Laporan Rancangan DRONE SUGGESTION SYSTEM Laporan ini Disusun sebagai Tugas Ujian Tengah Semester Dosen Pembina : A. Sidiq Purnomo S. Kom., M. Eng.
Oleh : Verri Andriawan (14111036) Andi Gustanto Mucharom (14111020) Sudioko (14111002)
JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS MERCU BUANA YOGYAKARTA 2015/2016
Daftar Isi
Halaman Judul ..................................................................................................................... 1 Daftar Isi .............................................................................................................................. 2 Bab I Pendahuluan .............................................................................................................. 3 1.1 Latar Belakang ........................................................................................................... 3 1.2 Rumusan Masalah ..................................................................................................... 4 1.3 Batasan Masalah ....................................................................................................... 4 1.4 Tujuan ....................................................................................................................... 4 1.5 Manfaat ..................................................................................................................... 4 Bab II Landasan Teori .......................................................................................................... 5 2.1 Sistem Penunjang Keputusan ................................................................................... 5 2.2 Analytical Hierarchy Process (AHP) ........................................................................... 5 Bab III Pembahasan............................................................................................................. 7 3.1 Analisis ...................................................................................................................... 7 3.2 Algoritma................................................................................................................. 16 3.3 Peta Situs................................................................................................................. 20 3.4 ERD .......................................................................................................................... 21 3.5 Gambaran Design .................................................................................................... 22 Bab IV Penutup ................................................................................................................. 23 4.1 Kesimpulan .............................................................................................................. 23 Daftar Pustaka................................................................................................................... 24
2
Bab I Pendahuluan 1.1 Latar Belakang Dewasa
ini
perkembangan
teknologi
informasi
sudah
sangat
pesat.
Perkembangan yang pesat tidak hanya teknologi perangkat keras dan perangkat lunak saja, tetapi metode komputasi juga ikut berkembang. Salah satu metode komputasi yang cukup berkembang saat ini adalah metode sistem pengambilan keputusan (Decisions Support Sistem). Dalam teknologi informasi, sistem pengambilan keputusan merupakan cabang ilmu yang letaknya diantara sistem informasi dan sistem cerdas. Sistem pengambilan keputusan juga membutuhkan teknologi informasi, hal ini dikarenakan adanya era globalisasi, yang menuntut sebuah perusahaan untuk bergerak cepat dalam mengambil suatu keputusan dan tindakan. FlyFire adalah sebuah perusahaan pembuat dan penjual Drone khusus untuk aerial mapping. Perusahaan ini sudah banyak membuat berbagai jenis Drone. Akan tetapi perusahaan ini perlu membuat sebuah sistem di mana akan memudahkan para calon pembeli untuk memilih Drone sesuai dengan kebutuhannya. Dikarenakan banyaknya Drone yang ada dan spesifikasi Drone yang berbeda-beda atau hampir sama, banyak calon pembeli bingung untuk memutuskan untuk membeli Drone yang mana. Dengan mengacu kepada solusi yang diberikan oleh metode AHP (Analytical Hierarcy Process) dalam membantu membuat keputusan, seorang decision maker dapat mengambil keputusan tentang pemilihan supplier secara objektif berdasarkan multi kriteria yang ditetapkan. Metode AHP adalah metode pengambilan keputusan yang multi
kriteria,
sedangkan
pengambilan
keputusan
dibidang
pembelian
juga
mengandalkan kriteria-kriteria yaitu kualitas barang, kecepatan pengiriman barang, harga barang dan status supplier. Dengan melihat adanya kriteria-kriteria yang dipergunakan untuk mengambil keputusan, maka akan sangat cocok untuk menggunakan metode AHP dengan multi kriteria.
3
1.2 Rumusan Masalah Berdasarkan uraian di atas dapat dirumuskan permasalahan sebagai berikut : 1. Bagaimana merancang sistem penunjang keputusan yang cocok untuk memudahkan
FlyFire
dalam
membantu
calon
pembelinya
untuk
menentukan pilihannya dalam membeli Drone ? 1.3 Batasan Masalah Agar tidak terjadi pembahasan di luar masalah, maka diperlukan adanya pembatasan masalah. Adapun batasan masalahnya adalah sebagai berikut : 1. Membuat sistem penunjang keputusan pemilihan Drone. 2. Menggunakan metode Analytical Hierarchy Process (AHP) dalam pembuatan sistem pendukung keputusan ini. 1.4 Tujuan Tujuan utama dari makalah ini adalah membuat sistem penunjang keputusan pemilihan Drone yang akan membantu perusahaan FlyFire dan calon pembelinya dalam memilih Drone sesuai dengan kebutuhannya. 1.5 Manfaat Manfaat dari makalah ini adalah 1. Bagi FlyFire : memberikan dukungan terhadap pemilihan Drone yang akan dikembangkan. 2. Bagi calon pembeli : memberikan alternative solusi yang tepat untuk memilih Drone sesuai dengan kebutuhannya.
4
Bab II Landasan Teori
2.1 Sistem Penunjang Keputusan DSS (Decisions Support System) adalah sebuah sistem yang dimaksudkan untuk mendukung keputusan semi terstruktur. DSS dibangun sebagai alat bantu bagi pengambil keputusan untuk memperluas kapabilitas mereka, tetapi tidak untuk menggantikan penilaian si pengambil keputusan. Tugas dari DSS adalah (Riyanni, Awang Harsa Kiradalaksana dan Ahmad Rofiq Hakim, 2010) : 1. Membantu manajer dalam pengambilan keputusan atas masalah semi terstruktur. 2. Memberikan
dukungan
atas
pertimbangan
manajer
dan
bukannya
dimaksudkan untuk mengganti fungsi manajer. 3. Meningkatkan efektifitas keputusan yang diambil lebih daripada perbaikan efisiensinya. 4. Kecepatan komputasi, computer memungkinkan para pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan biaya rendah. 5. Peningkatan produktivitas. 6. Dukungan kualitas. 7. Berdaya saing. 8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpangan.
2.2 Analytical Hierarchy Process (AHP) Analytical Hierarchy Process (AHP) merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas L. Saaty. Model pendukung keputusan ini akan menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki, menurut Saaty, hirarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif. Dengan hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam kelompok – kelompoknya yang kemudian diatur menjadi suatu
5
bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur dan sistematis. sering digunakan sebagai metode pemecahan masalah dibanding dengan metode yang lain karena alasan - alasan sebagai berikut : 1. Struktur yang berhirarki, sebagai konsekuensi dari kriteria yang dipilih, sampai pada subkriteria yang paling dalam. 2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternative yang dipilih oleh pengambil keputusan. Memperhitungkan daya tahan output analisis sensitivitas pengambilan keputusan.
6
Bab III Pembahasan
3.1 Analisis Sebuah kasus yang akan dibahas adalah sebuah perusahaan yang merupakan calon client dari sebuah perusahan Drone, membutuhkan sebuah Drone dengan requirement tertentu. Dari requirement tersebut, perusahaan penjual Drone diminta untuk memberikan saran terbaik Drone apa yang sebaiknya dibeli oleh pembeli tersebut. Penentuan kriteria DSS ini didasarkan pada fitur-fiture yang diperlukan untuk mengambil keputusan. Pada setiap kriteria akan diberikan bobot yang berbeda-beda karena setiap kriteria memiliki tingakatan prioritas yang diharapkan ada pada produk. Berikut adalah data 3 Drone andalan FlyFire : 1. eBee
7
2. DT 18
3. UX5
8
Berikut adalah hirarki dari hubungan antara produk dan kriteria :
Kriteria yang diinginkan oleh pembeli adalah: 1.
Flexibiltas memilki bobot prioritas 50%
2.
Landing Space memiliki bobot prioritas 30%
3.
Kamera memiliki prioritas 15%
4.
Radio link memiliki bobot prioritas 5%
Langkah pertama yang diperlukan adalah menentukan bobot kriteria yang paling penting, dalam AHP disebut sebagai pair-wire comparation.
Berikut penjabaran dari input masukan bobot prioritas pada kasus ini adalah sebagai berikut: 1.
Flexibility memilki bobot prioritas 5 daripada Kamera
2.
Flexibility memiliki bobot prioritas 5 daripada Radio Link
3.
Kamera memiliki bobot prioritas 3 daripada Radio Link
4.
Landing Space memiliki bobot prioritas 3 daripada Kamera
5.
Landing Space memiliki bobot prioritas 3 daripada Flexibility
Lalu data-data tersebut akan dicomparation dalam bentuk matrix.
9
Table 2 Penjabaran dari table tersebut adalah 1. Pertama menghitung dan mencari root prioritas dari masing-masing baris dengan cara mengalikan semua element dan diakar kan dengan jumlah element. Root1 = ( (1 * ⅕ * 3 * ⅓ )^¼ )
2. Lalu selanjutnya menentukan Eigen Vector dari masing-masing kolom. Dengan cara jumlahkan semua element dalam column root product. Nilai root produk tersebut digunakan sebagai pembagi dari nilai masing-masing element root.
Sum_root = 0.6687 + 2.9428 + 0.3861 + 1.3161
EV1 = ( 1 + 5 + ⅓ + 3 ) / sum_root EV2 = ( ⅕ + 1 + ⅕ + ⅓ ) / sum_root EVn = ... 3. Setelah mendapatkan nilai masing-masing Eigen Vector, lalu jumlahkan masingmasing kolom. Lalu hasilnya dibentuk menjadi matriks order 4x1 ( 4 kolom x 1 baris). Kolom EV (Eigen Vector) menjadi matriks ordo 1 x 4 ( 1 kolom x 4 baris ).
10
Lalu kalikan kedua matriks tersebut maka hasilnya akan membentuk matriks baru dengan order 4x1.
Pada dasarnya nilai Eigen Vector inilah yang akan digunakan untuk membandingkan dengan Eigen Vector masing-masing fitur dari produk Drone. Tapi untuk memvalidasi apakah Eigen Vector tersebut bisa digunakan atau tidak, diperlukan pembuktian dengan cara mencari nilai Consistency Ratio. Berikut adalah adalah langkah-langkah pembuktian : 1. Mencari nilai lamdamax
terlebih dahulu dengan cara menjumlahkan setiap
element pada matriks hasil kali antara matriks EV dan Total masing-masing kolom.
Lambdamax = (1.1764 + 0.9599 + 0.8719 + 1.1558)
2. Langkah selanjutnya adalah mencari nilai CI ( Consistency Index ) dengan cara mengurangi lambdamax dengan total kriteria, yang hasilnya akan dibagi dengan total kriteria dikurangi satu.
CI = ( lamdabmax - n )/ (n-1) Maka, CI = ( 4.16228 - 4 ) / 3
3. Selanjutnya gunakan nilai CI untuk mendapatkan nilai CR dengan cara membagi nilai CI dengan nilai RI (Ratio Index) berdasarkan total kriteria. Berikut adalah table RI yang disarankan oleh Saaty :
11
Table 3
Dimana jumlah kriteria adalah 4, maka Nilai Ratio Index adalah 0.9. Maka nilai CR didapat dengan CI dengan 0.9 CR = CI / 0.9
Jika nilai ratio kurang dari 0.1 maka Matrix dari requirement user valid atau konsisten. Tapi jika melebihi nilai 0.1 maka perlu untuk pengambilan nilai prioritas ulang. Langkah selanjutnya adalah mendapat bobot dari masing-masing fitur dan masingmasing Drone dengan cara yang sama dengan cara yang sama dengan seperti langkah sebelumnya.
Menentukan bobot Flexibility
Table 4
12
Dari table diatas dapat adalah bobot Flexibilty dari masing-masing produk. Berikut penjabaran dari isi table diatas. 1. eBee memiliki bobot 3 daripada DT 18 2. eBee memiliki bobot 5 daripada UX5 HP 3. DT 18 memiliki bobot 3 daripada UX5 HP
Dari hasil perhitungan pada table bobot flexibilty maka jika eigen vector dipersentasekan hasilnya adalah 1. eEbee memiliki keunggulan Flexibilty sebesar 63.07 % 2. DT - 18 memiliki keunggulan Flexibilty sebesar 25.57 % 3. UX5 HP memiliki keunggulan Flexibilty sebesar 10.37 %
Menentukan bobot Landing Space
Table 5 Dari table diatas dapat adalah bobot Landing Space dari masing-masing produk. Berikut penjabaran dari isi table diatas. 1. eBee memiliki bobot 5 daripada DT 18 2. eBee memiliki bobot 3 daripada UX5 HP 3. UX5 HPmemiliki bobot 3 daripada DT 18
13
Dari hasil perhitungan pada table bobot Landing Space
maka jika eigen vector
dipersentasekan hasilnya adalah 1. eEbee memiliki keunggulan Landing Space sebesar 63.07 % 2. DT - 18 memiliki keunggulan Landing Space sebesar 10.37 % 3. UX5 HP memiliki keunggulan Landing Space sebesar 25.57 Menentukan bobot Kamera
Table 6 Dari table diatas dapat adalah bobot kamera dari masing-masing produk. Berikut penjabaran dari isi table diatas. 1. UX5 HP memiliki bobot 5 daripada eBee 2. DT 18 memiliki bobot 3 daripada eBee 3. UX5 HPmemiliki bobot 3 daripada DT 18
Dari hasil perhitungan pada table bobot kamera maka jika eigen vector dipersentasekan hasilnya adalah 1. eEbee memiliki keunggulan kamera sebesar 10.37 % 2. DT - 18 memiliki keunggulan kamera sebesar 25.57 % 3. UX5 HP memiliki keunggulan kamera sebesar 63.07 %
Menentukan Bobot Radio Link
14
Table 7
Dari table diatas dapat adalah bobot Radio Link dari masing-masing produk. Berikut penjabaran dari isi table diatas. 1. UX5 HP memiliki bobot 5 daripada eBee 2. DT 18 memiliki bobot 3 daripada eBee 3. UX5 HPmemiliki bobot 3 daripada DT 18
Dari hasil perhitungan pada table bobot Radio Link maka jika eigen vector dipersentasekan hasilnya adalah 1. eEbee memiliki keunggulan Radio Link sebesar 10.37 % 2. DT - 18 memiliki keunggulan Radio Link sebesar 25.57 % 3. UX5 HP memiliki keunggulan Radio Link sebesar 63.07 %
Persentase Produk Langkah terakhir adalah menentukan nilai persentase saran dari setiap produk. Atau langkah terakhir ini biasa disebut Overall Composite Width. Berikut table hasil perhitungan dari semua data yang sudah didapatkan.
15
Table 8 -
Req Weight adalah Eigen Vector dari input prioritas vector dari requirement User.
-
Nilai dari kolom-kolom produk merupakan nilai Eigen Vector hasil perhitungan menggunakan AHP dari masing-masing fitur.
-
Untuk mendapatkan persentase saran adalah seperti berikut -
eBee = (0.1259 * 0.6307) + ( 0.5538 * 0.6307) + ( 0.0727 * 0.1037 ) + ( 0.2477 * 0.1037 )) = 0.4619 * 100 = 46.19 %
-
DT-18 = (0.1259 * 0.2557) + ( 0.5538 * 0.6307 ) + ( 0.0727 * 0.1037 ) + ( 0.2477 * 0.1037 ) = 0.2644 * 100 = 26.44 %
-
UX5 HP = (0.1259 * 0.1037) + (0.5538 * 0.2557) + (0.0727 * 0.6307) + ( 0.2477 * 0.2557 ) = 0.2638 * 100 = 26.39 %
Dari table diatas dapat disimpulkan bahwa ternyata Drone eBee lah yang masuk dalam kriteria yang diinginkan oleh pembeli. 3.2 Algoritma Algoritma yang digunakan dalam membuat sistem DSS tersebut adalah algoritma AHP (Analytical Hierarchy Process) seperti yang dijelaskan pada bagian dasar teori. Gambaran flowchart-nya adalah sebagai berikut :
16
17
18
19
3.3 Peta Situs
20
3.4 ERD
21
3.5 Gambaran Design 1. Pair Comparison
2. Result
22
Bab IV Penutup 4.1 Kesimpulan Berdasarkan respon dari pemakai sistem penununjang keputusan yang kami bangun dapat ditarik kesimpulan bahwa sistem yang dibuat sangat membantu si pengambil keputusan untuk memilih Drone yang dibutuhkan sesuai dengan kebutuhan dan spesifikasi yang diharapkan.
23
Daftar Pustaka 1. A.S Perdhana, W.L.Y Saptono, S.Si, M.Kom, S. Siswanti S.Kom, M.Kom, “Sistem Pendukung Keputusan Pemilian Jenis Laptop dengan Menggunakan Metode Analytical Hierarchy Process (AHP)”, Jurnal Ilmiah STIMIK Sinar Nusantara, 2013. 2. Riyanni, Awang Harsa Kiradalaksana dan Ahmad Rofiq Hakim, 2010 “Sistem Pendukung Keputusan Sertifikasi Badan Usaha Pelaksana Jasa Konstruksi Pada BPD GAPENSI Kaltim”. 3. Thomas L. Saaty Vol. VI of the AHP Series, , 478 pp., RWS Publ., 2000 (revised). ISBN 0 – 9620317 – 6 - 3. The Fundamentals of Decision Making and Priority Theory with the Analytic Hierarchy Process
24
