22
BAB 2
TINJAUAN PUSTAKA
2.1. Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan
2.1.1. Definisi Sistem Sistem adalah kumpulan objek seperti orang, sumber daya, konsep dan prosedur yang dimaksudkan untuk melakukan suatu fungsi yang dapat diidentifikasi atau untuk melayani suatu tujuan (Turban, 2005).
2.1.2. Definisi Keputusan Menurut Prof. Dr. Prajudi Atmosudirjo, SH, keputusan adalah suatu pengakhiran daripada proses pemikiran tentang suatu masalah atau problema untuk menjawab pertanyaan apa yang harus diperbuat guna mengatasi masalah tersebut, dengan menjatuhkan pilihan pada suatu alternative (Hasan, 2004).
2.1.3. Sistem Pendukung Keputusan Decision Support System (DSS) atau Sistem Pendukung Keputusan (SPK) secara umum didefinisikan sebagai sebuah sistem yang mampu memberikan kemampuan baik kemampuan pengkomunikasian untuk masalah semiterstruktur. Secara khusus, SPK didefenisikan sebagai sebuah sistem yang mendukung keja seorang manajer maupun sekelompok manajer dalam memecahkan masalah semi-terstruktur dengan cara memberikan informasi ataupun usulan menuju keputusan tertentu (Hermawan, 2005).
2.1.3.1. Dasar-dasar Sistem Pendukung Keputusan Menurut Hermawan (2005), Proses pengambilan keputusan melibatkan 4 tahapan, yaitu:
Universitas Sumatera Utara
23
a. Tahap Intelligence Dalam tahap ini pengambilan keputusan mempelajari kenyataan yang terjadi sehingga kita dapat mengidentifikasi dan mendefinisikan masalah yang sedang terjadi, biasanya dilakukan analisis berurutan dari sistem ke subsistem pembentuknya. Dari tahap ini didapatkan keluaran berupa dokumen pernyataan masalah. b. Tahap Design Dalam tahap ini pengambil keputusan menemukan, mengembangkan, dan menganalisis semua pemecahan yang mungkin, yaitu melalui pembuatan model yang bisa mewakili kondisi nyata masalah. Dari tahap ini didapatkan keluaran berupa dokumen alternatif solusi. c. Tahap Choice Dalam tahap ini pengambil keputusan memilih salah satu alternatif pemecahan yang dibuat pada tahap design yang dipandang sebagai aksi yang paling tepat untuk mengatasi masalah yang sedang dihadapi. Dari tahap ini didapatkan keluaran berupa dokumen solusi dan rencana implementasinya. d. Tahap Implementation Dalam tahap ini pengambilan keputusan menjalankan rangkaian aksi pemecahan yang dipilih di tahap choice. Implementasi yang sukses ditandai dengan terjawabnya masalah yang dihadapi, sementara kegagalan ditandai dengan tetap adanya masalah yang sedang dicoba untuk diatasi. Dari tahap ini didapatkan keluaran berupa laporan pelaksanaan solusi dan hasilnya.
2.1.3.2. Konsep Dasar Sistem Pendukung Keputusan Pada awalnya Turban & Aroson (1998), mendefinisikan sistem penunjang keputusan (Decision Support System – DSS) sebagai sistem yang digunakan untuk mendukung dan membantu pihak manajemen melakukan pengambilan keputusan pada kondisi semi terstruktur dan tidak terstruktur. Pada dasarnya konsep DSS hanyalah sebatas pada kegiatan membantu para manajer melakukan penilaian serta menggantikan posisi dan peran manajer.
Universitas Sumatera Utara
24
2.1.3.3. Komponen Sistem Pendukung Keputusan Menurut Hermawan (2005), Sistem Pendukung Keputusan terdiri atas tiga komponen penting, yaitu: 1. Manajemen Data Manajemen Data melakukan pengambilan data yang diperlukan baik dari database yang berisi data internal maupun database yang berisi data eksternal. Jadi, fungsi komponen data ini sebagai pengatur data-data yang diperlukan oleh Sistem Pendukung Keputusan. 2. Manajemen Model Manajemen Model melalui Model Base Management melakukan interaksi baik dengan User Interface untuk mendapatkan perintah maupun Data Management untuk mendapatkan data yang akan diolah. Jadi, tujuan dari Manajemen Model adalah untuk mengubah data yang ada pada Database menjadi informasi yang berguna dalam pengambilan keputusan. 3. Antarmuka Pengguna User Interface digunakan untuk berinteraksi antar user dengan DSS, baik untuk memasukkan informasi ke sistem maupun menampilkan informasi ke user. Karena begitu pentingnya komponen user interface bagi suatu sistem DSS, maka harus bisa merancang suatu user interface yang bisa mudah dipelajari dan digunakan user dan laporan yang bisa digunakan user serta pelaporan yang bisa secara mudah dimengerti oleh pengguna. (Suryadi, dkk, 2003).
2.2. Fuzzy Multiple Attribute Decision Making (FMADM) Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. ( Kusumadewi, 2006). Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM. antara lain (Kusumadewi, 2006) :
Universitas Sumatera Utara
25
a.
Simple Additive Weighting Method (SAW)
b.
Weighted Product (WP)
c.
ELECTRE
d.
Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
e.
Analytic Hierarchy Process (AHP)
2.2.1. Metode Analytical Hierarchy Process (AHP) Metode Analytical Hierarchy Process (AHP) merupakan salah satu model untuk pengambilan keputusan yang dapat membantu kerangka berfikir manusia. Pada dasarnya AHP adalah metode yang memecah suatu masalah yang kompleks dan tidak terstruktur ke dalam kelompok-kelompok, mengatur kelompok-kelompok tersebut ke dalam suatu susunan hirarki, memasukkan nilai numeris sebagai pengganti persepsi manusia dalam melakukan perbandingan relatif, dan akhirnya dengan suatu sintesis ditentukan elemen mana yang mempunyai prioritas tertinggi. (Permadi, 1992).
2.2.1.1.
Konsep Dasar Analytical Hierarchy Process (AHP)
AHP merupakan pendekatan dasar untuk pengambilan keputusan. Dalam proses ini pembuat keputusan menggunakan Pairwise Comparison yang digunakan untuk membuat seluruh prioritas untuk mengetahui ranking dari alternatif. Metode ini dikembangkan oleh Thomas L. Saaty ahli matematika yang dipublikasikan pertama kali dalam bukunya The Analytical Hierarchy Process tahun 1980. AHP merupakan alat pengambilan keputusan yang menguraikan suatu permasalahan kompleks dalam struktur hirarki dengan banyak tingkatan yang terdiri dari tujuan, kriteria, dan alternatif. Peralatan utama dari model ini adalah sebuah hirarki fungsional dengan persepsi manusia sebagai input utamanya.
2.2.1.2.
Prosedur atau langkah-langkah AHP
Pada dasarnya langkah-langkah dalam metode AHP meliputi : 1. Menyusun hirarki dari permasalahan yang dihadapi. 2. Penilaian dan alternatif & Penetuan Prioritas.
Universitas Sumatera Utara
26
Kriteria dan alternatif dinilai melalui perbandingan berpasangan. Menurut Saaty (1988), untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik dalam mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty. Tabel 2.1. Skala Penilaian Perbandingan Berpasangan Intensitas Pentingnya
Definisi
Penjelasan
Kedua elemen sama pentingnya.
Dua elemen menyumbangnya
1
sama besar pada kriteria yang ada.
3
Elemen yang satu sedikit lebih
Pengalaman dan
penting ketimbang yang lainnya.
pertimbangan sedikit mendukung satu elemen atas yang lainnya.
5
Elemen yang satu esensial atau
Pengalaman dan
sangat penting ketimbang elemen
pertimbangan dengan kuat
yang lainnya.
mendukung satu elemen atas yang lainnya.
7
Satu elemen jelas lebih penting dari
Satu elemen dengan kuat
elemen yang lainnya.
didukung dan didominasinya telah terlihat dalam praktek.
9
Satu elemen mutlak lebih penting
Bukti yang mendukung
ketimbang elemen yang lainnya.
elemen yang lainnya memiliki tingkat penegasan tertinggi yang mungkin menguatkan.
2, 4, 6, 8
Nilai-nilai antara diantara dua
Kompromi diperlukan antara
pertimbangan yang berdekatan.
dua pertimbangan.
3. Mengukur konsistensi Perhitungan konsistensi logis dilakukan dengan mengikuti langkahlangkah sebagai berikut:
Universitas Sumatera Utara
27
- Mengalikan matriks dengan prioritas bersesuaian. - Menjumlahkan hasil perkalian per baris. - Hasil penjumlhan tiap baris dibagi prioritas bersangkutan dan hasilnya dijumlahkan. - Hasil c dibagi jumlah elemen, akan didapat λ maks. - Consistensi Indeks (CI) = (λmaks-n)/(n-1) - Consistensi Ratio = CI/RI, dimana RI adalah indeks random consistenci. Jika ratio ≤ 0.1, hasil perhitungan dapat dibenarkan. - Menghitung nilai lambda (λ) dan Consistency Index (CI) dan Consistency Ratio (CR) dengan rumus: λ= CI = CR =
……………………………………………… (1) λ
……………………………………………. (2) ………………………………………………(3)
Dimana : λ
= Nilai rata-rata vector consistency
CV
= Consistency Vector
n
= Jumlah factor yang sedang dibandingkan
CI
= Consistency Index
RI
= Random Index
CR
= Consistency Ratio
(Sunarto, 2011) Dalam hal ini RI (Random Index) adalah indeks rerata konsistensi untuk bilangan numerik yang diambil secara acak dari skala 1/9, 1/8, ...,1, 2,...., 9, berdasarkan penelitian yang dilakukan oleh Saaty terhadap 500 sampel. (Saaty, 2004).
Universitas Sumatera Utara
28
Tabel 2.2. Daftar Indeks Random Konsistensi Ukuran Matriks
Nilai IR
(baris X kolom) 1,2
0,00
3
0,58
4
0,90
5
1,12
6
1,24
7
1,32
8
1,41
9
1,45
10
1,49
11
1,51
12
1,48
13
1,56
14
1,57
15
1,59
Analytical Hierarchy Process (AHP)
mempunyai struktur matrik A
dengan ukuran m x n. Matrik ini dibangun dengan menggunakan kepentingan relatif dari alternatif dankriteria yang berhubungan. Untuk menghitung preferensi akhir dari tiap alternatif menggunakan rumus sebagai berikut : ∑ Dimana: Pi = hasil akhir metode Analytical Hierarchy Process (AHP) aij = hasil normalisasi wj = bobot preferensi untuk setiap kriteria Untuk masalah memaksimumkan, alternatif yang terbaik adalah alternatif dengan nilai Pi yang terbesar.
Universitas Sumatera Utara
29
2.2.2. Metode Fuzzy Decision Making (FDM) Joo (2004) mengembangkan metode Fuzzy Decision Making (FDM), dalam 3 langkah penting penyelesaian, yaitu: 1.
Representasi permasalahan -
Identifikasi tujuan dan alternatif keputusannya Tujuan keputusan dari permasalahan ini adalah dipilihnya satu calon kepala daerah yang mempunyai rangking tertinggi. Jika ada n alternatif keputusan, maka alternatif- alternatif tersebut dapat ditulis sebagai A = {Ai | i=1,2,…,n}.
-
Identifikasi kumpulan kriteria Jika ada k kriteria untuk menentukan pilihan dari beberapa alternatif keputusan maka dapat dituliskan C = {Ct | t=1,2,…,k}.
-
Membangun struktur hirarki dari masalah tersebut berdasarkan pertimbangan-pertimbangan tertentu. Evaluasi himpunan fuzzy
2. -
Memilih himpunan rating untuk bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterianya. Secara umum, himpunan-himpunan rating terdiri atas 3 elemen, yaitu: variabel linguistik (x) yang merepresentasikan bobot kriteria, dan derajat kecocokan
setiap
merepresentasikan
alternatif rating
dengan
dari
variabel
kriterianya; linguistik;
T(x)
yang
dan
fungsi
keanggotaan yang berhubungan dengan setiap elemen dari T(x). Sesudah himpunan rating ini ditentukan, selanjutnya harus ditentukan fungsi keanggotaan untuk setiap rating. Apabila dipilih fungsi keanggotaan segitiga, maka dapat digambarkan seperti Gambar 10.3.
µ(x)
0
a
b
c
x Gambar 2.1. Bilangan fuzzy segitiga. (Kusumadewi dkk, 2010)
Universitas Sumatera Utara
30
µ(X) =
(
)
( ( (
) ) )
{ Dimana: µ(X) X
= fungsi keanggotaan X
= himpunan fuzzy
(Anshori, 2012)
Misalkan Wt adalah bobot untuk kriteria Ct; dan Sit adalah rating fuzzy untuk derajat kecocokan alternatif keputusan Ai dengan kriteria Ct; dan Fi adalah indeks kecocokan fuzzy dari alternatif Ai yang merepresentasikan derajat kecocokan alternatif keputusan yang diperoleh dari hasil agregasi S it dan Wt, dengan i = 1, 2, 3, ...k dan t =1, 2, ... n. -
Mengevaluasi bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterianya.
-
Mengagregasikan bobot-bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Untuk mengagregasikan bobot-bobot kriteria dan derajat
kecocokan setiap alternatif dengan kriterianya, dapat
menggunakan beberapa metode agregasi seperti : mean, max, min, median, dan operator campuran. Apabila untuk melakukan agregasi terhadap hasil keputusan menggunakan metode mean, dan operator x dan +
adalah operator yang digunakan untuk perkalian dan penjumlahan
fuzzy, maka Fi dapat dirumuskan sebagai: Fi = ( )[(Si1xW1)+(Si2xW2)+…+(SikxWk)] dengan cara mensubsitusi Sit dan Wt dengan bilangan fuzzy segitiga, yaitu: Sit = (oit, pit, qit); dan Wt=(at, bt, ct); maka Ft dapat didekati sebagai: Ft = (Yi, Qi, Zi) dengan Yi = ( ) ∑
(
)
Qi = ( ) ∑
(
)
Universitas Sumatera Utara
31
Zi = ( ) ∑
(
)
i= 1,2,…,n. Dimana: Sit
= rating fuzzy untuk derajat kecocokan alternatif keputusan Ai dengan kriteria Ct
oit, pit, qit
= triangular fuzzy alternatif keputusan Ai dengan kriteria Ct
Wt
= bobot untuk kriteria Ct
Fi
= indeks kecocokan fuzzy dari alternatif Ai yang merepresentasikan derajat kecocokan alternatif keputusan yang diperoleh dari hasil agregasi Sit dan Wt
at, bt, ct
= triangular fuzzy untuk kriteria Ct
Ft
= indeks kecocokan fuzzy dari kriteria Ct yang merepresentasikan derajat kecocokan alternatif keputusan yang diperoleh dari hasil agregasi Sit dan Wt
Yi (oitai)
= indeks kecocokan fuzzy Yi untuk triangular fuzzy alternatif keputusan Ai dengan kriteria Ct
Qi (pitbi)
= indeks kecocokan fuzzy Qi untuk triangular fuzzy alternatif keputusan Ai dengan kriteria Ct
Zi (qitci)
= indeks kecocokan fuzzy Zi untuk triangular fuzzy alternatif keputusan Ai dengan kriteria Ct
(Samantra, 2010) 3.
Menyeleksi alternatif yang optimal. Pada langkah ini ada 2 aktifitas yang harus dilakukan, yaitu: -
Memprioritaskan alternatif keputusan berdasarkan hasil agregasi. Prioritas dari hasil agregasi dibutuhkan dalam rangka proses perangkingan
alternatif
keputusan.
Karena
hasil
agregasi
direpresentasikan dengan menggunakan bilangan fuzzy segitiga, maka dibutuhkan metode perangkingan untuk bilangan fuzzy tersebut. Salah satu metode perangkingan yang dapat digunakan adalah metode nilai total integral. Misalkan G adalah bilangan fuzzy segitiga, G = (a, b, c), maka nilai total integral dapat dirumuskan sebagai berikut:
Universitas Sumatera Utara
32
(F) = ( )(αc + b + (1-α) a)
I
Dimana: I
= integral kecocokan
α
= drajat keoptimisan
a,b,c
= indeks keoptimisan
T
= alternatif Kepentingan
F
= fuzzy
-
Nilai a adalah indeks keoptimisan yang merepresentasikan derajat keoptimisan bagi pengambil keputusan (0 ≤ α ≤ 1). Apabila α semakin besar mengindikasikan bahwa derajat keoptimisannya semakin besar.
-
Memilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif yang optimal. Apabila t = 1 ... n, dan ada beberapa bilangan fuzzy Gt maka semakin besar nilai I (Gt) berarti menunjukkan kecocokan terbesar dari alternatif keputusan untuk kriteria keputusan, dan nilai I (Gt) terbesar inilah yang menjadi tujuannya. Sehingga bisa ditentukan alternatif terbaik yang dipilih adalah yang memiliki nilai I (Gt) terbesar. (Kusumadewi, dkk, 2006).
2.3. Prinsip Dasar Merancang Rumah Dalam merencanakan sebuah bangunan rumah tinggal, perancangan denah sangatlah penting. Dari gambar denah inilah penghuni rumah dapat membaca model, bentuk atau wujud rumah yang dibangun. Pada hakikatnya, merancang denah sebuah rumah harus sesuai keinginan penghuni atau pemilik bangunan rumah tinggal tersebut. Untuk itu, beberapa langkah berikut ini sebaiknya diikuti agar dalam perencanaannya tidak terlalu melenceng jauh dari apa yang dibayangkan nantinya. -
Pertimbangkan jumlah penghuni rumah
-
Kebutuhan ruang penghuni rumah
-
Fungsi ruang
-
Kenyamanan
Universitas Sumatera Utara
33
-
Keamanan
-
Nilai estetika
(Amin, dkk, 2012).
Desain minimalis adalah sebuah gaya arsitektur yang tengah menjadi trend saat ini. Rumah bergaya minimalis banyak menjadi pilihan bagi kaum urban karena bentuknya yang simple, dinamis, dan praktis. Desain bangunan dengan gaya minimalis pada dasarnya berasal dari Eropa dan Amerika yang diadopsi masuk ke Indonesia. Tren minimalis yang sekarang hadir di Indonesia sebenarnya bukan minimalis murni. Namun sudah digabungkan dengan berbagai gaya lainnya, seperti modern, mediterania atau klasik. Secara umum, gaya minimalis di Indonesia adalah minimalis tropis yang dicirikan dengan adanya teras. Minimalis yang murni tidak mengenal adanya teras. (Kriyoadi, dkk. 2012)
2.4. Entity Relationship Diagram (ERD) Entity Relationship Diagram (ERD) merupakan suatu model untuk menjelaskan hubungan antar data dalam basis data berdasarkan objek-objek dasar data yang mempunyai hubungan antar relasi. Tabel 2.3 Komponen Penyusun ERD Komponen
Keterangan
Persegi panjang mewakili entitas
Elips mewakili atribut
Belah ketupat mewakili relasi Garis menghubungkan atribut dengan kumpulan entitas dan kumpulan entitas dengan relasi.
Universitas Sumatera Utara
