BAB 1 PENDAHULUAN 1.1 Latar Belakang Pesatnya perkembangan dunia pariwisata, tidak diiringi dengan perkembangan teknologi yang digunakan. Ditambah lagi dengan kondisi, banyak wisatawan yang tidak mau berwisata karena merasa kurang aman serta kurang jelasnya berita mengenai objek wisata tersebut. Sehingga hal ini membuat calon wisatawan yang ingin menghabiskan liburannya untuk berwisata merasa bingung dalam memutuskan untuk mengunjungi tempat wisata yang mana yang cocok bagi mereka. Untuk itu diperlukan suatu sistem yang dapat memberikan gambaran mengenai tujuan wisata tersebut. Sehingga nantinya dapat membantu mereka dalam menentukan objek wisata yang cocok bagi para wisatawan tersebut. Sistem ini merupakan komputerisasi dari sistem manual dalam penentuan tujuan wisata dengan memanfaatkan logika fuzzy untuk mengambil keputusan. Diharapkan dengan sistem ini dapat memberikan informasi yang jelas mengenai tujuan objek wisata kepada para wisatawan. Sistem ini akan memberikan informasi tujuan wisata yang dapat dikunjungi oleh wisatawan sesuai dengan data yang diinputkan. Metode pengambilan keputusan yang digunakan adalah metode clustering (pengelompokan). Data dikelompokkan menjadi 3 cluster (kelompok). Sistem ini nantinya akan memberikan output berupa pilihan-pilihan hotel, restoran dan tempat wisata yang dapat dikunjungi oleh calon wisatawan, dimana nantinya ini akan mempermudah calon wisatawan dalam mengambil keputusan akhir dan meminilmalkan biaya yang harus dikeluarkan oleh calon wisatawan dalam berliburan.
1.2 Perumusan Masalah Permasalahan yang akan diangkat dalam skripsi ini adalah mengenai tujuan wisata para wisatawan dalam menetukan lokasi wisata yang akan dikunjunginya untuk meminimalkan biaya dari segi lamanya liburan sesuai kebutuhannya dengan cara mengimplementasikannya kedalam sistem pengambilan keputusan menggunakan logika fuzzy dan metoda fuzzy clustering Means sebagai pengambil keputusan. 1.3 Pembatasan Masalah Masalah yang dibahas dalam skripsi ini dibatasi atas hal-hal sebagai berikut: 1. Sistem pendukung keputusan digunakan dalam menentukan lokasi tujuan wisata berdasarkan biaya dan lamanya liburan untuk meminimalkan biaya bagi calon wisatawan dalam berliburan khusus untuk pulau Batam. 2. Datanya dikelompokkan menjadi 3 kelompok(cluster). 3. Sistem pendukung keputusan berperan dalam pengambilan keputusan dengan memanfaatkan data lokasi tujuan wisata melalui teknik clustering dalam membagi data menjadi beberapa kelompok untuk memperoleh output yang sesuai dengan kriteria wisatawan. 4. Asumsi perjalan dari kota Medan ke pulau Batam. 5. Skripsi ini hanya membahas biaya total dari hotel dan restoran. Untuk biaya transport dari kota asal khususnya Medan dan biaya transport selama di Batam tidak akan dimasukan dalam sistem pendukung keputusan ini. 6. Variable fuzzy yang digunakan yaitu: biaya dan lama liburan. 7. Skripsi yang berjudul Sistem Pendukung Keputusan Penentuan Tujuan Wisata Menggunakan Logika Fuzzy dengan Metode Clustering ini dibangun dengan bantuan aplikasi Visual Basic 6.0 dan MySql yang sifatnya stand alone dimana hanya merancang 2 halaman yaitu halaman untuk user dan admin.
1.4 Tujuan Penelitian Penelitian ini bertujuan mempermudah wisatawan dalam menentukan tujuan wisata sesuai dengan biaya dan lama liburannya dengan mengimplemenatasikan logika fuzzy menggunakan fuzzy clustering dalam pengambilan keputusan. 1.5 Kontribusi Penelitian Selain menambah pemahaman dan pengetahuan penulis mengenai sistem pendukung keputusan, hasil penelitian ini juga bermanfaat dalam membantu calon wisatawan untuk menentukan pilihan tujuan wisata berdasarkan biaya dan lama liburannya. 1.6 Metode Penelitian Secara umum, penelitian dilakukan dengan beberapa tahapan, yaitu: 1) Membahas mengenai Sistem Pendukung Keputusan, yaitu sistem berbasis komputer yang dirancang untuk meningkatkan efectivitas pengambilan keputusan dalam memecahkan masalah yang bersifat semiterstruktur. Dalam Hal ini meminimalkan biaya dari segi lamanya liburan. 2) Mengimplementasikan fuzzy C-Means kedalam suatu program sebagai model untuk mengambil keputusan dalam sistem pendukung keputusan ini. 3) Melakukan analisa dari masukan nilai biaya dan lama libur yang dilakukan oleh user.
1.7 Tinjauan Pustaka Sri Kusumadewi dalam bukunya yang berjudul Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, memberikan penjelasan tentang fuzzy clustering dalam menentukan pusat cluster, yang akan menandai lokasi rata-rata untuk tiap cluster. Pada kondisi awal, pusat cluster masih belum akurat. Tiap titik data memiliki derajat keanggotaan untuk tiap cluster. Dengan cara memperbaiki pusat cluster dan derajat keanggotaan tiap titik data secara berulang maka akan dapat dilihat bahwa pusat cluster akan dapat dilihat bahwa pusat cluster akan bergerak menuju lokasi yang tepat. Kadarsah Suryadi dalam bukunya yang berjudul Sistem Pendukung Keputusan, memberikan penjelasan mengenai dasar pengambil keputusan merupakan suatu pendekatan sistematis pada hakekat suatu masalah, pengumpulan fakta-fakta, penentuan yang matang dari alternatif yang dihadapi dan pengambilan tindakan yang tepat. Dhiani Tresna Absari dalam makalahnya menjelaskan bahwa Analisis pengelompokan (clustering) adalah sebuah teknik dari analisis multivariabel yang digunakan untuk mengelompokkan objek-objek (variabel atau data) sehingga dapat menghasilkan suatu informasi untuk membantu pelaksanaan pengujian terhadap objek dan pada akhirnya dapat menyajikan suatu hipotesis berdasarkan relasi yang terjadi. Prinsip yang digunakan adalah memaksimumkan homogenitas (kesamaan) dalam satu kelompok dan juga memaksimumkan heterogenitas (ketidaksamaan) antar kelompok. Konsep Sistem Pendukung Keputusan (SPK) / Decision Support System (DSS) pertama kali diungkapkan pada tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision System. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur. (Saaty, Thomas L. 2001). Yudi Agusta dalam jurnalnya menjelaskan data Clustering merupakan salah satu metode Data Mining yang bersifat tanpa arahan(unsupervised). Ada dua jenis data clustering yang sering dipergunakan dalam proses pengelompokan data yaitu hierarchical (hirarki) data clustering dan non-hierarchical (nonhirarki) data clustering. Fuzzy clustering merupakan salah satu metode data clustering non hirarki yang berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih
cluster/kelompok. Metode ini mempartisi data ke dalam cluster/kelompok sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain. Adapun tujuan dari data clustering ini adalah untuk meminimalisasikan objective function yang diset dalam proses clustering, yang pada umumnya berusaha meminimalisasikan variasi di dalam suatu cluster dan memaksimalisasikan variasi antar cluster. Sistem pendukung keputusan (decision support systems) adalah bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis pengetahuan (manajemen pengetahuan)) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan. Dapat juga dikatakan sebagai sistem komputer yang mengolah data menjadi informasi untuk mengambil keputusan dari masalah semi-terstruktur yang spesifik. Menurut Moore, SPK dapat digambarkan sebagai sistem yang berkemampuan mendukung analisis ad hoc data, dan pemodelan keputusan, berorientasi keputusan, orientasi perencanaan masa depan, dan digunakan pada saat-saat yang tidak biasa. Tahapan SPK: Definisi masalah Pengumpulan data atau elemen informasi yang relevan pengolahan data menjadi informasi baik dalam bentuk laporan grafik maupun tulisan menentukan alternatif-alternatif solusi (bisa dalam persentase) Tujuan dari SPK adalah: Membantu menyelesaikan masalah semi-terstruktur Mendukung manajer dalam mengambil keputusan Meningkatkan efektifitas bukan efisiensi pengambilan keputusan Emha Taufiq dalam makalahnya menjelaskan Clustering merupakan proses pengelompokan obyek atau data kedalam suatu kelas atau cluster dengan objek yang memiliki kesamaan. Fuzzy clustering menggunakan model pengelompokan fuzzy sehingga data dapat menjadi anggota dari semua kelas atau cluster terbentuk dengan derajat atau tingkat keanggotaan yang berbeda antara 0 hingga 1.
1.8 Diagram Konsepsi Secara umum, proses yang dilakukan dalam sistem pendukung keputusan ini dapat digambarkan ke dalam diagram konsepsi sebagai berikut: Gambar 1.1 Diagram Konsepsi Sistem Pendukung Keputusan Diagram diatas menjelaskan secara umum urutan kerja dari Sistem Pendukung Keputusan tersebut. Wisatawan meminta informasi mengenai lokasi tujuan wisata ke Batam. Dalam hal ini wisatawan harus memberikan data yang menjadi faktor pendukung keputusan untuk pemilihan lokasi wisatawan, diantaranya anggaran biaya dan lamanya liburan. Kemudian dilanjutkan ke proses penentuan tujuan wisata yang menjadi dasar untuk mengambil keputusan. Setelah itu, hasil proses ini akan diperiksa apakah hasil proses tersebut sesuai dengan kriteria wisatawan atau tidak. Jika ya, maka hasil proses ini menjadi rangkuman untuk mengambil keputusan bagi wisatawan berdasarkan pilihan hotel dan tempat wisata. Spesifikasi rangkuman proses inilah yang
akan ditawarkan kepada wisatawan dengan perkiraan biaya dan lamanya liburan untuk meminimalkan biaya dalam berliburan. Berikut ini gambaran alur proses secara umum mengenai penentuan tujuan wisata yaitu: Mulai Proses penentuan tujuan wisata Masukan berupa biaya dan lamanya liburan Iterasi dari tiga data dalam Tidak Hasil iterasi dibandingkan dengan masukan Selesai Ya Gambar 1.2 Diagram Konsepsi Proses Penentuan Wisata Diagram diatas menggambarkan secara garis besar proses penentuan tujuan wisata. Dimana calon wisatawan akan memberikan anggaran biaya dan lamanya liburan. faktor biaya dan lamanya liburan akan dijadikan variabel fuzzy dalam proses tersebut. Kemudian dilakukan iterasi perhitungan terhadap data dalam data base dengan cara pengelompokan (clustering). Selanjutnya hasil iterasi tersebut akan dibandingkan dengan masukan variabel fuzzy dengan kondisi hasil iterasi <= variabel fuzzy. Apabila hasil clustering sesuai, maka data inilah yang menjadi acuan bagi sistem pendukung keputusan dalam memberikan tawaran kepada calon wisatawan dalam berliburan. Apabila tidak sesuai maka iterasi dilanjutkan hingga kondisi dipenuhi.