4
BAB II
TINJAUAN PUSTAKA
2.1
Model
Model adalah pola (contoh, acuan, ragam) dari sesuatu yang akan dibuat atau dihasilkan (Departemen P dan K, 1984:75). Definisi lain dari model adalah abstraksi dari sistem sebenarnya, dalam gambaran yang lebih sederhana serta mempunyai tingkat persentase yang bersifat menyeluruh, atau model adalah abstraksi dari realitas dengan hanya memusatkan perhatian pada beberapa sifat dari kehidupan sebenarnya (Simamarta, 1983). Jenis-jenis model dapat dibagi dalam lima kelas yang berbeda: 1.
Kelas I, pembagian menurut fungsi : a. Model deskriptif: hanya menggambarkan situasi sebuah sistem tanpa rekomendasi dan peramalan. Contoh : peta organisasi b. Model prediktif: model ini menunjukkan apa yang akan terjadi, bila sesuatu terjadi. c. Model normatif: model yang menyediakan jawaban terbaik terhadap satu persoalan. Model ini memberi rekomendasi tindakan-tindakan yang perlu diambil. Contoh: model budget advertensi, model economics, model marketing.
2.
Kelas II, pembagian menurut struktur. a. Model Ikonik : adalah model yang menirukan sistem aslinya, tetapi dalam suatu skala tertentu.
Contoh : model pesawat.
Universitas Sumatera Utara
5
b. Model Analog : adalah suatu model yang menirukan sistem aslinya dengan hanya mengambil beberapa karakteristik utama dan menggambarkannya dengan benda atau sistem lain secara analog. Contoh : aliran lalu lintas di jalan dianalogikan dengan aliran air dalam sistem pipa. c. Model Simbolis: adalah suatu model yang menggambarkan sistem yang ditinjau dengan simbol-simbol biasanya dengan simbol-simbol matematis. Dalam hal ini sistem diwakili oleh variabel-variabel dari karakteristik sistem yang ditinjau. 3. Kelas III, pembagian menurut referensi waktu. a. Statis : model statis tidak memasukkan faktor waktu dalam perumusannya. Model statis menggambarkan fenomena kejadian pada saat ini. Model statis komparatif merupakan model yang membandingkan beberapa fenomena dengan kejadian yang berbeda dalam suatu waktu. b. Dinamis : mempunyai unsur waktu dalam perumusannya. Model dinamis merupakan model yang dapat dikembangkan untuk menunjukkan perubahan Over Time permintaan dan pasokan. Model ini juga merefleksikan perubahan melalui simulasi ataupun berdasarkan waktu real dan menghitung komponen secara konstan dengan memasukkan beberapa alternatif tindakan yang akan datang (McGarney dan Hannon 2004). 4. Kelas IV, pembagian menurut referensi kepastian. a. Deterministik: dalam model ini pada setiap kumpulan nilai Input, hanya ada satu Output yang unik, yang merupakan solusi dari model dalam keadaan pasti. b. Probabilistik: model probabilistik menyangkut distribusi probabilistik dari Input atau proses dan menghasilkan suatu deretan harga bagi paling tidak satu variabel Output yang disertai dengan kemungkinan - kemungkinan dari harga harga tersebut.
2.2 Multi Atribut Dicision Making Multiple Attribute Decision Making (FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti
Universitas Sumatera Utara
6
dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. Masing-masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM. Antara lain: 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)
2.3 Sistem Pendukung Keputusan Sistem pendukung keputusan adalah sistem penghasil informasi yang ditujukan pada suatu masalah tertentu yang harus dipecahkan oleh manajer dan dapat membantu manajer dalam pengambilan keputusan (Leod, 1995). Sistem pendukung keputusan merupakan bagian tak terpisahkan dari totalitas sistem organisasi keseluruhan. Suatu sistem organisasi mencakup sistem fisik, sistem keputusan dan sistem informasi (Suryadi, 2002). Bertolak dari pemikiran di atas, maka kelancaran fisik sangat dipengaruhi oleh mekanisme pengaturan yang dijalani. Rangkaian pengaturan sistem fisik ini distrukturkan dalam sistem manajemen yang tidak lain merupakan sistem yang menghasilkan keputusan yang diperlukan guna menjamin kelancaran sistem fisik. Oleh karena sistem manajemen ini menghasilkan sejumlah keputusan, maka sering pula sistem manajemen disebut sistem keputusan. Berdasarkan uraian yang telah dijelaskan, sistem keputusan tidak bisa dipisahkan dari sistem fisik maupun sistem
Universitas Sumatera Utara
7
informasi. Kompleksitas sistem secara fisik menuntut adanya sistem keputusan yang kompleks pula. Ciri utama dari sistem pendukung keputusan adalah kemampuannya untuk menyelesaikan masalah - masalah yang tidak terstruktur. Pada dasarnya sistem pendukung keputusan merupakan pengembangan lebih lanjut dari sistem manajemen terkomputerisasi yang dirancang sedemikian rupa sehingga bersifat interaktif dengan pemakainya. Sifat interaktif ini dimaksudkan untuk memudahkan integrasi antara berbagai komponen dalam proses pengambilan keputusan seperti prosedur, kebijakan, teknis, analisis, serta pengalaman dan wawasan manajerial guna membentuk suatu kerangka keputusan yang bersifat fleksibel. Sistem pendukung keputusan adalah suatu pendekatan sistematis pada hakikat suatu masalah, pengumpulan fakta - fakta penentu yang matang dari alternatif yang dihadapi dan pengambilan tindakan yang paling tepat (Suryadi, 2002). Sistem pendukung keputusan adalah suatu sistem berbasis komputer yang menghasilkan berbagai alternatif berbagai
keputusan untuk membantu manajemen dalam menangani
permasalahan
yang
terstruktur
ataupun
tidak
terstruktur
dengan
menggunakan data dan model (Daihani, 2001). Untuk menghasilkan keputusan yang baik di dalam sistem pendukung keputusan, perlu didukung oleh informasi dan fakta fakta yang berkualitas antara lain : a. Aksibelitas Atribut ini berkaitan dengan kemudahan mendapatkan informasi, informasi akan lebih berarti bagi pemakai kalau informasi tersebut mudah didapat, karena akan berkaitan dengan aktivitas dari nilai informasinya. b. Kelengkapan Atribut ini berkaitan dengan kelengkapan isi informasi, dalam hal ini isi tidak menyangkut hanya volume tetapi juga kesesuaian dengan harapan pemakai sehingga sering kali kelengkapan ini sulit diukur secara kuantitatif. c. Ketelitian Atribut ini berkaitan dengan tingkat kesalahan yang mungkin di dalam pelaksanaan pengolahan data dalam jumlah (volume) besar. Dua tipe kesalahan yang sering terjadi yaitu berkaitan dengan perhitungan.
Universitas Sumatera Utara
8
d. Ketepatan Atribut ini berkaitan dengan kesesuaian antara informasi yang dihasilkan dengan kebutuhan pemakai. Sama halnya dengan kelengkapan, ketepatan pun sangat sulit diukur secara kuantitatif. e. Ketepatan waktu Kualitas informasi juga sangat ditentukan oleh ketepatan waktu penyampaian dan aktualisasinya. Misal informasi yang berkaitan dengan perencanaan harian akan sangat berguna kalau disampaikan setiap dua hari sekali. f. Kejelasan Atribut ini berkaitan dengan bentuk atau format penyampaian informasi. Bagi seorang pimpinan, informasi yang disajikan dalam bentuk grafik, histogram, atau gambar biasanya akan lebih berarti dibandingkan dengan informasi dalam bentuk kata - kata yang panjang. g. Fleksibilitas Atribut ini berkaitan dengan tingkat adaptasi dari informasi yang dihasilkan terhadap kebutuhan berbagai keputusan yang akan diambil dan terhadap sekelompok pengambil keputusan yang berbeda. 2.3.1. Tahapan pengambilan keputusan Untuk menghasilkan keputusan yang baik ada beberapa tahapan proses yang harus dilalui dalam pengambilan keputusan. Menurut Julius Hermawan (2005), proses pengambilan keputusan melalui beberapa tahap berikut : a. Tahap penelusuran Tahap ini pengambil keputusan mempelajari kenyataan yang terjadi, sehingga kita bisa mengidentifikasi masalah yang terjadi biasanya dilakukan analisis dari sistem ke subsistem pembentuknya sehingga didapatkan keluaran berupa dokumen pernyataan masalah. b. Tahap desain Dalam tahap ini pengambil keputusan menemukan, mengambangkan dan menganalisis semua pemecahan yang mungkin yaitu melalui pembuatan model
Universitas Sumatera Utara
9
yang bisa mewakili kondisi nyata masalah. Dari tahapan ini didapatkan keluaran berupa dokumen alternatif solusi. c. Tahap choice Dalam tahap ini pengambil keputusan memilih salah satu alternatif pemecahan yang dibuat pada tahap desain yang dipandang sebagai aksi yang paling tepat untuk mengatasi masalah yang sedang dihadapi. Dari tahap ini didapatkan dokumen solusi dan rencana implementasinya. d. Tahap implementasi Pengambil keputusan menjalankan rangkaian aksi pemecahan yang dipilih di tahap choice. Implementasi yang sukses ditandai dengan terjawabnya masalah yang dihadapi, sementara kegagalan ditandai masih adanya masalah yang sedang dicoba untuk diatasi. Dari tahap ini didapatkan laporan pelaksanaan solusi dan hasilnya. 2.3.2. Komponen komponen sistem pendukung keputusan Sistem pendukung keputusan terdiri dari 3 komponen utama atau subsistem (Daihani, 2001) yaitu: a. Subsistem data Subsistem data merupakan komponen sistem pendukung keputusan penyedia data bagi sistem. Data dimaksud disimpan dalam suatu pangkalan data yang diorganisasikan suatu sistem yang disebut sistem manajemen pangkalan data (Data Base Manajemen System/DBMS). b. Subsistem model Pada subsistem model ini menggambarkan suatu model yang akan dibangun. c. Subsistem dialog Keunikan lainnya dari sistem pendukung keputusan adalah adanya fasilitas yang mampu mengintegrasikan sistem terpasang dengan pengguna secara interaktif. Fasilitas yang dimiliki oleh subsistem ini dapat dibagi atas 3 komponen yaitu :
Universitas Sumatera Utara
10
a) Bahasa aksi yaitu suatu perangkat lunak yang dapat digunakan pengguna untuk berkomunikasi dengan sistem. Komunikasi ini dilakukan melalui berbagai pilihan media seperti keyboard, joystick dan key function. b) Bahasa tampilan yaitu suatu perangkat yang berfungsi sebagai sarana untuk menampilkan sesuatu. c) Basis pengetahuan yaitu bagian yang mutlak diketahui oleh pengguna sistem yang dirancang dapat berfungsi secara efektif (Daihani, 2000).
Manajemen basis data manajemen basis model Data base
Manajemen penyelenggaraan dialog Model base Peranti lunak
Tugas
Lingkungan
USE
Gambar 2.1, Komponen SPK Sumber: Daihani (2001)
2.4 Simple Additive Weighting Method (SAW) Metode SAW sering dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW dapat membantu dalam pengambilan keputusan suatu kasus, akan tetapi perhitungan dengan menggunakan metode SAW ini hanya yang menghasilkan nilai terbesar yang akan terpilih sebagai
Universitas Sumatera Utara
11
alternatif yang terbaik. Perhitungan akan sesuai dengan metode ini apabila alternatif yang terpilih memenuhi kriteria yang telah ditentukan. Metode SAW ini lebih efisien karena waktu yang dibutuhkan dalam perhitungan lebih singkat. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
Jika j adalah atribut keuntungan (benefit)
Jika j adalah atribut biaya (cost)
Di mana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj ; i=1,2,…,m dan j=1,2,…,n. nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif
Ai lebih terpilih.
Sedangkan untuk kriterianya terbagi dalam dua kategori yaitu untuk bernilai positif termasuk dalam kriteria keuntungan dan yang bernilai negatif termasuk dalam kriteria biaya. Keterangan : A : Alternatif C : Kriteria W : Bobot Preferensi V : Nilai preferensi untuk setiap alternatif
Universitas Sumatera Utara
12
X : Nilai Alternatif dari setiap kriteria
2.5 Fuzzy Database Model Tahani Metode Tahani merupakan salah satu metode yang digunakan pada logika fuzzy selain metode Sugeno dan Mamdani. Metode Tahani merupakan Metode yang menggunakan relasi standart, hanya saja model ini menggunakan teori himpunan Fuzzy untuk mendapatkan querynya (Hari Purnomo dan Sri Kusuma Dewi, 2004). Fuzzy Database Tetap menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan querynya. Ada dua model fuzzy database yang digunakan diantaranya adalah Fuzzy Model Tahani, Fuzzy Model Umano (Edi Satriyanto, Workshop Fuzzy Aplikasi Logika Fuzzy Untuk Pendukung Keputusan,2002). Dengan menggunakan relasi standar, dapat dicari data karyawan dengan spesifikasi tertentu dengan menggunakan query. Misalnya diinginkan informasi tentang nama-nama karyawan yang usianya kurang dari 35 tahun dapat dilihat dalam Tabel 2.1, maka bisa diciptakan suatu query berikut: SELECT NAMA FROM KARYAWAN WHERE (umur < 35) Sehingga muncul nama-nama Lia, Kiki, dan Yoga. Apabila diinginkan informasi tentang nama-nama karyawan yang gajinya lebihdari 1 juta rupiah, maka bisa diciptakan query berikut: SELECT NAMA FROM KARYAWAN WHERE (gaji > 1000000) Sehingga muncul nama-nama iwan, Sari, Andi, Amir, dan Rian. Apabila diinginkan informasi tentang nama-nama karyawan yang masa kerjanya kurang dari atau sama dengan 5 tahun tetapi gajinya sudah lebih dari 1 juta rupiah, maka bisa diciptakan suatu query: SELECT NAMA FROM KARYAWAN WHERE MasaKerja<=5) and (Gaji > 1000000). Sehingga muncul nama-nama Andi dan Rian.
Universitas Sumatera Utara
13
Tabel 2.1 Data Mentah Karyawan NIP
Nama
Tgl Lahir
Th. Masuk
Gaji/bln (Rp)
01
Lia
03-05-1972
1996
750.000
02
Iwan
23-09-1954
1985
1.500.000
03
Sari
12-12-1966
1988
1.255.000
04
Andi
05-03-1965
1998
1.040.000
05
Budi
04-12-1950
1990
950.000
06
Amir
18-11-1963
1989
1.600.000
07
Rian
28-05-1965
1997
1.250.000
08
Kiki
09-07-1971
2001
550.000
09
Alda
14-08-1967
1999
735.000
10
Yoga
17-09-1977
2000
860.000
Kemudian dari tabel Data mentah karyawan diolah menjadi suatu tabel temporer untuk menghitung umur karyawan dan masa kerjanya. Tabel tersebut diberi nama dengan tabel karyawan (Tabel 2.2)
Tabel 2.2 Data Karyawan setelah diolah NIP
Nama
Umur (th)
Masa Kerja (th)*
Gaji/bln (Rp)
01
Lia
30
6
750.000
02
Iwan
48
17
1.500.000
03
Sari
36
14
1.255.000
04
Andi
37
4
1.040.000
Universitas Sumatera Utara
14
05
Budi
42
12
950.000
06
Amir
39
13
1.600.000
07
Rian
37
5
1.250.000
08
Kiki
32
1
550.000
09
Alda
35
3
735.000
10
Yoga
25
2
860.000
2.6 Penelitian Terkait Pada beberapa riset yang dianggap terkait membahas di antaranya tentang penerimaan beasiswa dengan menerapkan metode Simple Additive Weighting (SAW), ditulis oleh Sri Eniyati (2011) dalam jurnalnya yang berjudul “Perancangan Sistem Pendukung Pengambilan Keputusan untuk Penerimaan Beasiswa dengan Metode SAW (Simple Additive Weighting)”. Pada penelitian tersebut diangkat suatu kasus yaitu mencari alternatif terbaik berdasarkan kriteria-kriteria yang telah ditentukan dengan menggunakan metode SAW (Simple Additive Weighting) Penelitian dilakukan dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal, yaitu siswa terbaik. Penelitian yang dilakukan oleh Ira Prasetyaningrum, dkk (2012) berjudul “Sistem Pengambilan Keputusan Dinamis Pemilihan Calon Tenaga Kerja Dengan Menggunakan Metode AHP Berbasis Web”, penelitian yang menggunakan metode AHP tersebut, dibangun untuk membantu melakukan penilaian terhadap calon tenaga kerja yang hasilnya dapat dijadikan masukan bagi pihak HRD dalam mengambil keputusan calon tenaga kerja yang paling layak diterima. Jasril, dkk (2011) dalam makalahnya yang diseminarkan dalam Seminar Nasional Aplikasi Teknologi Informasi 2011 berjudul “Sistem Pendukung Keputusan (SPK) Pemilihan Karyawan Terbaik Menggunakan Metode Fuzzy AHP (F-AHP)” SPK yang bersifat dinamis dibangun berhasil menentukan pemilihan karyawan terbaik dengan F-AHP yang mendekati penilaian yang sebenarnya, di mana sistem dapat menangani jika terjadi perubahan/penambahan kriteria.
Universitas Sumatera Utara
15
Dalam jurnal foristek, “Pendekatan Triangluar Fuzzy Number dalam metode Analytic Hierarchy Process” (Anshori, Y. 2012). Adapun langkah-langkah yang digunakan yaitu: Metode Analytic Hierarchy Process: a. Penyusunan prioritas b. Membuat matriks keputusan c. Uji konsistensi dan indeks rasio Transformasi Triangular Fuzzy number terhadap sekala AHP: a. Menentukan fuzzyfikasi perbandingan skala 1:9 kepentingan antara kriteria b. Analisa Fuzzy Synthetic (dipakai untuk perluasan suatu objek dalam memenuhi tujuan). Sedangkan pada jurnal ilmu komputer, “Pemodelan sistem pendukung keputusan kelompok untuk diagnosa penyakit pneumonia dengan Fuzzy linguistik Quantifier dan AHP” (Syaukani, M & Hartati, S. 2012). Adapun langkah – langkah yang digunakan yaitu: a. Membuat tabel keputusan b.
Menentukan nilai variabel linguistik gejala
c. Nilai linguistik dipresentasikan dengan bilangan Fuzzy segi tiga d. Membentuk matriks keputusan e. Agregasi preferensi f.
Melakukan tahap perankingan dengan metode Analytic Hierarchy Process (AHP) Dari penjelasan kedua jurnal di atas yang berkenaan dengan fuzzy dan analytic
Hierarchy Process (AHP), memberikan output yang berbeda. Dalam jurnal ilmiah foristek, “pendekatan Triangular Fuzzy Number dalam metode Hierarchy Process” (Anshori, Y. 2012). Dari hasil penelitiannya, menyatakan bahwa hasil perankingan yang diberikan oleh metode fuzzy AHP yaitu berbeda dengan hasil yang dilakukan cara manual, di mana hasil yang diberikan jauh lebih baik dari sebelumnya, khususnya dalam penentuan beasiswa PPA dan BBM. Sedangkan dalam jurnal ilmu komputer, “Pemodelan sistem pendukung keputusan kelompok untuk diagnosa penyakit pneumonia dengan Fuzzy Linguistik
Universitas Sumatera Utara
16
Quantifier dan AHP (Syaukani, M & Hartati, S. 2012). Berdasarkan dari hasil penelitian yang diperoleh yaitu mampu menetapkan penyakit dan jenis antibiotik sebagai hasil diagnosis penyakit pneumonia. 2.7 Perbedaan dengan riset lain Berdasarkan beberapa riset yang telah dilakukan sebelumnya, Peneliti menetapkan beberapa perbedaan dengan penelitian ini, yaitu: 1) Metode yang digunakan adalah kombinasi antara Fuzzy Tahani dengan Simple Additive Weighting. 2) Studi kasus yang digunakan adalah penyeleksian pengangkatan tenaga honorer menjadi pegawai negeri sipil di Kabupaten Bireuen.
2.8 Kontribusi Riset Dalam penelitian ini, metode yang digunakan untuk pemodelan sistem keputusan adalah kombinasi antara Fuzzy Tahani dan Simple Additive Weighting, diharapkan dari penelitian ini akan didapatkan metode yang lebih efektif dalam pengambilan keputusan, di mana sebelum proses perankingan dilakukan, terlebih dahulu dilakukan penyeleksian data berdasarkan prioritas kebutuhan kriteria.
Universitas Sumatera Utara
