BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

2.1.

Sistem Pendukung Keputusan

Sistem adalah sekelompok unsur yang berhubungan erat satu dengan lainnya, yang berfungsi bersama-sama untuk mencapai tujuan tertentu.(Syahfitri . 2013). Pada tahun 1970-an Michael S. Scott Morton pertama kali memperkenalkan Sistem Pendukung Keputusan, merupakan sistem informasi berbasis komputer interakfif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur. Pada proses pengambilan data dan pengolahan data dalam Sistem Pendukung Keputusan diperoleh hasil yang bersifat alternatif dan tidak diharuskan untuk mengikutinya. Sistem pendukung keputusan yang merupakan penerapan dari system informasi ditujukan hanya sebagai sebuah alat untuk membantu pengguna dalam mengambil keputusan. Sistem pendukung keputusan tidak dimaksudkan untuk menggantikan fungsi pengambil keputusan dalam membuat keputusan, melainkan hanyalah sebagai alat bantu pengambil keputusan dalam melaksanakan tugasnya. Sistem pendukung keputusan menurut Gorry Dan Scout Morton adalah sistem berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur.( Susanti, Winiarti, 2013). Saat ini, pengambilan keputusan dirasa lebih sulit karena kebutuhan akan kecepatan dalam pengambilan keputusan terus meningkat. kelebihan informasi merupakan masalah umum yang menyebabkan penyimpangan informasi. Sisi yang positif dalam permasalahan ini adalah harus adanya suatu penekanan lebih besar terhadap proses pengambilan keputusan. Dalam suatu pengambilan keputusan yang kompleks dibutuhkan suatu pendukung keputusan yang bersifat komputerisasi, yang menyediakan bukti yang dirancang sebaik mungkin sesuai dengan penyimpanan data sistem komputer yang membantu pengambilan keputusan agar dapat mendorong dan

Universitas Sumatera Utara

6

meningkatkan kualitas suatu keputusan serta meningkatkan daya guna dan tepat guna dalam proses pengambilan keputusan. ( Power. J, Daniel. 2009)

2.2.

Gym

Gym adalah kegiatan olahraga pembentukan otot-otot tubuh/fisik yang dilakukan secara rutin dan berkala, yang bertujuan untuk menjaga fitalitas tubuh dan berlatih disiplin.fitnes adalah aktivitas angkatangkat besi yang hanya dilakukan oleh pria berusia muda yang ingin membesarkan badan. Definisi kata Gym itu sendiri adalah "kebugaran" atau Gym juga berarti "lebih dari sekedar sehat". Latihan ( beban dan aerobic ) hanyalah salah satu elemen dari gaya hidup Gym. Dan gaya hidup Gym pada dasarnya adalah gaya hidup yang melibatkan kegiatan ataupun aktivitas yang membuat orang menjadi lebih bugar dan jarang sakit..(Kusumasari, D.W. 2013)

2.3.

Metode Profile Matching

Penelitian ini menggunakan metode Profile matching, Profile matching merupakan suatu metode penelitian yang dapat digunakan pada sistem pendukung keputusan, proses penilaian kompetensi dilakukan dengan membandingkan antara satu profil nilai (nilai kebutuhan kompetensi) dengan beberapa profil nilai kompetensi lainnya, sehingga dapat diketahui hasil dari selisih kebutuhan kompetensi yang dibutuhkan, selisih dari kompetensi disebut gap, dimana gap yang semakin kecil memiliki nilai yang semakin tinggi. Pencocokan profil ( profile matching ) adalah sebuah mekanisme pengmbilan keputusan dengan mengamsusikan bahwa terdapat tingkat variabel predictor yang ideal yang harus dimiliki oleh pelamar, bukannya tingkat minimal yang harus dipenuhi atau dilewati. Dalam pencocokan profil, dilakukan identifikasi terhadap kelompok karyawan yang baik maupun buruk.


7

Proses perhitungan profile matching terdiri atas beberapa proses yaitu Pemetaan Gap, Penentuan Bobot Nilai Gap, Perhitungan Core factor dan Secondary factor. Tahapan dalam profile matching yaitu : 1. Menentukan kriteria dengan nilai bobot kriteria, untuk nilai bobot criteria nantinya akan dihitung pada proses terakhir setelah didapatkan nilai dari tiap kriteria. 2. Penentuan core dan secondary faktor beserta parameter nilai subkriteria yang digunakan sebagai nilai kompetensi. 3. Perhitungan gap kompetensi yaitu proses pencocokan profil nilai bidan dengan profil nilai desa yang menghasilkan nilai gap dari kompetensi. 4. Penggabungan subkriteria core dan secondary factor untuk memperoleh perhitungan nilai total kriteria. 5. Tahapan terakhir dari profil matching yaitu melakukan perhitungan pada semua nilai total kriteria dan bobot kriteria, untuk menghasilkan perangkingan dari

nilai

kompetensi.

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 Profil Konsumen – Nilai Minimal 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 table 1.1


8

Tabel 2.1. Bobot Nilai Bobot

Keterangan

no

selisih

1

O

5

Tidak ada selisih

2

1

4,5

Kompetensi individu kelebihan 1 tingkat/level

3

-1

4

Kompetensi individu kekurangan 1 tingkat/lelvel

4

2

3,5


5

-2

3

Kompetensi individu kekurangan 2 tingkat/level

6

3

2,5


7

-3

2


8

4

1,5


9

-4

1


nilai

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 :

𝑁𝑁𝑁𝑁𝑁𝑁 =

∑𝑁𝑁𝑁𝑁(𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎) ∑𝐼𝐼𝐼𝐼

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:

Keterangan : NSF

𝑁𝑁𝑁𝑁𝑁𝑁 =

∑ 𝑁𝑁𝑁𝑁(𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎) ∑𝐼𝐼𝐼𝐼

= Nilai rata-rata secondary factor.


9

NC(aspek)

= Jumlah total nilai Secondary factor.

IC

= Jumlah item secondary factor.

5. Perhitungan Nilai Total Untuk menghitung nilai total, rumus yang digunakan yaitu : (x)%NCF(aspek) + (x)%NSF(aspek) = Ntotal(aspek)

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

perankingan

mengacu

pada

hasil

perhitungan

menggunakan rumus sebagai berikut : Rangking = (x)% Ns Keterangan : Ns

= Nilai aspek

(x)%

= Nilai persen yang diinputkan

(Islami, 2015)

2.4.

Metode TOPSIS TOPSIS adalah salah satu metode pengambilan keputusan multikriteria atau

alternatif pilihan yang merupakan alternatif yang mempunyai jarak terkecil dari solusi ideal positif dan jarak terbesar dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean. Namun, alternatif yang mempunyai jarak terkecil dari solusi ideal positif, tidak harus mempunyai jarak terbesar dari solusi ideal negatif.Maka dari itu, TOPSIS mempetimbangkan keduanya, jarak terhadap solusi ideal


10

positif dan jarak terhadap solusi ideal negatif secara bersamaan.Solusi optimal dalam metode TOPSIS didapat dengan menentukan kedekatan relatif suatu altenatif terhadap solusi ideal positif. TOPSIS akan merangking alternatif berdasarkan prioritas nilai kedekatan relatif suatu alternatif terhadap solusi ideal positif. Alternatif-alternatif yang telah dirangking kemudian dijadikan sebagai referensi bagi pengambil keputusan untuk memilih solusi terbaik yang diinginkan.(Harahap F. K. 2013)

2.4.1.Kegunaan Metode TOPSIS

TOPSIS telah digunakan dalam banyak aplikasi termasuk keputusan investasi keuangan, perbandingan performansi dari perusahaan, pebandingan dalam suatu industri khusus, pemilihan sistem operasi, evaluasi pelanggan, dan perancangan robot. (Harahap F. K. 2013)

2.4.2. Langkah-langkah Metode TOPSIS Berikut adalah langkah-langkah dari metode TOPSIS : 1. Membangun sebuah matriks keputusan. Matriks keputusan X mengacu terhadap m alternatif yang akan dievaluasi berdasarkan n kriteria. Matriks keputusan Xdapat dilihat sebagai berikut :


11

keterangan: ai( i = 1, 2, 3, . . . , m ) adalah alternatif-alternatif yang mungkin, xj (j = 1, 2, 3, . . . ,n ) adalah atribut dimana performansi alternatif diukur, xijadalah performansi alternatif ai dengan acuan atribut xj. 2. Membuat matriks keputusan yang ternormalisasi. Persamaan yang digunakan untuk mentransformasikan setiap elemen xijadalah:

dengani = 1, 2, 3, . . . , m; dan j = 1, 2, 3, . . . , n; keterangan:

rijadalah elemen dari matriks keputusan yang ternormalisasi R, xijadalah elemen dari matriks keputusan X.

3. Membuat matriks keputusan yang ternormalisasi tebobot. Dengan bobot wj = ( w1, w2 , w3 , . . . , wn ), dimana wj adalah bobot dari kriteria ke-j dan ∑𝑛𝑛𝑗𝑗=1 𝑤𝑤𝑗𝑗 = 1 , maka normalisasi bobot matriks V adalah : vij = wj rij

Dengan i = 1, 2, 3, . . . ,m; dan j = 1, 2, 3, . . . , n. Keterangan:


12

vijadalah elemen dari matriks keputusan yang ternormalisai terbobot V, wjadalah bobot kriteria ke-j rijadalah elemen dari matriks keputusan yang ternormalisasi R. 4. Menentukan matriks solusi ideal positif dan solusi ideal negatif. Solusi ideal

positif dinotasikan A+, sedangkan solusi ideal negatif dinotasikan A-. Berikut ini adalah persamaan dari A+ dan A- : a. A+

= {( maxvij | j∈J ), ( min vij | j∈J’ ), i = 1, 2, 3, …, m)

= { 𝑣𝑣1− , 𝑣𝑣2− , 𝑣𝑣3− , … , 𝑣𝑣𝑛𝑛−} b. A-

= {( minvij | j∈J ), ( max vij | j∈J’ ), i = 1, 2, 3, …, m)

= { 𝑣𝑣1− , 𝑣𝑣2− , 𝑣𝑣3− , … , 𝑣𝑣𝑛𝑛−}

J = { j = 1, 2, 3, … n dan J merupakan himpunan kriteria keuntungan ( benefit criteria)}. J’ = { j = 1, 2, 3, … n dan J’ merupakan himpunan kriteria biaya (costcriteria) Keterangan: vij adalah elemen dari matriks keputusan yang ternormalisasi terbobot V, 𝑣𝑣𝑗𝑗+( j = 1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal positif,

𝑣𝑣𝑗𝑗−= ( j = 1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal negatif. 5. Menghitung separasi a.S+adalah jarak alternative dari solusi ideal positif didefenisikan sebagai: 𝑠𝑠𝑖𝑖+ =�∑𝑛𝑛𝑗𝑗=1(𝑣𝑣𝑖𝑖𝑖𝑖 − 𝑣𝑣𝑘𝑘+ )2 , dengan i = 1, 2, 3, . . . ,m


13

b. S-adalah jarak alternative dari solusi ideal negatif didefenisikan sebagai: 𝑠𝑠𝑖𝑖−=�∑𝑛𝑛𝑗𝑗=1(𝑣𝑣𝑖𝑖𝑖𝑖 − 𝑣𝑣𝑘𝑘− )2 , dengan i = 1, 2, 3, . . . ,m keterangan:

𝑠𝑠𝑖𝑖+adalah jarak alternative ke-I dari solusi ideal positif,

𝑠𝑠𝑖𝑖−adalah jarak alternative ke-I dari solusi ideal negatif,

vijadalah elemen dari matriks keputusan yang ternormalisasi terbobot V, 𝑣𝑣𝑗𝑗+adalah elemen matriks solusi ideal positif,

𝑣𝑣𝑗𝑗−adalah elemen matriks solusi ideal negative

6. Menghitung kedekatan terhadap solusi ideal positif. Kedekatan relatif dari setiap alternative terhadap solusi ideal positif dapat dihitung dengan menggunakan persamaan berikut:

dengani = 1 ,2 , 3, . . . , m keterangan : 𝑐𝑐𝑗𝑗+adalah kedekatan relatif dari alternative ke-I tehadap solusi ideal positif, 𝑠𝑠𝑖𝑖+adalah jarak alternatif ke-I dari solusi ideal positif,

𝑠𝑠𝑖𝑖−adalah jarak alternative ke-I dari solusi ideal negatif.

7. Merangking aternatif.

Alternative diurutkan dari nilai C+ terbear ke nilai terkecil.Alternatif dengan nilai C+ terbesar merupakan solusi terbaik.(Harahap F. K. 2013)


BAB 2 LANDASAN TEORI

Recommend Documents