BAB 2 LANDASAN TEORI

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem pendukung keputusan ( decision support systems disingkat DSS) adalah bagian dari sistem informasi berbasis computer termasuk sistem berbasis pengetahuan (manajemen pengetahuan) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi perusahaan,atau lembaga pendidikan. Dapat juga dikatakan sebagai sistem komputer yang mengolah data menjadi informasi untuk mengambil keputusan dari masalah yang spesifik. Menurut Moore and Chang, Sistem Pendukung keputusan dapat digambarkan sebagai sistem yang berkemampuan mendukung analisis data, dan pemodelan keputusan, berorientasi keputusan, orientasi perencanaan masa depan, dan digunakan pada saat-saat yang tidak biasa. Kegiatan merancang system pendukung keputusan merupakan sebuah kegiatan untuk menemukan, mengembangkan dan menganalisis berbagai alternatif tindakan yang mungkin untuk dilakukan. Tahap perancangan ini meliputi pengembangan dan mengevaluasi serangkaian kegiatan alternatif. Sedangkan kegiatan memilih dan menelaah ini digunakan untuk memilih satu rangkaian tindakan tertentu dari beberapa yang tersedia dan melakukan penilaian terhadap tindakan yang telah dipilih.

2 2.1.1 Konsep pengambilan keputusan 1. Pengertian Keputusan Keputusan adalah suatu reaksi terhadap beberapa solusi alternatif yang dilakukan secara sadar dengan cara menganalisa kemungkinan-kemungkinan dari alternatif tersebut bersama konsekuensinya. Setiap keputusan akan membuat pilihan terakhir, dapat berupa tindakan atau opini. Itu semua bermula ketika kita perlu untuk melakukan sesuatu tetapi tidak tahu apa yang harus dilakukan. Untuk itu keputusan dapat dirasakan rasional atau irrasional dan dapat berdasarkan asumsi kuat atau asumsi lemah. 2. Pengertian Pengamilan Keputusan Pengambilan keputusan merupakan proses pemilihan alternatif tindakan untuk mencapai tujuan atau sasaran tertentu. Pengambilan keputusan dilakukan dengan pendekatan sistematis terhadap permasalahan melalui proses pengumpulan data menjadi informasi serta ditambah dengan faktor faktor yang perlu dipertimbangkan dalam pengambilan keputusan Konsep Dasar Sistem Pendukung Keputusan Sistem Pendukung keputusan dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan, dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif. Dengan cepat muncullah defenisi lainnya yang menimbulkan tidak pastinya apa sesungguhnya sistem pendukung keputusan itu. Berikut dijelaskan beberapa pendapat yang menyangkut sistem pendukung keputusan.

3 Moore dan Chang (1980) berpendapat bahwa sistem pendukung keputusan sebagai sistem yang dapat diperluas untuk mampu mendukung analisis data at hoc dan pemodelan keputusan, berorientasi terhadap perencanaan masa depan, dan digunakan pada interval yang tidak regular dan tak terencana. Bonczek, dkk., (1980) mendefenisikan sistem pendukung keputusan sebagai sistem berbasis komputer yang terdiri dari tiga komponen yang saling berinteraksi: sistem bahasa yang mana merupakan mekanisme untuk memberikan komunikasi antara pengguna dan komponen untuk sistem pendukung keputusan yang lain, sistem pengetahuan yang merupakan repositori pengetahuan domain masalah yang ada pada sistem pendukung keputusan sebagai data atau sebagai prosedur), dan sistem pemrosesan masalah yang merupakan hubungan antara dua komponen lainnya, terdiri dari satu atau lebih kapabilitas manipulasi masalah umum yang diperlukan untuk pengambilan keputusan). Konsep-konsep yang diberikan oleh defenisi tersebut sangat penting untuk memahami hubungan antara sistem pendukung keputusan dan pengetahuan. (Turban, 2005) Karakteristik dan kemempuan sistem pendukung keputusan Berdasarkan dari pengertian sistem pendukung keputusan maka dapat di tentukan karakteristik antara lain: 1. Mendukung proses pengambilan keputusan, menitik beratkan pada management by perception. 2. Adanya tatap muka manusia / mesin dimana manusia (user) tetap memegang kendali proses pengambilan keputusan 3. Mendukung pengambilan keputusan untuk membahas masalah terstruktur, semi terstruktur dan tak struktur. 4. Memiliki kapasitas dialog untuk memperoleh informasi sesuai dengan kebutuhan 5. Memiliki subsistem subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi sebagai kesatuan item.

4 6. Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi seluruh tingkatan manajemen. Sistem Pendukung keputusan (SPK) yang ideal yaitu : 1. SPK adalah sebuah sistem berbasis komputer antara komputer dan pengguna. 2. SPK ditujukan untuk membantu pembuat keputusan dalam menyelesaikan suatu masalah dalam berbagai level manajemen dan bukan untuk mengganti posisi manusia sebagai pembuat keputusan. 3. SPK mampu memberi alternatif solusi bagi masalah semi/tidak terstruktur baik bagi perseorangan atau kelompok dan dalam berbagai macam proses dan gaya pengambilan keputusan. 4. SPK menggunakan data, basis data dan analisa model-model keputusan. 5. SPK bersifat adaptif, efektif, interaktif, dan fleksibel. 6. SPK menyediakan akses terhadap berbagai macam format dan tipe sumber data (data source). Karakteristik dan Kapabilitas dari sistem pendukung keputusan akan terlihat jelas dari gambar dibawah ini: Akses data Pemodelan dan analisisi Kemudahan pengembangan Manusia mengontrol mesin Semi Terstuktur dan Tidak Standalone, Integrasi web Sistem Pendukung Keputusan Mendukung manajer di semua level Mendukung individu dan kelompok Keputusan ndependen dan Mendukung Intelegensi, desain, pilihan, implementasi Mendukung berbagai proses dan gaya Keefektivan bukan 9 efisiensi 8 7 User Friendly Dapat diadaptasi dan fleksibel Gambar 2.2. Karakteristik dan Kapabilitas Sistem Pendukung Keputusan

5 2.1.4 Arsitektur Sistem pendukung Keputusan karakteristik dan kapabilitas kunci dari SPK membolehkan para pengambilan keputusan untuk membuat keputusan yang lebih baik dan lebih kondisten pada satu cara yang dibatasi waktu. Kemampuan tersebut disediakan oleh berbagai komponen utama SPK, yaitu sebagai berikut : 1. Subsistem Manajemen Basis Data Subsistem data merupakan bagian yang menyelediakan data data yang dibutuhkan oleh Base Management Subsystem (DBMS). DBMS sendiri merupakan susbsistem data yang terorganisasi dalam suatu basis data. Data data yang merupakan dalam suatu Sistem Pendukung Keputusan dapat berasal dari luar lingkungan. Keputusan pada manajemen level atas seringkali harus memanfaatkan data dan informasi yang bersumber dari luar perusahaan. Kemampuan subsistem data yang diperlukan dalam suatu Sistem Pendukung Keputusan, antara lain : a. Mampu mengkombinasikan sumber sumber data yang relevan melalui proses ekstraksi data. b. Mampu menambah dan menghapus secara cepat dan mudah. c. Mampu menangani data personal dan non personal, sehingga user dapat bereksperimen dengan berbagai alternatif keputusan. d. Mampu mengolah data yang bervariasi dengan fungsi manajemen data yang luas. 2. Subsistem Manajemen Model Subsistem model dalam Sistem Pendukung Keputusan memungkinkan pengambil keputusan menganalisa secara utuh dengan mengembangkan dan membandingkan alternatif solusi. Intergrasi model model dalam Sistem Informasi Manajemen yang berdasarkan integrasi data data dari lapangan menjadi suatu Sistem Pendukung Keputusan. Kemampuan subsistem model dalam Sistem Pendukung Keputusan antara lain a. Mampu menciptakan model model baru dengan cepat dan mudah b. Mampu mengkatalogkan dan mengelola model untuk mendukung semua tingkat pemakai

6 c. Mampu menghubungkan model model dengan basis data melalui hubungan yang sesuai d. Mampu mengelola basis model dengan fungsi manajemen yang analog dengan database manajemen 3. Subsistem Dialog Subsistem dialog merupakan bagian dari Sistem Pendukung Keputusan yang dibangun untuk memenuhi kebutuhan representasi dan mekanisme kontrol selama proses analisa dalam Sistem Pendukung Keputusan ditentukan dari kemampuan berinteraksi anatara sistem yang terpasang dengan user. Pemakai terminal dan sistem perangkat lunak merupakan komponen komponen yang terlibat dalam susbsistem dialog yang mewujudkan komunikasi anatara user dengan sistem tersebut. Komponen dialog menampilakan keluaran sistem sebagai pemakai dan menerima masukan dari kedalam sistem pendukung keputusan. Adapun subsistem Dialog dibagi menjadi tiga yaitu : a. Bahasa Aksi (The Action Language) Merupakan tindakan tindakan yang dilakukan user dalam usaha untuk membangun komunikasi dengan sistem. Tindakan yang dilakukan oleh user untuk menjalankan dan mengontrol sistem tersebut tergantung rancangan sistem yang ada. b. Bahasa Tampilan (The Display or Presentation Langauage) Merupakan tindakan tindakan yang dilakukan user dalam usaha untuk membangun komunikasi dengan sistem. Tindakan yang dilakukan oleh user untuk menjalankan dan mengontrol sistem tersebut tergantung rancangan sistem yang ada. c. Bahasa Pengetahuan (Knowledge Base Language) Meliputi pengetahuan yang harus dimiliki user tentang keputusan dan tentang prosedur pemakaian Sistem Pendukung Keputusan agar sistem dapat digunakan secara efektif. Pemahaman user terhadap permasalahan yang dihadapi dilakukan diluar sistem, sebelum user menggunakan sistem untuk mengambil keputusan.

7 2.2 Analytical Hierarchy Process (AHP) Sejarah Analytical Hierarchy Process AHP dikembangkan oleh Thomas Saaty pada tahun 1970-an. AHP merupakan sistem pembuat keputusan dengan menggunakan model matematis. AHP membantu dalam menentukan prioritas dari beberapa kriteria dengan menggunakan model matematis. AHP membantu dalam menentukan prioritas dari beberapa kriteria dengan melakukan analisa perbandingan berpasangan dari masing-masing kriteria. AHP dikembangkan pada musim semi 1970 dalam menghadapi masalah perencanaan militer Amerika Serikat untuk menghadapi berbagai pilihan (contingencypla) Metode Analytical Hierarchy Process Pada dasarnya, proses pengambilan keputusan adalah memilih suatu alternatif. Peralatan utama AHP adalah sebuah hierarki fungsional dengan input utamanya persepsi manusia. Keberadaan hierarki memungkinkan dipecahnya masalah, lalu menyusunnya menjadi suatu bentuk hierarki. AHP telah menarik minat banyak peneliti utamanya berdasarkan metode perhitungan Matematika yang bagus dan faktanya bahwa dibutuhkan input data yang lebih mudah diperoleh. AHP merupakan alat pengambilan keputusan yang dapat digunakan untuk memecahkan masalah yang kompleks. AHP menggunakan struktur hirarki multi level, kriteria, subkriteria dan alternatif. Data yang bersangkutan menggunakan perbandingan berpasangan. Perbandingan berpasangan (Pairwise Comparison). Perbandingan ini digunakan untuk mendapatkan bobot pentingnya kriteria keputusan dan ukuran kinerja relatif dari alternatif dalam kriteria yang sudah ditentukan. Jika perbandingan tidak konsisten, maka perbandingan ini menyediakan mekanisme untuk meningkatkan konsistensi. (H Mann, 1995). Metode Analytic Hierarchy Process (AHP) dikembangkan oleh Thomas L. Saaty pada tahun 70-an ketika di Warston school. Metode AHP merupakan salah satu

8 metode yang dapat digunakan dalam sistem pengambilan keputusan dengan memperhatikan faktor-faktor persepsi, preferensi, pengalaman dan intuisi. AHP menggabungkan penilaian-penilaian dan nilai-nilai pribadi ke dalam satu cara yang logis. Penilaian dilakukan dengan membandingkan setiap elemen dengan elemen lainnya pada setiap kriteria sehingga didapat nilai kepentingan elemen dalam bentuk pendapat yang bersifat kualitatif tersebut digunakan skala penilaian Saaty sehingga akan diperoleh nilai pendapat dalam bentuk angka (kuantitatif) hingga menghasilkan siapa saja yang berhak dalam menerima beasiswa Ceria Prinsip Dasar AHP Dalam menyelesaikan permasalahan dengan AHP ada beberapa prinsip yang harus dipahami, diantaranya adalah (Mulyono, 2007): 1. Membuat hierarki. Sistem yang kompleks bisa dipahami dengan memecahnya menjadi elemenelemen pendukung, menyusun elemen secara hierarki, dan menggabungkannya atau mensintesisnya. 2. Penilaian Kriteria dan alternatif Kriteria dan alternatif dilakukan dengan perbandingan berpasangan. Menurut Saaty (1988), untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik untuk mengekspresikan pendapat kualitatif dari skala perbandingan Saaty bisa diukur menggunakan tabel analisis seperti ditunjukkan pada Tabel 2.1 berikut Tabel 2.1. Skala Penilaian Perbandingan Pasangan Intensitas Keterangan Kepentingan 1 Kedua elemen sama pentingnya

9 3 Elemen yang satu sedikit lebih penting daripada elemen yang lainnya 5 Elemen yang satu lebih penting daripada elemen lainnya 7 Satu elemen jelas lebih mutlak penting daripada elemen lainnya 9 Satu elemen mutlak penting daripada elemen lainnya 2,4,6,8 Nilai-nilai antara dua nilai pertimbangan yang berdasarkan Kebalikan Jika aktivitas i mendapat satu angka dibandingkan dengan aktivitas j, maka j memiliki nilai kebalikannya dibandingkan dengan i 3. Synthesis of Priority (menentukan prioritas) Untuk setiap kriteria dan alternatif, perlu dilakukan perbandingan berpasangan (pairwise comparisons). Nilai-nilai perbandingan relatif dari seluruh alternatif kriteria bisa disesuaikan dengan judgement yang telah ditentukan untuk menghasilkan bobot dan prioritas. Bobot dan prioritas dihitung dengan memanipulasi matriks atau melalui penyelesaian persamaan matematika. 4. Logical Consistency (Konsistensi Logic) Konsistensi memiliki dua makna. Pertama, objek-objek yang serupa bisa dikelompokkan sesuai dengan keseragaman dan relevansi. Kedua, menyangkut tingkat hubungan antar objek yang didasarkan pada kriteria tertentu. Adapun langkah-langkah dalam metode AHP adalah sebagai berikut : 1. Mendefenisikan masalah dan menentukan solusi yang diinginkan. 2. Membuat struktur hirarki, yang diawali dengan tujuan umum, dilanjutkan dengan sub-subtujuan, kriteria dan kemungkinan alternatif pada tingkatan kriteria yang paling bawah. 3. Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi relatif pengaruh setiap elemen terhadap masing-masing tujuan kriteria yang

10 setingkat diatasnya. Perbandingan berdasarkan judgement dari pengambil keputusan dengan menilai tingkat kepentingan suatu elemen dibandingkan elemen lainnya. 4. Melakukan perbandingan berpasangan sehingga diperoleh judgement seluruhnya sebanyak n x [ n 1 ] buah, dengan n adalah banyaknya elemen 2 yang dibandingkan. 5. Menghitung nilai eigen dan menguji konsistensinya, jika tidak konsisten maka pengambilan data diulangi. 6. Mengulangi langkah 3, 4, dan 5 untuk seluruh tingkat hirarki. 7. Menghitung vector eigen dari setiap matriks perbandingan berpasangan. Nilai vector eigen merupakan bobot setiap elemen. Langkah ini untuk mensistesis judgement dalam penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan. 8. Memeriksa konsistensi hirarki. Jika nilainya lebih dari 0.01 maka penilaian data judgement harus diperbaiki. Berdasarkan penjelasan langkah-langkah AHP diatas, dapat dibuat rumus perhitungan untuk penentuan ranking penerimaan beasiswa ceria sebagai berikut. 1. Menentukan kriteria-kriteria yang akan digunakan dalam menentukan siapa yang berhak Menerima beasiswa Ceria. 2. Menyusun kriteria-kriteria tersebut dalam bentuk matriks berpasangan. 3. Menjumlahkan matriks kolom yang disebut dengan jumlah elemen. 4. Menentukan bobot relatif yang dinormalkan (normalized relatif weight) dengan cara membandingkan masing-masing nilai skala dengan jumlah elemennya. 5. Menghitung nilai prioritas kriteria dengan rumus menjumlahkan matriks baris pada langkah 4 dan dibagi dengan jumlah kriteria. 6. Menghitung nilai lamda maksimum, dengan cara menjumlahkan hasil perkalian jumlah kolom pada langkah 3 dengan prioritas tiap kriteria pada langkah Menguji konsistensi matriks berpasangan kriteria yaitu nilai Indeks Konsisten, dengan rumus CI = λ max n n 1

11 8. Dimana CI = indeks konsistensi (Consistency Indeks) (2.1) λmax = nilai eigen n = banyak kriteria 9. Menghitung Rasio Konsistensi, dengan rumus CR = CI Dimana CR = Rasio Konsistensi CI = Indeks Konsistensi RI = Indeks Random RI adalah nilai indeks random seperti tabel 2.2. RI (2.2) Tabel 2.2 Indeks Random N RI Jika CR < 0.1 maka nilai perbandingan berpasangan pada matriks kriteria yang diberikan konsisten. Jika CR 0.1, maka nilai perbandingan berpasangan pada matriks kriteria yang diberikan tidak konsisten. Jika tidak konsisten maka pengisian nilai-nilai pada matriks berpasangan pada unsur kriteria maupun alternatif harus diulang. (H Mann, 1995). 10. Menentukan siapa saja yang berhak Menerima beasiswa ceria. 11. Menyusun siapa saja yang telah ditentukan dalam bentuk matriks berpasangan untuk masing-masing kriteria. Ada n buah matriks berpasangan antar Kriteria tersebut. 12. Masing-masing matriks berpasangan antar kriteria sebanyak n buah matriks, tiap-tiap matriksnya dijumlah perkolomnya seperti pada langkah Menghitung nilai prioritas masing-masing matriks berpasangan antar kriteria dengan rumus pada langkah 4 dan langkah Menghitung nilai lamda maksimum sama seperti langkah Menghitung konsistensi matriks berpasangan antar kriteria calon penerima beasiswa ceria dengan mengikuti langkah-langkah 7 dan Menyusun matriks baris antar Kriteria dengan matriks baris kriteria yang isinya hasil perhitungan nilai prioritas kriteria dan nilai prioritas penerima beasiswa ceria tiap kriteria.

12 17. Hasil akhir berupa prioritas global dari perkalian nilai prioritas masing-masing matriks kriteria dengan matriks antar penerima beasiswa yang kemudian dijumlahkan. Nilai ini yang digunakan oleh pengambil keputusan berdasarkan nilai tertinggi. 2.3 Algoritma Preference Ranking Organization for Enrichment Evaluation (PROMETHEE) 1. Kriteria Biasa (Usual Criterion) 0 jika d = 0 H(d) = (2.3) 1 jika d 0 Keterangan: H(d) = selisih kriteria antara alternatif d = selisih nilai kriteria dimana {d = f(a) - f(b)} Pada kasus ini, tidak ada beda (sama penting) antara a dan b jika dan hanya jika f(a) = f(b) ; apabila nilai kriteria pada masing-masing alternative memiliki nilai berbeda, pembuat keputusan membuat preferensi mutlak untuk alternatif memiliki nilai yang lebih baik. H(d) 1 0 Gambar 2.1 Kriteria Biasa d 2. Kriteria Quasi (Quasi Criterion) 0 jika q

13 H(d) = (2.4) 1 jika d > q Keterangan: H(d) = fungsi selisih kriteria antara alternatif d = selisih nilai kriteria { d = f(a) - f(b) } Parameter (q) = harus merupakan nilai tetap Dua alternatif memiliki preferensi yang sama penting selama selisih atau nilai H(d) dari masing-masing alternatif untuk kriteria tertentu tidak melebihi nilai q, dan apabila selisih hasil evaluasi untuk masing-masing alternatif melebihi nilai q maka terjadi bentuk preferensi mutlak. H(d) 1 -q 0 q d Gambar 2.2. Kriteria Quasi 3. Kriteria dengan preferensi linier 0 jika d 0 H(d) = d/p jika 0 < d p (2.5) 1 jika d > p Keterangan: H(d) = fungsi selisih kriteria antara alternatif d = selisih nilai kriteria { d = f(a) - f(b) } p = nilai kecenderungan atas

14 Kriteria preferensi linier dapat menjelaskan bahwa selama nilai selisih memiliki nilai yang lebih rendah dari p, preferensi dari pembuat keputusan meningkat secara linier dengan nilai d. Jika nilai d lebih besar dibandingkan dengan nilai p, maka terjadi preferensi mutlak. H(d) 1 -p 0 p d Gambar 2.3. Kriteria Preferensi linear 4. Kriteria Level (Level Criterion) 0 jika d q H(d) = 0,5 jika q < d p (2.6) 1 jika d > p Keterangan: H(d) p q = fungsi selisih kriteria antara alternatif = nilai kecenderungan atas = harus merupakan nilai yang tetap Kecenderungan tidak berbeda q dan kecenderungan preferensi p adalah ditentukan secara simultan. Jika d berada di antara nilai q dan p, hal ini berarti situasi preferensi yang lemah (H(d) = 0.5) (Brans, 1984). H(d) 1 -p -q q p d

15 Gambar 2.4. Kriteria Level 5. Kriteria dengan preferensi linier dan area yang tidak berbeda 0 jika d q H(d) = (d-q)/p-q jika q < d p (2.7) 1 jika d > p Keterangan: H(d) = fungsi selisih kriteria antara alternatif d = selisih nilai kriteria { d = f(a) - f(b) } p = nilai kecenderungan atas q = harus merupakan nilai yang tetap Pengambilan keputusan mempertimbangkan peningkatan preferensi secara linier dari tidak berbeda hingga preferensi mutlak dalam area antara dua kecenderungan q dan p. dua parameter tersebut telah ditentukan. H(d) 1 -p -q 0 q p d Gambar 2.5. Kriteria dengan preferensi linier dan area yang tidak berbeda 6. Kriteria Gaussian (Gaussian Criterion) 0 jika d 0 H(d) = (2.8) 1 exp(- d2 2σ 2 ) jika d > 0

16 Fungsi ini bersyarat apabila ditentukan nilai σ, dimana dapat dibuat berdasarkan distribusi normal dalam statistik (Brans, 1998). H(d) 1 0 d Gambar 2.6. Kriteria Gaussian Langkah-langkah perhitungan dengan Algoritma Promethee adalah sebagai berikut : Diperlukan tahapan-tahapan yang harus dilakukan oleh pembuat keputusan untuk mendapatkan hasil penyeleksian dengan metode Promethee. 1. Menentukan beberapa alternatif Alternatif disini bisa diartikan dengan obyek yang akan diseleksi (obyek seleksi). Pada perhitungan penyeleksian dengan Promethee diperlukan penentuan beberapa obyek yang akan diseleksi (minimal 2 obyek). Dimana antara obyek yang satu dengan obyek lainnya akan dibandingkan. 2. Menentukan beberapa kriteria Setelah melakukan penentuan obyek yang akan diseleksi, maka dalam perhitungan penyeleksian Promethee juga diperlukan penentuan beberapa kriteria, penentuan kriteria disini sebagai syarat atau ketentuan dalam penyeleksian. 3. Menentukan dominasi kriteria Ketika menentukan kriteria, decision maker harus menentukan bobot atau dominasi kriteria dari kriteria lainnya. Setiap kriteria boleh memiliki nilai bobot yang sama atau berbeda. 4. Menentukan tipe preferensi untuk setiap kriteria yang paling cocok didasarkan pada data dan pertimbangan dari decision maker. Tipe preferensi ini berjumlah Enam (Usual, Quasi, Linear, Level, Linear Quasi dan Gaussian.

17 5. Memberikan nilai threshold atau kecenderungan untuk setiap kriteria berdasarkan preferensi yang telah dipilih. Nilai kecenderungan tersebut adalah nilai indifference, preference, dan Gaussian. 6. Perhitungan Leaving Flow, Entering Flow dan Net Flow. 1. Leaving flow adalah jumlah dari yang memiliki arah menjauh dari node a. dan hal ini merupakan pengukuran outrangking. Adapun persamaannya: φ + (a) = 1 n 1 x A φ(a, x) (2.9) Keterangan : φ + (a) = Leaving Flow 2. Nilai Entering Flow adalah jumlah dari yang memiliki arah mendekat dari node a dan hal ini merupakan karakter pengukuran outranking. Untuk semua nilai node a dalam grafik nilai outranking ditentukan berdasarkan entering flow dengan persamaan: φ (a) = 1 n 1 Keterangan : φ (a) = Entering Flow x A φ(a, x) (2.10) 3. Nilai Net Flow adalah penilaian secara lengkap. Lengkap disini adalah penilaian yang didapat dari nilai Entering Flow yang dikurangi nilai Leaving Flow. Jadi bisa diartikan, nilai Net Flow adalah nilai akhir atau hasil yang didapat dari nilai positif yang dikurangi nilai negatif dari sebuah node. Adapun persamaannya ialah: φ (a)φ (a) = φ + (a) φ (a) (2.11) Keterangan : φ + (a) = Leaving Flow φ (a) = Entering Flow 2.4 Metode Pemodelan UML UML (Unified Modeling Language) merupakan metode pemodelan secara visual sebagai sarana untuk merancang atau membuat software berorientasi objek. Karena UML sebuah bahasa visual untuk pemodelan bahasa berorientasi objek, maka semua elemen dan diagram berbasiskan pada paradigma object oriented sehingga UML

18 merupakan sebuah bahasa standar untuk pengembangan sebuah software yang dapat menyampaikan bagaimana membuat danmembentuk model-model, tetapi tidak menyampaikan apa dan kapanmodel yang seharusnya dibuat yang merupakan salah satu proses implementasi pengembangan software. Untuk dapat memahami UML membutuhkan bentuk konsep dari sebuah bahasa model, dan mempelajari 3 (tiga) elemen utama dari UML, seperti building block, aturan-aturan yang menyatakan bagaimana building block diletakkan secara bersamaan, dan beberapa mekanisme umum (common). UML terdiri atas pengelompokan diagram-diagram sistem menurut aspek atau sudut pandang tertentu. Diagram adalah yang menggambarkan permasalahan maupun solusi dari permasalahan suatu model. UML mempunyai beberapa jenis diagram, diantaranya Use Case Diagram, Class Diagram, Package Diagram, Object Diagram, Sequence Diagram, Collaboration Diagram, StatiChart Diagram, Activity Diagram, Deployment Diagram, Component Diagram, Composite Structure Diagram, Interaction Overview Diagram, Timing Diagram. Tetapi yang sering digunakan adalah Use Case Diagram, Activity Diagram, Sequence Diagram dan Class Diagram. 1. Diagram Pengguna Keadaan (Use Case Diagram) Diagram Use Case menggambarkan apa saja aktifitas yang dilakukan oleh suatu sistem dari sudut pandang pengamatan luar. yang menjadi persoalan itu apa yang dilakukan bukan bagaimana melakukannya. Diagram Use Case dekat kaitannya dengan kejadian-kejadian. Kejadian (scenario) merupakan contoh apa yang terjadi ketika seseorang berinteraksi dengan sistem.use case diagram mempunyai beberapa bagian penting seperti: Actor, Use Case, Underectional Association, Generalization. Tabel 2.3. Pengklasifikasian dalam Use Case Diagram Pengklasifikasi Kegunaan Notasi Actor Menggambarkan semua objek di luar sistem (bukan hanya pengguna sistem/perangkat lunak) yang berinteraksi dengan sistem yang dikembangkan.

19 Use Case Menggambarkan fungsionalitas yang dimiliki system Relasi menggambarkan hubungan antara actor dan use case. Pembagian relasi-relasi ini dapat dilihat pada tabel berikut : Tabel 2.4. Tabel Relasi-relasi dalam Use Case Diagram Relasi Kegunaan Notasi Asosiasi (Association) Extend Generalisasi Use Case Include Lintasan komunikasi antara actor dengan use case Penambahan perilaku ke suatu use case dasar Menggambarkan hubungan antara use case yang bersifat umum dengan use case-use case yang bersifat lebih spesifik Penambahan perilaku ke suatu use case dasar yang secara eksplisit mendeskripsikan penambahan tersebut 2. Diagram Aktivitas (Activity Diagram) Activity Diagram menggambarkan proses-proses yang terjadi mulai aktivitas dimulai sampai aktivitas berhenti. Activity Diagram sesungguhnya merupakan bentuk khusus dari state machine yang bertujuan memodelkan komputasikomputasi dan aliran-aliran kerja yang terjadi dalam sistem/perangkat lunak yang sedang dikembangkan. Diagram aktivitas mencakup didalamnya symbol-simbol yang relative mudah digunakan. Symbol-simbol yang sama juga dapat digunakan pada statechart diagram. Tabel 2.5. Jenis-Jenis State Relasi Fungsi Notasi

20 State sederhana State komposit Initial state Final state State tanpa struktur apapun di dalamnya State yang dibagi menjadi 2 atau lebih substate konkuren. State mendindikasikan awal rangkaian state dalam diagram state State mengindikasikan akhir rangkaian state dalam diagram state State With Substance 3. Diagram Rangkaian (Sequence Diagram) Diagram sequence merupakan salah satu diagram Interaction yang menjelaskan bagaimana suatu operasi itu dilakukan; message (pesan) Analisis dan Perancangan Sistem Halaman 10. apa yang dikirim dan kapan pelaksanaannya. Diagram ini diatur berdasarkan waktu. Obyek-obyek yang berkaitan dengan proses berjalannya operasi diurutkan dari kiri ke kanan berdasarkan waktu terjadinya dalam pesan yang terurut. 2.5 Flowchart Flowchart merupakan sekumpulan dari simbol simbol yang menunjukan atau menggambarkan rangkaian kegiatan kegiatan dari awal hingga akhir, jadi flowchart juga digunakan untuk menggambarkan urutan langkah langkah pekerjaan di suatu algoritma. Ada dua kategori simbol flowchart, yaitu program flowchart dan sistem flowchart..program flowchart, yaitu symbol-simbol flowchart yang digunakan untuk menggambarkan logic dari pemrosesan terhadap data. Simbol Tabel 2.6. Simbol Flowchart Keterangan Terminator Mulai atau selesai

21 Proses Menyatakan proses terhadap data Input/Output Menerima input atau menampilkan output Seleksi/Pilihan Memilih aliran berdasarkan syarat Predefined-Data Definisi dari awal dari variable atau data Predefined-Process Lambang fungsi atau sub-program Connector Penghubung Off-page Connector Penghubung halaman pada halaman yang berbeda Sistem Flowchart, merupakan symbol-simbol peralatan sistem komputer yang digunakan untuk menyatakan proses pengolahan data. Simbol Tabel 2.7. Sistem Flowchart Nama Keyboard Printer

22 File/Storage Display/Monitor Magnetic Tape Magnetic Disc Sorting Extract Merge