BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

2.1 Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (Decision Support Sistem) merupakan suatu istilah yang mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan. Untuk memberikan pengertian tersebut, disini akan diuraikan definisi mengenai Sistem Pendukung Keputusan. SPK merupakan suatu sistem yang interaktif, yang membantu mengambil keputusan melalui penggunaan data dan modelmodel keputusan untuk memecahkan masalah yang sifatnya semi terstruktur maupun yang tidak terstruktur, di mana tidak seorang pun mengetahui secara pasti bagaimana keputusan tersebut seharusnya dibuat [4].

SPK atau Decision Support Sistem (DSS) adalah merupakan suatu kumpulan sistem yang dapat mendukung proses pengambilan keputusan yang selanjutnya dapat menunjang pengambilan keputusan dalam memperoleh data dan menguji beberapa alternatif-alternatif solusi yang mengandung konsekuensi-konsekuensi selama proses pemecahan masalah berlangsung, atau boleh disebut juga merupakan aplikasi dari sebuah sistem informasi yang membantu proses pengambilan keputusan.

SPK tidak ditekankan untuk membuat keputusan, tetapi untuk melengkapi mereka yang terlibat dalam pengambilan keputusan dengan sekumpulan kemampuan untuk mengolah informasi yang diperlukan dalam proses pengambilan keputusan dan sistem ini bukan dimaksudkan untuk mengganti pengambilan keputusan dalam membuat suatu keputusan, melainkan mendukung pengambil keputusan. Pada dasarnya, konsep SPK hanyalah terbatas pada kegiatan membantu para manager melakukan pembuatan keputusan dan tidak melakukan penilaian serta menggantikan posisi ataupun peran seorang manager [3].

Universitas Sumatera Utara

7

2.1.1 Karakteristik Sistem Pendukung Keputusan

Adapun beberapa karakteristik dari Sistem Pendukung Keputusan menurut Turban [10] adalah sebagai berikut: 1. Sistem Pendukung Keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur. 2. Sistem Pendukung Keputusan dirancang sedemikian rupa sehingga dapat dioperasikan dengan mudah oleh orang-orang yang tidak memiliki dasar kemampuan yang tinggi. Oleh karena itu pendekatan yang digunakan biasanya model interaktif. 3. 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.

2.1.2 Manfaat Sistem Pendukung Keputusan

Berdasarkan berbagai karakteristik khusus seperti yang telah dikemukakan di atas, sistem pendukung keputusan dapat memberikan manfaat atau keuntungan bagi pemakainya, yaitu sebagai berikut: 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.

2.1.3 Keterbatasan Sistem Pendukung Keputusan

Terdapat beberapa keterbatasan dalam sistem pendukung keputusan menurut Rahman [7], yaitu sebagai berikut:


8

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 SPK terbatas pada perbendaharaan pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar). 3. Proses-proses yang dapat dilakukan SPK biasanya juga tergantung pada perangkat lunak yang digunakan. 4. SPK tidak memiliki kemampuan intuisi seperti yang dimiliki manusia. Sistem ini dirancang hanyalah untuk membantu pengambilan keputusan dalam melaksanakan tugas.

2.1.4 Komponen Sistem Pendukung Keputusan

Komponen-komponen Sistem Pendukung Keputusan dapat diuraikan dalam beberapa subsistem sebagai berikut: 1. Manajemen Data, mencakup database yang mengandung data yang relevan dan diatur oleh sistem yang disebut Database Management System (DBMS). DBMS merupakan komponen penting dari suatu sistem pendukung keputusan. Sebuah pengelolaan database yang efektif dapat menunjang segala aktivitas manajemen, terutama perannya sebagai fungsi utama penyajian informasi dalam pembuatan keputusan. 2. Manajemen Model, merupakan paket perangkat lunak yang memasukkan modelmodel finansial, statistik, ilmu manajemen, atau model kuantitatif yang lain yang menyediakan kemampuan analisis sistem dan management software yang terkait. Model ini cenderung tidak mencukupi karena terdapat kesulitan dalam mengembangkan model yang terintegrasi untuk menangani sekumpulan keputusan yang saling bergantungan. Biasanya cara yang digunakan untuk mengatasi persoalan tersebut adalah dengan menggunakan koleksi berbagai model yang dibuat terpisah dalam menangani bagian yang berbeda dari suatu masalah tersebut. Komunikasi antara bermacam model tersebut diserahkan kepada pengambil keputusan.


9

3. Antarmuka Pengguna, media interaksi antara sistem dengan pengguna, sehingga pengguna dapat berkomunikasi dan memberikan perintah pada SPK melalui subsistem ini. Subsistem dari antarmuka pengguna dibagi menjadi tiga bagian menurut Suryadi [8], yaitu sebagai berikut: a. Bahasa aksi Bagian ini meliputi apa yang dapat digunakan oleh pemakai (user) dalam berkomunikasi dengan sistem. b. Bahasa tampilan dan presentasi Bagian ini meliputi apa yang dapat digunakan untuk menampilkan sesuatu. Contoh dari bagian ini meliputi pilihan-pilihan seperti layar tampilan, warna, suara, dan lain sebagainya. c. Basis pengetahuan Bagian ini meliputi apa yang harus diketahui oleh pemakai agar pemakaian sistem tersebut dapat lebih efektif. Bagian ini dapat berupa buku manual ataupun petunjuk penggunaan sistem tersebut. 4. Subsistem Berbasis Pengetahuan, subsistem yang dapat mendukung subsistem lain atau bertindak sebagai komponen yang berdiri sendiri.

Gambar 2.1 Model Konseptual SPK [10]


10

2.1.5 Proses Pengambilan Keputusan

Penyusunan model keputusan merupakan suatu cara untuk mengembangkan hubungan-hubungan logis yang mendasari persoalan keputusan ke dalam suatu model matematis, yang mencerminkan hubungan yang terjadi di antara faktor-faktor yang terlibat [8]. Adapun beberapa model yang menggambarkan proses pengambilan keputusan menurut Suryadi [8] adalah sebagai berikut: 1. Fase Penelusuran (Intelligence) Tahap ini merupakan tahap pendefinisian masalah serta identifikasi informasi yang dibutuhkan yang berkaitan dengan persoalan yang dihadapi serta keputusan yang akan diambil. 2. Fase Perancangan (Design) Tahap ini merupakan suatu proses untuk merepresentasikan model sistem yang akan dibangun berdasarkan pada asumsi yang telah ditetapkan. Dalam tahap ini, suatu model dari masalah dibuat, diuji, dan divalidasi. 3. Fase Pemilihan (Choice) Tahap ini merupakan suatu proses melakukan pengujian dan memilih keputusan terbaik berdasarkan kriteria tertentu yang telah ditentukan dan mengarah kepada tujuan yang akan dicapai. 4. Fase Implementasi (Implementation) Tahap ini merupakan tahap pelaksanaan dari keputusan yang telah diambil. Pada tahap ini perlu disusun serangkaian tindakan yang terencana, sehingga hasil keputusan dapat dipantau dan disesuaikan apabila diperlukan perbaikan-perbaikan.

Pada hakikatnya, proses pengambilan keputusan sama dengan proses pemecahan masalah, perbedaannya hanya terdapat pada bidang cakupannya saja. Seperti yang dikemukakan oleh Turban [10], terdapat tiga aktivitas utama dari proses pemecahan masalah, yaitu : 1. Menelusuri akar permasalahannya, 2. Merumuskan berbagai skenario pemecahan masalah(alternatif), dan 3. Memilih alternatif terbaik


11

2.2 Multiple Attribute Decision Making (MADM)

Multiple Attribute Decision Making (MADM) merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteriakriteria tertentu. MADM menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan [6].

Pada dasarnya, terdapat 3 pendekatan dalam mencari nilai bobot atribut menurut Kusumadewi [5], yaitu: 1. Pendekatan subyektif 2. Pendekatan obyektif 3. Pendekatan integrasi antara subyektif dan obyektif

Nilai bobot pada pendekatan subyektif ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif dapat ditentukan secara bebas. Nilai bobot pada pendekatan obyektif dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan.

Salah satu metode yang dapat digunakan untuk mengatasi permasalahan multikriteria adalah metode TOPSIS (Technique For Order Preference by Similarity to Ideal Solution).

2.2.1 TOPSIS (Technique for Order Preference by Similarity to Ideal Solution)

TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang tahun 1981, dengan ide dasarnya berupa alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal positif dan memiliki jarak terjauh dari solusi ideal negatif. TOPSIS memberikan sebuah solusi dari sejumlah alternatif yang mungkin dengan cara membandingkan setiap alternatif dengan alternatif terbaik dan alternatif terburuk yang ada diantara alternatif-alternatif masalah. Metode ini menggunakan jarak untuk melakukan perbandingan tersebut.


12

TOPSIS mengasumsikan bahwa setiap kriteria akan dimaksimalkan dan diminimalkan. Maka dari itu nilai solusi ideal positif dan solusi ideal negatif dari setiap kriteria ditentukan, dan setiap alternatif dipertimbangkan dari informasi tersebut. Solusi ideal positif didefinisikan sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi ideal negatif terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut. TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternatif dapat dicapai. Metode ini banyak digunakan untuk menyelesaikan pengambilan keputusan [1]. Hal ini disebabkan konsepnya yang sederhana, mudah dipahami, komputasinya efisien dan memiliki kemampuan mengukur kinerja relatif dari alternatif keputusan.

2.2.2 Langkah-Langkah Metode TOPSIS

Langkah-langkah dalam melakukan perhitungan dengan metode TOPSIS adalah sebagai berikut: 1. TOPSIS dimulai dengan membangun sebuah matriks keputusan. Matriks keputusan X mengacu terhadap m alternatif yang akan dievaluasi berdasarkan n kriteria. Matriks keputusan X dapat dilihat pada Gambar 2.2.

x x x a  x x x a x x x a  x x x 1

2

.

3

.

x

.

n

  . . . 2 21 22 23 2n   . . . 3 31 32 33 3n  . . .  X .  . .  . . . .    .  . . . .  Gambar . . . xXmn  am  xm1 2.2xmMatriks xm3 Keputusan 2 1

11

12

13

.

.

.

x x x

1n

dimana:

a i ( i = 1, 2, 3, . . . , m ) adalah alternatif-alternatif yang memungkinkan, x j ( j =1, 2, 3, . . . , n ) adalah atribut dimana performansi alternatif diukur,


13

xij adalah performansi alternatif a i dengan acuan atribut x j .

2. Membuat matriks keputusan yang ternormalisasi. Persamaan yang digunakan untuk mentransformasikan setiap elemen xij , adalah sebagai berikut:

rij 

X ij m

X i 1

2 ij

..………………(2.1)

dimana: i = 1, 2, 3, . . . , m; dan j = 1, 2, 3, . . . , n; rij adalah elemen dari matriks keputusan yang ternormalisai R, xij adalah elemen dari matriks keputusan X.

3. Membuat matriks keputusan yang ternormalisasi terbobot. Dengan bobot w j = ( w1 , w2 , w3 , . . . , wn ), dimana w j adalah bobot dari kriteria ke-j dan



n j 1

w j  1 , maka normalisasi bobot matriks V, adalah

v ij  w j * rij

………………..(2.2)

dimana: i = 1, 2, 3, . . . , m; dan j = 1, 2, 3, . . . , n. vij adalah elemen dari matriks keputusan yang ternormalisai terbobot V,

w j adalah bobot dari kriteria ke-j, rij adalah elemen dari matriks keputusan yang ternormalisai 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  :


14

a. A   {(max vij | j  J ), (min vij | j  J’ ), i = 1, 2, 3, . . . , m} = { v1 , v 2 , v3 , . . . , v n }

………………..(2.3)

b. A  {(min vij | j  J ), (max vij | j  J’ ), i = 1, 2, 3, . . . , m} = { v1 , v 2 , v3 , . . . , v n }

………………..(2.4)

dimana: 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 (cost criteria)}. vij adalah elemen dari matriks keputusan yang ternormalisai terbobot V,

v j ( j =1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal positif,

v j ( j =1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal negatif.

5. Menghitung separasi. a. S  adalah jarak alternatif dari solusi ideal positif didefinisikan sebagai:

si 

n

 (v j 1

ij

 v j ) 2 , dimana i = 1, 2, 3, . . . , m

………………..(2.5)

b. S  adalah jarak alternatif dari solusi ideal negatif didefinisikan sebagai [1]:

si 

n

 (v j 1

ij

 v j ) 2 , dimana i = 1, 2, 3, . . . , m

………………..(2.6)

dimana: si adalah jarak alternatif ke-i dari solusi ideal positif, si adalah jarak alternatif ke-i dari solusi ideal negatif,

vij adalah elemen dari matriks keputusan yang ternormalisai terbobot V,

v j adalah elemen matriks solusi ideal positif, v j adalah elemen matriks solusi ideal negatif.


15

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

si c   ( si  si )  i

………………..(2.7)

dimana: i = 1, 2, 3, . . . , m ci adalah kedekatan relatif dari alternatif ke-i terhadap solusi ideal positif,

si adalah jarak alternatif ke-i dari solusi ideal positif, si adalah jarak alternatif ke-i dari solusi ideal negatif.

7. Merangking Alternatif. Alternatif diurutkan dari nilai C  terbesar ke nilai terkecil. Alternatif dengan nilai C  terbesar merupakan solusi yang terbaik.

2.3 Penentuan Operator Terbaik

Terdapat beberapa kriteria yang digunakan dalam menentukan operator terbaik. Kriteria-kriteria yang dimaksud adalah sebagai berikut: 1. Jumlah keterlambatan Kriteria jumlah keterlambatan merupakan kriteria yang memperhitungkan berapa kali seorang operator gangguan datang tidak tepat pada waktu yang telah ditetapkan dalam ruang lingkup 1 bulan. 2. Work rate Kriteria work rate merupakan kriteria yang memperhitungkan berapa persen kasus yang berhasil ditangani oleh seorang operator gangguan sampai selesai dalam ruang lingkup 1 bulan. 3. Tanggung jawab Kriteria tanggung jawab merupakan kriteria yang memperhitungkan seberapa rasa tanggung jawab yang dimiliki oleh seorang operator gangguan dalam menjalankan tugas dan ketentuan yang telah ditetapkan dalam ruang lingkup 1 bulan.


BAB 2 LANDASAN TEORI

Recommend Documents