6 BAB 2 LANDASAN TEORI 2.1. Sistem Pendukung Keputusan 2.1.1. Definisi keputusan A. F. Stoner berpendapat bahwa keputusan adalah pemilihan diantara alternatif. Hal ini mengandung tiga pengertian, yaitu : ada pilihan atas dasar logika, ada beberapa alternatif yang harus dipilih yang terbaik, dan ada tujuan yang ingin dicapai sehingga diharapkan dengan keputusan tersebut dapat semakin mendekatkan pada tujuan tersebut (Hasan, 2002). 2.1.2. Proses pengambilan keputusan Adapun proses dalam pengambilan keputusan terdiri dari 4 tahapan menurut Simon (Umar, 2001), yaitu : 1. Penelusuran (Intelligence) Penelusuranadalah tahap pendefinisian masalah danmengidentifikasi informasi yang dibutuhkan dan berkaitan dengan persoalan yang dihadapi serta keputusan yang akan diambil. 2. Perancangan (Design) Proses perancanganadalah proses dalam mempresentasikan model sistem yang akan dibangun yang berdasarkan pada asumsi yang telah ditetapkan. Dalam tahap ini, suatu model dari masalah dibuat, diuji, dan divalidasi.
7 3. Pemilihan (Choice) Pemilihan merupakan suatu proses pengujian yang dilanjutkan dengan pemilihan keputusan terbaik berdasarkan kriteria yang sudah ditetapkan dan mengarah kepada tujuan yang ingin dicapai. 4. Implementasi (Implementation) Implementasi adalah proses pelaksanaan dari keputusan yang sudah diambil. Pada tahap ini disusun serangkaian tindakan yang terencana, sehingga hasil keputusan dapat dipantau dan disesuaikan apabila diperlukan. Keempat proses pengambilan keputusan tersebut dapat dijelaskan seperti pada Gambar 2.1. Intelligence Penelusuran lingkup masalah Sistem informasi manajemen / pengolahan data elektronik Design Prancangan penyelesaian masalah Choice Pemilihan tindakan Ilmu manajemen / operations research Implementation Pelaksanaan tindakan Gambar 2.1. Proses Pengambilan Keputusan 2.1.3. Definisi SPK Konsep-konsep mengenai sistem pendukung keputusan atau Decision Support System diungkapkan pertama kali oleh Scott Morton pada awal 1970 dengan istilah "Management Decision System". Management Decision System merupakan suatu sistem berbasis komputer yang membantu mengambil keputusan dengan memanfaatkan data dan model untuk menyelesaikan masalah yang tidak terstruktur. (Turban, 2005). Berdasarkan hal di atas sistem pendukung keputusan hanya menjadi alat bantu seseorang atau instansi dalam mengambil keputusan tanpa mengambil peran pengambil keputusan dalam membuat keputusan. Sistem Pendukung Keputusan merupakan penggabungan kemampuan antara komputer dalam pelayanan interaktif
8 dengan pengolahan data yang memanfaatkan model penyelesaian yang tidak terstrukur. 2.1.4. Karakteristik dan kemampuan SPK Ada beberapa karakteristik darisistem Pendukung Keputusan, yaitu sebagai berikut (Turban, 2001) : 1. Sistem pendukung keputusan dirancang dengan tujuan untuk membantu pengambil keputusan mengambil keputusan dari masalah yang sifatnya terstruktur ataupun tidak terstruktur. 2. Sistem pendukung keputusan dirancang sedemikian rupa agar mudah untuk digunakan banyak orang, terkhusus untuk orang-orang yang tidak memiliki dasar kemampuan pengoperasian komputer yang tinggi. 3. Sistem pendukung keputusan dirancang dengan mengutamakan pada aspek fleksibilitas dan kemampuan adaptasi yang tinggi. Sehingga mudah disesuaikan dengan berbagai perubahan lingkungan yang terjadi dalam kebutuhan pemakai. Selain itu, di dalam Sistem Pendukung Keputusan juga memiliki beberapa kemampuan,yaitu sebagai berikut(kosasi, 2002): 1. Sistem pendukung keputusan atau SPK dapat melakukanpengambilan keputusan manajemen dalam menangani masalah semi terstruktur dan tidak terstruktur. 2. Sistem pendukung keputusan dapat membantu manajer mulai dari manajemen tingkat atas sampai manajemen tingkat bawah. 3. Sistem pendukung keputusan memiliki kemampuan pemodelan dan analisis pembuatan keputusan. 4. Sistem pendukung keputusan berkemampuan menunjang pembuatan keputusan yang saling bergantung dan berurut baik secara kelompok maupun perorangan. 5. Sistem pendukung keputusan menunjang berbagai bentuk proses pembuatan keputusan dan jenis keputusan. 6. Sistem pendukung keputusan bersifat fleksibel dan dapat beradaptasi sesuai dengan yang dibutuhkan.
9 7. Sistem pendukung keputusan mudah melakukan interaksi sistem dan mudah dikembangkan oleh pemakai akhir. 8. Sistem pendukung keputusan dapat meningkatkan efektivitas dalam pembuatan keputusan daripada efisiensi. 9. Sistem pendukung keputusan dapat melakukan pengaksesan berbagai sumber dan format data dengan mudah. 2.2. Algoritma Algoritma adalah langkah-langkah untuk menyelesaikan persoalan dalam bentuk kalimat dengan jumlah kata terbatas yang tersusun secara logis dan sistematis. Menurut Donald E. Knuth ada beberapa ciri yang dimiliki algoritma, ciri-ciri tersebut, yaitu (Purwanto, 2008) : 1. Algoritma harus memiliki awal dan akhir, algoritma harus berhenti setelah menyelesaikan serangkaian tugas. 2. Setiap langkah harus memiliki pengertian yang tepat dan tidak membingungkan atau memiliki arti ganda (not ambigious). 3. Memiliki kondisi awal atau masukan. 4. Memiliki kondisi akhir atau keluaran. 5. Algoritma bila diikuti dengan benar harus mampu menyelesaikan persoalan. 2.3. Fuzzy Multiple Attribute Decision Making Methods (FMADMM) Fuzzy Multiple Attribute Decision Making Methods (FMADMM) adalah sekelompok pemilihan untuk mengambil keputusan, beberapa di antaranya adalah algoritma AHP dan SAW (Chen, 1991). 2.3.1. Algoritma AHP Analytic Hierarchy Process (AHP) adalah sebuah hirarki fungsional dengan input utamanya persepsi manusia. Suatu masalah kompleks dan tidak terstruktur dipecahkan
10 ke dalam kelompok-kelompok dan diatur menjadi suatu bentuk hirarki. Pemilihan keputusan dilakukan dengan membandingkan setiap elemen dengan elemen lainnya sehingga didapat nilai kepentingan elemen dalam bentuk pendapat yang bersifat kualitatif, lalu digunakan skala penilaian sehingga diperoleh nilai pendapat dalam bentuk kuantitatif. Di dalam AHP ada beberapa prinsip penting yang harus dipahami untuk pemecahan masalah, prinsip penting tersebut, yaitu : 1. Decomposition, yaitu membuat hirarki. Sistem yang kompleks dipecah menjadi sederhana sehingga didapatkan beberapa tingkatan dari persoalan, seperti pada Gambar 2.2. Sasaran Kriteria 1 Kriteria 2 Kriteria 3 Kriteria n Alternatif 1 Alternatif 2 Alternatif 3 Gambar 2.2. Struktur Hirarki Alternatif n 2. Comparative judgment, yaitu perbandingan kriteria dan alternatif yang berpasangan. Digunakan skala perbandingan sebagai ukuran yang menyatakan intensitas kepentingan seperti pada Tabel 2.1.(Saaty, 1988). Tabel 2.1. Skala Saaty Intensitas kepentingan 1 3 5 7 Keterangan Kedua elemen mempunyai pengaruh yang sama penting (Equal importance). Satu elemen sedikit lebih penting dibandingkan elemen pasangannya (Weak importance of one over another). Satu elemen lebih penting dibandingkan elemen pasangannya (Essential or strong importance). Satu elemen sangat lebih penting dibandingkan elemen pasangannya (Demonstrated importance).
11 9 2, 4, 6, 8 Satu elemen mutlak lebih penting dibandingkan elemen pasangannya (Extreme importance). Satu elemen mempunyai tingkat kepentingan antara dua tingkat kepentingan yang berdekatan. 3. Synthesis of priority, menentukan prioritas dari elemen kriteria. Hal ini sering kali dipandang sebagai bobot atau konstribusi terhadap tujuan pengambilan kuputusan. 4. Logical Consistency, merupakan karakteristik penting AHP. Hal ini dicapai dengan mengagresikan seluruh eigen vector yang diperoleh dari berbagai tingkatan hirarki dan selanjutnya diperoleh suatu nilai composite tertimbang yang menghasilkan urutan pengambilan keputusan (Latifah, 2005). Secara umum langkah-langkah yang harus dilakukan dalam menggunakan algoritma AHP untuk pemecahan suatu masalah adalah sebagai berikut : 1. Mendefinisikan masalah dan menentukan solusi yang diinginkan, lalu menyusun hirarki dari masalah yang dihadapi yaitu menetapkan tujuan, kriteria, dan alternatif. 2. Menentukan prioritas elemen. 1. Langkah pertama dalam menentukan prioritas elemen adalah membuat perbandingan berpasangan antar elemen dan membandingkannya. 2. Cara membandingkannya yaitu dengan mengisi matriks perbandingan menggunakan bilangan untuk membedakan tingkat kepentingan dari suatu elemen terhadap elemen lain. 3. Sintesis. Semua hasil perbandingan berpasangan disintesis untuk memperoleh keseluruhan prioritas. Hal-hal yang dilakukan dalam langkah ini adalah : 1. Menjumlahkan semua nilai dari setiap kolom pada matriks 2. Membagi nilai dari kolom dengan total nilai kolom yang bersangkutan untuk memperoleh normalisasi matriks. 3. Lalu dari hasil normalisasi matriks, dicari nilai rata-rata dari setiap baris. Hasilnya disebut eigen vector yang dinormalkan.
12 4. Mengukur konsistensi. Dalam pembuatan keputusan, perlu mengetahui seberapa baik konsistensi pertimbangan yang ada untuk menghindari hasil keputusan dengan tingkat konsistensi yang rendah. Oleh karena itu hal-hal yang harus dilakukan untuk mengetahui tingkat kekonsistensian adalah : 1. Kalikan total nilai pada kolom pertama dengan eigen vector yang dinormalkan pada baris pertama, kalikan total nilai pada kolom kedua dengan eigen vector yang dinormalkan pada baris kedua, kalikan total nilai pada kolom ketiga dengan eigen vector yang dinormalkan pada baris ketiga dan seterusnya hingga selesai. 2. Jumlahkan hasil perkalian tersebut untuk mendapatkan nilai eigen maksimum. 3. Hitung Indeks Konsistensi / Consistency Index (CI), dengan rumus : CCCC = (λλλλλλλλ nn) (nn 1) Keterangan : CI = Rasio penyimpangan konsistensi. λmax = nilai eigen maksimum. n = banyaknya elemen. 4. Hitung Rasio Konsistensi / Consistency Ratio (CR), dengan rumus : CCCC = CCCC RRRR Keterangan : CR = Consistency Ratio RI = nilai Random Index
13 Nilai Random Index dapat dilihat seperti pada Tabel 2.2. Tabel 2.2. Random Index n 1 2 3 4 5 6 7 RI 0,00 0,00 0,58 0,90 1,12 1,24 1,32 8 9 10 11 12 13 14 15 1,41 1,45 1,49 1,51 1,48 1,56 1,57 1,59 5. Memeriksa konsistensi hirarki. Jika nilai CR lebih dari 0,100 maka penilaian data judgment harus diperbaiki. Namun jika nilai CR kurang atau sama dengan 0,100 maka hasil perhitungan bisa dinyatakan konsisten. 6. Mencari total nilai. Langkah terakhir dari algoritma AHP adalah menghitung total nilai dengan cara menjumlahkan hasil perkalian nilai eigen vector tiap kriteria dengan nilai eigen vector alternatif pada kriteria yang sama. Langkah-langkah yang harus dilakukan dalam menggunakan algoritma AHP tersebut dapat dijelaskan seperti pada Gambar 2.3. Mulai Mendefinisikan masalah Menentukan prioritas kriteria Sintesis Konsisten? Tidak Iya Menentukan prioritas alternatif dari masingmasing kriteria Sintesis Konsisten? Tidak Iya Total Nilai Selesai Gambar 2.3. Langkah-langkah dalam Algoritma AHP
14 2.3.2 Algoritma SAW Algoritma SAW sering juga dikenal dengan istilah algoritma penjumlahan terbobot. Konsep dasar algoritma SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Algoritma SAW membutuhkan proses normalisasi matriks keputusan ke suatu skala yang dapat dibandingkan dengan semua rating alternatif yang ada. Terdapat beberapa langkah dalam menggunakanalgoritma SAW untuk memecahkan masalah, langkah-langkah perhitungan dengan algoritma SAW adalah sebagai berikut : 1. Mendefinisikan masalah dan menentukan tujuan, kriteria, dan alternatif. 2. Memberikan nilai bobot (W j ) pada tiap kriteria (C j ). 3. Memberikan nilai setiap alternatif (A i ) pada setiap kriteria (C j ) yang sudah ditentukan, dimana nilai i = 1, 2, 3,..., m, dan j = 1, 2, 3,..., n. 4. Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja ternormalisasi (r ij ) dari alternatif (A i ) pada atribut (C j ) berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun biaya). Jika j adalah atribut keuntungan (benefit) : xx iiii rr iiii = mmmmmm xx iiii Jika j adalah atribut biaya (cost) : rr iiii = mmmmmm xx iiii xx iiii Keterangan : r ij x ij = nilai rating kinerja ternormalisasi = nilai atribut yang dimiliki dari setiap kriteria max x ij = nilai terbesar dari setiap kriteria min x ij = nilai terkecil dari setiap kriteria benefit = jika nilai terbesar adalah terbaik cost = jika nilai terkecil adalah terbaik
15 5. Hasil akhir diperoleh dari proses perangkingan, yaitu hasil penjumlahan dari perkalian matriks ternormalisasi (r ij )dengan nilai bobot (W j ) sehingga diperoleh semua nilai untuk setiap alternatif (A i ), dan nilai alternatif terbesar adalah yang dipilih sebagai alternatif terbaik dan digunakan sebagai solusi. Untuk mengetahui nilai dan rangking setiap alternatif (V i ) adalah dengan cara sebagai berikut: Keterangan : V i W j r ij = nilai untuk setiap alternatif = nilai bobot dari setiap kriteria = nilai rating kinerja ternormalisasi Langkah-langkah dalam algoritma SAW tersebut dapat dijelaskan dengan flowchart seperti pada Gambar 2.4. Mulai Mendefinisikan masalah Pembobotan kriteria Pembobotan alternatif tiap kriteria Normalisasi Perangkingan Selesai Gambar 2.4. Langkah-langkah dalam Algoritma SAW
16 2.4. Penelitian Terdahulu Adapunpenelitian terdahulu yang penulis jadikan bahan referensi dalam penulisan ini, antara lain : 1. Penelitian oleh Johannes Sinaga pada tahun 2009 tentang penerapan AHP dalam memilih perusahaan BUMN sebagai tempat kerja. Sistem pendukung keputusan ini menggunakan 4 kriteria pemilihan, yaitu gaji, jenjang karir, fasilitas, penempatan, dan 10 alternatif pemilihan,yaitu PT. Garuda Indonesia Airways, PT. Angkasa Pura, PT. Pertamina, PT.PELNI, PT. Perusahaan Listrik Negara (PLN), PT. Pos Indonesia, PT. Kereta ApiIndonesia, PT.Telkom, PT. Perkebunan Nusantara (PTPN), Bank Indonesia. Penetapan bobot tiap kriteria dan alternatif melalui kuisioner dimana mahasiswa sebagai responden. Hasil dari penelitian ini adalah perusahaan BUMN yang paling diinginkan sebagai tempat kerja yang diketahui dari nilai akhir (total rangking). (Johannes Sinaga, 2009). 2. Penelitian oleh Ariyanto pada tahun 2012 tentang sistem pendukung keputusan pemilihan karyawan terbaik dengan metode SAW (Simple Additive Weighting). Tujuan dari penelitian ini adalah membangun suatu model pengambilan keputusan dengan menggunakan metode SAW dalam menentukan karyawan. Hasil penelitian ini memberikan rekomendasi dalam pengambilan keputusan untuk menentukan karyawan yang diseleksi secara objektif. (Ariyanto, 2012). 3. Penelitian yang dilakukan oleh Pangeran Manurung mengenai sistem pendukung keputusan seleksi penerima beasiswa dengan metode AHP dan Topsis. Tujuan penelitian ini adalah untuk membantu menetapkan seseorang yang layak menerima beasiswa. Pada penelitian ini akan diangkat suatu kasus yaitu mencari alternative terbaik berdasarkan kriteria yang telah ditentukan dengan metode AHP dan metode Topsis.Penelitian dilakukan dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses pengurutan kandidat yang akan menentukan alternatif terbaik.(pangeran Manurung, 2010)
17 4. Penelitian yang dilakukan oleh Mika Indika membahas mengenai sistem pendukung keputusan penentuan lokasi pembangunan tower Base Transceiver Station (BTS) pada PT. XL Axiata Tbk-Medan dengan metode AHP. Tujuan dari penelitian ini adalah untuk membantu pengambilan keputusan dalam menentukan lokasi untuk membangun sebuah tower Base Transceiver Station (BTS) baru yang potensial agar sinyal dari tower tersebut dapat menjangkau wilayah pelanggan. SPK untuk proses AHP ini dibuat berdasarkan data dan norma-norma faktor pemilihan lokasi pembangunan tower BTS yang ada pada Divisi Network Optimization PT. XL Axiata Tbk-Medan. Hasil dari proses ini berupa nilai prioritas yang akan menjadi pertimbangan bagi pengambil keputusan untuk memilih lokasi yang tepat sebagai lokasi pembangunan tower bts yang baru. (Mika Indika, 2010). 5. Penelitian yang dilakukan oleh Jagatullah Wardhani Kurniawan membahas mengenai penerapan metode Simple Additive Weighting (SAW) untuk pemilihan supervisor pada perusahaan konstruksi. Dengan banyaknya kriteria yang dibutuhkan untuk menjadi seorang supervisor, maka perlu dibuat sebuah sistem pendukung keputusan untuk pemilihan calon supervisor. Sistem pendukung keputusan dengan metode SAW ini mampu menyelesaikan permasalahan dalam memilih calon supervisor secara lebih terperinci sesuai dengan kriteria yang dibutuhkan oleh perusahaan. (Jagatullah Wardhani Kurniawan, 2013).