BAB II TINJAUAN PUSTAKA

Transkripsi

1 BAB II TINJAUAN PUSTAKA 2.1 Program Bedah Rumah Bali Madara Program Bedah Rumah merupaka salah satu upaya utuk mempercepat peaggulaga kemiskia di Provisi Bali yag bertujua agar keluarga miski memliki rumah yag layak hui da dapat memeuhi kebutuha dasarya secara miimal. Program Bedah Rumah memiliki mafaat sebagai berikut rumah layak hui merupaka kebutuha dasar yag harus dipeuhi setiap keluarga. Rumah layak hui idetik dega huia sehat yag aka memberika suasaa ama da yama bagi peghuiya, da sekaligu juga meigkatka kesehata peghuiya. Dega kesehata yag baik masyarakat aka mampu bekerja lebih optimal sehigga kesejahteraa masyarakat diharapka aka meigkat. Da Memberika kodisi yag lebih baik bagi aak-aak sekolah utuk belajar. Adapu prosedur pegusula da pelaksaaa dari program Bedah Rumah adalah sebagai berikut : a. Prosedur pegusula yaki dega cara Kepala Desa/ Lurah megajuka proposal bedah rumah kepada Guberur Bali melalui Kepala Dias Sosial Provisi Bali dega tebusa disampaika kepada Dias Sosial Kabupate/ Kota setempat. b. Dalam peyelesaia pelaksaaa program badah rumah dilaksaaka sebagai berikut : 1. Dias Sosial Provisi Bali melakuka verifikasi proposal bedah rumah utuk megetahui kelayaka calo peerima batua bedah rumah. 2. Peetapa peerima batua bedah rumah dega Surat Keputusa Guberur Bali. 8

2 9 2.2 Multi Criteria Decisio Makig (MCDM). Multi Criteria Decisio Makig (MCDM) adalah suatu metode pegambila keputusa utuk meetapka alteratif terbaik dari sejumlah alterative berdasarka beberapa kriteria tertetu. Kriteria biasaya berupa ukuraukura, atura-atura atau stadar yag diguaka dalam pegambila keputusa. Berdasarka tujuaya, MCDM dapat dibagi dua model: Multi Attribute Decisio Makig (MADM) da Multi Objective Decisio Makig (MODM). Serigkali MADM da MODM diguaka utuk meeragka kelas atau kategori yag sama. MADM diguaka utuk meyelesaika masalah-masalah dalam ruag diskrit. Oleh karea itu, pada MADM biasaya diguaka utuk melakuka peilaia atau seleksi terhadap beberapa alteratif dalam jumlah yag terbatas. Sedagka MODM diguaka utuk meyelesaika masalah-masalah pada ruag kotiyu. Secara umum dapat dikataka bahwa, MADM meyeleksi alteratif terbaik dari sejumlah alteratif sedagka MODM meracag alteratif terbaik. 2.3 Metode Etropy da Lagkah-lagkah Metode Etropy Etropy dapat diaplikasika utuk pembobota atribut-atribut, hal ii dilakuka oleh Hwag da Yoo (1981). Megguaka metode Etropy, kriteria dega variasi ilai tertiggi aka medapatka bobot tertiggi. Selai itu dega megguaka metode Etropy, decisio maker bisa memberika bobot (tigkat kepetiga) awal pada tiap kriteria. Metode etropy dapat diguaka utuk meetuka suatu bobot. Sekumpula data ilai alteratif pada kriteria tertetu digambarka dalam Decisio Matrix (DM). Megguaka metode etropy, kriteria dega variasi ilai tertiggi aka medapatka bobot tertiggi. (Triyati & Gadis, 2008) Berikut adalah lagkah-lagkah dari Metode etropy (LI, WANG, & dkk, 2011): Lagkah 1 Membuat Matrik Keputusa Matrik keputusa adalah ilai alteratif pada setiap kriteria dimaa setiap kriteria tidak salig bergatug satu dega yag laiya. Matriks keputusa setiap alteratif terhadap setiap kriteria (X), diberika sebagai:

3 10 x 11 x 1 X = [ ] (2.1) x m1 x m dimaa i = 1,2, m; j = 1,2, Xij merupaka ratig kierja alteratif ke-i (i = 1,2,... m) terhadap kriteria ke-j (j = 1,2,... ). Lagkah 2 Normalisasi Matrik Keputusa Normalisasi dilakuka dega terlebih dahulu meetuka ilai maksimum dari masig-masig alterative pada setiap kriteria : d i j = x i j x i j maks (2.2) Dimaa : x i j = ilai data alterative (i) terhadap kriteria (j) yag belum diormalisasi. x i j maks = ilai data alterative (i) terhadap kriteria (j) yag belum diormalisasi yag memiliki ilai tertiggi d i j = ilai data alterative (i) terhadap kriteria (j) yag telah diormalisasi Selajutya ilai masig-masig data yag telah di ormalisasi (persamaa 2.2 ) dijumlahka D j = d i j j=1 (2.3) Dimaa, D j adalah jumlah ilai data yag telah diormalisasi pada masig-masig kriteria. Lagkah 3 Perhituga Nilai Etropy : Perhituga etropy utuk setiap kriteria ke-j dega terlebih dulu meghitug ilai emax da K. Seperti persamaa berikut : e max = l m, dimaa m = jumlah alterative

4 11 K = 1 e max (2.4) Perhituga etropy utuk setiap kriteria ke-j ditujuka pada persamaa : e(d j ) = K Dimaa : j d i j=1 D j l d j i (2.5) D j e(d j ) = ilai etropy pada masig-masig kriteria (j = 1,2,..) d i j = ilai data yag telah diormalisasi D j = jumlah ilai data yag telah diormalisasi pada masig-masig kriteria Setelah medapatka e(dj) (persamaa 2.5), selajutya adalah meghitug total etropy (E) utuk masig-masig kriteria, ditujuka dega persamaa : E = j=1 e(d j ) (2.6) Lagkah 4 Perhitugag Bobot Etropy persamaa : Selajutya, meghitug bobot pada setiap kriteria dega megguaka λ = 1 E [1 (e(d j))] (2.7) Lagkah 5 Perhituga Bobot Etropy Akhir Jika sebelumya telah ada bobot awal kriteria atau bobot yag telah ditetuka sebelumya maka hasil bobot etropy akhir utuk tiap kriteria dapat dihitug dega persamaa : λ j = λ w j j j=1 λ w j j (2.8) Dimaa : j = 1,2,..

5 12 λ j = bobot etropy akhir w = bobot awal Setelah medapatka peilaia bobot kriteria dari perhituga metode Etropy, maka lagkah selajutya adalah melakuka proses perakiga dega metode TOPSIS. 2.4 Metode TOPSIS (Techique For Order Preferece By Similarity To Ideal Solutio) Da Lagkah Lagkah Metode TOPSIS TOPSIS diperkealka pertama kali oleh Yoo da Hwag pada tahu 1981 utuk diguaka sebagai salah satu metode dalam memecahka masalah multikriteria. TOPSIS memberika sebuah solusi dari sejumlah alteratif yag mugki dega cara membadigka setiap alteratif dega alteratif terbaik da alteratif terburuk yag ada diatara alteratif-alteratif masalah. Metode ii megguaka jarak utuk melakuka perbadiga tersebut. Yoo da Hwag megembagka metode TOPSIS berdasarka ituisi yaitu alterative piliha merupaka alteratif yag mempuyai jarak terkecil dari solusi ideal positif da jarak terbesar dari solusi ideal egatif dari sudut padag geometris dega megguaka jarak Euclidea. Namu, alteratif yag mempuyai jarak terkecil dari solusi ideal positif, tidak harus mempuyai jarak terbesar dari solusi ideal egatif. Maka dari itu, TOPSIS mempertimbagka keduaya, jarak terhadap solusi ideal positif da jarak terhadap solusi ideal egatif secara bersamaa. Solusi optimal dalam metode TOPSIS didapat dega meetuka kedekata relatif suatu alteratif terhadap solusi ideal positif. TOPSIS aka meragkig alterative berdasarka prioritas ilai kedekata relatif suatu alteratif terhadap solusi ideal positif. Alteratif-alteratif yag telah diragkig kemudia dijadika sebagai referesi bagi pegambil keputusa utuk memilih solusi terbaik yag diigika (Jamila & Hartati, 2011): Lagkah 1 Meetuka Matrik Keputusa

6 13 Matrik Keputusa adalah ilai alterative pada setiap kriteria. Matrik Keputusa (X), diberika sebagai : x 11 x 1 X = [ ] (2.9) x m1 x m dimaa i = 1,2, m; j = 1,2, Xij merupaka ratig kierja alteratif ke-i (i = 1,2,... m) terhadap kriteria ke-j (j = 1,2,... ). Lagkah 2 Normalisasi Matrik Keputusa Matrik keputusa terbetuk pada persamaa berikut : r ij = x ij m 2 i=1= x ij (2.10) dimaa i = 1,2, m; j = 1,2, rij = hasil dari ormalisasi matriks keputusa R. dega m adalah ideks utuk alterative da adalah idek utuk kriteria. Berdasarka persamaa diatas maka aka terbetuk matrik terormalisasi (R) seperti pada persamaa berikut : r r 1 R = [ ] (2.11) r m1... r m Lagkah 3 Perhituga Matrik Terormalisasi Terbobot Nilai bobot (W) dimaa pada peelitia ii megguaka bobot etropy akhir yag meujuka tigkat kepetiga relative setiap kriteria W = {w1,w2,..,w}. Selajutya, W aka dikalika dega bobot masig-masig kriteria seperti pada pada persamaa berikut : y ij = w j r ij (2.12)

7 14 Dari persamaa diatas aka terbetuk matrik keputusa terormalisasi seperti berikut : w 11 r w 1 r 1 Y = [ ] (2.13) w m1 r m1... w m r m Lagkah 4 Perhituga Matrik Solusi Ideal Positif Da Matrik Solusi Ideal Negative. Nilai solusi ideal positif (A + ) da solusi ideal egative (A - ) berdasarka Y. dalam peelitia ii bersifat beefit (keutuga) yag berarti pegambil keputusa megigika ilai maksimum diatara seluruh ilai alterative. y j + = max{y ij } ; beefit (2.14 y j = mi{y ij } ; beefit (2.15) Dimaa i = 1,2,..m adalah ideks alterative da j = 1,2,.. adalah ideks kriteria merujuk pada persamaa diatas, kemudaia aka dicari ilai solusi ideal positif (A + ) da solusi ideal egative (A - ), megguaka persamaa berikut : A + = {y 1 +, y 2 +,.., y + }; (2.16) A = {y 1, y 2,.., y }; (2.17) Dimaa j = 1,2,.. ( adalah ideks kriteria). Lagkah 5 Perhituga Jarak Atara Nilai Setiap Alterative dega Solusi Ideal Positif da Jarak Atara Nilai Setiap Alterative dega Solusi Ideal Negative Jarak atara alterative dega solusi ideal postif, dirumuska dalam persamaa berikut : D + i = (y + j y ij ) 2 j=1 (2.18) Jarak atara ilai setiap alterative dega solusi ideal egative (D - ), dirumuska dalam persamaa berikut :

8 15 D i = (y j y ij ) 2 j=1 (2.19) Lagkah 6 Perhituga Nilai Prefesi utuk Setiap Alteratif Nilai prefesi pada setiap alterative ditujuka seperti persamaa berikut : V i = D i D i + D i + (2.20) Nilai V i meujuka alterative yag lebih dipilih, Lagkah 7 Merakig Alteratif Alterative dapat dirakig berdasarka uruta V i. Maka dari itu, alterative terbaik adalah salah satu yag berjarak terpedek terhadap solusi ideal postif da berjarak terjauh dega solusi ideal egative. Karea pada peelitia ii megguaka dua jeis data yaitu data umerik da data kategorikal maka utuk prosedur perakigaya membutuhka sedikit modifikasi pada perhituga jarakya megguaka metode perhituga jarak GDM (geeralized distace measure) yag merupaka sebuah pedekata utuk megukur jarak atara solusi ideal positif da solusi ideal egative yag dapat diterapka utuk meghitug data utuk berbagai jeis data. Berikut adalah lagkah-lagkah metode TOPSIS yag dimodifikasi (Wachowicz, 2011) : Lagkah 1 Membuat Matrik Keputusa, sama dega persamaa 2.9 Lagkah 2 Normalisasi Matrik Keputusa Data yag diormalisasi adalah data yag berjeis umerik, Data diormalisasi dega persamaa 2.10 Lagkah 3 Perhituga Matrik Solusi Ideal Positif Da Matrik Solusi Ideal Negative Matrik solusi ideal positif da matrik solusi ideal egative didapatka dega megguaka persamaa 2.16 da 2.17.

9 16 Lagkah 4 - Meghitug Idikator Jarak. Idikator jarak dapat dihitug dega persamaa berikut sesuai dega jeis dataya (K., Walesiak, & A., 2003), Idikator jarak data utuk tipe data ratio da iterval adalah : a yak = x yk x αk, utuk α = z, j (2.21) b zjk = x zk x βk, utuk β = y, j (2.22) Idikator jarak data utuk data ordial: 1, utuk x yk > x αk a yak { 0, utuk x yk = x αk (2.23) 1, utuk x yk < x αk 1, utuk x zk > x βk a yak { 0, utuk x zk = x βk (2.23) 1, utuk x zk < x βk Lagkah 5 Perhituga Jarak Atara Nilai Setiap Alterative dega Solusi Ideal Positif da Jarak Atara Nilai Setiap Alterative dega Solusi Ideal Negative Jarak atara ilai setiap alterative dega solusi ideal positif (d+) da jarak atara ilai setiap alterative dega solusi ideal egative (d-) diguaka persamaa metode GDM yag telah dijelaska diatas : gdm = 1 2 d yz m k=1 w k a yzk b zyk + k=1 j=1 w k a yjk b zjk j y,z 1 2[ m w k a 2 yjk. 2 m 2 k=1 j=1 k=1 j=1 w k b zjk ] (2.23) Dimaa : d gdm yz = merupaka jarak atara Ay dega Az. Ay adalah Solusi ideal positif atau solusi ideal egatif da Az adalah ilai dari setiap alteratif. Wk = bobot etropy akhir masig-masig kriteria. a yzk da b zyk merupaka idicator jarak atara Ay dega Az.

10 17 Lagkah 6 Perhituga Nilai Prefesi Setelah medapatka jarak solusi ideal positif da egative selajutya adalah mecari ilai prefesi dega persamaa Aalisis da Peracaga Sistem Berorietasi Objek Aalisis berorietasi objek adalah cara baru dalam memikirka sebuah masalah dega megguaka model yag dibuat meurut kosep sekitar duia yata. Dasar pembuata adalah objek, yag merupaka peggabuga atar struktur data da perilaku dalam sebuah etitas. Aalisa berorietasi objek dimulai degameyataka suatu masalah, aalisis meggambarka model situasi dari duia yata, meggambarka sifat yag petig (Pressma R. S., 2010) Kompoe utama pada aalisa berorietasi objek adalah : a. Kelas yaitu defiisi abstrak dari sebuah objek, dimaa dijelaska bahwa struktur da perilaku dari tiap objek tergabug dalam satu kelas. b. Objek : Merepresetasika sebuah etitas, baik secara fisik, kosep ataupu secara software. c. Atribut : Nama-ama property dari sebuah kelas yag mejelaska batasa ilaiya dari properti yag dimiliki oleh sebuah kelas tersebut. Dalam melakuka aalisa da peracaga sistem berorietasi obyek peulis megguaka UML (Uified Modellig Laguage) utuk memodelkaya. 2.6 Tijaua Studi 1. Sistem Pedukug Keputusa Pemiliha Subkotrak Megguaka Metode Etropy Da TOPSIS (Jamila & Hartati, 2011). Pada peelitia ii, terdapat perbedaa pada bobot yag dihasillka dega megguaka metode etropy dega bobot awal karea pada bobot etropy data yag mempuyai rage ilai yag besar da mempuyai variasi ilai yag tiggi utuk tiap alteratif aka memperoleh bobot yag tiggi da mejadi kriteria utama dalam pegambila keputusa. 2. Sistem Pedukug Keputusa Pegalokasia Spare Part (Wiryastuti & Hartati, 2012).

11 18 Peelitia ii meujukka bahwa sifat dari tiap kriteria (beefit atau cost) berpegaruh pada hasil matrik solusi ideal. Jika hasil jarak alteratif terhadap solusi ideal positif maki besar, maka ilai preferesi tiap store spare part maki kecil. Semaki besar ilai total preferesi store spare part maka semaki tiggi rakig store spare part tersebut. Tujua prioritas telah terpeuhi jika variabel peyimpaga positif da variabel peyimpaga egatif berilai Applicatio Of TOPSIS Methodology To The Scorig Of Negotiatio Issues Measured O The Ordial Scale (Wachowicz, 2011). Peelitia ii memiliki tujua utuk meerapka metode TOPSIS utuk dukuga egosiasi. Karea template egosiasi yag mugki berisi berbagai jeis kriteria, baik kuatitatif (harga, waktu) da kualitatif (deskripsi verbal garasi), mekaisme megukur jarak utuk berbagai jeis kebutuha data yag utuk dimasukka ke dalam prosedur TOPSIS da peelitia dalam peelitia ii megguaka GDM (Geeralized Distace Measure) utuk mecari jarak alterative dega solusi ideal.