BAB 2 LANDAS AN TEORI
2.1 Investasi Investasi adalah salah satu istilah ekonomi dengan beberapa pengertian yang berhubungan dengan keuangan. Istilah tersebut berkaitan dengan akumulasi suatu bentuk aktiva dengan suatu harapan mendapatkan keuntungan di masa depan. Terkadang, investasi disebut juga sebagai penanaman modal. Portofolio investasi dewasa ini sudah ada banyak ragamnya, misalnya investasi dalam bentuk uang asing (dollar), tanah, emas, perak, saham, dan lain-lain. Apabila ditelaah lebih lanjut, tiap investasi dipengaruhi oleh beberapa faktor, misalnya tingkat kenaikan nilai investasi, kemudahan dalam penjualan kembali, tingkat stabilitas, fluktuasi nilai investasi, dan lain-lain. Faktor-faktor inilah yang mempengaruhi kualitas suatu jenis investasi.
2.2 Logika Fuzzy Logika Fuzzy merupakan peningkatan dari logika Boolean yang berhadapan dengan suatu konsep kebenaran tidak penuh (sebagian), dimana peran logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1, hitam atau putih, ya atau tidak). Logika fuzzy menggantikan kebenaran Boolean dengan tingkat kebenaran.
10 Logika ini juga memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuabuan, dan juga hitam dan putih, dan dalam bentuk linguistik, pandangan tidak pasti seperti “sedikit”, “lumayan”, dan “sangat”. Hal ini erat kaitannya dengan set fuzzy dan teorema kemungkinan. Tanpa disadari, logika fuzzy banyak digunakan dalam kehidupan sehari-hari, karena logika ini mengadopsi pemahaman serta penilaian otak manusia terhadap suatu hal tertentu. Dalam kehidupan sehari-hari, manusia banyak dihadapi dengan situasi pertimbangan yang tidak pasti jawabannya ya atau tidak. Hal ini adalah salah satu contoh sederhana logika fuzzy dalam kehidupan sehari-hari.
2.3 Architectu re Hierarchy Process (AHP) AHP merupakan salah satu metode matematik yang dikembangkan oleh Thomas L. Saaty, yang merupakan seorang ahli matematika. Tujuan metode ini adalah untuk mengambil keputusan dengan efektif atas persoalan yang kompleks dengan cara menyederhanakan dan mempercepat proses pengambilan keputusan. Dilanjutkan dengan memecahkan persoalan tersebut kedalam bagian-bagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, serta memberi suatu nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel. Tahap akhirnya yaitu dengan mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut. M etode AHP ini membantu memecahkan persoalan yang kompleks dengan menstruktur suatu hirarki kriteria, pihak yang berkepentingan, hasil dan dengan menarik berbagai pertimbangan guna mengembangkan bobot atau prioritas. M etode ini juga
11 menggabungkan kekuatan dari perasaan dan logika yang bersangkutan pada berbagai persoalan, lalu mensintesis berbagai pertimbangan yang beragam menjadi hasil yang cocok dengan perkiraan kita secara intuitif sebagaimana yang dipresentasikan pada pertimbangan yang telah dibuat.
Gambar 2.1 Contoh Analytical Hierarchy Process
2.3.1
Pemecahan persoalan dengan AHP M enurut Saaty, AHP terdiri dari tiga prinsip utama dalam memecahkan
persoalan, yaitu prinsip menyusun hirarki (Decomposition), prinsip menentukan prioritas (Comparative Judgement), dan prinsip konsistensi logis (Logical Consistency).
12 Kata hirarki yang dimaksud diatas adalah hirarki dari permasalahan yang akan dipecahkan untuk mempertimbangkan kriteria-kriteria atau komponen-komponen yang mendukung tercapainya suatu tujuan. Dalam memilih kriteria-kriteria pada setiap masalah pengambilan keputusan perlu memperhatikan hal-hal berikut: •
Lengkap Kriteria harus mencakup semua aspek, sehingga harus lengkap.
•
Operasional Setiap kriteria harus mempunyai arti bagi pengambil keputusan, sehingga dapat relevan terhadap alternatif yang ada.
•
Tidak berlebihan Kriteria yang mengandung pengertian yang sama harus dihindari.
•
M inimum Dibuat minimum supaya mempermudah pemahaman persoalan.
2.3.1.1 Decomposition Decomposition adalah pemecahan persoalan menjadi unsur-unsurnya, tentunya dilakukan setelah persoalan telah terdefinisi dengan baik. Jika ingin mendapatkan hasil yang lebih akurat, pemecahan dapat dilakukan terhadap unsur-unsurnya sehingga
13 didapatkan beberapa tingkatan dari persoalan tadi. Karena itulah maka proses analisis ini dinamakan hirarki (Hierarchy). Hirarki ada 2 macam, yaitu hirarki lengkap dan hirarki tidak lengkap. Hirarki lengkap adalah hirarki yang semua elemen pada semua tingkat memiliki semua elemen yang ada pada tingkat berikutnya. Selain dalam kondisi tersebut, dinamakan hirarki tidak lengkap.
2.3.1.2 Comparative Judgement Prinsip ini bermaksud membuat penilaian tentang kepentingan relatif dua elemen pada suatu tingkat tertentu yang berkaitan dengan tingkat yang diatasnya. Penilaian ini merupakan inti dari AHP, karena akan mempengaruhi prioritas elemen-elemen. Hasil dari penilaian ini akan ditempatkan dalam bentuk matriks yang dinamakan matriks pairwise comparison. Tahapan–tahapan dalam melakukan penialaian terhadap elemen-elemen yang diperbandingkan antara lain: a. Elemen mana yang lebih (penting/disukai/berpengaruh/lainnya) b. Berapa kali sering (penting/disukai/berpengaruh/lainnya) Perlu dipahami tujuan yang diambil secara umum agar diperoleh skala yang bermanfaat ketika membandingkan dua elemen. Penyusunan skala kepentingan menggunakan patokan pada tabel di bawah ini.
14 Tabel 2.1 S kala Kepentingan, Definisi, dan Penjelasannya Intensitas
Definisi
Penjelasan
Kedua elemen sama
Dua elemen kontribusinya
pentingnya
sama terhadap elemen tersebut
Kepentingan 1 Pengalaman dan pertimbangan Elemen yang satu sedikit lebih 3
penting
sedikit menyokong elemen atas lainnya Pengalaman dan pertimbangan
Elemen yang satu essensial kuat menyokong elemen atas
5 (sangat penting)
lainnya 7
Elemen yang satu jelas lebih
Satu elemen kuat disokong,
penting
mendominasi praktek Bukti yang menyokong elemen
Elemen yang satu mutlak lebih yang atas memiliki nilai
9 penting
penegasan yang sangat tinggi 2,4,6,8
Nilai diantara dua
Diperlukan kompromi antara
pertimbangan yang berdekatan
dua pertimbangan
Nilai aktifitas elemen saling Kebalikan berkebalikan
15 Pada penilaian kepentingan relatif antara dua elemen berlaku aksioma reciprocal (timbal balik). Artinya jika elemen x dinilai 3 kali lebih penting dibanding y, maka elemen y harus sama dengan 1/3 kali pentingnya dibanding elemen x. Disamping itu, perbandingan dua elemen yang sama akan menghasilkan angka 1, artinya sama penting. Dua elemen yang berlainan dapat saja dinilai sama penting. Jika terdapat m elemen, maka akan diperoleh matriks pairwise comparison berukuran m x n. Banyaknya penilaian yang diperlukan dalam menyusun matriks ini adalah n(n-1)/2 karena matriks reciprocal dan elemen-elemen diagonalnya sama dengan 1 (satu).
2.3.1.3 Synthesis of Priority Dari setiap matriks tersebut, dicari nilai eigen vektornya untuk mendapatkan local priority. Karena matriks-matriks pairwise comparison terdapat pada setiap tingkat, maka untuk mendapatkan global priority harus dilakukan sintesis antara local priority. Pengurutan elemen-elemen menurut kepentingan relatif melalui prosedur sintesis dinamakan priority setting.
16 2.3.1.4 Logical Consistency Konsistensi memiliki dua makna. Yang pertama adalah objek-objek serupa dapat dikelompokkan sesuai dengan keseragaman serta relevansinya. Yang kedua adalah menyangkut tingkat hubungan antar objek-objek yang didasari oleh kriteria-kriteria tertentu.
2.3.2
Dempster Shafer Fuzzy Analytical Hierarchy Process Multi Attribute Decision Making (M ADM) adalah suatu metode pengambilan
keputusan untuk menetapkan alternatif terbaik berdasarkan kriteria tertentu. Salah satu metode yang digunakan dalam menyelesaikan permalasahan M ADM adalah Analytic Hierarchy Process (AHP). M etode AHP dapat diterapkan pada data yang tidak tunggal atau fuzzy. Pada permasalahan M ADM dengan informasi alternatif yang tidak lengkap metode yang digunakan adalah metode Dempster Shafer Analytic Hierarchy Process (DSAHP). M etode Dempster Shafer Analytic Hierarchy Process (DSAHP) fuzzy adalah metode yang digunakan untuk menyelesaikan permasalahan Multi Attribute Decision Making (M ADM) dengan informasi yang tidak lengkap. M etode ini merupakan gabungan antara dari metode Analytic Hierarchy Process Fuzzy dengan metode Dempster Shafer Analytic Hierarchy Process. Pendekatan yang dilakukan adalah mengidentifikasi semua kemungkinan alternatif pada setiap atribut. Kemudian dihitung probabilitas dasar dari masing-masing elemen dan interval kepercayaan dari masingmasing keputusan alternatif. Dari hasil penelitian diperoleh bahwa metode Dempster Shafer AHP dapat diterapkan pada bilangan fuzzy dengan menggunakan interval fuzzy.
17 Penurunan normalisasi bpa dengan nilai alternatif fuzzy memenuhi teorema interval fuzzy, sehingga normalisasi bpa dapat diterapkan pada interval fuzzy. M etode Dempster Shafer AHP fuzzy dapat menyelesaikan permasalahan Multi Attribute Decision Making dengan informasi yang tidak lengkap. Dari hasil kombinasi DSAHP fuzzy ditemukan bahwa ada kemiripan hasil dengan AHP fuzzy. Tetapi kelebihan DSAHP fuzzy adalah dapat menganalisis data dengan informasi yang tidak lengkap. Metode Dempster Shafer Analytic Hierarchy Process (DS/AHP) merupakan suatu teknik yang mendukung proses pengambilan
keputusan, pertama kali
diperkenalkan oleh Beynon, Curry dan M organ di tahun 2000 dan dikembangkan lebih lanjut oleh Beynon, Cosker dan M arshall di tahun 2002. Dalam metoda ini, kriteria dan alternative keputusan disusun dalam bentuk hirarki (hierarchical decision structure), seperti pada metode AHP. Pembobotan terhadap decision alternative/group alternative (DA) dilakukan terhadap seluruh alternatif, kemudian penggabungan alternatif antar kriteria dilakukan dengan menggunakan dempster-shafer theory (DST). Dalam setiap proses pengambilan keputusan selalu ada minimal satu kriteria dan lebih dari satu alternative keputusan (decision alternative). Untuk mendapatkan suatu keputusan, setiap alternative keputusan diberi nilai/bobot. Jika kriteria yang digunakan lebih dari satu, maka pembobotan juga dilakukan untuk masing-masing kriteria. Total nilai suatu alternative diperoleh dengan menjumlahkan bobot alternative tersebut yang berasal dari seluruh kriteria. Dalam memberikan bobot baik untuk alternatif maupun kriteria, tentunya harus didasarkan pada data/informasi/pengetahuan yang memadai. Pada kenyataannya, data/informasi/pengetahuan tidak selalu kita miliki, sehingga bobot yang diberikan juga tidak berdasar, asal-asalan yang pada akhirnya hasil/keputusan yang diambil tidak tepat.
18 M etode DS/AHP dikembangkan untuk mengatasi permasalahan ini. Dalam DS/AHP, ketiadaan data/informasi/pengetahuan juga dimodelkan/diberi bobot, yaitu dengan jalan mengikut sertakan kumpulan seluruh kriteria/alternatif sebagai salah satu item dalam pembobotan. Prosedur pengambilan keputusan dengan DS/AHP 1. M enentukan bobot masing-masing kriteria 2. Untuk setiap kriteria, tentukan bobot masing-masing Decision Alternative (DA), yang terdiri dari satu atau lebih alternatif, kemudian untuk mempermudah, buat gambar hirarkinya. 3. Untuk suatu kriteria (kriteria utama), tentukan bobot masing-masing DA, dengan menggunakan pairwise comparison antara masing-mas ing DA dengan DA yang berisi seluruh alternatif. Hasilnya ditabulasi dalam komparasi matriks sebagai berkut
Θ
Θ
1⁄
1
0
0
0
1
0
0
0
1
1⁄
1⁄
1
19 Dengan, S1, S2,… Sd adalah group desition alternative (DA), Θ adalah DA yang berisi seluruh alternatif, a1, a2,… ad adalah bobot untuk S1, S2,… Sd terhadap Θ (hasil dari pairwise comparison), p adalah bobot kriteria dan d adalah jumlah DA. Bobot DA tercermin dari nilai priority vector, yang dikenal juga dengan sebutan mass value, m(si). Nilai (msi) antara 0 dan 1, sedangkan total m(si) dalam suatu jenis kriteria adalah satu, Σm(si) = 1. Ulangi pembobotan DA ini untuk kriteria lainnya. 4. Setelah DA untuk semua kriteria diberi bobot, maka selanjutnya hitung bobot untuk setiap alternatif yang ada dengan menggunakan rumus Dempster’s Rules of Combination di bawah ini
0,
∑
,
1
;
,
;
0 0,1,2, … 0,1,2, …
0,1,2, … 0,1,2, …
1, 1,
1, 1,
Persamaan ini dibuat dengan asumsi jumlah kriterianya ada 2 (yang diwakili oleh m1 dan m2). Setelah perhitungan ini, bobot tiap alternatif, m(A) sudah diperoleh. Selanjutnya, keputusan diambil berdasarkan hasil perhitungan tersebut.
20 2.4 Komputer Komputer berasal dari bahasa latin computare yang mengandung arti menghitung. Karena luasnya bidang garapan ilmu komputer, para pakar dan peneliti sedikit berbeda dalam mendefinisikan termininologi komputer.
2.4.1
Artificial intelligence Artificial Intelligence / AI didefinisikan sebagai aktifitas mengikut sertakan
mesin seperti komputer yang mempunyai kemampuan untuk menampilkan tingkah laku yang dianggap bersifat intelligent jika dibandingkan dengan tingkah laku manusia. AI ini pertama kali muncul sejak dua tahun setelah komputer pertama digunakan untuk keperluan yang berhubungan dengan bisnis.
2.4.2
Sejarah AI Pada tahun 1956 diselenggarakan pertemuan di Dartmounth Colleg. Pertemuan
ini dihadiri oleh M aein M insky dan John M cCartly dari Dartmounth, Nathaniel Rochester dari IBM , dan Claude Shannon dari Bell Laboratories. Pada pertemuan itu berhasil ditemukan istilah Artificial Intelegence, dan mereka menamakan program komputer AI yang pertama dengan sebutan Logic Theorist.
21 2.4.3
Bidang AI AI terdiri dari bidang kerja sebagai berikut:
1. Persepsi Penggunaan tampilan visual dan signal auditory untuk memberikan instruksi kepada komputer dan peralatan lain seperti robot. 2. Belajar Kemampuan komputer dan peralatan lain untuk mendapatkan pengetahuan, selain apa yang telah dimasukkan ke dalam memorinya oleh pembuatnya. 3. Pemrograman otomatis Kemampuan komputer untuk mengkodeprogram dari instruksi yang diberikan oleh pemakai dalam bahasa yang menyerupai percakapan sehari-hari.
Pada tahun 1982, Sleeman dan Brown mengulas kembali keberadaan CAI dengan istilah Intelligent Tutoring System (ITS) untuk menggambarkan perkembangan sistem dan membedakannya dari sistem CAI yang dibuat sebelumnya. Asumsi yang terkandung tentang pelajar sekarang memusat kepada learning-by-doing (pembelajaranoleh-tindakan). M ereka menggolongkan keberadaan ITS sebagai sistem yang berbasiskomputer sebagai: 1. pengamat permasalahan dan pemecahannya
22 2. pengajar 3. instruktur laboratorium 4. konsultan (Sleeman & Brown, 1982) Penekanan di dalam sistem ini masih merupakan bentuk penelitian untuk menyaring teori AI, tetapi sekarang peneliti sedang berpikir tentang cara menyajikan pengetahuan siswa di dalam sistem ini. Di sini kita temukan penggunaan pertama kali istilah model dari siswa untuk menggambarkan suatu penyajian abstrak mengenai siswa di dalam program komputer. Banyak teknik yang digunakan dalam kecerdasan buatan, diantaranya adalah sistem pakar, algoritma genetika, logika fuzzy, jaringan bayes, dempster-shafer dan lain sebagainya. Pada sistem ini kecerdasan buatan yang digunakan merujuk kepada teori dempster-shafer.
2.5 Microsoft Visual C# Dewasa ini, C# telah menjadi bahasa pemrograman yang tergolong populer. Kepopulerannya ini tidak hanya di kalangan pemrogram, tetapi juga di dunia pendidikan bahkan tidak sedikit perusahaan-perusahaan besar yang mempercayakan sistemnya dibangun menggunakan C#. M icrosoft Visual C# (dibaca C Sharp atau C Kres) bukanlah sekedar bahasa pemrograman biasa, tetapi juga disebut Software Development Tool. M aksudnya adalah C# dapat digunakan untuk membangun
program-program aplikasi. Beberapa
kemampuan C# sebagai sebuah Software Development Tool adalah:
23 •
M embuat aplikasi-aplikasi berbasis console, desktop, internet, ActiveX, file Help, mobile, dan lainnya.
•
M enguji program (debugging), memberikan pesan kesalahan tanpa harus melakukan eksekusi terlebih dahulu, menghasilkan file executable atau file yang dapat langsung dijalankan. C# ialah bahasa pemrograman terbaru yang yang kaya dengan beragam fitur
untuk meningkatkan produktivitas dan kehandalan dalam membuat suatu aplikasi. Kehandalan tersebut di-implementasikan lewat penambahan kontrol - kontrol baru dan “language enhancement”. M icrosoft Visual C# yang diciptakan oleh Anders Hejlsberg ini memang merupakan pengembangan dari bahasa C. Hanya sama seperti Java, M icrosoft Visual C# telah menghilangkan fitur-fitur pada C yang dianggap kurang baik. Oleh karena itulah digunakan tanda #, yang dalam dunia musik menunjukkan bahwa suatu nada lebih tinggi dari nada lainnya. Jadi dimaksudkan bahwa C# merupakan bahasa yang lebih tinggi dari bahasa C. Bahasa C, C++, Java, dan C# lebih dikenal dengan sebutan keluarga besar pemrograman C atau bahasa pemrograman berbasis bahasa C. C++ mengandung semua hal yang dimiliki oleh C tetapi memiliki fitur yang tidak dimiliki oleh C. Sementara Java dan C# meskipun masih berbasis bahasa C, dan antara bahasa Java dan C# memiliki kesamaan dalam berbagai bidang, namun tidak dengan bahasa C++. M eskipun demikian, semuanya menggunakan banyak sintaksis atau kode program yang mirip, seperti void, int, struct, dan lain sebagainya.
24 Penggunaan C# juga didasari oleh tingkat penggunaannya. Jika akan membuat sebuah aplikasi tingkat menengah keatas, maka C# merupakan salah sati pilihan yang tepat. Selain pada umumnya bahasa pemrograman hanya dapat membuat satu jenis aplikasi, desktop saja atau web saja. Namun berbeda dari kebanyakan bahasa pemrograman lainnya, C# sangatlah tepat apabila digunakan untuk berbagai jenis aplikasi. Bahasa pemrograman yang sedang gencar dikembangkan oleh M icrosoft untuk menyaingi Java ini juga terus dilengkapi dengan fitur-fitur yang semakin mudah dan lengkap. M isalnya saja COM Component atau template untuk membuat Windows Media Player, browser, dan lain sebagainya. Hal ini tentunya sangat membantu para programmer.
2.6 Interaksi Manusia dan Komputer Salah satu aspek yang penting untuk diperhatikan dalam pembuatan program adalah aspek interaksi manusia dan komputer. Hal ini akan terasa lebih signifikan apabila pengguna program adalah pengguna yang masih sangat awam terhadap komputer. Jadi, pemrogram yang baik akan memperhatikan aspek ini supaya program yang dibuat bersifat seinteraktif mungkin. Tingkat ke-interaktifan suatu program merupakan salah satu hal yang menjadikan kualitas program tersebut tergolong baik. Dengan kata lain, suatu program yang interaktif dan baik harus bersifat user friendly.
25 Ciri-ciri program yang bersifat user friendly: 1. Waktu penguasaan program yang relatif sebentar 2. Penyajian informasi yang cepat dan tepat 3. Tingkat kesalahan pemakaian program yang relatif rendah 4. Penghafalan sesudah melampaui suatu jangka waktu tertentu 5. Tingkat kepuasan pribadi
Selain hal-hal di atas, dalam merancang system interaksi manusia dan komputer yang baik juga harus memperhatikan delapan aturan utama (eight golden rules), yaitu: 1. Strive for consistency (berusaha untuk konsisten) Interaksi yang baik dari suatu program kepada pengguna akan lebih baik apabila program selalu berusaha untuk konsisten. 2. Enable frequent user to use shortcuts Program yang baik disarankan memiliki jalan pintas untuk pengguna yang sudah cukup mahir. 3. Offer informative feedback Apabila pengguna tidak sesuai dengan apa yang diingini, baiknya suatu program dapat memberikan balasan kepada pengguna se-informatif mungkin. 4. Design dialogs to yield closure Sebisa mungkin program dapat membantu pengguna mengetahui kapan awal dan akhir dari suatu aksi dari program tersebut.
26 5. Offer simple error handling Sebisa mungkin sistem dapat membantu pengguna untuk mencegah terjadinya kesalahan yang dapat dengan mudah dimengerti oleh pengguna program. 6. Permit easy reversal of actions Kemungkinan penguna program melakukan kesalahan tentunya sangat tinggi, maka akan terasa lebih baik apabila pada program dilengkapi dengan tombol kembali ke aksi sebelumnya. 7. Support internal locus of control Apabila memungkinkan, pengguna dapat menguasai serta memberikan kontrol terhadap jalannya program. 8. Reduce short term memory load Program yang baik akan meminimalisir beban ingatan jangka pendek pengguna, sehingga pengguna akan dengan mudahnya menggunakan sistem tersebut tanpa harus banyak menghafal.