[3]

Transkripsi

1 RANCANG BANGUN APLKAS SSTEM PENDUKUNG KEPUTUSAN PEMLHAN ALTERNATF TANAMAN OBAT BERBASS WEB Anita Apriani [1], Acep rham Gufroni [2], Husni Mubarok [3] Jurusan Teknik nformatika, Fakultas Teknik, Universitas Siliwangi Tasikmalaya [1] anitapril10@gmail.com [2] irham_acep@yahoo.com [3] unie2k@gmail.com ABSTRACT Treatment by medical plants considered more effective as a natural addition, the price s reachable and even some can be picked from the garden by itself. Medical plants alternatives offer so many kinds to use because so many plants which can be utilized. Since there are so many considerations to determine herbal medicines alternatives, the application needs to be created that can perform alternative selection of medical plants, so that an Election Aplication of Decision Support System Medicine Plant s Alternative Web Based was created. Decision Support System (DSS) is generally defined as a system which it s able to generating and handling in solving problems. DSS is not intended to replace the role of decision-makers, but it s helping and supporting the decision maker. Linear Sequential Model is used for the method of software development. This application s also implements resolving method, Simple Additive weighting (SAW) which the system s able to generating decision alternatives for easier decision-makers in the selection of medical plants. A dynamic criterias which it can make the users rechanging the weight properly. The resulting decision isn t a final decision, in the end decision s still depend on the users. Keywords: Decision Support System, Simple Additive Weighting, Medicinal Plants ABSTRAK Pengobatan dengan menggunakan tanaman obat dinilai lebih berkhasiat sehingga banyak diminati, karena selain alami harganya pun terjangkau bahkan ada pula yang dapat dipetik dari kebun sendiri. Alternatif tanaman obat yang ditawarkan tentu jenis yang beragam mengingat banyak sekali tanaman yang dapat dimanfaatkan. Akibat banyaknya pertimbangan untuk menentukan alternatif tanaman obat, maka perlu dibuat aplikasi yang dapat melakukan pemilihan alternatif tanaman obat seperti layaknya seorang pakar tanaman, yaitu dibuatnya Aplikasi Sistem Pendukung Keputusan Pemilihan Alternatif Tanaman Obat Berbasis Web. Sistem Pendukung Keputusan (SPK) secara umum didefinisikan sebagai sebuah sistem yang mampu menghasilkan pemecahan maupun penanganan masalah. SPK tidak dimaksudkan untuk menggantikan peran pengambil keputusan, tapi untuk membantu dan mendukung pengambil keputusan. Metode pengembangan perangkat lunak yang digunakan adalah Linear Sequential Model. Sistem ini mengimplementasikan metode penyelesaian Simple Additive Weighting (SAW) dimana sistem tersebut mampu menghasilkan alternatif keputusan untuk lebih memudahkan pengambil keputusan pemilihan alternatif tanaman obat. Kriteria bersifat dinamis, nilai bobotnya dapat diubah sesuai kebutuhan user. Keputusan yang dihasilkan bukan merupakan keputusan akhir, karena keputusan akhir tetap ada pada pengambil keputusan. Kata Kunci: Sistem Pendukung Keputusan, Simple Additive Weighting, Tanaman Obat. Pendahuluan Peralihan perhatian masyarakat mengenai cara melakukan pengobatan di Rumah Sakit kepada obatobatan tradisional atau tanaman obat telah menjadi pusat perhatian. Pengobatan dengan menggunakan tanaman obat dinilai lebih berkhasiat sehingga banyak diminati karena selain aman, harganya pun terjangkau bahkan ada pula yang dihasilkan dari kebun sendiri. Alternatif tanaman obat yang ditawarkan tentu memiliki jenis yang beragam mengingat banyak sekali tanaman yang dapat dimanfaatkan. Banyaknya alternatif yang ada menjadikan masyarakat bingung dalam menentukan pilihan tanaman obat apa yang akan digunakan. Banyaknya pertimbangan untuk menentukan alternatif tanaman obat, maka perlu dibuat aplikasi yang dapat melakukan penentuan alternatif tanaman obat, yaitu dibuatnya Rancang Bangun Aplikasi Sistem Pendukung Keputusan Pemilihan Alternatif Tanaman Obat berbasis Web. Membuat rancang bangun sistem ini tentunya akan membantu masyarakat yang kini mulai mengenal canggihnya teknologi komputer dan internet dalam menentukan alternatif tanaman obat, karena perancangan antarmuka yang interaktif dan mudah digunakan. Pertimbangan terhadap alternatif pun dilakukan dengan perhitungan terhadap tiap kriteria sehingga dapat menjadi solusi pemecahan masalah. Kriteria-kriteria yang digunakan merupakan hasil kuisioner terhadap ahli, produsen dan konsumen tanaman obat.. Landasan Teori A. Decision Support System Sistem Pendukung Keputusan atau Decision Support System secara umum didefinisikan sebagai sebuah sistem yang mampu memberikan kamampuan pemecahan maupun penanganan masalah dengan kondisi semi terstruktur dan tidak terstruktur dimana 1

2 tak seorangpun tahu secara pasti bagaimana keputusan itu seharusnya dibuat (Kusrini, 2007). B. Simple Additive Weighting Metode SAW merupakan salah satu metode dari Multi-Attribute Decision Making. Metode ini juga sering dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative pada semua atribut (Kusumadewi, dkk, 2006). Langkah penyelesaian metode SAW : 1. Menentukan kriteria yang dijadikan acuan pengambilan keputusan. 2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Membuat matriks keputusan berdasarkan kriteria, kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh matriks ternormalisasi R. 4. Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik sebagai solusi. C. Tanaman Obat Obat adalah bahan atau zat yang berasal dari tumbuhan, hewan, mineral atau zat kimia tertentu yang dapat digunakan untuk mengurangi rasa sakit, memperlambat proses penyakit dan atau penyembuhan terhadap suatu penyakit. Obat ada yang bersifat tradisional seperti jamu, obat herbal dan ada yang telah melalui proses kimiawi atau fisika tertentu serta telah di uji khasiatnya. Yang terakhir inilah lazim disebut sebagai obat. Obat harus sesuai dengan dosis agar efek terapi atau khasiatnya kita dapatkan. Efek obat umumnya timbul karena interaksi obat dengan reseptor pada sel suatu organisme. nteraksi obat dengan reseptornya ini mencetuskan perubahan kimiawi dan fisiologi yang merupakan respon khas untuk obat tersebut. Herbal adalah tanaman atau jamu. Obat herbal adalah obat yang berasal dari tumbuh-tumbuhan, karena tidak memiliki efek samping seperti pada obat-obatan kimia. Obat herbal pun sering disebut sebagai phytomedicine atau obat botani, bahan-bahan dasar obat-obatan herbal adalah ekstrak dari seluruh atau sebagian tanaman yang dijadikan obat. Penggunaan obat herbal telah dikenal dan banyak digunakan sejak jaman dahulu, karena 2 memiliki khasiat dan manfaat yang manjur juga ampuh untuk membantu pengobatan berbagai macam penyakit (Hendrik, 2012).. Metodologi Metodologi yang digunakan dalam penelitian ini adalah pengembangan perangkat lunak terstruktur, Linear Sequential Model. Aktivitas yang dilakukan diantaranya adalah sebagai berikut: a. System Engineering, melakukan beberapa metode pengumpulan data yaitu wawancara, observasi dan studi pustaka. b. System Analysis, melakukan analisis terhadap permasalahan dengan membuat bagan alir sistem, analisis kebutuhan sistem dan kebutuhan perangkat lunak dan perangkat keras. c. Design, desain atau perancangan yang dilakukan adalah perancangan antarmuka, perancangan sistem yang terdiri dari pemodelan fungsional yaitu diagram konteks, Data Flow Diagram (DFD) dan spesifikasi proses, serta pemodelan data yang terdiri dari Entity Relationship Diagram (ERD), kamus data, Data Object Diagram (DOD) dan struktur tabel. d. Coding, mengimplementasikan hasil desain ke dalam kode dengan menggunakan bahasa PHP. e. Testing, pengujian kebenaran logik dan fungsionalitas sehingga diketahui kekurangan program. f. Maintenance, menangani dan merawat aplikasi sistem pendukung keputusan penentuan tanaman kategori obat herbal yang telah selesai supaya dapat berjalan dan terhindar dari gangguan yang menyebabkan kerusakan (Pressman, 2002). Listing 1. Pseudocode SAW Function max_a (input/output T:Tabnteger) Kamus l,k,lmax,temp : integer Algoritma for l 5 downto 2 do lmax 1 for k 1 to (l-1) do if (T[k] > T[lmax]) then lmax k endif endfor Temp T[l] Temp[l] T[lmax] T[lmax] temp endfor Algoritma SAW Kamus matrix : array[1..3] [1..5] of real Tabnt : array [1..nMax] of real v : array [1..3] of real b,c,d,e,f,h,i,j,k,l,m,n,o,p,q,r,u,w,x,a,s,g : real t : matrix

3 Algoritma read(b,c,d,e,f,h,i,j,k,l,n,o,p,q,r) matrix[1][1] b matrix[2][1] c matrix[3][1] d matrix[4][1] e matrix[5][1] f matrix[1][2] h matrix[2][2] i matrix[3][2] j matrix[4][2] k matrix[5][2] l matrix[1][3] n matrix[2][3] o matrix[3][3] p matrix[4][3] q matrix[5][3] r read (t) A max_a(t,tabnt) write (A) S max_a(t,tabnt) write (S) G max_a(t,tabnt) write (G) matrix[1][1] t[1][1] / A matrix[2][1] t[2][1] / A matrix[3][1] t[3][1] / A matrix[4][1] t[4][1] / A matrix[5][1] t[5][1] / A matrix[1][2] t[1][2] / S matrix[2][2] t[2][2] / S matrix[3][2] t[3][2] / S matrix[4][2] t[4][2] / S matrix[5][2] t[5][2] / S matrix[1][3] t[1][3] / G matrix[2][3] t[2][3] / G matrix[3][3] t[3][3] / G matrix[4][3] t[4][3] / G matrix[5][3] t[5][3] / G read (u,w,x) A. DFD 1. DFD level konteks Hak Akses, nformasi Data User nformasi Data Tanaman, nformasi Data Penyakit, nformasi Data Alternatif, nformasi Data Kriteria, nformasi Alternatif Keputusan nformasi Data Tanaman, nformasi Data Penyakit, nformasi Data Alternatif, nformasi Data Kriteria, nformasi Alternatif Keputusan Admin 0 Sistem Pendukung Keputusan Pemilihan Alternatif Tanaman Obat + User Gambar 1. DFD Level Konteks 2. DFD level 1 admin Tanaman 1 Login Record User user Record Tanaman Data Tanaman Record Penyakit Penyakit 3. DFD level 1 user Data Penyakit User id, password Hak Akses Record Kriteria Admin Data Tanaman, Data Penyakit, Data Alternatif, Data Kriteria, 2 Pengolahan Data Kriteria + Data Kriteria Gambar 2. DFD level 1 User Data Alternatif, Data Kriteria, nformasi Data Tanaman, nformasi Data Penyakit, nformasi Data Alternatif, nformasi Data Kriteria, nformasi Alternatif Keputusan Record Alternatif Data Alternatif Alternatif User D, Password, Data Tanaman, Data Penyakit, Data Alternatif, Data Kriteria, Data Alternatif, Data Kriteria, Record Penilaian nformasi Data Tanaman, nformasi Data Penyakit, nformasi Data Alternatif, nformasi Data Kriteria, nformasi Alternatif Keputusan Penilaian Record Tanaman V[1] 0 V[2] 0 V[3] 0 2 Pengolahan Data + Record Penilaian Record Alternatif for m 1 to 5 do V[1] u * matrix[m][1] + V[0] V[2] w * matrix[m][2] + V[1] V[3] x * matrix[m][3] + V[2] m m+1 endfor writeln (V[0], V[1], V[2]) Record Penyakit Data Alternatif Record Kriteria Data Kriteria Tanaman Penyakit Kriteria Alternatif Gambar 3. DFD level 1 Penilaian 3

4 B. ERD 4. Form Alternatif *kd_altrntf nilai **kd_altrntf *kd_altrntf *kd_nilai *kd_nilai **kd_penyakit **kd_kriteria user_id User password alternatif Memberikan data penilaian **kd_penyakit keterangan *kd_tanaman nm_tanaman Memberikan data *kd_altrntf *kd_nilai *kd_kriteria Memberikan data N N Tanaman N berhubungan Penyakit to1 *kd_penyakit to2 nm_penyakit to3 Gambar 6. ER-Diagram *kd_kriteria nm_kriteria kriteria bobot 5. Form Penilaian Gambar 13. Form Alternatif V. Hasil dan Pembahasan A. mplementasi 1. Form Maintenance Tanaman 6. Form Hasil Penilaian Gambar 14. Form Penilaian Gambar 15. Form Hasil Penilaian Gambar 10. Form Maintenance Tanaman 2. Form Maintenance Penyakit Gambar 11. Form Maintenance Penyakit 3. Form Kriteria Gambar 12. Form Kriteria B. Pengujian a. Kriteria yang ada merupakan hasil kuesioner, metode SAW memberikan nilai rating kepentingan kriteria, sebagai berikut: Tabel 1. Rating Kepentingan Kriteria Rating Kepentingan Keterangan 1 Sangat Rendah 2 Rendah 3 Cukup 4 Tinggi 5 Sangat Tinggi Hasil dari input data kriteria pada Gambar 12. akan didapat nilai bobot preferensi (W) sebagai berikut: W = (5, 3, 4, 1, 2) Bobot preferensi ini dapat diubah nilainya sesuai kebutuhan pengguna. Misalnya, menurut pengguna harga lebih diutamakan dalam pemilihan alternatif tanaman obat nantinya, maka pengguna dapat mengubah nilai sesuai kebutuhan. 4 b. Pengguna memilih nama penyakit yang dikehendaki, kemudian muncul form penilaian yang merupakan rating kecocokan alternatif

5 terhadap kriteria dalam Metode SAW, sebagai berikut: Tabel 2. Rating Kecocokan alternatif Terhadap Kriteria Rating Kecocokan Keterangan 1 Sangat Buruk 2 Buruk 3 Cukup 4 Baik 5 Sangat Baik c. Berikut merupakan contoh tabel penilaian alternatif tanaman obat untuk pusing berdasarkan Gambar 14. : Tabel 3. Contoh Penilaian Alternatif Tanaman Obat Efek Penyediaan Harga Khasiat Samping Barang A1 Tidak Cukup Sangat Mahal Efektif Penting Mudah Enak A2 Kurang Penting Cukup Murah Cukup Efektif Cukup Mudah Kurang Enak A3 Cukup Cukup Sangat Murah Penting Efektif Mudah Enak Untuk memudahkan pengguna dalam menilai alternatif tanaman obat, nilai rating kecocokan diubah menjadi bentuk kata/kalimat yang disesuaikan dengan kriteria, keterangannya seperti pada tabel 4 dibawah ini: Tabel 4. Rating Kecocokan yang telah diubah Nama Kriteria Nama Nilai Nilai Sangat Penting 5 Penting 4 Efek Samping Cukup Penting 3 Kurang Penting 2 Tidak Penting 1 Harga Khasiat Penyediaan Barang Tidak Bayar 5 Murah 4 Cukup Murah 3 Mahal 2 Sangat Mahal 1 Sangat Efektif 5 Efektif 4 Cukup Efektif 3 Kurang Efektif 2 Tidak Efektif 1 Sangat Mudah 5 Mudah 4 Cukup Mudah 3 Sulit 2 Sangat Sulit 1 Sangat Enak 5 Enak 4 Cukup Enak 3 Kurang Enak 2 Tidak Enak 1 Tabel 5. Matriks Keputusan Efek Penyediaan Harga Khasiat Samping Barang A A A e. Setelah mendapatkan matriks keputusan, selanjutnya membuat matriks ternormalisasi (R) dengan melakukan perhitungan sebagai berikut: r 11 = r 12 = r 22 = r 23 = r 31 = r 35 = Seterusnya sehingga hasil dari seluruh perhitungan tersebut diperoleh matriks ternormalisasi (R) seperti dalam tabel 6 berikut: Tabel 6. Matriks Ternormalisasi Efek Samping Harga Khasiat Penyediaan Barang A1 0, ,5 1 0,6 1 A2 0, ,75 0,75 0,6 0,4 A ,75 1 0,8 Setelah menghitung R dalam bentuk matriks ternormalisasi, hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik sebagai solusi berdasarkan persamaan berikut : V 1 = (5)(0,3333)+(3)(0,5)+(4)(1)+(1)(0,6)+(2)(1) = 9, V 2 = (5)(0,6667)+(3)(0,75)+(4)(0,75)+(1)(0,6)+(2)(0,4) = 9, V 3 = (5)(1)+(3)(1)+(4)(0,75)+(1)(1)+(2)( 0,8) = 13,6 Hasilnya kita bandingkan dengan Aplikasi Sistem Pendukung Keputusan Pemilihan Alternatif Tanaman Obat berikut: d. Hasil penilaian dari form penilaian gambar 14. memberikan bentuk matriks keputusan seperti pada tabel berikut: 5 Gambar 16. Form Hasil Penilaian

6 Berdasarkan penilaian yang telah dilakukan, alternatif tanaman obat terbaik untuk pusing adalah pisang dengan nilai 13,8. V. Kelebihan dan Kekurangan Hasil penelitian yang dilakukan, aplikasi sistem pendukung keputusan pemilihan alternatif tanaman obat ini memiliki kelebihan sebagai beikut: a. Data alternatif bersifat dinamis, alternatif tanaman obat dapat diubah pada form penyakit. b. Kriteria bersifat dinamis, nilai bobotnya dapat diubah sesuai kebutuhan user. c. Nilai bobot disimpan dalam database, sehingga tidak perlu menentukan prioritas untuk penilaiannya saat program dijalankan ulang. d. Memiliki kemampuan untuk mengukur kinerja relatif dan alternatif-alternatif keputusan dalam bentuk matematis sederhana. e. Alternatif tanaman obat yang disajikan merupakan hasil kuesioner sehingga datanya dapat dipercaya. Sedangkan kekurangan yang dimiliki oleh aplikasi sistem pendukung keputusan pemilihan alternatif tanaman obat adalah sebagai berikut: a. Pengguna minimal mengetahui baik sistem pendukung keputusan maupun metode SAW agar saat menggunakannya tidak terjadi kebingungan. b. Sistem pendukung keputusan pemilihan alternatif tanaman obat belum menampilkan detil penyakit V. Kesimpulan dan Saran A. Kesimpulan Berdasarkan hasil pembahasan dan implementasi dalam penelitian ini, maka didapat kesimpulan sebagai berikut: 1. Sulitnya masyarakat dalam menentukan tanaman obat yang dapat dijadikan alternatif penyembuhan terhadap suatu penyakit dapat dibantu dengan adanya rancang bangun aplikasi sistem pendukung keputusan pemilihan alternatif tanaman obat berbasis web 2. Aplikasi yang dibuat mengimplementasikan metode Simple Additive Weighting (SAW) juga menggunakan metode pengambangan perangkat lunak sequential linear model. b. Aplikasi sistem pendukung keputusan pemilihan alternatif tanaman obat belum menampilkan detil penyakit c. Data alternatif tanaman obat harus didiskusikan terlebih dahulu pada pakar atau setidaknya menggunakan kuesioner DAFTAR PUSTAKA AS, Rossa & Shalahuddin, M Modul Pembelajaran: Rekayasa Perangkat Lunak. Bandung: Penerbit Modula. Asosiasi Herbalis Nusantara Herbalis Nusantara. Diakses pada tanggal 11 Agustus 2012 Kadir, Abdul Buku Pintar JQuery dan PHP. Yogyakarta: Mediakom. Kusumadewi, Sri. Hartati, Sri. Harjoko, Agus & Wardoyo, Retantyo Fuzzy Multi-Atribute Decision Making (Fuzzy MADM). Yogyakarta: Graha lmu. Naga, Sholeh S Buku Lengkap lmu Penyakit Dalam. Jakarta: DVA Rudholpi Pencarian bobot atribut pada Multi- Attribute Decision Making dengan pendekatan objektif menggunakan algoritma genetika. wordpress. com/2008/06/srikusumadewi-jurnal-genetika.pdf. Diakses pada tangga 20 Agustus 2012 Suparyanto, Dr. M.Kes Merancang Kuesioner Penelitian. Yogyakarta: Andi Suryadi, Kadarsah, Dr. r., M,Ali Ramdhani, M.T Sistem Pendukung Keputusan. Bandung: PT Remaja Rosdakarya Turban, Efraim. Aronson, E Jay. Peng Liang-Ting Decicion Support Systems and ntelligent Systems: Seventh Edition. ndia: Prentice-Hall B. Saran Saran untuk pengembangan aplikasi sistem pendukung keputusan pemilihan alternatif tanaman obat ini selanjutnya adalah: a. Aplikasi sistem pendukung keputusan pemilihan alternatif tanaman obat belum menampilkan gambar tanaman obat 6