BAB II KAJIAN PUSTAKA. A. Sistem Pendukung Keputusan/ Decision Support System (DSS)

Transkripsi

1 BAB II KAJIAN PUSTAKA A. Sistem Pendukung Keputusan/ Decision Support System (DSS) Pada awal tahun 1970-an, Scot Morton pertama kali mengartikulasikan konsep penting DSS. Ia mendefinisikan DSS sebagai sistem berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur (Gorry dan Morton (1971) dalam Turban, dkk. (2005)). Sistem pendukung keputusan (DSS) memadukan sumber daya intelektual dari individu dengan kapabilitas komputer untuk meningkatkan kualitas keputusan. DSS adalah sistem pendukung berbasis komputer bagi para pengambil keputusan manajemen yang menangani masalah-masalah tidak terstruktur (Keen dan Morton (1978) dalam Turban, dkk. (2005)). DSS dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka. DSS ditujukan untuk keputusan-keputusan yang memerlukan penilaian atau pada keputusan yang sama sekali tidak didukung oleh algoritma. Simon (1977) dalam Turban, dkk. (2005) mengatakan pengambilan keputusan meliputi tiga fase utama yaitu intelegensi, desain, kriteria dan implementasi. Proses pengambilan keputusan dimulai dari fase intelegensi. Realitas diuji dan masalah diidentifikasi dan ditentukan. Pada fase desain akan dikontruksi sebuah model yang menggambarkan sistem. Hal ini 4

2 dilakukan dengan membuat asumsi-asumsi yang menyederhanakan relaitas dan menuliskan hubungan di antara semua variabel. Model ini kemudian divalidasi, dan ditentukan kriteria dengan menggunakan prinsip memilih untuk mengevaluasi alternatif tindakan yang telah diidentifikasi. Proses pengembangan model sering mengidentifikasi solusi-solusi alternatif, dan demikian sebaliknya. Begitu solusi yang diusulkan masuk akal, siap untuk fase implementasi keputusan. Hasil dari fase implementasi adalah terpecahnya masalah rill, namun jika gagal membuat kita harus kembali ke fase sebelumnya. B. TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif (Hwang (1981) dan Zeleny (1982) dalam Kusumadewi, dkk. (2006). Secara umum, prosedur TOPSIS mengikuti langkah-langkah sebagai berikut: a. Membuat matriks keputusan yang ternormalisasi. b. Membuat matriks keputusan yang ternormalisasi terbobot. c. Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif. d. Menentukan jarak antara nilai setiap alternatif dengan solusi ideal positif dan matriks solusi ideal positif. e. Menentukan nilai preferensi untuk setiap alternatif. 5

3 TOPSIS membutuhkan rating kerja setiap alternatif A i pada setiap kriteria C j yang ternormalisasi seperti pada persamaan 1 berikut. =.... (1) = matriks ternormalisasi [i][j] = matriks keputusan [i][j] i=1,2,,m j=1,2,,n Solusi ideal positif A + dan solusi ideal negatif A - dapat ditentukan berdasarkan rating bobot ternormalisasi (Y ij ) seperti pada persamaan 2, 3 dan 4 berikut. Y ij = w i r ij ; dengan i=1,2,,n..... (2) A + = (y + 1, y + 2,.., y + n);.... (3) A - = (y - 1, y - 2,, y - n);.... (4) Y ij = matriks ternormalisasi terbobot [i][j] = matriks ternormalisasi [i][j] w i = vector bobot [i] Y + j = max Y ij ; jika j adalah atribut keuntungan min Y ij ; jika j adalah atribut biaya Y - j = min Y ij ; jika j adalah atribut keuntungan 6

4 max Y ij ; jika j adalah atribut biaya j = 1,2,,n. Jarak antara alternatif A1 dengan solusi ideal positif dirumuskan seperti pada persamaan 5 berikut. = (y y ).... (5) = jarak alternatif dengan solusi ideal positif y y = matriks normalisasi terbobot[i][j] = solusi ideal positif[i] i = 1,2,,m Jarak antara alternatif A 1 dengan solusi ideal positif dirumuskan seperti pada persamaan 6 berikut. = (y y ) = jarak alternatif dengan solusi ideal negatif.... (6) y y = matriks normalisasi terbobot[i][j] = solusi ideal negatif[i] i=1,2,,m 7

5 Nilai preferensi untuk setiap alternatif (V 1 ) diberikan seperti pada persamaan 7 berikut. =.... (7) Nilai V 1 yang lebih besar menunjukan bahwa alternatif A 1 lebih dipilih. = kedekatan tiap alternatif terhadap solusi ideal = jarak alternatif dengan solusi ideal positif = jarak alternatif dengan solusi ideal negatif i =1,2,,m C. Microsoft SQL Server 2005 Microsoft SQL Server 2005 merupakan produk relasional database server terbaru dari Microsoft, pengembangan dari Microsoft SQL Server 2000, SQL Server 2005 menambahkan fungsi baru dan meningkatkan kinerja, kehandalan, programabilitas, dan kegunaan dari SQL Server 2000 (Hamilton, 2006). Dari perspektif pemrograman, fitur baru SQL Server 2005 meliputi: 1. Tools and Utilities (Peralatan dan Utilitas) Sebuah IDE baru yang disebut SQL Server Management Studio untuk mengelola topologi SQL Server, database, objek, dan koleksi tools baru untuk tuning, profiling, dan mengembangkan SQL Server 2005 solutions. 8

6 2. Data Types (Jenis data) Dukungan baru untuk menyimpan dan bekerja dengan data XML native dan data biner yang besar. 3. T-SQL enhancements (perangkat T-SQ) Tambahan dukungan baru untuk trigers Data Definition Language (DDL), event notifications, bulk operations, recursive queries, dan pengenalan operator baru. 4. Programmability Enhancements (tambahan Programmability) Dukungan baru untuk mengembangkan objek database seperti prosedure simpan, trigers, dan fungsi yang ditetapkan pengguna menggunakan bahasa pemrograman NET. SQL Native Client (SQLNCLI) menggabungkan dan menggantikan penyedia Native OLE DB untuk SQL Server dan penyedia ODBC dengan single standalone API, SQLXML 4.0 meningkatkan SQLXML 3.0 dengan dukungan untuk SQL Server 2005 kemampuan data XML baru dan SQLNCLL. 5. XML support (Dukungan XML) Dukungan baru untuk tipe data xml digunakan untuk menyimpan native fragmen XML, dokumen dan untuk memanipulasi tipe data xml. Contoh dengan XML Query language (XQuery) dan XML data Manupulation Language (DML). 9

7 6. Native XML web services Dukungan baru memungkinkan SQL Server menerima permintaan SOAP sehingga dapat mengeksekusi query tanpa aplikasi server middle-tier seperti Internet Information Server (IIS). 7. SQL Management Object (SMO) Memperpanjang dan menggantikan Distributed Manajemen Object (DMO) untuk mengkonfigurasi dan mengelola semua aspek dari SQL Server. 8. SQL Server Integration Services (SSIS) Sebuah teknologi baru untuk membangun solusi integrasi data dan solusi alur kerja. SSIS menggantikan Data Transformation Services (DTS) diperkenalkan di SQL Server SQL Server Reporting Services (SSRS) Sebuah teknologi laporan berbasis server yang mendukung penulisan, mendistribusikan, mengelola, dan mengakses laporan. SSRS diperkenalkan pada SQL Server 2000 dan telah ditingkatkan secara signifikan di SQL Server SQL Server Notification Services Teknologi baru untuk membangun aplikasi yang dapat menulis dan mengirim pesan sehingga dapat sesuai jadwal atau dalam menanggapi peristiwa. 10

8 11. SQL Server Services Broker Sebuah teknologi baru untuk membangun scalable, loosely coupled, aplikasi terdistribusi menggunakan komunikasi berbasis pesan. 12. Replication Management Objects (RMO) Memperpanjang dan mengungguli kemampuan replikasi DMO untuk mengkonfigurasi dan mengelola semua aspek replikasi SQL Server. 13. SQL Server Agent Automates administrative task dengan menjalankan pekerjaan, pemantauan SQL Server, dan tanda pengolahan. SQL Server 2005 memperkenalkan class 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 consistent SQL Server Pembaruan SQL Server 2000 Windows CE Edition 2.0. D. 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). 11

9 E. Penelitian Sejenis Beberapa penelitian yang pernah dilakukan sebelumnya yaitu: 1. Penelitian yang dilakukan oleh Cahyono (2015), mengembangkan sistem pendukung keputusan untuk membantu pemilihan siswa yang mendapatkan beasiswa. Studi kasus tersebut dilakukan di SMP Negri 3 Kalimanah. Penelitian tersebut menggunakan metode TOPSIS (Technique For Order Preference By Similarity To Ideal Solution) sebagai metode pengambilan keputusan. Kriteria yang digunakan dalam penelitian ini adalah penghasilan orang tua, jumlah tanggungan orang tua, pekerjaan orang tua, jarak tempat tinggal, dan rata-rata nilai raport. Hasil dari penelitian tersebut adalah alternatif siswa yang menerima beasiswa, baik beasiswa berprestasi maupun beasiswa kurang mampu. 2. Slamet (2015) telah menerapkan Metode TOPSIS (Technique For Order Preference By Similarity To Ideal Solution) untuk membantu memilih lokasi perumahan di daerah Purwokerto. Kriteria yang digunakan dalam penelitian ini adalah tipe, harga, fasilitas umum, jarak ke pusat kota, jarak ke rumah sakit. Hasil dari penelitian ini yaitu alternatif lokasi perumahan yang cocok berdasarkan input yang dimasukan. 3. Kurniasih (2003) telah membangun sistem pendukung keputusan dengan metode TOPSIS untuk membantu keputusan dalam pemilihan laptop. Data yang dimasukkan ialah kriteria, kriteria tersebut antara lain harga, ukuran layar, processor, kapasitas memori, tipe memori, kapasitas hardisk, ketersediaan bluetooth dan webcam. Data output yang dihasilkan adalah laptop pilihan lengkap dengan spesifikasinya. 12