2.1. Sistem Pendukung Keputusan
Istilah Sistem Pendukung Keputusan pertama kali digagas oleh P.G.W Keen, seorang akademisi Inggris yang kemudian melanjutkan karir di United States of America. Pada tahun 1978 Keen dan Scott Morton menerbitkan sebuah buku dengan judul Decision Support Systems : An Organisation Perspective. Dimana dalam buku tersebut mereka menyebutkan bahwa sistem komputer berdampak pada keputusan yang akan dibuat, karena komputer dan analisis merupakan faktor penting untuk dipertimbangkan dalam menetapkan sebuah keputusan [7].
Sistem Pendukung Keputusan merupakan sistem berbasis komputer yang menyatukan beragam informasi dari berbagai sumber, menyajikan dalam bentuk terorganisir dan menganalisis serta memfasilitasi evaluasi asumsi yang mendasari penggunaan model-model tertentu [10].
Sebuah keputusan dapat didefinisikan sebagai sebuah pilihan yang telah diambil dari dua atau beberapa alternatif yang tersedia. Setiap orang harus membuat banyak keputusan setiap harinya. Pilihan yang potensial dari sebuah keputusan terbentuk setelah mengetahui minimum objektif dan alternatif [12].
Sistem Pendukung Keputusan juga dapat didefinisikan sebagai sebuah sistem informasi berbasis komputer yang menggabungkan model dan data dalam upaya untuk memecahkan masalah semi terstruktur dan beberapa masalah yang tidak terstruktur dengan campur tangan pengguna [14].
Sistem Pendukung Keputusan dapat menyediakan analisis informatif untuk meningkatkan efisiensi pembuatan keputusan dalam sebuah organisasi. Sistem Pendukung Keputusan, termasuk model keputusan, data, dan antarmuka pengguna merupakan kesatuan yang sangat penting [16].
Dewasa ini, pembuatan keputusan dirasa lebih sulit. Kebutuhan akan kecepatan dalam pembuatan keputusan terus meningkat, kelebihan informasi yang kini menjadi masalah umum, dan terdapat lebih banyak ketidaksesuaian informasi [7].
Sistem Pendukung Keputusan merupakan sebuah alat bantu yang dapat membantu si pembuat keputusan dalam menetapkan sebuah keputusan. Perlu digaris bawahi bahwa Sistem Pendukung Keputusan hanyalah ditujukan untuk membantu, bukan untuk membuat keputusan. Keputusan yang diambil merupakan tanggung jawab dari si pembuat keputusan.
2.1.1. Syarat Sistem Pendukung Keputusan
Menurut Bidgoli, syarat dari sebuah sistem keputusan [6] adalah : 1. Memerlukan perangkat keras;
2. Memerlukan perangkat lunak;
3. Memerlukan manusia (perancang dan pengguna);
4. Dirancang untuk mendukung sebuah pengambilan keputusan;
5. Harus dapat membantu pengambil keputusan pada setiap level keputusan; dan 6. Menekankan masalah tidak terstruktur dan semi terstruktur.
2.1.2. Komponen Sistem Pendukung Keputusan
Sistem Pendukung Keputusan haruslah memiliki tiga komponen yang menentukan kapabilitas teknis Sistem Pendukung Keputusan Tersebut [13] yaitu :
1. Susbsistem Manajemen Basis Data (Database Management Subsystem)
2. Susbsistem Manajemen Basis Model (Model Base Management Subsystem)
Subsistem ini mengatur semua permasalahan integrasi akses data dan model keputusan yang ada dalam sebuah Sistem Pendukung Keputusan
3. Subsistem Perangkat Lunak Penyelenggara Dialog (Dialog Generation and Management Software).
Subsistem ini mencakup semua hubungan yang terjadi antara Sistem Pendukung Keputusan dan Pengguna.
2.1.3.Karakteristik dan Kemampuan Sistem Pendukung Keputusan
Sehubungan banyaknya definisi yang dikemukakan mengenai pengertian dan penerapan dari sebuah Sistem Pendukung Keputusan (SPK), sehingga menyebabkan terdapat banyak sekali pandangan mengenai sistem tersebut. SPK memiliki karakteristik dan kemampuan [13] yaitu:
1. Mendukung seluruh kegiatan organisasi
2. Mendukung beberapa keputusan yang saling berinteraksi 3. Dapat digunakan berulang kali dan bersifat konstan 4. Terdapat dua komponen utama, yaitu data dan model 5. Menggunakan baik data eksternal dan internal
6. Memiliki kemampuan what-if analysis dan goal seeking analysis
7. Menggunakan beberapa model kuantitatif
2.1.4. Tahapan Proses Pengambilan Keputusan
Langkah – langkah yang diperlukan dalam proses pengambilan keputusan [5] adalah : 1. Intelijen
a. Pembentukan persepsi terhadap situasi yang dihadapi
Ialah mengenali situasi keputusan dan pendefinisian karakteristik utama yang ada pada situasi tersebut
c. Penentuan ukuran kuantitatif terhadap biaya (disbenefits) dan manfaat yang paling tepat untuk situasi yang dihadapi
Sistem ukuran seragam yang akan digunakan dalam membandingkan alternatif langkah keputusan
2. Desain
Penentuan dengan spesifik alternatif yang dimiliki dengan mengenali dan merumuskan dengan jelas langkah – langkah yang mungkin dilakukan.
3. Pilihan
a. Evaluasi manfaat dan biaya (disbenefits) dari semua langkah alternatif.
Ialah penilaian akibat penerapan setiap langkah alternatif dengan menggunakan ukuran biaya dan manfaat.
b. Menetapkan kriteria dalam memilih langkah terbaik
Adalah penetapan peraturan dengan mengaitkan hasil dengan tujuan pembuatan keputusan.
c. Penyelesaian situasi keputusan
Ialah mengambil sebuah langkah dengan dasar kriteria yang dapat diterima.
Langkah – langkah diatas dapat dilakukan secara berulang, baik seluruh langkah maupun sebagian. Hal tersebut dilaksanakan terus menerus hingga situasi keputusan benar – benar terselesaikan.
2.2. Simple Additive Weighting (SAW)
Simple Additive Weigthing (SAW) sering juga dikenal istilah metode penjumlahan terbobot, merupakan sebuah metode yang cukup terkenal dan sering digunakan dalam
=
.
… … … . ( )Keterangan :
Pi = Nilai SAW
j = Batas bawah perhitungan M = Batas atas perhitungan wj = Bobot kriteria j
mij = Nilai alternatif i pada kriteria j
Banyak pendapat yang menyatakan bahwa metode SAW hanya bisa digunakan ketika kriteria keputusan yang ada dinyatakan dalam satu bentuk. Namun jika setiap elemen yang ada dinormalisasi, maka metode SAW dapat digunakan pada semua jenis kriteria maupun alternatif. Dalam kasus tersebut, maka bentuk perhitungan akan menjadi seperti rumus (2) [15]:
=
. (
)
… … … . ( )Keterangan :
Pi = Nilai SAW
j = Batas bawah perhitungan M = Batas atas perhitungan wj = Bobot kriteria j
(mij)normal = Nilai kriteria dari alternatif pada baris i kolom j yang telah dinormalisasi
(
)
=
(( ))… … … . … ( )
Keterangan :
(mij)normal = Nilai data baris i kolom j yang telah dinormalisasi
(mij)K = Nilai alternatif i pada kriteria j
(mij)L = Nilai kriteria tertinggi dari alternatif
Namun jika kriteria yang akan dihitung merupakan kriteria kerugian (nilai terendah merupakan nilai yang lebih baik), maka normalisasi dihitung dengan menggunakan rumus (4) [15]:
(
)
=
(( ))… … … … . . ( )
Keterangan :
(mij)normal = Nilai data baris i kolom j yang telah ternormalisasi
(mij)L = Nilai kriteria terendah dari alternatif
(mij)K = Nilai alternatif i pada kriteria j
Langkah – langkah yang diambil untuk memperoleh nilai SAW dari alternatif yang ada adalah :
1. Masukkan nilai kriteria dari seluruh alternatif yang ada 2. Masukkan nilai bobot dari setiap kriteria
3. Normalisasi data dengan menggunakan rumus (3) jika kriteria yang dihitung merupakan kriteria keuntungan dan dengan rumus (4) jika kriteria yang dihitung berupa kriteria kerugian.
4. Data ternormalisasi akan diperoleh
Diberikan contoh sebagai berikut. Terdapat sebuah permasalahan dalam memilih alternatif yang terbaik antara A1, A2, dan A3. Sedangkan kriteria yang menentukan proses pemilihan adalah C1, C2, C3 dan C4. Nilai bobot kriteria dan nilai kriteria dari masing-masing alternatif disajikan dalam Tabel 2.1.
Tabel 2.1. Tabel Contoh Nilai SAW
C1 C2 C3 C4 Alternatif 0.25 0.3 0.25 0.2 A1 40 35 30 20 A2 35 30 20 45 A3 30 30 35 20
Berdasarkan Tabel 2.1, dapat kita ketahui nilai bobot yang diberikan pada kriteria C1 adalah 0.25 atau 25 %, nilai bobot pada kriteria C2 adalah 0.3 atau 30 %, nilai bobot pada kriteria C3 adalah 0.25 atau 25 % dan nilai bobot pada kriteria C4 adalah 0.2 atau setara dengan 20 %. Dalam permasalahan ini, keseluruhan kriteria merupakan kriteria keuntungan. Maka, selanjutnya data tersebut akan dinormalisasi dengan rumus (3). Sehingga menjadi seperti Tabel 2.2.
Tabel 2.2. Tabel Hasil Normalisasi Nilai
C1 C2 C3 C4 Alternatif 0.25 0.3 0.25 0.2 A1 1 1 0.857 0.5 A2 0.875 0.857 0.571 1 A3 0.75 0.857 1 0.5
Setelah proses normalisasi, maka langkah selanjutnya adalah menghitung nilai SAW dengan rumus (2).
Untuk alternatif A1, maka nilai SAW yang diperoleh adalah :
= . × + . × + . × . + . × . = .
Untuk alternatif A2, maka nilai SAW yang diperoleh adalah :
Untuk alternatif A3, maka nilai SAW yang diperoleh adalah :
= . × . + . × . + . × + . × . = .
Berdasarkan perhitungan diatas, maka alternatif A1 lah yang paling baik, dikarenakan nilai preferensi SAW dari alternatif A1 merupakan nilai yang tertinggi dari semua alternatif yang ada.
2.3. Weighted Sum Model (WSM)
Weighted sum model adalah sebuah metode sederhana yang sering digunakan pada permasalahan dimensi tunggal. Jika terdapat m alternatif dan n kriteria, maka alternatif terbaik dapat dirumuskan sebagai berikut [8] :
=
.
… … … . … … … . ( )Keterangan :
Awsm = Nilai alternatif terbaik
aij = Nilai alternatif i pada kriteria j
wj = Bobot kriteria j
Dimana i = 1,2,3,…,m dan Awsm merupakan nilai dari alternative terbaik, n adalah banyaknya criteria, aij merupakan nilai alternatif i pada kriteria j dan wj adalah nilai bobot kriteria j.
Kesulitan pada metode ini hadir ketika kriteria yang digunakan bukanlah kriteria dimensi tunggal atau multi dimensi. Dalam permasalahan tersebut, maka kriteria yang ada harus disamakan menjadi satu dimensi yang sama [8].
Langkah untuk memperoleh nilai WSM dari alternatif yang ada adalah sebagai berikut dan dapat dilihat pada Gambar 2:
1. Masukkan data seluruh alternatif
2. Masukkan nilai bobot dari setiap kriteria 3. Hitung dengan rumus (5).
Untuk lebih jelasnya diberikan contoh sebagai berikut. Terdapat sebuah permasalahan dalam memilih alternatif yang terbaik antara A1, A2, dan A3. Sedangkan kriteria yang menentukan proses pemilihan adalah C1, C2, C3 dan C4. Nilai bobot kriteria dan nilai kriteria dari masing-masing alternatif disajikan dalam Tabel 2.3.
Tabel 2.3. Tabel Contoh Nilai WSM
C1 C2 C3 C4 Alternatif 0.1 0.3 0.4 0.2 A1 20 15 10 10 A2 15 20 10 15 A3 10 20 15 20
Berdasarkan Tabel 2.3, dapat kita ketahui nilai bobot yang diberikan pada kriteria C1 adalah 0.1 atau 10 %, nilai bobot pada kriteria C2 adalah 0.3 atau 30 %, nilai bobot pada kriteria C3 adalah 0.4 atau 40 % dan nilai bobot pada kriteria C4 adalah 0.2 atau setara dengan 20 %. Selanjutnya untuk menghitung nilai WSM dari setiap alternatif digunakan rumus (5) sehingga:
Untuk alternatif A1, maka nilai WSM yang diperoleh adalah :
= . × + . × + . × + . × = .
Untuk alternatif A2, maka nilai WSM yang diperoleh adalah :
= . × + . × + . × + . × = .
Untuk alternatif A3, maka nilai WSM yang diperoleh adalah :
= . × + . × + . × + . × =
