BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA

A. Sistem Pendukung Keputusan Menurut Little (1970) dalam Turban, dkk. (2005) mendefinisikan DSS sebagai “sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para manajer mengambil keputusan”. Dia menyatakan bahwa untuk sukses, sistem tersebut haruslah sederhana, cepat, mudah dikontrol, adaptif, lengkap dengan isu-isu penting, dan mudah berkomunikasi. Karakteriktik yang diharapkan ada dalam DSS adalah (Turban, dkk., 2005): a. Dukungan

kepada

pengambil

keputusan,

terutama

pada

situasi

semiterstruktur dan tak terstrukur, dengan menyertakan penilaian manual dan informasi terkomputerisasi. b. Dukungan untuk semua level manajerial, dari eksekutif puncak sampai manajer lini. c. Dukungan untuk individu dan kelompok. d. Dukungan untuk keputusan independen dan/atau sekuensial. Keputusan dapat dibuat sekali, beberapa kali, atau berulang-ulang. e. Dukungan di semua fase proses pengambilan keputusan: inteligensi, desain, pilihan, dan implementasi. f. Dukungan diberbagai proses dan gaya pengambilan keputusan.

5 Sistem Pendukung Keputusan..., Aditya Hadi Wijaya, Fakultas Teknik UMP, 2016

g. Adaptivitas sepanjang waktu. Pengambil keputusan seharusnya reaktif, bisa menghadapi berbagai perubahan kondisi secara cepat, dan mengadaptasi DSS untuk memenuhi kebutuhan tersebut. h. Pengguna seperti merasa di rumah. Rumah-pengguna, kapabilitas grafis yang sangat kuat, dan antarmuka manusia-mesin yang interaktif dengan satu bahasa alami bisa sangat meningkatkan efektifitas DSS. i. Peningkatan efektifitas pengambilan keputusan (akurasi, timelines, kualitas) daripada efisiensinya (biaya pengambilan keputusan). j. Kontrol penuh oleh pengambil keputusan terhadap semua langkah proses pengambilan keputusan dalam memecahkan suatu masalah. DSS secara khusus menekankan untuk mendukung pengambilan keputusan bukan untuk menggantikan. k. Pengguna akhir bisa mengembangkan dan memodifikasi sendiri sistem sederhana. l. Model-model

digunakan

untuk

menganalisis

situasi

pengambilan

keputusan. Kapabilitas pemodelan memungkinkan eksperimen dengan berbagai strategi yang berbeda di bawah konfigurasi yang berbeda. m. Akses kesediaan untuk berbagai sumber data, format, dan tipe, mulai dari sistem informasi geografi (GIS) sampai sistem berorientasi objek. n. Dapat digunakan sebagai alat standalone oleh seorang pengambil keputusan pada satu lokasi atau didistribusikan di suatu organisasi secara keseluruhan dan dibeberapa organisasi sepanjang rantai persediaan. Dapat diintegrasikan dengan DSS lain dan atau aplikasi lain, serta bisa


didistribusikan secara internal dan eksternal menggunkan networking dan teknologi web. Karakteristik dari DSS tersebut memungkinkan para pengambil keputusan untuk membuat keputusan yang lebih baik dan lebih konsisten dalam satu cara yang dibatasi oleh waktu.

B. Metode Simple Additive Weighting (SAW) Menurut (Fishburn (1967) dan MacCrimmon (1968) dalam Kusumadewi, dkk. (2006)). Metode 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. Langkah-langkah penyelesaiannya adalah: 1. Menentukan kriteria yang dijadikan acuan dalam pengambilan keputusan (Cj). 2. Tentukan bobot setiap kriteria (W) seperti pada persamaan 1 berikut. W = {W1,W2, ..., Wn} ...................... (1) 3. Menentukan alternatif (Ai) beserta nilainya untuk setiap kriteria. 4. Membuat matrik keputusan. Nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan, dimana, (i=1,2,...,m) dan (j=1,2,...,n), dimana setiap atribut saling tidak bergantung satu dengan yang lainnya. Seperti pada persamaan 2 berikut.


[

]

...................... (2) Keterangan: X = nilai dari setiap alternatif m = alternatif n = kriteria 5. Melakukan normalisasi matrik keputusan dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari alternatif Ai pada kriteria Cj seperti pada persamaan 3 berikut.

{ ...................... (3) Keterangan: = nilai rating kinerja ternormalisasi = nilai atribut yang dimiliki dari setiap kriteria = nilai terbesar dari setiap kolom kriteria = nilai terkecil dari setiap kolom kriteria


6. Hasil dari nilai rating kinerja ternormalisasi (rij) membentuk matrik ternormalisasi (R) seperti persamaan 4 berikut.

[

] ................... (4)

7. Hitung nilai preferensi untuk setiap alternatif (

seperti persamaan 5

berikut.

∑ ................... (5) Keterangan: Vi = Nilai akhir dari alternatif wj = Bobot yang telah ditentukan rij = Normalisasi matriks

Nilai akhir alternatif

yang lebih besar yaitu alternatif yang terpilih.

C. Sql Server 2005 Microsoft Sql Server 2005 adalah produk database terakhir dari Microsoft, pembaharuan dari Microsoft SQL Server 2000. Sql Server 2005 menambahkan fungsi baru dan meningkatkan atau memperbaharui tampilan, tahan uji, pemograman dan kegunaan SQL Server 2000 (Hamilton, 2006). Dari perspektif program, fitur baru SQL Server 2005 meliputi:


1.

Tools and Utilities (Perangkat dan Kegunaan) IDE baru yang disebut SQL Server Management Studio untuk mengelola topologi SQL Server, database, media (object) dan untuk mengumpulkan perangkat baru untuk menyalakan, membuat profile dan meningkatkan solusi SQL Server 2005.

2.

Data Types (Jenis Data) Dukungan baru untuk mendukung dan bekerja menggunakan data asli XML dan data yang besar.

3.

T-SQL Enhancements (Peningkatan T-SQL) Dukungan baru untuk triggers Data Definition Language (DDL), event notifications, bulk operations, recursive queries, distributed queries dan mengenalkan operator baru.

4.

Programmability Enhancements (Peningkatan Pemrograman) Dukungan baru untuk meningkatkan objek database seperti: stored procedures,

triggers,

dan

pengguna

menggambarkan

fungsi

menggunakan .NET programing languages. Pengguna SQL (SQLNCLI) mengkombinasikan dan menempatkan pengguna OLE DB menyediakan dari SQL Server dan ODBC mengadakan dengan Singgle Standalone API, SQLXML 4.0 ketinggian SQLXML 3.0 dukungan baru dari SQL Server 2005 XML kemampuan data SQLNCLI.


5.

XML Support (Dukungan XML) Dukungan baru dari tipe data XML digunakan untuk menyimpan keaslian dokumen XML dan manipulasi data XML dengan XML Query language (Xquery) dan XML Data Manipulation Language (DML).

6.

Native XML Web Services Dukungan berasal dari SQL Server menggunakan SOAP permintaan sehingga kamu dapat mengambil queries tanpa a middle tier aplikasi, contohnya: Internet Information Server (IIS).

7.

SQl Management Objects (SMO) Memberikan dan mengganti Distributed Management Objects (DMO) susunan dan pengelolaan semua aspek dari SQL Server.

8.

SQL Server Integration Services (SSIS) Teknologi baru untuk solusi pembangunan data gabungan dan workflow. SSIS

menempatkan Data Transformation Services (DTS)

yang dikenalkan pada SQL Server 2000. 9.

SQL Server Reporting Services (SSRS) Server berdasarkan pemberitahuan teknologi untuk mendukung authoring, pencipta, penyebar, pengelola dan pengakses berita. SSRS telah dikenalkan pada SQL Server 2000 dan telah meningkat secara signifikan pada SQL Server 2005.


10. SQL Server Notification Services Teknologi baru untuk membentuk aplikasi yang telah diciptakan dan disebarkan untuk mengirimkan pesan sesuai jadwal atau dalam menanggapi peristiwa. 11. SQL Server Service Broker Sebuah teknologi baru untuk membangun scalable dengan bebas digabungkan, aplikasi terdistribusi menggunakan komunikasi berbasis pesan. 12. Replication Management Objects (RMO) Memperluas dan menggantikan DMO untuk mengkonfigurasi dan mengelola semua aspek SQL Server. 13. SQL Server Agent Mengotomatisasi tugas-tugas administrasi dengan menjalankan pekerjaan, pemantauan SQL Server, dan tanda pengolahan. SQL Server 2005 memperkenalkan kelas SMO baru untuk menciptakan dan mengelola SQL Server Agent. 14. SQL Server Mobile Edition Menyediakan relasional database functionality untuk perangkat mobile dalam compact footprint dengan model programing consisten SQL Server 2005. Pembaruan SQL Server 2000 Windows CE Edition 2.0.


D. Bahasa Pemrograman C# C# (C sharp) adalah sebuah bahasa pemrograman berbasis objek yang didukung oleh Microsoft .NET Framework. Microsoft .NET Framework adalah prantara agar aplikasi dengan bahasa pemrograman yang didukung dapat berkomunikasi dengan sistem operasi yang digunakan oleh komputer kalian. Selain itu, .NET Framework juga memungkinkan C# untuk berkomunikasi dengan bahasa pemrograman lainnya yang didukung oleh .NET Framework seperti VB .NET, F#, atau C++. Dengan kata lain, aplikasi yang kita buat dapat menggunakan komponen-komponen lain yang dibuat dengan menggunakann VB .NET, J#, atau C++ (Darmawan dan Rizal, 2011). Pada penelitian ini bahasa C# digunakan untuk membangun aplikasi yang nantinya akan digunakan oleh user, sedangkan tool yang digunakan untuk membangun aplikasi ialah Microsoft Visual Studio 2010. Visual Studio 2010 (VS) adalah sebuah alat untuk menulis program. Tanpa VS, text editor harus dibuka untuk menulis semua kode, dan harus menjalankan command-line compiler. Permasalahan yang ditemui dengan text editor dan command-line compiler adalah banyaknya waktu produktivitas yang hilang karena melalui proses manual. Dengan VS, banyak perintah yang dapat dibuat secara otomatis untuk mengembangkan aplikasi (Mayo, 2010).


E. Penelitian Sejenis Penelitian sejenis yang pernah dilakukan sebelumnya dan berkaitan dengan penelitian ini sebagai berikut: 1. Wulandari (2014) telah menerapkan metode Simple Additive Weighting (SAW) dalam menentukan pemilihan mahasiswa berprestasi di Universitas Muhammadiyah Purwokerto. Kriteria yang digunakan adalah IPK, karya tulis, kegiatan Intra dan Ekstra kurikuler, dan kemampuan berbahasa Inggris sesuai yang ditetapkan oleh Direktorat Jenderal Pendidikan Perguruan

Tinggi

(DIKTI).

Berdasarkan

kriteria

tersebut,

hasil

perhitungan tertinggi akan menghasilkan alternatif mahasiswa berprestasi di Universitas Muhammadiyah Purwokerto. 2. Attaufiq (2015) telah membangun sebuah sistem pendukung keputusan untuk pemilihan perusahaan asuransi dengan menggunakan metode Simple Additive Weighting (SAW). Kriteria yang digunakan adalah

premi

bulanan (biaya), UP (Uang Pertanggungan) meninggal (keuntungan), pilihan asuransi (keuntungan), pembelian uang klaim (keuntungan), dan umur maksimal tertanggung (keuntungan). Penelitian ini menggunakan beberapa alternatif perusahaan asuransi sebagai pemilihan dalam sistem yang dibangun. Alternatif yang digunakan adalah perusahaan asuransi AIA, Allianz, AXA, Manulife, Prudential. Penelitian ini dilakukan guna untuk menentukan perusahaan asuransi yang tepat.


3. Ariyanto (2012) mengembangkan Sistem pendukung keputusan pemilihan karyawan terbaik dengan metode SAW (Simple Additive Weighting) (Studi Kasus di Pamella Swalayan). memiliki beberapa kriteria, kriteria tersebut adalah kejujuran, taat peraturan, mangkir/alpha, kedisiplinan, tanggung jawab, kebersihan, kerajinan, kreativitas, kerja sama dan senyuman. Alternatif yamg digunakan adalah karyawan-karyawan swalayan pamella. Penelitian ini memberikan output aternatif karyawan terbaik kepada pengguna (user) sesuai dengan kriteria dan bobot yang ditentukan. 4. Magdalena (2012) mengembangkan sistem pendukung keputusan untuk menentukan mahasiswa lulusan terbaik di perguruan tinggi (studi kasus STMIK ATMA LUHUR PANGKALPINANG) menggunakan metode Analitical Hierarchy Proces (AHP). Kriteria yang digunakan dalam menentukan lulusan terbaik adalah IPK, karya tulis, kegiatan intraekstrakulikuler

dan

kemampuan

bahasa

menggunakan

mahasiswa-mahasiswa

inggris.

sebagai

Penelitian

alternatif.

ini

Proses

perhitungan AHP menghasilkan alternatif terbaik yang dipilih. Dengan adanya sistem pendukung keputusan untuk menentukan mahasiswa lulusan terbaik di perguruan tinggi diharapkan dapat membantu para pemangku kepentingan bidang akedemik dalam memutuskan mahasiswa lulusan terbaik mana yang cocok sebagai lulusan mahasiswa terbaik di perguruan tinggi menggunakan metode AHP.


BAB II KAJIAN PUSTAKA

Recommend Documents