BAB 2 TINJAUAN PUSTAKA

Transkripsi

1 BAB 2 TINJAUAN PUSTAKA 2.1. Definisi Sistem Pendukung Keputusan Sistem pendukung keputusan (SPK) adalah salah satu cara mengorganisir informasi yang melibatkan pengunaan basis data yang dimaksudkan untuk digunakan dalam membuat keputusan. SPK dirancang untuk pendekatan menyelesaikan masalah para pembuat keputusan dan kebutuhan-kebutuhan aplikasi, tetapi tidak untuk menggantikan keputusan maupun membuat suatu keputusan untuk pengguna. Sistem Pendukung Keputusan sebagai sistem yang dapat diperluas untuk mampu mendukung analisis data ad hoc dan pemodelan keputusan, berorientasi terhadap perencanaan masa depan, dan digunakan pada interval yang tidak regular dan tak terencana (Moore dan Chang, 1980). Menurut Surbakti (2002), sistem pendukung keputusan mendayagunakan resources individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan. Jadi ini merupakan sistem pendukung yang berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan dengan masalahmasalah yang semi terstruktur. Sistem pendukung keputusan pertama kali diperkenalkan pada awal tahun 1970 oleh Michael S. Scott dengan istilah management decision system yang merupakan suatu sistem berbasis komputer yang membantu pengambilan keputusan dengan memanfaatkan data dan model-model untuk menyelesaikan masalah-masalah yang tidak terstruktur (Turban, 2005). Sistem pendukung keputusan sebagai sistem berbasis komputer yang terdiri dari tiga komponen yang saling berinteraksi : sistem bahasa (mekanisme untuk memberikan komunikasi antara pengguna dan komponen DSS lain), sistem pengetahuan (repository pengetahuan domain masalah yang ada pada DSS sebagai

2 9 data atau sebagai prosedur), dan sistem pemrosesan masalah (hubungan antara dua komponen lainnya, terdir dari satu atau lebih kapabilitas manipulasi masalah umum yang diperlukan untuk pengambilan keputusan (Bonczek dkk., 1980). Sprague dan Carlson mendefinisikan sistem pendukung keputusan, adalah sebagai sebuah sistem yang memiliki lima karakteristik utama (Sprague dan Carlson, 1993): 1) Sistem yang berbasis komputer; 2) Dipergunakan untuk membantu para pengambil keputusan; 3) Untuk memecahkan masalah-masalah rumit yang mustahil dilakukan dengan kalkulasi manual; 4) Simulasi yang interaktif; 5) Data dan model analisis sebagai komponen utama. Sistem pendukung keputusan (SPK) merupakan sebuah sistem yang memiliki kriteria sebagai berikut (Turban, 1995) : 1. Penggunaan model, komunikasi antara pengambil keputusan dan sistem terjalin melalui model-model matematis, jadi pengambil keputusan bertanggung jawab membangun model matematis berdasarkan permasalahan yang dihadapinya. 2. Berbasis komputer, sistem ini mempertemukan penilaian manusia (pengambil keputusan) dengan informasi komputer. Informasi komputer ini dapat berasal dari perangkat lunak komputer yang merupakan implementasi dari metode numeris untuk permasalahan matematis yang bersangkutan. 3. Fleksibel, sistem harus dapat beradaptasi terhadap timbulnya perubahan pada permasalahan yang ada. Jadi pengambil keputusan harus dibolehkan untuk melakukan perubahan pada model yang telah diberikannya kepada sistem, ataupun memberikan model yang baru. 4. Interaktif dan mudah digunakan, pengambil keputusan bertanggung jawab untuk menentukan apakah jawaban yang diberikan oleh sistem memuaskan atau tidak. Bagaimanapun juga sistem bertugas mendukung, bukan menggantikan pengambil keputusan. Jadi sistem harus memiliki

3 10 kemampuan interaktif: pengambil keputusan harus diijinkan untuk menjelajahi alternatif jawaban dengan cara memvariasi parameter-parameter yang ada pada sistem. Karakteristik utama sebuah sistem pendukung keputusan adalah inklusi pada sedikitnya satu model. Model merupakan representasi atau abstraksi sederhana dari realitas. Tujuan dari sistem pendukung keputusan adalah untuk membantu pengambil keputusan memilih berbagai alternatif keputusan yang merupakan pengolahan informasi-informasi yang diperoleh/tersedia dengan menggunakan model pengambilan keputusan. Ciri utama sekaligus keunggulan dari sistem pendukung keputusan tersebut adalah kemampuannya untuk menyelesaikan masalah-masalah yang tidak terstruktur (Surbakti, 2002). Pengambilan keputusan adalah sebuah proses memilih tindakan (diantara berbagai alternatif) untuk mencapai tujuan atau beberapa tujuan. Pengambilan keputusan digunakan untuk mendapatkan pemecahan masalah. Masalah terjadi ketika sebuah sistem tidak memenuhi tujuan yang telah ditetapkan, tidak mencapai hasil yang diprediksi, atau tidak bekerja seperti yang direncanakan. Pemecahan masalah dapat juga berkaitan dengan mengidentifikasi peluang-peluang baru. Untuk membedakan istilah pengambilan keputusan dan pemecahan masalah adalah dengan memeriksa fase-fase proses keputusan, antara lain : 1. Kecerdasan Kecerdasan, adalah kesadaran mengenai suatu masalah atau peluang. Dalam hal ini, pembuat keputusan berupaya mencari dan memeriksa keputusan-keputusan yang perlu dibuat, dan masalah-masalah yang perlu diatasi, atau peluang-peluang yang perlu dipertimbangkan. Kecerdasan berarti kesadaran aktif akan perubahanperubahan di lingkungan yang menuntut dilakukannya tindakan-tindakan tertentu. 2. Perancangan Dalam fase perancangan, pembuat keputusan merumuskan suatu masalah dan menganalisis sejumlah solusi alternatif. 3. Pemilihan Dalam fase pemilihan ini, pembuat keputusan memilih solusi masalah atau peluang yang ditandai dalam fase kecerdasan. Pemilihan ini diikuti dari analisis sebelumnya dalam fase perancangan dan

4 11 memperkuatnya lewat informasi-informasi yang diperoleh dalam fase pemilihan. 4. Implementasi Dalam fase implementasi, mencakup implementasi aktual dari rekomendasi yang didapatkan dari fase pemilihan. Fase 1-3 dianggap sebagai pengambilan keputusan formal yang berakhir dengan satu rekomendasi. Sedangkan keseluruhan proses (fase 1-4) sebagai pemecahan masalah, dengan fase pilihan sebagai pengambil keputusan riil. 2.2 Algoritma Algoritma merupakan langkah-langkah penyelesaian masalah dalam bentuk kalimat dengan jumlah kata terbatas tetapi tersusun secara logis dan sistematis. Algoritma juga merupakan suatu prosedur yang jelas untuk menyelesaikan suatu persoalan dengan menggunakan langkah-langkah tertentu dan terbatas jumlahnya. Selain itu algoritma memiliki ciri atau karateristik, menurut Donald E. Knuth, Algoritma memiliki beberapa ciri yaitu: 1. Algoritma mempunyai awal dan akhir, suatu algoritma harus berhenti setelah mengerjakan serangkaian tugas. 2. Setiap langkah harus didefinisikan dengan tepat sehingga tidak memiliki arti ganda, tidak membingungkan (not ambigious). 3. Memiliki masukan (input) atau kondisi awal. 4. Memiliki keluaran (output) atau kondisi akhir. 5. Algoritma harus efektif, bila diikuti dengan benar maka akan menyelesaikan persoalan.

5 Multi-Criteria Decision Making Merupakan suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan (Kahraman;Springer). Berdasarkan tujuannya, MCDM dapat dibagi dua model: Multi Attribute Decision Making (MADM) dan Multi Objective Decision Making (MODM). Seringkali MADM dan MODM digunakan untuk menerangkan kelas atau kategori yang sama. MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang diskrit. Oleh karena itu, pada MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas. Sedangkan MODM digunakan untuk menyelesaikan masalah-masalah pada ruang kontinyu. Secara umum dapat dikatakan bahwa, MADM menyeleksi alternatif terbaik dari sejumlah alternatif sedangkan MODM merancang alternatif terbaik. Multi Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan. Berdasarkan tujuannya, MCDM dapat dibagi menjadi 2 model (Zimmermann, 1991) dalam buku Kusumadewi, Multi Attribute Decision Makng (MADM) dan Multi Objective Ddecision Making (MODM). Seringkali MCDM dan MADM digunakan untuk menerangkan kelas atau kategori yang sama. MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang diskret. Oleh karena itu, pada MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas. Sedangkan MODM digunakan untuk menyelesaikan masalah-masalah pada ruang kontinyu (seperti permasalahan pada pemrogaman matematis). Secara umum dapat dikatakan bahwa, MADM menyeleksi alternatif terbaik dari sejumlah alternatif; sedangkan MODM merancang alternatif terbaik.

6 13 Perbedaan mendasar terlihat pada tabel berikut: Tabel 2.1 Tabel Perbandingan MADM dan MODM MADM MODM Kriteria Atribut Tujuan Tujuan Implisit Eksplisit Atribut Eksplisit Implisit Alternatif Diskret, dalam jumlah terbatas Kontinu, dalam jumlah tak terbatas Kegunaan Seleksi Desain Klasifikasi Metode MCDM Ada beberapa cara dalam mengklasifikasi metode MCDM. Menurut tipe data yang digunakan, MCDM dapat dibagi berdasarkan tipe deterministic, stokastik atau fuzzy. Menurut jumlah pengambil keputusan yang terlibat dalam proses pengambil keputusan. MCDM dapat dibagi berdasarkan pengambil keputusan satu orang, atau pengambil keputusan dalam bentuk grup (kelompok) Klasifikasi Solusi MCDM Masalah MCDM tidak selalu memberikan solusi spesifik, perbedaan tipe bisa jadi akan memberikan perbedaan solusi. a. Solusi ideal, kriteria atau atribuat dapat dibagi menjadi dua kategori, yaitu kriteria yang nilainya akan dimaksimumkan (kategori nilai keuntungan), dan kriteria yang nilainya akan diminimumkan (kategori kriteria biaya). Solusi ideal akan memaksimumkan semua kriteria keuntungan dan meminumkan semua kriteria biaya. b. Solusi non-dominated, solusi ini sering juga dikenal dengan nama solusi pareto-optimal. Solusi feasible MCDM dikatakan non-dominated jika tidak ada solusi feasible yang lain akan menghasilkan perbaikan terhadap suatu atribut tanpa menyebabkan degenerasi pada atribut lainnya.

7 14 c. Solusi yang memuaskan, solusi yang memuaskan adalah himpunan bagian dari solusi-solusi feasible dimana setiap alternatif melampaui semua kriteria yang diharapkan. d. Solusi yang lebih disukai, solusi yang disukai adalah solusi non-dominated yang paling banyak memuaskan pengambil keputusan Klasifikasi MCDM Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MCDM, antara lain: a. Simple Additive Weighting Method (SAW) b. Weighted Product Model (WPM) c. Axiomatic Desain d. ELECTRE e. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) f. Analytic Hierachy Process (AHP) 2.4 Weighted Sum Model (WSM) Dalam Kusumadewi dkk.(2006), Fishburn menyatakan bahwa, konsep dasar metode Simple Additive Weighting Method (SAW) yang biasa disebut juga Weighted Sum Model (WSM) 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.

8 15 Jika j adalah atribut keuntungan (benefit) r ij = (1) Jika j adalah atribut biaya (cost) Dimana r ij adalah rating kinerja ternormalisasi dari alternatif A i pada atribut C j dimana i=1,2,.,m dan j=1,2,.,n. Nilai preferensi untuk setiap alternatif (V i ) diberikan sebagai : (2) Nilai V i yang lebih besar mengindikasikan bahwa alternatif A i lebih terpilih. Contoh kasus : Suatu perusahaan di Daerah Istimewa Yogyakarta (DIY) ingin membangun sebuah gudang yang akan digunakan sebagai tempat untuk menyimpan sementara hasil produksinya. Ada 3 lokasi yang akan menjadi alternatif, yaitu : A 1 = Ngemplak, A 2 = Kalasan, A 3 = Kota Gede. Ada 5 kriteria yang dijadikan acuan dalam pengambilan keputusan, yaitu : C 1 = jarak dengan pasar terdekat (km) C 2 = kepadatan penduduk di sekitar lokasi (orang/km 2 ) C 3 = jarak dari pabrik (km) C 4 = jarak dengan gudang yang sudah ada (km) C 5 = harga tanah untuk lokasi ( dikalikan dengan Rp /m 2 )

9 16 Rating kecocokan setiap alternatif pada setiap kriteria, dinilai dengan 1 sampai 5, yaitu : 1 : sangat buruk 2 : buruk 3 : cukup 4 : baik 5 : sangat baik Tabel 8 menunjukkan rating kecocokan dari setiap alternatif pada setiap kriteria. Sedangkan tingkat kepentingan setiap kriteria, juga dinilai dengan 1 sampai 5, yaitu : 1 : sangat rendah 2 : rendah 3 : cukup 4 : tinggi 5 : sangat tinggi Tabel 2.2 Rating kecocokan dari setiap alternatif pada setiap kriteria Alternatif Kriteria C 1 C 2 C 3 C 4 C 5 A A A Sifat Benefit Benefit Benefit Benefit Benefit Karena setiap nilai yang diberikan pada setiap alternatif di setiap kriteria, merupakan nilai kecocokan (nilai terbesar adalah terbaik). Maka semua kriteria yang diberikan diasumsikan sebagai kriteria keuntungan.

10 17 Pengambil keputusan dibentuk dari tabel kecocokan sebagai berikut : X = Hal pertama yang harus dilakukan adalah menormalisasi matriks X berdasarkan persamaan 1 sebagai berikut : r 11 = 4 / max{4;3;5} = 4/5 = 0,8 (dipakai maksimum karena sifatnya benefit) r 21 = 3 / max{4;3;5} = 3/5 = 0,6 (dipakai maksimum karena sifatnya benefit) r 31 = 5 / max{4;3;5} = 5/5 = 1 (dipakai maksimum karena sifatnya benefit) r 12 = 4 / max{4;3;4} = 4/4 = 1 (dipakai maksimum karena sifatnya benefit) r 22 = 3 / max{4;3;4} = 3/4 = 0,75 (dipakai maksimum karena sifatnya benefit) r 32 = 4 / max{4;3;4} = 4/4 = 1 (dipakai maksimum karena sifatnya benefit) r 13 = 5 / max{5;4;2} = 5/5 = 1 (dipakai maksimum karena sifatnya benefit) r 23 = 4 / max{5;4;2} = 4/5 = 0,8 (dipakai maksimum karena sifatnya benefit) r 33 = 2 / max{5;4;2} = 2/5 = 0,4 (dipakai maksimum karena sifatnya benefit) r 14 = 3 / max{3;2;2} = 3/3 = 1 (dipakai maksimum karena sifatnya benefit) r 24 = 2 / max{3;2;2} = 2/3 = 0,6667 (dipakai maksimum karena sifatnya benefit) r 34 = 2 / max{3;2;2} = 2/3 = 0,6667 (dipakai maksimum karena sifatnya benefit)

11 18 r 15 = 3 / max{3;3;2} = 3/3 = 1 (dipakai maksimum karena sifatnya benefit) r 25 = 3 / max{3;3;2} = 3/3 = 1 (dipakai maksimum karena sifatnya benefit) r 35 = 2 / max{3;3;2} = 2/3 = 0,6667 (dipakai maksimum karena sifatnya benefit) Dari hasil perhitungan di atas, diperoleh matriks ternormalisasi R sebagai berikut : 0, X = 0,6 0,75 0,8 0, ,4 0,6667 0,6667 Proses perangkingan diperoleh berdasarkan persamaan 2 dengan perhitungan sebagai berikut: V 1 = (5)(0,8) + (3)(1) + (4)(1) + (4)(1) + (2)(1) = 17 V 2 = (5)(0,6) + (3)(0,75) + (4)(0,8) + (4)(0,6667) + (2)(1) = 13,1167 V 3 = (5)(1) + (3)(1) + (4)(0,4) + (4)(0,6667) + (2)(0,6667) = 13,6 Nilai terbesar ada pada V 1 sehingga alternatif A 1 adalah alternatif yang terpilih sebagai alternatif terbaik. Dengan kata lain, Ngemplak akan terpilih sebagai lokasi untuk mendirikan gudang baru. 2.5 Weighted Product Model (WPM) Weighted Product Model (WPM) merupakan metode yang dikembangkan untuk mengatasi kelemahan dari Weighting Sum Model (WSM). Perbedaan utama antara WPM dan WSM adalah WPM menggunakan cara perkalian sedangkan WSM menggunakan cara penjumlahan. Dalam Kusumadewi dkk. (2006), Yoon mengatakan bahwa, WPM merupakan suatu metode yang menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang

12 19 bersangkutan. Proses ini sama halnya dengan proses normalisasi. Preferensi untuk alternatif A i (vektor S) diberikan dengan rumus berikut. S i = (x ij ) w j dengan i = 1,2,3,., m Perhitungan nilai preferensi untuk alternatif A i diawali dengan memberikan nilai rating kinerja UMKM ke-i terhadap subkriteria ke-j (x ij ). Setelah masing-masing umkm diberi nilai rating kinerja, nilai ini akan dipangkatkan dengan nilai relatif bobot awal yang telah dihitung sebelumnya (w j ) dimana w j akan bernilai positif untuk atribut benefit (keuntungan) dan bernilai negatif untuk atribut cost (biaya). Penjumlahan nilai w j untuk setiap subkriteria pada kriteria yang sama akan bernilai 1( w j = 1). Perhitungan nilai w j dilakukan dengan rumus 4. (3) w j = w 0 w 0 (4) Setelah didapat nilai preferensi untuk alternatif A i, selanjutnya dilakukan perhitungan nilai preferensi relatif dari setiap alternatif (vektor V). Nilai preferensi relatif dari setiap alternatif dihitung dengan rumus 5. V i = (x ij ) (x j * ) w j w j dengan i = 1,2,3,., m (5) Dalam Kusumadewi dkk. (2006), Yoon mengatakan bahwa, WPM (Weighted Product Model) merupakan suatu metode yang menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan. Proses ini sama halnya dengan proses normalisasi. Preferensi untuk alternatif A i (vektor S) diberikan dengan rumus 3.

13 20 yang lain. Alternatif terbaik dipilih jika nilainya lebih besar atau sama dengan alternatif Contoh Kasus Dengan contoh yang sama seperti pada metode SAW (Simple Additive Weighted), Suatu perusahaan di Daerah Istimewa Yogyakarta (DIY) ingin membangun sebuah gudang yang akan digunakan sebagai tempat untuk menyimpan sementara hasil produksinya. Ada 3 lokasi yang akan menjadi alternatif, yaitu : A 1 = Ngemplak, A 2 = Kalasan, A 3 = Kota Gede. Ada 5 kriteria yang dijadikan acuan dalam pengambilan keputusan, yaitu : C 1 = jarak dengan pasar terdekat (km) C 2 = kepadatan penduduk di sekitar lokasi (orang/km 2 ) C 3 = jarak dari pabrik (km) C 4 = jarak dengan gudang yang sudah ada (km) C 5 =harga tanah untuk lokasi (dikalikan dengan Rp /m 2 ) Rating kecocokan setiap alternatif pada setiap kriteria, dinilai dengan 1 sampai 5, yaitu : 1 : sangat buruk 2 : buruk 3 : cukup 4 : baik 5 : sangat baik Tabel 2.3 Rating kecocokan dari setiap alternatif pada setiap kriteria (Kusumadewi dkk.) Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4 Kriteria 5 Alternatif Alternatif Alternatif

14 21 tingkat kepentingan setiap kriteria, juga dinilai dengan 1 sampai 5, yaitu : 1 : sangat rendah 2 : rendah 3 : cukup 4 : tinggi 5 : sangat tinggi Pengambil keputusan memberikan bobot preferensi sebagai: w = (5, 3, 4, 4, 2) Sifat setiap kriteria adalah: Kriteria C2 (kepadatan penduduk di sekitar lokasi) dan C4 (jarak dengan gudang yang sudah ada) adalah kriteria keuntungan; Kriteria C1 (jarak dengan pasar terdekat), C3 (jarak dari pabrik), dan C5 (harga tanah untuklokasi) adalah kriteria biaya. Langkah pertama yang dilakukan adalah menghitung nilai perbaikan bobot terlebih dahulu dengan rumus 4. Diketahui w = (5, 3, 4, 4, 2) maka nilai perbaikan bobot nya adalah : w 1 = 5/( ) = 0,28 w 2 = 3/( ) = 0,17 w 3 = 4/( ) = 0,22 w 4 = 4/( ) = 0,22 w 5 = 2/( ) = 0,11 Langkah kedua adalah menghitung nilai vektor S menggunakan rumus 3. S 1 = (0,75-0,28 ) (2000 0,17 ) (18-0,22 ) (50 0,22 ) (500-0,11 ) = 2,4187 S 2 = (0,5-0,28 ) (1500 0,17 ) (20-0,22 ) (40 0,22 ) (450-0,11 ) = 2,4270 S 3 = (0,9-0,28 ) (2050 0,17 ) (35-0,22 ) (35 0,22 ) (800-0,11 ) = 1,7462

15 22 Setelah vektor S dihitung, langkah selanjutnya melakukan perhitungan nilai vektor V menggunakan rumus 5. Nilai vektor V yang akan digunakan untuk perankingan dapat dihitung sebagai berikut: V 1 = 2,4187 / (2, , ,7462) = 0,3669 V 2 = 2,4270 / (2, , ,7462) = 0,3682 V 3 = 1,7462 / (2, , ,7462) = 0,2649 Nilai terbesar ada pada V 2 sehingga alternatif A 2 adalah alternatif yang terpilih sebagai alternatif terbaik. Dengan kata lain, Kalasan akan terpilih sebagai lokasi untuk mendirikan gudang baru 2.6 Cloud Computing Cloud computing pada dasarnya adalah menggunakan Internet-based service untuk me-support proses bisnis, Kata-kata Cloud sendiri merujuk kepada simbol awan yang di dunia TI digunakan untuk menggambarkan jaringan internet (internet cloud). Cloud computing adalah gabungan pemanfaatan teknologi komputer ( komputasi ) dan pengembangan berbasis Internet ( awan ). Cloud /awan merupakan metafora dari internet, sebagaimana awan yang sering digambarkan di diagram jaringan computer, awan (cloud) dalam Cloud Computing juga merupakan abstraksi dari infrastruktur kompleks yang disembunyikannya adalah suatu moda komputasi dimana kapabilitas terkait teknologi informasi disajikan sebagai suatu layanan (as a service), sehingga pengguna dapat mengaksesnya lewat Internet ( di dalam awan ) tanpa pengetahuan tentangnya, ahli dengannya, atau memiliki kendali terhadap infrastruktur teknologi yang membantunya. Menurut jurnal yang dipublikasikan IEEE, Internet Computing/Cloud Computing Adalah suatu paradigma dimana informasi secara permanen tersimpan di server di internet dan tersimpan secara sementara di komputer pengguna (client) termasuk di dalamnya adalah desktop, komputer tablet, notebook, handheld, sensor-sensor, monitor dan lain-lain.

16 23 Secara sederhana Cloud Computing adalah Suatu layanan teknologi informasi yang bisa dimanfaatkan atau diakses oleh pelanggannya melalui jaringan internet. Komputasi awan adalah suatu konsep umum yang mencakup SaaS, Web 2.0, dan tren teknologi terbaru lain yang dikenal luas, dengan tema umum berupa ketergantungan terhadap Internet untuk memberikan kebutuhan komputasi pengguna. Sebagai contoh, Google Apps menyediakan aplikasi bisnis umum secara sharing yang diakses melalui suatu penjelajah web dengan perangkat lunak dan data yang tersimpan di server. Kosep yang digunakan Cloud Computing Infrastructure as a Service (IaaS) Konsep tertua dimana pengimplementasiannya banyak dilakukan mulai dari penggunaan atau penyewaan jaringan untuk akses Internet, layanan Disaster Recovery Center, dsb. IaaS terletak satu level lebih rendah dibanding PaaS. Ini adalah sebuah layanan yang menyewakan sumberdaya teknologi informasi dasar, yang meliputi media penyimpanan, processing power, memory, sistem operasi, kapasitas jaringan dan lainlain, yang dapat digunakan oleh penyewa untuk menjalankan aplikasi yang dimilikinya. Model bisnisnya mirip dengan penyedia data center yang menyewakan ruangan untuk co-location, tapi ini lebih ke level mikronya. Penyewa tidak perlu tahu, dengan mesin apa dan bagaimana caranya penyedia layanan menyediakan layanan IaaS. Yang penting, permintaan mereka atas sumberdaya dasar teknologi informasi itu dapat dipenuhi. Platform as a Service (PaaS) Konsepnya hampir serupa dengan IaaS. Namun Platform disini adalah penggunaan operating system dan infrastruktur pendukungnya. Yang cukup terkenal adalah layanan dari situs Force.Com serta layanan dari para vendor server. Seperti namanya, PaaS adalah layanan yang menyediakan modulmodul siap pakai yang dapat digunakan untuk mengembangkan sebuah aplikasi, yang tentu saja hanya bisa berjalan diatas platform tersebut. Seperti

17 24 juga layanan SaaS, pengguna PaaS tidak memiliki kendali terhadap sumber daya komputasi dasar seperti memory, media penyimpanan, processing power dan lain-lain, yang semuanya diatur oleh provider layanan ini. Pionir di area ini adalah Google AppEngine, yang menyediakan berbagai tools untuk mengembangkan aplikasi di atas platform Google, dengan menggunakan bahasa pemrograman Phyton dan Django. Kemudian Salesforce juga menyediakan layanan PaaS melalui Force.com, menyediakan modul-modul untuk mengembangkan aplikasi diatas platformsalesforce yang menggunakan bahasa Apex. Dan mungkin yang jarang sekali kita ketahui, bahwa Facebook juga bisa dianggap menyediakan layanan PaaS, yang memungkinkan kita untuk membuat aplikasi diatasnya.salah satu yang berhasil menangguk untung besar dari layanan PaaS Facebook adalah perusahaan bernama Zynga, yang tahun lalu saja berhasil meraup keuntungan bersih lebih dari US$ 100 juta, lebih besar dari keuntungan yang didapat oleh Facebook sendiri. Anda mungkin akan sedikit terkejut kalau saya beritahu bahwa Zynga ini bisa untung besar dari aplikasi yang sama sekali tidak serius, tapi mengandung zat adiktif luar biasa yaitu: Farmville, yang hingga kini telah berhasil menjadikan 80 juta lebih penduduk Facebook menjadi petani yang rajin mencangkul, menanam dan panen serta memerah susu sapi demi keuntungan mereka. Software as a Service (SaaS) Berada satu tingkat diatas PaaS dan IaaS,dimana disini yang ditawarkan adalah software atau suatu aplikasi bisnis tertentu. Contoh yang paling mutakhir adalah SalesForce.Com, Service-Now.Com, Google Apps, dsb. SaaS ini merupakan layanan Cloud Computing yang paling dahulu populer.software as a Service ini merupakan evolusi lebih lanjut dari konsep ASP (Application Service Provider). Sesuai namanya, SaaS memberikan kemudahan bagi pengguna untuk bisa memanfaatkan sumberdaya perangkat lunak dengan cara berlangganan. Sehingga tidak perlu mengeluarkan investasi baik untuk in house development

18 25 ataupun pembelian lisensi. Dengan cara berlangganan via web, pengguna dapat langsung menggunakan berbagai fitur yang disediakan oleh penyedia layanan. Hanya saja dengan konsep SaaS ini, pelanggan tidak memiliki kendali penuh atas aplikasi yang mereka sewa. Hanya fiturfitur aplikasi yang telah disediakan oleh penyedia saja yang dapat disewa oleh pelanggan. Dan karena arsitektur aplikasi SaaS yang bersifat multi tenant, memaksa penyedia untuk hanya menyediakan fitur yang bersifat umum, tidak spesifik terhadap kebutuhan pengguna tertentu. Meskipun demikian, kustomisasi tidak sertamerta diharamkan, meskipun hanya untuk skala dan fungsi yang terbatas. Tapi dengan berkembangnya pasar dan kemajuan teknologi pemrograman, keterbatasan-keterbatasan itu pasti akan berkurang dalam waktu tidak terlalu lama. Untuk contoh layanan SaaS, tentu saja kita harus menyebut layanan CRM online Salesforce.com yang dikomandai Marc Benioff dan telah menjadi ikon SaaS ini. Selain itu Zoho.com, dengan harga yang sangat terjangkau, menyediakan layanan SaaS yang cukup beragam, dari mulai layanan word processor seperti Google Docs, project management, hingga invoicing online. Layanan akunting online pun tersedia, seperti yang diberikan oleh Xero.com dan masih banyak lagi. IBM dengan Lotuslive.com nya dapat dijadikan contoh untuk layanan SaaS di area kolaborasi (unified communication). Sayangnya untuk pasar dalam negeri sendiri, masih sangat sedikit yang mau berinvestasi untuk menyediakan layanan SaaS ini.