstruktur
Keputusan yang berulang atau rutin, serta terdapat prosedur yang jelas dalam penyelesainnya.
2. Keputusan Semi Terstruktur
Keputusan tengah-tengah antara terstruktur dan tidak terstruktur sebagian dari keputusan memiliki jawaban yang jelas dan terdapat prosedur penyelesainnya.
3. Keputusan Tidak Terstruktur
Keputusan yang menyediakan penilaian, evaluasi dan visi untuk menyelesaikan masalah, keputusan-keputusan tersebut penting, tidak teratur dan tidak ada prosedur pasti dalam pembuatan keputusannya.
Untuk mencapai sebuah keputusan yang baik perlu melakukan proses perhitungan yang akurat dan melibatkan kriteria yang mendukung keputusan sehingga keputusan yang diambil dapat dipertanggungjawabkan secara logis, saintis dan objektif terstruktur.
2.1.2 Keputusan dalam Alquran
Dalam Islam, makna keputusan tertuang dalam Q.S. Asy-Syuura ayat 38:
yang artinya: “Dan (bagi) orang-orang yang menerima (mematuhi) seruan tuhannya dan mendirikan shalat, sedang urusan mereka (diputuskan) dengan musyawarah di antara mereka; dan mereka menafkahkan sebagian dari rezeki yang kami berikan kepada mereka”. Kata syura’ terambil dari kata syaur. Kata syuura bermakna mengambil dan mengeluarkan pendapat yang terbaik dengan memperhadapkan satu pendapat dengan pendapat yang lain secara bermusyawarah dalam upaya mencapai suatu keputusan.
2.1.3 Kualitas Keputusan
Menurut Jain dan Lim (2010), keputusan yang berkualitas bisa dilihat dari beberapa faktor di antaranya:
1. Bingkai yang Sesuai (Appropriate frame)
Dalam membuat keputusan harus disesuaikan dengan tujuan dan batasan permasalahannya.
2. Kreatif (Creative)
Kreatif dalam membuat keputusan maksudnya adalah menampilkan lebih dari satu jenis alternatif keputusan agar bisa dibandingkan dan ditentukan keputusan mana yang paling tepat.
3. Bermakna (Meaningful)
Keputusan yang dibuat harus bermakna, memiliki keterkaitan antara komponen data dan informasinya.
4. Bernilai Jelas (Clear Value)
Keputusan harus memiliki kejelasan, tidak bermakna ganda atau bias.
Diperlukan kuantifikasi dan optimasi untuk memperjelas keputusan.
5. Pembuatan Alasan Logis Benar (Logically correct reasoning)
Proses pengambilan keputusan harus dapat ditelusuri kembali, nalar dan logis.
6. Bertanggung jawab Atas Aksi (Commitment to action)
Keputusan yang dihasilkan memang benar-benar diperlukan untuk menyelesaikan permasalahan dan ketika diimplementasi keputusan tersebut harus mampu dipertanggungjawabkan.
Proses pengambilan keputusan terdiri atas 3 fase yaitu (Sauter, 2010):
a. Intellegence
Proses pencarian kondisi-kondisi yang dapat menghasilkan keputusan.
Proses yang terjadi pada fase ini adalah menemukan masalah, klasifikasi masalah, peguraian masalah, kepemilikan masalah.
b. Design
Proses pembuatan, pengembangan dan menganalisis hal-hal yang mungkin untuk dilakukan. Termasuk pemahaman masalah dan pengecekan solusi yang layak. Penentuan model yang dari masalah yang dirancang, dites dan divalidasi.
Proses design terdiri atas komponen model, struktur model, mengevaluasi kriteria, pengembangan penyediaan alternatif, prediksi hasil, pengukuran hasil, skenario.
c. Choice
Pemilihan dari materi-materi yang tersedia, mana yang akan dikerjakan.
Pendekatan untuk pencarian pilihan ada dua yaitu teknis analitis menggunakan perumusan matematis dan algoritma yaitu langkah demi langkah.
2.1.4 Pengertian Sistem Penunjang Keputusan
Sistem Penunjang Keputusan (SPK) atau dalam bahasa Inggris adalah Decision Support System (DSS) merupakan sebuah sistem untuk memilih salah satu jenis keputusan dari berbagai jenis alternatif keputusan yang ada dengan menggunakan model-model pengambilan keputusan untuk menyelesaikan masalah-masalah bersifat terstruktur, semi terstruktur dan tidak terstruktur dan mencapai suatu target atau aksi tertentu yang harus dilakukan. Sistem berbasis model yang terdiri atas prosedur-prosedur dalam pemrosesan data dan pertimbangannya untuk membantu manajer dalam mengambil keputusan. Agar
berhasil mencapai tujuannya maka sistem tersebut harus sederhana, mudah untuk dikontrol, mudah beradaptasi, lengkap pada hal-hal yang penting dan mudah untuk digunakan.
Sistem pendukung keputusan adalah pengembangan dari Sistem Informasi Manajemen Terkomputerisasi yang dirancang sedemikian rupa sehingga bersifat interaktif bagi pemakainya. Sifat interaktif memudahkan integrasi antara berbagai komponen dalam proses pengambilan keputusan guna membentuk kerangka keputusan yang bersifat fleksibel (Indriyani dan Humdiana, 2005). Kriteria atau ciri-ciri dari keputusan di antaranya adalah banyak pilihan/alternatif, ada kendala atau syarat, mengikuti suatu pola/model baik yang terstruktur maupun tidak terstruktur, banyak input/variable, ada faktor resiko, dibutuhkan kecepatan, ketepatan dan keakuratan.
Sistem Pendukung Keputusan bersifat fleksibel. Oleh karena itu, pengguna bisa menambahkan, menghapus, menggabungkan, mengubah, atau menyusun kembali elemen dasar. Sistem Pendukung Keputusan juga fleksibel dalam hal ini bisa di modifikasi untuk memecahkan masalah lain yang sejenis.
Sauter (2010) mengatakan jika sistem pendukung keputusan paling bermanfaat pada saat tidak diketahui secara pasti informasi yang perlu disediakan, menggunakan model apa dan bahkan kemungkinan kriteria paling tepat. Atau dengan kata lain sebelum sebuah keputusan dibuat adalah saat sistem pendukung keputusan paling berguna.
Menurut Kusumadewi (2007) “Mutiple Criteria Decision Making”
(MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif
terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan. Berdasarkan tujuannya. MCDM dapat dibagi menjadi 2 model (Zimmermann, 1991) yaitu Multi Attribute Decision Making (MADM) dan Multi Objective Decision Making (MODM).
1. Multiple Objective Decision Making (MODM)
Suatu metode dengan mengambil banyak kriteria sebagai dasar dari pengambilan keputusan yang di dalamnya mencakup masalah perancangan (design), dimana teknik teknik matematik untuk optimasi digunakan dan untuk jumlah alternatif yang sangat besar (sampai dengan tak terhingga).
2. Multiple Attribute Decision Making (MADM)
Suatu metode dengan mengambil banyak kriteria sebagai dasar pengambilan keputusan, dengan penilaian yang subjektif menyangkut masalah pemilihan, dimana analisis matematis tidak terlalu banyak dan digunakan untuk pemilihan alternatif dalam jumlah sedikit.
2.1.5 Karakteristik SPK
Karakteristik dan kapabilitas merupakan kunci dari Sistem Pendukung Keputusan (Turban, Aronson, & Liang, 2007). Berikut ini adalah beberapa katakteristik DSS atau SPK yang ditunjukan pada Gambar 2.1.
Gambar 2.1 Karakteristik SPK
1. SPK mendukung pengambilan keputusan pada situasi semi terstruktur dan tak terstruktur dengan memadukan pertimbangan manusia dan informasi terkomputerisasi.
2. Mendukung pengambilan keputusan di berbagai tingkat manajemen yang berbeda mulai dari pemimpin utama hingga manajer lapangan.
3. Pengambilan keputusan bisa dilakukan oleh individu dan juga grup. Untuk masalah yang kompleks dan organisasional perlu melibatkan keputusan orang- orang yang ada dalam sebuah grup. Sedangkan masalah yang strukturnya lebih sederhana hanya membutuhkan keterlibatan beberapa individu yang terkait langsung.
4. SPK menyediakan dukungan pada pengambilan keputusan yang berurutan dan berkaitan.
5. SPK mendukung berbagai fase proses pengambilan keputusan yaitu intelligence, design, choice dan implementation.
6. SPK mendukung berbagai proses pengambilan keputusan dan style yang berbeda-beda.
7. SPK bisa beradaptasi sepanjang masa dan fleksibel sehingga user dapat menambahkan, menghapus, mengkombinasikan, mengubah atau mengatur kembali elemen-elemen dasar.
8. SPK mudah untuk digunakan, user friendly, menggunakan bahasa yang mudah dipahami dan bersifat interaktif.
9. SPK mencoba untuk meningkatkan efektivitas dari pengambilan keputusan (akurasi, jangka waktu, kualitas) lebih daripada efisiensi yang diperoleh (biaya membuat keputusan).
10. Pengambil keputusan memiliki kontrol yang menyeluruh terhadap semua langkah proses pengambilan keputusan dalam menyelesaikan masalah.
11. SPK mengarah pada pembelajaran, yaitu mengarah pada kebutuhan baru dan peyempurnaan sistem yang mengarah pada pembelajaran tambahan dan pengembangan peningkatan SPK secara berkelanjutan.
12. User harus mampu menyusun sendiri sistem yang sederhana. Sistem yang lebih besar dapat dibangun dalam organisasi user tadi dengan melibatkan sedikit saja bantuan dari spesialis di bidang Information System.
13. SPK biasanya menggunakan berbagai model dalam menganalisis keputusan dan memberikan pandangan serta pelajaran baru.
14. SPK dilengkapi dengan komponen knowledge yang memberikan solusi efisien dan efektif dari berbagai masalah.
2.1.6 Komponen SPK
Diperlukan beberapa komponen agar keputusan yang diambil sesuai dengan yang diharapkan. Komponen SPK seperti pada Gambar 2.2 :
Gambar 2.2 Komponen SPK (Sauter, 2010)
1. Subsistem manajemen data
Subsistem manajemen data mencakup database yang berisi data dan informasi (kriteria dan nilai) yang relevan untuk suatu kondisi yang dikelola oleh sistem manajemen basis data. Subsistem manajemen data terdiri atas elemen- elemen seperti SPK database, Database management system, Data directory, query facility dan digambarkan pada Gambar 2.3.
Gambar 2.3 Subsistem Manajemen Data (Turban, Aronson, & Liang, 2007) Kemampuan yang dibutuhkan dari manajemen data di antaranya adalah (Hasan, 2002):
a. Kemampuan untuk mengkombinasikan berbagai variasi data melalui pengambilan dan ekstraksi data.
b. Kemampuan untuk menambahkan sumber data secara mudah dan cepat c. Kemampuan untuk menggambarkan struktur data logikal sesuai dengan
pengertian pemakai sehingga pemakai mengetahui apa yang tersedia dan dapat menentukan kebutuhan penambahan dan pengurangan.
d. Kemampuan untuk menangani data secara personil sehingga pemakai dapat mencoba berbagai alternatif pertimbangan personil.
e. Kemampuan untuk mengelola berbagai variasi data.
2. Subsistem manajemen model
Model menjadi sebuah domain atau aturan yang ada dalam perhitungan antara kriteria dengan nilai-nilai agar dapat dipahami dan direplika. Kemampuan yang dimiliki manajemen basis model meliputi:
a. Kemampuan untuk menciptakan model-model baru secara cepat dan mudah.
b. Kemampuan untuk mengakses dan mengintegrasikan model-model keputusan.
c. Kemampuan untuk mengelola basis model dengan fungsi manajemen yang analog dan manajemen basis data (seperti mekanisme menyimpan, membuat dialog, mengubungkan dan mengakses model).
3. Subsistem manajemen interface
Interface berfungsi sebagai alat interaksi di antara sistem keputusan dengan pengguna yang memiliki wewenang penuh untuk mengambil keputusan.
Kemampuan yang harus dimiliki oleh SPK untuk mendukung interaksi pemakai/sistem meliputi:
a. Kemampuan untuk menangani berbagai variasi gaya interaksi, sehingga interface harus mudah digunakan oleh pemakai.
b. Kemampuan untuk mengakomodasi tindakan pemakai dengan berbagai peralatan masukan.
c. Kemampuan untuk menampilkan data dengan berbagai variasi format dan peralatan keluaran.
2.1.7 Keuntungan SPK
Keuntungan SPK adalah (Turban, 2007):
1. Mampu mendukung pencarian solusi dari masalah-masalah yang kompleks 2. Memiliki respon yang cepat dalam kondisi yang berubah-ubah
3. Mampu menerapkan berbagai strategi yang berbeda pada konfigurasi berbeda secara cepat dan tepat
4. Memberikan pandangan dan pembelajaran baru 5. Memfasilitasi komunikasi
6. Meningkatan kontrol manajemen dan kinerja 7. Menghemat biaya
8. Keputusan lebih tepat
9. Meningkatkan efektivitas manajerial, menjadikan manajer dapat bekerja lebih singkat
10. Meningkatkan produktivitas analisis.
2.1.8 Tujuan Sistem Pendukung Keputusan
Menurut Kusrini (2007) tujuan sistem pendukung keputusan adalah:
1. Membantu manajer dalam pengambilan keputusan.
2. Memberikan dukungan pertimbangan untuk manajer tetapi tidak menggantikan fungsi manajer.
3. Meningkatkan efektivitas keputusan yang diambil manajer.
4. Kecepatan komputasi karena komputer memungkinkan para pengambil keputusan untuk melakukan banyak komputasi (mencari, menyimpan dan mengirimkan data) secara cepat dengan biaya yang rendah karena data disimpan dalam database.
5. Peningkatan produktivitas dan menghemat biaya karena membangun satu kelompok pengambil keputusan, terutama para pakar, bisa sangat mahal.
Pendukung terkomputerisasi bisa mengurangi ukuran kelompok dan memungkinkan para anggotanya untuk berada diberbagai lokasi yang berbeda- beda (menghemat biaya perjalanan).
6. Kualitas komputer bisa meningkatkan kualitas keputusan yang dibuat.
Semakin banyak data yang diakses makin banyak juga alternatif yang bisa dievaluasi. Analisis resiko bisa dilakukan dengan cepat dan pandangan dari para pakar yang berjarak jauh bisa dihimpun dengan cepat dan biaya yang rendah. Keahlian bahkan bisa diambil langsung dari sebuah sistem komputer melalui metode kecerdasan tiruan. Dengan komputer, para pengambil keputusan bisa melakukan simulasi yang kompleks, memeriksa banyak skenario yang memungkinkan dan menilai berbagai pengaruh secara cepat dan
ekonomis. Semua kapabilitas tersebut mengarah kepada keputusan yang lebih baik.
7. Berdaya saing manajemen dam pemberdayaan sumber daya perusahaan.
Tekanan persaingan menyebabkan tugas pengambil keputusan menjadi sulit.
Persaingan didasarkan tidak hanya pada harga, tetapi juga pada kualitas, kecepatan, kustomasi produk dan dukungan pelanggan. Organisasi harus mampu secara sering dan cepat mengubah mode operasi, merekayasa ulang proses dan struktur, memberdayakan karyawan, serta berinovasi. Teknologi pengambilan keputusan bisa menciptakan pemberdayaan signifikan dengan cara memperolehkan seseorang untuk membuat keputusan yang baik secara cepat, bahkan jika mereka memiliki pengetahuan yang kurang.
8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan, otak manusia memiliki kemampuan yang terbatas untuk memproses dan menyimpan informasi dengan cara yang bebas dari kesalahan.
2.2 Pengertian Optimasi
Optimasi adalah prinsip matematika yang berkaitan dengan menemukan fungsi minimum dan maksimum, dari subjek-subjek yang memungkinan menyesuaikan dengan batasan-batasan yang ada secara optimasi atau optimal (Govan et al., 2006). Dalam artian lain, optimasi adalah suatu proses untuk mencapai hasil yang ideal atau optimasi (nilai efektif yang dapat dicapai). Optimasi dapat diartikan sebagai suatu bentuk mengoptimalkan sesuatu hal yang sudah ada, ataupun merancang dan membuat sesusatu secara optimal. Ciri-
ciri optimasi adalah dimana alternatif pilihannya sangat banyak, hal ini bisa diterapkan di berbagai bidang seperti arsitektur, ekonomi, transportasi dan lain-lain (Utama, 2016).
2.2.1 Optimasi Heuristik
Optimasi heuristik adalah sebuah proses mencari nilai terbaik dimana nilai terbaik itu tidak pernah diketahui dimana atau bernilai berapa. Sebenarnya optimasi heuristik dapat dikatakan sebagai proses pencarian nilai mendekati terbaik (near- best) (Utama, 2017). Untuk alternatif solusi dengan jumlah sedikit (terbatas), solusi dapat diselesaikan dengan metode scoring biasa. Namun, tantangan berikutnya muncul. Dimana alternatif solusi yang akan diambil bisa saja merupakan jumlah yang sangat banyak, bahkan tanpa batas. Kondisi tanpa batasnya jumlah alternative solution, akan memunculkan berbagai istilah di dalam optimasi, seperti local optimum, global optimum, local minimum dan global minimum (Utama, 2017).
2.2.2 Langkah-Langkah Optimasi
Dalam proses optimasi terdapat beberapa langkah yang dilakukan untuk mendefinisikan masalah-masalah dalam pengambilan keputusan sebagai berikut (Utama, 2016):
1. Mendapatkan inti penting dari definisi suatu masalah
Mengidentifikasi suatu masalah untuk mendapatkan uncontrollable factors dan controllable inputs. Dimana uncontrollable factors adalah variabel-variabel yang mempengaruhi faktor-faktor dari suatu masalah (random variables).
Sedangkan controllable inputs adalah variabel-variabel yang dijadikan indikator- indikator dalam mempengaruhi pengambilan keputusan (decision variables).
2. Membuat model matematika (skenario penilaian)
Membuat dan merencanakan model matematika untuk menyelesaikan fungsi dan batasan dari suatu masalah yang terkait dalam pengambilan keputusan (skenario penilaian), dimana skenario penilaian berfungsi sebagai proses penilaian dari kriteria-kriteria yang mempengaruhi proses pengambilan keputusan.
3. Menyelesaikan masalah
Menyesuaikan algoritma terbaik dalam proses penyelesaian masalah secara optimal dari suatu masalah yang telah dimodelkan.
4. Implementasi penyelesaian masalah
Mengaplikasikan atau mengimplementasikan hasil dari solusi-solusi yang telah didapatkan dalam proses penyelesaian masalah.
2.2.3 Fungsi dan Variabel Optimasi
Optimasi atau masalah pemrograman matematika dapat dinyatakan sebagai berikut (Taha, 2007).
Minimumkan 𝒇 = 𝒇(𝒙) (2.1)
𝑿 = (𝒙𝟏, 𝒙𝟐,, … , 𝒙𝒏,) dengan:
𝒇(𝒙)= Fungsi Objektif
𝑿 = Vektor Berdimensi- 𝑛 (Variabel Keputusan)
(𝒙𝟏, 𝒙𝟐,, … , 𝒙𝒏,) = Nilai Bobot
2.2.4 Relative Value
Dalam pengambilan keputusan, relative value digunakan untuk menentukan decision index (DI) atau bobot penilaian yang dimiliki oleh kriteria-kriteria terkait dalam penyelesaian masalah pengambilan keputusan. Sehingga fungsi relative value digunakan sebagai bobot penilaian prioritas kriteria-kriteria dalam proses skenario penilaian. Menggunakan fungsi sebagai berikut (Utama, 2016):
𝑹𝒗𝒎𝒂𝒙 = 𝑽𝒄
𝑽𝒎𝒂𝒙 =𝑽𝒎𝒊𝒏
𝑽𝒄 (2.2)
dengan: 𝑹𝒗 = Nilai Bobot Penilaian
𝑽𝒄 = Nilai yang ditentukan dari setiap data 𝑽𝒎𝒂𝒙 = Nilai terbesar dari data yang ada 𝑽𝒎𝒊𝒏 = Nilai terkecil dari data yang ada
2.3 Fuzzy Logic
Fuzzy Logic atau logika bias dikenalkan oleh Dr. Lotfi Zadeh Universitas California, Berkeley pada tahun 1965. Menurut Zadeh (dalam Utama, 2016), fuzzy logic merupakan konsep, teknik atau metode untuk mengatasi penilaian terhadap hal yang memiliki ketidakpastian, ketidakjelasan dan ambiguitas dari tanggapan manusia, penilaian subjektif untuk berbagai situasi dan permasalahan di dunia nyata (Utama, 2016). Dari perspektif ini, fuzzy logic adalah metode untuk menentukan kapasitas manusia dalam hal ketepatan penalaran atau perkiraan penalaran. Sebuah penalaran yang juga merupakan kemampuan manusia dalam menterjemahkan alasan yang tidak pasti (perkiraan) dan menyimpulkannya. Dalam fuzzy logic, semua truth atau kebenaran adalah parsial atau perkiraan. Alasan ini juga disebut
penalaran interpolative, dimana proses interpolasi antara the binary extremes of true dan false diwakili oleh kemampuan fuzzy logic untuk merangkum perkiraan truth (Ross, 2010) seperti yang terlihat pada Gambar 2.4.
Gambar 2.4 Algoritma Tahapan Fuzzy logic (Utama, 2017)
Gambar 2.4 adalah algoritma yang digunakan dalam proses fuzzy logic.
Diawali dengan mengidentifikasi problem serta keputusan apa yang akan dibuat atau dicapai. Menentukan dan mengumpulkan data yang menjadi input (crisp input) kemudian dikonversi ke himpunan fuzzy dengan menggunakan bahasa fuzzy variable (variable linguistic). Selanjutnya membuat fungsi keanggotaan (membership function) untuk proses fuzzifikasi yang mempresentasikan variable linguistic untuk dipetakan ke dalam degree of the truth. Mengkonversi data output ke nilai non-fuzzy (defuzzifikasi).
Menurut Zadeh (dalam Utama, 2016), dua konsep dalam logika fuzzy memainkan peran utama dalam aplikasi. Peran pertama adalah variabel linguistik yaitu, variabel yang nilainya adalah kata-kata atau kalimat dalam bahasa sintetik
alami atau sindrom (Utama, 2016). Yang lain adalah fuzzy if-then rule, yang mana konsekuensinya adalah proposisi yang mengandung variabel linguistik. Dalam hal ini, logika fuzzy merupakan sebuah kemampuan luar biasa berdasarkan pikiran manusia untuk merangkum data dan fokus pada informasi keputusan yang relevan.
Fuzzy logic merupakan sebuah cara yang efektif dan akurat untuk mendeskripsikan presepsi manusia terhadap persoalan pengambilan keputusan.
Sebagian besar situasi tidaklah 100 persen benar atau salah. Ada banyak batasan dan masalah pengambilan keputusan yang tidak dapat dengan mudah dimasukkan ke dalam situasi tepat benar-salah oleh model matematis; atau jika dapat dideskripsikan dalam cara ini, tetap bukan merupakan cara yang terbaik untuk melakukannya.
2.3.1 Variable Linguistic
Variable Linguistic adalah sebuah konsep dalam logika fuzzy yang berperan memanfaatkan toleransi terhadap ketidakjelasan. Variabel linguistik merupakan variabel input atau output dari sistem yang nilainya berupa kata-kata atau kalimat dari bahasa alami, bukan numerik nilai. Menurut Zadeh (dalam Utama, 2016), di dalam variabel linguistik terdapat himpunan fuzzy (fuzzy set) yang merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variable fuzzy.
Konsep himpunan fuzzy adalah fondasi untuk analisis dimana ada ketidakjelasan (Utama, 2016). Contohnya adalah suhu yang mempresentasikan temperatur sebuah ruangan yang memiliki himpunan fuzzy yaitu terlalu dingin, dingin, hangat, panas, terlalu panas. Contoh lain misalnya, usia adalah variabel linguistik jika nilai-nilai
linguistiknya mengenai seberapa muda, tua, maupun mengenai setengah baya, sangat tua, tidak sangat muda dan sebagainya. Hal ini dijelaskan oleh Zadeh (dalam Utama, 2016), bahwa Sebuah variabel linguistik ditafsirkan sebagai label dari himpunan fuzzy yang ditandai dengan fungsi keanggotaan (membership function).
2.3.2 Fungsi Keanggotaan (Membership Functions)
Expert Judgment atau Penilaian Pakar adalah suatu cara pendekatan yang bersifat intuitif untuk mengorganisasikan pemikiran diantara para pakar, untuk mengatasi masalah pada masa yang akan datang (Soenarto, 2005). Tujuan utama digunakannya fuzzy adalah untuk merepresentasikan penilaian pakar dalam menanggapi beberapa alternatif solusi yang dikemukakan pada penelitian. Fungsi keanggotaan digunakan untuk menentukan crisp awal melalui fuzzifikasi. Contoh fungsi keanggotaan dengan kriteria Low, Middle dan High dapat dilihat pada Gambar 2.5 dengan suatu kurva yang menunjukkan pemetaan titik- titik input data kedalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 sampai 1 (degree of trust).
Gambar 2.5 Contoh Fungsi Keanggotaan (Utama, 2017).
2.3.3 Fuzzifikasi
Fuzzifikasi adalah proses pembuatan kuantitas crisp fuzzy. Cara melakukannya hanya dengan mengakui bahwa banyak dari jumlah yang dianggap sebagai crisp dan deterministik (model simulasi yang tidak memiliki variabel random dalam inputnya) sebenarnya tidak deterministik sama sekali, karena mengandung ketidakpastian. Jika bentuk ketidakpastian yang terjadi timbul karena ketidaktepatan, ambiguitas, atau ketidakjelasan, maka variabel tersebut mungkin fuzzy (samar) dan dapat diwakili oleh fungsi keanggotaan (Ross, 2010). Terdapat banyak sekali metode untuk menerapkan fuzzifikasi, salah satunya yaitu metode linear interpolation. Interpolation berarti menentukan kurva yang melewati garis fungsi. Nilai yang mencapai garis fungsi dapat diketahui menjadi nilai pada titik tertentu. Fungsi menyatakan kemungkinan yang paling sederhana tapi bukan konstanta, disebut fungsi linier. Ketika menggunakan fungsi linier untuk interpolasi, didapatkanlah linear interpolation (Kreinovich et al., 2015). Untuk melakukan interpolasi linear maka harus diketahui dua data. Jika diketahui nilai (𝑋1,𝑌1) dan (𝑋2,𝑌2) maka kita dapat menentukan harga 𝑌 di antara kedua data tersebut untuk nilai 𝑋 yang didapat dari pakar melalui fungsi keanggotaan. Contoh interpolasi linier dapat dilihat pada Gambar 2.6.
Gambar 2.6 Contoh Interpolasi Linier (Levy, 2010)
2.3.4 Defuzzifikasi
Defuzzifikasi mengkonversi kualitas fuzzy untuk kulitas yang tepat, sama seperti fuzzifikasi yaitu konversi dari jumlah yang tepat untuk kualitas fuzzy. Pada dasarnya defuzzifikasi menggabungkan nilai crisp yang sebelumnya difuzzifikasikan (Ross, 2010). Weighted mean merupakan salah satu metode yang dipergunakan dalam proses defuzzifikasi. Biasanya terbatas output simetris fungsi keanggotaan (Ross, 2010).
2.4 Hill Climbing Optimization
Metode Hill Climbing adalah salah satu metode yang digunakan dalam menyelesaikan permasalahan pencarian jarak terdekat (Utama, 2017). Hill climbing flowchart dapat dilihat pada Gambar 2.7.
Gambar 2.7 Hill Climbing Flowchart
Pertama menentukan tujuan awal (S), setelah itu dievaluasi. Kemudian menentukan tujuan berikutnya (X) yang bersebelahan dengan tujuan awal (S) dan dievaluasi. Jika tujuan berikutnya (X) memiliki nilai yang lebih baik dari tujuan awal (S), maka berpindah dari tujuan awal (S) ke tujuan berikutnya (X). Proses ini berlangsung hingga tujuan akhir ditemukan, yaitu tujuan yang memiliki nilai terbaik.
2.5 Pengertian dan Pengelolaan Sampah 2.5.1 Pengertian Sampah
Menurut Undang-Undang Republik Indonesia No. 18 tahun 2008 yang dimaksud dengan sampah adalah sisa kegiatan sehari-hari manusia dan atau/proses alam yang berbentuk padat. Sedangkan menurut peraturan menteri dalam negeri nomor 33 tahun 2010 sampah adalah sisa kegiatan sehari-hari manusia dan/atau proses alam yang berbentuk padat yang terdiri atas sampah rumah tangga maupun sampah sejenis sampah rumah tangga.
Sampah adalah sesuatu bahan atau benda padat yang sudah tidak dipakai lagi oleh manusia, atau benda padat yang sudah tidak digunakan lagi dalam suatu kegiatan manusia dan dibuang. Para ahli kesehatan masyarakat Amerika membuat batasan, sampah adalah sesuatu yang tidak digunakan, tidak dipakai, tidak disenangi, atau sesuatu yang dibuang yang berasal dari kegiatan manusia dan tidak terjadi dengan sendirinya (Notoatmodjo, 2003). Sampah adalah sesuatu yang tidak digunakan, tidak dipakai, tidak disenangi, atau sesuatu yang dibuang yang berasal dari kegiatan manusia dan tidak terjadi dengan sendirinya (Chandra, 2007).
