BAB 2
LANDASAN TEORI
2.1 Konsep Sistem Pendukung Keputusan (SPK)
Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur, di mana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat (Kusrini, 2007).
Kemudian (Ohri. A & Singh P. K., 2010) mendefinisikan sistem pendukung keputusan sebagai kelas khusus dari sistem informasi terkomputerisasi yang mendukung pengambilan keputusan kegiatan dalam cara yang terstruktur dan logis berdasarkan fakta-fakta ilmiah. Sistem pendukung keputusan menyusun informasi yang berguna dari data mentah, dokumen pengetahuan dan/atau model bisnis pribadi untuk mengidentifikasi dan memecahkan masalah dan menyarankan keputusan yang tepat.
(Kulvinder Singh Mann, 2012) mendefinisikan sistem pendukung keputusan sebagai program aplikasi komputer yang menganalisir data dan menyajikannya sehingga pengguna dapat membuat keputusan yang lebih mudah. Sistem pendukung keputusan adalah sebuah aplikasi informasi. Sebuah pendukung keputusan dapat menyajikan informasi secara grafis dan mungkin termasuk sistem pakar atau kecerdasan buatan.
Universitas Sumatera Utara
8
2.1.1 Karakteristik, Manfaat dan Keterbatasan Sistem Pendukung Keputusan (Dadan Umar Daihani, 2001) menjelaskan terdapat sejumlah karakteristik dari sistem pendukung keputusan, yaitu ; 1. Sistem pendukung keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur. 2. Dalam proses pengolahan, sistem pendukung keputusan mengkombinasikan penggunaan model-model/teknik-teknik analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari/interogasi informasi. 3. Sistem pendukung keputusan, dirancang sedemikian rupa, sehingga dapat digunakan/dioperasikan dengan mudah oleh orang-orang yang tidak memiliki dasar kemampuan pengoperasian komputer yang tinggi. Oleh karena itu pendekatan yang digunakan biasanya model interaktif. 4. Sistem pendukung keputusan dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi sehingga mudah disesuaikan dengan berbagai perubahan lingkungan yang terjadi dan kebutuhan pemakai.
Dengan berbagai karakter khusus seperti dikemukakan di atas, sistem pendukung keputusan dapat memberikan berbagai manfaat atau keuntungan bagi pemakainya. Keuntungan yang dimaksud di antaranya meliputi (Dadan Umar Daihani, 2001) : 1. Sistem pendukung keputusan memperluas kemampuan pengambil keputusan dalam memproses data/informasi bagi pemakainya. 2. Sistem pendukung keputusan membantu pengambil keputusan dalam hal penghematan waktu yang dibutuhkan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur. 3. Sistem pendukung keputusan dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
Universitas Sumatera Utara
9
4. Walupun suatu sistem pendukung keputusan, mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun ia dapat menjadi stimulant bagi pengambil keputusan dalam memahami persoalannya. Karena sistem pendukung keputusan mampu menyajikan berbagai alternatif. 5. Sistem pendukung keputusan dapat menyediakan bukti tambahan untuk memberikan pembenaran sehingga dapat memperkuat posisi pengambil keputusan.
Selain itu, di dalam Sistem Pendukung Keputusan juga memiliki beberapa keterbatasan, yaitu sebagai berikut (Dadan Umar Daihani, 2001) : 1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan sebenarnya. 2. Kemampuan suatu Sistem Pendukung Keputusan terbatas pada pembendaharaan pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar). 3. Proses-proses yang dapat dilakukan oleh Sistem Pendukung Keputusan biasanya tergantung juga pada kemampuan perangkat lunak yang digunakannya. 4. Sistem Pendukung Keputusan tidak memiliki kemampuan intuisi seperti yang dimiliki oleh manusia. Karena walau bagaimanapun canggihnya suatu SPK, dia hanyalah suatu kumpulan perangkat keras, perangkat lunak dan sistem operasi yang tidak dilengkapi dengan kemampuan berpikir.
2.1.2 Arsitektur Sistem Pendukung Keputusan
Sistem pendukung keputusan terdiri atas tiga komponen utama atau subsistem (Dadan Umar Daihani, 2001), yaitu sebagai berikut : 1. Subsistem Data (Data Subsystem) Subsistem data merupakan komponen SPK penyedia data bagi sistem data dimaksud disimpan dalam suatu pangkalan data (database) yang diorganisasikan
Universitas Sumatera Utara
10
oleh suatu sistem yang disebut dengan sistem manajemen pangkalan data (Database Management System). Melalui manajamen pangkalan data inilah data dapat diambil dan diekstraksi dengan cepat. Pangkalan data dalam SPK berasal dari dua sumber yaitu sumber internal (dari dalam perusahaan) dan sumber eksternal (dari luar perusahaan). Data eksternal ini sangat berguna bagi manajemen dalam mengambil keputusan tingkat strategis. 2. Subsistem Model (Model Subsystem) Keunikan dari SPK adalah kemampuannya dalam mengintegrasikan data dengan model-model keputusan. Kalau pada pangkalan data, organisasi data dilakukan oleh manajemen pangkalan data, maka dalam hal ini ada fasilitas tertentu yang berfungsi sebagai pengelola berbagai model yang disebut dengan pangkalan model (model base). 3. Subsistem Dialog (User System Interface) Keunikan lainnya dari SPK adalah adanya fasilitas yang mampu mengintegrasikan sistem terpasang dengan pengguna secara interaktif. Fasilitas atau subsistem ini dikenal sebagai subsistem dialog. Melalui sistem dialog inilah sistem diartikulasian dan diimplementasikan sehingga pengguna atau pemakai dapat berkomunikasi dengan sistem yang dirancang.
Menurut (Rosnani Ginting, 2014) dalam proses pengambilan keputusan, ada tiga tahapan yaitu : 1. Tahap Intellegen Tahap intellegen adalah tahap proses pengenalan persoalan melalui penyelidikan lingkungan untuk mengetahui ada atau tidaknya masalah. Kesimpulan dari penyelidikan diperoleh dari pengolahan data dengan metode khusus. Aliran informasi bergerak dari tingkatan manajemen terendah menuju tingkatan manajemen tertinggi.
Universitas Sumatera Utara
11
2. Tahap Design Tahap design merupakan tahap mencari, analisis serta perumusan alternatif tindakan yang akan diambil. Pada tahap ini, sistem informasi harus mampu membuat keputusan-keputusan. 3. Tahap Choice Tahap choice merupakan tahap memilih suatu tindakan yang paling tepat dari beberapa alternatif yang telah dirumuskan. Langkah selanjutnya adalah pelaksanaan alternatif terpilih. Bila suatu alternatif telah dilaksanakan, fungsi, informasi berubah menjadi pengumpul data untuk selanjutnya, merupakan umpan balik.
Kegiatan merancang sistem pendukung keputusan merupakan sebuah kegiatan untuk menemukan, mengembangkan dan menganalisis berbagai alternatif tindakan yang mungkin untuk dilakukan. Tahap perancangan ini meliputi pengembangan dan mengevaluasi serangkaian kegiatan alternatif. Sedangkan kegiatan memilih dan menelaah ini digunakan untuk memilih satu rangkaian tindakan tertentu dari beberapa yang tersedia dan melakukan penilaian terhadap tindakan yang telah dipilih. Sistem pendukung keputusan dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif (Deny Adhar, 2014). Gambar arsitektur sistem pendukung keputusan menurut (Efraim Turban, 2005) dapat dilihat pada gambar 2.1.
Universitas Sumatera Utara
12
Gambar 2.1 Arsitektur Sistem Pendukung Keputusan
2.2 Multiple Attribute Decision Making (MADM)
(Sri Kusumadewi, 2006) menjelaskan Multiple Attribute Decision Making (MADM) biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas. Secara umum, MADM memiliki suatu tujuan tertentu, yang dapat diklasifikasikan dalam 2 tipe yaitu menyeleksi alternatif dengan atribut (kriteria) dengan ciri-ciri terbaik; dan mengklasifikasikan alternatif berdasarkan peran tertentu. Untuk menyelesaikan masalah MADM, dibutukan 2 tahap, yaitu : 1. Membuat rating pada setiap alternatif berdasarkan agregasi derajat kecocokan pada semua kriteria. 2. Merangking semua alternatif untuk mendapatkan alternatif terbaik. Ada 2 cara yang dapat digunakan dalam proses perangkingan, yaitu melaui defuzzy atau melalui relasi preferensi fuzzy. Metode defuzzy dilakukan dengan pertamatama membuat bentuk crisp dari bilangan fuzzy, proses perangkingan didasarkan atas bilangan crisp dari bilangan fuzzy tersebut; model ini memang
Universitas Sumatera Utara
13
mudah untuk diimplementasikan, namun kita sangat dimungkinkan untuk kehilangan beberapa informasi terutama yang menyangkut ketidakpastian. Penggunaan relasi preferensi fuzzy lebih menjamin ketidakpastian yang melekat pada bilangan fuzzy hingga proses perangkingan.
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM, antara lain : 1. Simple Additive Weighting (SAW) 2. Weighted Product (WP) 3. ELECTRE 4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) 5. Analytic Hierarchy Process (AHP)
2.2.1 Simple Additive Weighting (SAW)
Menurut (Sri Kusumadewi, 2006) Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
=
Jika j adalah atribut keuntungan (benefit) (2.1) Jika j adalah atribut biaya (cost)
Keterangan : rij
= rating kinerja ternormalisasi dari alternatif Ai pada kriteria Cj.
Max xij = Nilai maks jika yang dicari adalah atribut keuntungan atau nilai tertinggi.
Universitas Sumatera Utara
14
Min xij = Nilai min jika yang dicari adalah atribut biaya atau nilai terendah. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai : V =
w r
(2.2)
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif A1 lebih terpilih.
2.2.2 Profile Matching Menurut (Kusrini, 2007) Profile Matching adalah sebuah mekanisme pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat minimal yang harus dipenuhi atau dilewati. Langkah-langkah dalam penyelesaian perhitungan dengan menggunakan metode Profile Matching yaitu : 1. Aspek-aspek penilaian. Langkah pertama yang harus dilakukan yaitu menentukan aspek-aspek penilaian.
2. Pemetaan GAP kompetensi. GAP kompetensi adalah perbedaan antara kriteria yang dimiliki seseorang dengan kriteria yang diinginkan. Rumus untuk mencari GAP kompetensi yaitu : GAP = Nilai Warga − Nilai Minimal
(2.3)
3. Pembobotan GAP kompetensi Apabila pemetaan GAP sudah selesai dilakukan, maka hasil dari pemetaan tersebut diberi bobot nilai sesuai dengan patokan tabel bobot nilai GAP. Seperti yang terlihat pada tabel 2.1. Tabel 2.1 Bobot Nilai No.
Selisih
Bobot
Keterangan
Nilai 1
0
5
Tidak ada selisih
2
1
4,5
Kompetensi individu kelebihan 1 tingkat/level
Universitas Sumatera Utara
15
3
-1
4
Kompetensi individu kekurangan 1 tingkat/level
4
2
3,5
Kompetensi individu kelebihan 2 tingkat/level
5
-2
3
Kompetensi individu kekurangan 2 tingkat/level
6
3
2,5
Kompetensi individu kelebihan 3 tinkat/level
7
-3
2
Kompetensi individu kekurangan 3 tingkat/level
8
4
1,5
Kompetensi individu kelebihan 4 tinkat/level
9
-4
1
Kompetensi individu kekurangan 4 tingkat/level
Tabel ini berisi ketentuan pembobotan hasil selisih nilai GAP warga yang dikurangkan dengan nilai minimal yang sudah ditetapkan.
4. Perhitungan dan pengelompokkan Core dan Secondary Factor Setelah bobot nilai GAP ditentukan, maka dibagi menjadi 2 kelompok yaitu Core Factor dan Secondary Factor. Rumus untuk menghitung Core Factor yaitu sebagai berikut : NCF =
∑ NC *aspek/ ∑ IC
(2.4)
Keterangan : NCF
= Nilai rata-rata core factor.
NC(aspek) = Jumlah total nilai core factor. IC
= Jumlah item core factor.
Sedangkan rumus untuk menghitung secondary factor yaitu sebagai berikut : NSF =
∑ NS *aspek/ ∑ IS
(2.5)
Keterangan : NSF
= Nilai rata-rata secondary factor.
NC(aspek) = Jumlah total nilai Secondary factor.
Universitas Sumatera Utara
16
= Jumlah item secondary factor.
IC
5. Perhitungan Nilai Total Untuk menghitung nilai total, rumus yang digunakan yaitu : *x/%NCF*aspek/ + *x/%NSF*aspek/ = Ntotal*aspek/
(2.6)
Keterangan : NCF(aspek) = nilai rata-rata core factor. NSF(aspek) = nilai rata-rata secondary factor. N(aspek)
= nilai total dari aspek
(x)%
= nilai persen yang diinputkan
6. Perhitungan Nilai Rangking Untuk menentukan perangkingan mengacu pada hasil perhitungan menggunakan rumus sebagai berikut : Rangking = *x/%Ns
(2.7)
Keterangan : Ns
= Nilai aspek
(x)% = nilai persen yang diinputkan (Sumber : Kusrini, 2007)
Universitas Sumatera Utara
