APLIKASI ELimination Et Choix Traduisant la REalité ...
Transcript of APLIKASI ELimination Et Choix Traduisant la REalité ...
LAPORAN AKHIR
PENELITIAN DOSEN PEMULA
APLIKASI ELimination Et Choix Traduisant la REalité
(ELECTRE) PADA SISTEM PENDUKUNG KEPUTUSAN
Tahun ke- 1 dari rencana 1 tahun
Ketua/ Anggota Tim
Agusta Praba Ristadi Pinem, S.Kom., M.Kom. 0618089001
Prind Triajeng Pungkasanti, S.Kom., M.Kom. 0627048303
Dibiayai Oleh :
Direktorat Riset dan Pengabdian Kepada Masyarakat (DRPM)
Direktorat Jenderal Penguatan Riset dan Pengembangan
Kementerian Riset, Teknologi dan Pendidikan Tinggi
Sesuai dengan Kontrak Penelitian
Nomor : 016/K6/KM/SP2H/PENELITIAN/2017
UNIVERSITAS SEMARANG
DESEMBER 2017
Kode/ Nama Rumpun Ilmu*: 462 / Teknologi Informasi
iii
RINGKASAN
Sistem Pendukung Keputusan (SPK) merupakan salah satu matakuliah
turunan dari Ilmu Matematika terapan. Mahasiswa diajarkan bagaimana cara
menyelesaikan suatu masalah dengan menerapkan metode-metode di SPK. Salah
satu metode yang dapat digunakan dalam SPK adalah ELimination Et Choix
Traduisant la REalité (ELECTRE). ELECTRE merupakan salah satu metode SPK
yang dapat menggunakan banyak kriteria sebagai variabel untuk memperoleh
informasi pendukung keputusan. ELECTRE sendiri juga memiliki banyak tahapan
untuk memperoleh hasil akhir. Banyaknya tahapan pada metode ELECTRE
membuat mahasiswa merasa kesulitan dalam memahami algortima ELECTRE
apabila penjelasannya masih berupa materi tertulis dan perhitungan manual. Hal
tersebut mendasari peneliti untuk membuat alat bantu pembelajaran dalam bentuk
Aplikasi ELimination Et Choix Traduisant la REalité (ELECTRE) dengan
menerapkan algoritma ke dalam bentuk program berbasis web dinamis. Aplikasi
web yang dibangun telah diuji dengan membandingkan hasil perhitungan manual
dengan hasil dari aplikasi web. Proses pengujian menggunakan Korelasi
Spearman Rank dengan hasil 0,95. Hasil pengujian menunjukan hasil yang sesuai
antara perhitungan manual dan aplikasi web.
iv
DAFTAR ISI
HALAMAN PENGESAHAN ................................................................................. ii
RINGKASAN ........................................................................................................ iii
DAFTAR ISI .......................................................................................................... iv
DAFTAR TABEL .................................................................................................. iv
DAFTAR GAMBAR .............................................................................................. v
DAFTAR LAMPIRAN .......................................................................................... vi
BAB 1. PENDAHULUAN ..................................................................................... 1
BAB 2. TINJAUAN PUSTAKA ............................................................................ 3
2.1 Sistem Pendukung Keputusan (SPK) ....................................................... 3
2.2 Et Choix Traduisant la REalité (ELECTRE) ............................................ 4
2.3 PHP ........................................................................................................... 7
BAB 3. TUJUAN DAN MANFAAT PENELITIAN ............................................. 8
3.1 Tujuan Penelitian ...................................................................................... 8
3.2 Manfaat Penelitian .................................................................................... 8
BAB 4. METODE PENELITIAN........................................................................... 9
4.1 Metode Pengumpulan Data ...................................................................... 9
4.2 Metode Pengembangan Sistem................................................................. 9
4.3 Lokasi Penelitian ...................................................................................... 9
BAB 5. HASIL DAN LUARAN YANG DICAPAI ............................................. 10
5.1 Desain Sistem dengan Diagram UML .................................................... 10
5.2 Desain Antarmuka .................................................................................. 11
5.3 Struktur Tabel ......................................................................................... 11
5.4 Perhitungan Manual................................................................................ 15
5.5 Luaran Yang Dicapai .............................................................................. 21
v
BAB 6. KESIMPULAN DAN SARAN................................................................ 22
6.1 Kesimpulan ............................................................................................. 22
6.2 Saran ....................................................................................................... 22
DAFTAR PUSTAKA ........................................................................................... 23
LAMPIRAN .......................................................................................................... 25
iv
DAFTAR TABEL
Hal
Tabel 5.1 Data Kriteria ....................................................................................... 11
Tabel 5.2 Data Sub Kriteria ............................................................................... 12
Tabel 5.3 Data Alternatif .................................................................................... 12
Tabel 5.4 Data Transaksi .................................................................................... 13
Tabel 5.5 Matriks Nilai Sub Kriteria .................................................................. 14
Tabel 5.6 Matriks Ternormalisasi ...................................................................... 15
Tabel 5.7 Matriks Kriteria Ternormalisasi ......................................................... 15
Tabel 5.8 Matriks bobot ternormalisasi ............................................................. 16
Tabel 5.9 Nilai Dominan .................................................................................... 17
Tabel Capaian ..................................................................................................... 21
v
DAFTAR GAMBAR
Hal
Gambar 5.1 Use Case Diagram .......................................................................... 10
Gambar 5.2 Desain basisdata ............................................................................. 10
Gambar 5.3 Desain antarmuka ........................................................................... 11
Gambar 5.4 Struktur Tabel ................................................................................. 12
Gambar 5.5 Tabel master dan transaksi di basisdata ......................................... 17
Gambar 5.6 Hasil Normalisasi Sistem ............................................................... 18
Gambar 5.7 Hasil Bobot Ternormalisasi ............................................................ 19
Gambar 5.8 Hasil perangkingan pada sistem ..................................................... 20
vi
DAFTAR LAMPIRAN
Hal
Catatan Harian (Logbook) .................................................................................. 25
Personalia Peneliti .............................................................................................. 27
Artikel Ilmiah (Jurnal) ........................................................................................ 32
Letter of Accepted Journal ................................................................................. 42
Draft Buku Ajar .................................................................................................. 43
Surat Kontrak ..................................................................................................... 73
Poster .................................................................................................................. 74
Profile ................................................................................................................. 76
1
BAB 1. PENDAHULUAN
Pemanfaatan teknologi informasi dewasa ini tidak hanya digunakan sebagai
alat bantu dalam menyelesaikan permasalahan operasional organisasi tetapi juga
digunakan sebagai media bahan ajar. Media bahan ajar yang menggunakan
pemanfaatan teknologi sangat berdampak positif terhadap hasil pemahaman
mahasiswa kareana dapat menampilkan output dan informasi yang lebih mudah
dipahami oleh mahasiswa terutama pada matakuliah yang membutuhkan tingkat
pemahaman yang mendalam.
Salah satu mata kuliah yang memiliki tingkat kesulitan yang tinggi dan
membutuhkan pemahaman yang mendalam adalah matakuliah Sistem Pendukung
Keputusan (SPK). Matakuliah SPK menerapkan metode algoritma dalam
penyelesaian masalah suatu kasus. Ada beberapa metode algoritma yang dapat
diterapkan dalam penyelesaian masalah SPK, salah satunya adalah algoritma
ELimination Et Choix Traduisant la REalité (ELECTRE).
ELECTRE merupakan metode algoritma yang memiliki banyak tahapan
untuk hasil akhirnya, karena ELECTRE merupakan metode yang digunakan untuk
proses perangkingan atau memilih alternatif terbaik yang berdasarkan pada
hubungan outranking dan menggunakan indeks kesesuaian dan ketidaksesuaian
untuk menganalisa hubungan antar alternatif (Sevkli, 2010). Alternatif sendiri
yaitu calon variable yang nantinya akan dipilih dan diurutkan berdasarkan nilai
kriteria atau atribut. Suatu alternatif dikatakan mendominasi alternatif yang
lainnya jika satu atau lebih kriterianya melebihi (dibandingkan dengan kriteria
dari alternatif lain) dan sama dengan kriteria lain yang tersisa (Kusumadewi dkk.,
2006).
Proses perhitungan dengan menggunakan algoritma ELECTRE yang
memiliki banyak tahapan membuat mahasiswa merasa kesulitan dalam memahami
tahapan ELECTRE apabila penjelasan metode ini hanya menggunakan penjelasan
secara konvensional. Oleh sebab itu, peneliti membuat Aplikasi ELimination Et
Choix Traduisant la REalité (ELECTRE) pada Sistem Pendukung Keputusan,
2
diharapkan aplikasi bahan ajar ini dapat membantu dan memudahkan mahasiswa
mengerti dan memahami penerapan ELECTRE dalam penyelesaian masalah dan
menghasilkan informasi sebagai pendukung keputusan suatu kasus.
3
BAB 2. TINJAUAN PUSTAKA
2.1 Sistem Pendukung Keputusan (SPK)
Sistem pendukung keputusan (SPK) adalah sebuah sistem yang dapat
membantu seseorang dalam mengambil keputusan dari berbagai jenis pilihan yang
dilakukan secara akurat dan sesuai dengan sasaran yang diinginkan (Faisal dan
Permana, 2015). Selain itu, Sistem Pendukung Keputusan (SPK) atau Decision
Support System (DSS) adalah seperangkat sistem yang mampu memecahkan
masalah secara efisien dan efektif, yang bertujuan untuk membantu pengambil
keputusan dalam memilih berbagai alternatif keputusan yang merupakan hasil dari
pengolahan informasi-informasi yang diperoleh atau tersedia (kriteria) dengan
menggunakan model-model pengambilan keputusan (Gholam dkk, 2009). DSS
menggunakan Computer Base Information System (CBIS) yang fleksibel,
interaktif, dan dapat diadaptasi, yang dikembangkan untuk mendukung
pengambilan keputusan bagi masalah manajemen spesifik yang tidak terstruktur
(Turban dkk, 2005).
Kutipan dalam buku Decision Support System and Intelligent Sistem Little
(1970) mendefinisikan DSS sebagai “sekumpulan prosedur berbasis model untuk
data pemrosesan dan penilaian guna membantu para manajer mengambil
keputusan” (Turban dkk, 2005). Sedangkan Bonczek dkk, mendefinisikan DSS
sebagai sistem berbasis komputer yang terdiri dari tiga komponen yang saling
berinteraksi: sistem bahasa (mekanisme untuk memberikan komunikasi antara
pengguna dan komponen DSS lain), sistem pengetahuan (repository pengetahuan
domain masalah yang ada pada DSS entah sebagai data atau sebagai prosedur),
dan sistem pemrosesan masalah (hubungan antara dua komponen lainnya, terdiri
dari satu atau lebih kapabilitas manipulasi masalah umum yang diperlukan untuk
pengambilan keputusan (Bonczek et al., 1980).
Ada beberapa karakteristik dalam SPK menurut Gholam dkk (2005), yaitu:
a. SPK mengevaluasi dan memberikan peringkat alternatif berdasarkan nilai
kinerja.
4
b. Memungkinkan pemakai memulai dan mengendalikan masukan dan
keluaran.
c. Dapat dioperasikan dengan sedikit atau tanpa bantuan pemrograman
professional.
d. Menyediakan dukungan untuk keputusan dan permasalahan yang
solusinya tidak dapat ditentukan di depan.
e. Menggunakan analisis data dan tidak tergantung pada ahli.
Sedangkan tujuan dari SPK menurut (Laudon dan Laudon, 1998):
a. Membantu menyelesaikan masalah semi-terstruktur.
b. Mendukung manajer dalam mengambil keputusan.
c. Meningkatkan efektifitas bukan efisiensi pengambilan keputusan.
Jadi dapat dikatakan bahwa SPK dapat memberikan manfaat bagi pengambil
keputusan dalam meningkatkan efektifitas kerja terutama dalam proses
pengambilan keputusan tanpa bergantung pada ahli.
2.2 Et Choix Traduisant la REalité (ELECTRE)
MCDM (Multi Criteria Decision Making) merupakan salah satu metode
sistem pendukung keputusan (Hadiguna dkk., 2014). MCDM dapat digunakan
untuk permasalahan yang memiliki banyak kriteria dalam menentukan solusi
dengan memilih alternatif terbaik dan ELECTRE merupakan salah satu metode
yang termasuk dalam MCDM (Gholam dkk., 2009). Pada MCDM terdapat dua
pengelompokan lebih spesifik lagi, yaitu MADM (Multi Attribute Decision
Making) dan MODM (Multi Objective Decision Making). Metode MADM dapat
menemukan alternatif yang paling sesuai dengan melakukan perangkingan
terhadap alternatif dengan mengacu pada atribut, bobot dan perhitungan
perbandingan antar alternatif terhadap atributnya masing-masing (Lavasani dkk.,
2012). ELECTRE termasuk dalam kelompok MADM dengan model normalisasi
(Mardani dkk., 2015).
ELECTRE merupakan metode yang digunakan untuk proses perangkingan
atau memilih alternatif terbaik yang berdasarkan pada hubungan outranking dan
menggunakan indeks kesesuaian dan ketidaksesuaian untuk menganalisa
5
hubungan antar alternatif (Sevkli, 2010). Indeks kesesuaian dan ketidaksesuaian
dapat dihitung atau dinyatakan sebagai tingkat kepuasan pengambil keputusan
terhadap alternatif satu dengan yang lainnya (Sevkli, 2010). Metode ELECTRE
didasarkan pada konsep perangkingan melalui perbandingan berpasangan antar
alternatif pada kriteria yang sesuai. Suatu alternatif dikatakan mendominasi
alternatif yang lainnya jika satu atau lebih kriterianya melebihi (dibandingkan
dengan kriteria dari alternatif lain) dan sama dengan kriteria lain yang tersisa
(Kusumadewi dkk., 2006).
a) Langkah-langkah dalam ELECTRE
Berikut ini adalah enam langkah metode ELECTRE:
Langkah 1: Data atau kriteria dan sub kriteria dinormalisasi dengan
tujuan untuk dapat dikomparasi. Setiap normalisasi dapat dilakukan dengan
persamaan (2.1):
, untuk 1, 2, 3, .....m dan j= 1, 2, 3, ......n (2.1)
Langkah 2: Mencari nilai dari rata-rata nilai dengan menggunakan rata-
rata geometrik karena memberikan kemudahan dan konsistensi dalam mengambil
nilai dari himpunan (Kaya dan Kahraman, 2011).
(2.2)
Dimana n adalah jumlah sub kriteria dalam satu kriteria dan x adalah nilainya.
Kemudian diperoleh matriks R hasil normalisasi dan rata-rata dari sub kriteria
yang membentuk perbandingan berpasangan setiap alternatif di setiap kriteria.
(2.3)
6
Langkah 3: Mencari matrix bobot ternormalisasi.
R adalah matriks yang telah di normalisasi dimana i menyatakan alternatif, j
menyatakan kriteria dan adalah normalisasi pengukuran pilihan alternatif ke-i
dalam hubungannya dengan kriteria ke-j. Kemudian matriks R dikalikan dengan
bobot masing-masing kriteria .
(2.4)
Langkah 4: Menentukan indeks kesesuaian (concordance index) dan
ketidaksesuaian (discordance index). Kriteria dalam suatu alternatif termasuk
kesesuaian dinyatakan dengan persamaan
, untuk j = 1,2,3,….,n (2.5)
Sebaliknya termasuk dalam ketidaksesuaian apabila
, untuk j = 1,2,3,….,n (2.6)
Langkah 5: Menghitung nilai kesesuaian dan ketidaksesuaian tiap
alternatif. Untuk menentukan nilai kesesuaian adalah dengan menjumlahkan
bobot-bobot yang termasuk dalam subset kesesuaian.
wCj
jkl w=C (2.7)
Untuk menentukan nilai ketidaksesuaian adalah dengan menjumlahkan bobot
yang termasuk pada subset ketidaksesuaian.
wDj
jkl w=D (2.8)
7
Langkah 6: Mencari nilai dominan. Nilai dikurangi dengan Nilai
untuk memperoleh nilai atau nilai dominan. Nilai dominan ( )
merupakan patokan rangking pada metode ELECTRE untuk memperoleh
keputusan terbaik.
(2.9)
2.3 PHP
PHP adalah singkatan dari "PHP: Hypertext Prepocessor", yaitu bahasa
pemrograman yang digunakan secara luas untuk penanganan pembuatan dan
pengembangan sebuah situs web dan bisa digunakan bersamaan dengan HTML
(Triyuliana, 2005). PHP adalah salah satu bahasa pemgrograman skrip yang
dirancang untuk membangun aplikasi web. Aplikasi web adalah aplikasi yang
disimpan dan dieksekusi di lingkungan web server. Setiap permintaan yang
dilakukan oleh pengguna melaluli aplikasi klien (web browser) akan direspon oleh
aplikasi web dan hasilnya akan dikembalikan lagi ke hadapan pengguna.
Dengan aplikasi web halaman yang ditampilkan ke pengguna bersifat
dinamis, tergantung dari nilai data atau parameter yang dimasukan dan dapat
diakses kapanpun dan dimanapun (Raharjo, 2015). Program yang ditulis dengan
PHP dipanggil melalui web browser akan di-parsing ke dalam web server oleh
interpreter PHP dan diterjemahkan ke dalam dokumen HTML, yang selanjutnya
akan ditampilkan kembali ke web browser (Raharjo dkk, 2014). Berdasarkan
survey Netcraft pada bulan Desember 1999, lebih dari sejuta site menggunakan
PHP, di antaranya adalah NASA, Mitsubishi, dan RedHat.
8
BAB 3. TUJUAN DAN MANFAAT PENELITIAN
3.1 Tujuan Penelitian
Tujuan dari penelitian Aplikasi ELimination Et Choix Traduisant la Realité
(ELECTRE) pada Sistem Pendukung Keputusan ini adalah terciptanya aplikasi
ELECTRE berbasis web dinamis yang dapat digunakan sebagai alat bantu untuk
memudahkan mahasiswa memahami algoritma ELECTRE dan dapat menerapkan
ke dalam berbagai kasus penentuan alternative terbaik.
3.2 Manfaat Penelitian
Manfaat yang dapat diperoleh dari penelitian ini yaitu:
1. Bagi Mahasiswa
a. Membantu mahasiswa dalam memahami proses dari metode
ELECTRE pada matakuliah sistem pendukung keputusan.
b. Aplikasi ini diharapkan dapat membantu dalam meningkatkan
konsentrasi mahasiswa saat proses belajar mengajar.
c. Aplikasi ini diharapkan menjadi media pembelajaran yang bermanfaat
bagi mahasiswa.
2. Bagi FTIK USM Semarang
a. Menambah referensi aplikasi alat bantu ajar bagi FTIK USM
khususnya untuk matakuliah sistem pendukung keputusan.
b. Menambah referensi hasil penelitian yang dilakukan oleh dosen FTIK
USM.
3. Bagi Peneliti
a. Menambah pengetahuan, wawasan, dan pengalaman dalam melakukan
penelitian.
b. Menambah alat bantu ajar.
c. Menyajikan alat bantu interaktif dalam proses pembelajaran
matakuliah sistem pendukung keputusan.
9
BAB 4. METODE PENELITIAN
4.1 Metode Pengumpulan Data
Metode pengumpulan data yang dilakukan dalam penelitian ini adalah:
1. Observasi : mengamati mahasiswa baik dalam menerima pemahaman
maupun hasil tes pada saat perkuliahan matakuliah sistem pendukung
keputusan.
2. Studi Pustaka : mengumpulkan literatur pendukung penelitian, baik
dari buku referensi ataupun browsing dari internet.
4.2 Metode Pengembangan Sistem
Metode pengembangan sistem yang digunakan dalam penelitian ini adalah
SDLC (System Development Live Cycle), yaitu suatu pendekatan proses
dalam komunikasi data yang menggambarkan siklus yang tiada awal dan
akhir dalam sistem, mencakup tahapan:
1. Analisa: menganalisis kebutuhan untuk melakukan penelitian dan
permasalahan yang ada.
2. Desain: merencanakan tampilan sistem dan alur sistem yang akan
dibuat.
3. Implementasi: pengimplementasian sistem sebagai bahan ajar
matakuliah sistem pendukung keputusan.
4. Pengujian: proses menguji sistem dengan melakukan simulasi pada
setiap fungsi yang ada.
4.3 Lokasi Penelitian
Lokasi penelitian dilakukan di Fakultas Teknologi Informasi dan
Komunikasi Universitas Semarang (USM).
10
BAB 5. HASIL DAN LUARAN YANG DICAPAI
Dalam bab ini dibahas hasil dan luaran yang dicapai selama proses
pengerjaan penelitian. Hasil yang dicapai adalah desain sistem, desain basisdata,
implementasi desain database ke Database Management System (DBMS) dan
implementasi metode kedalam bahasa pemrograman berbasis web.
5.1 Desain Sistem dengan Diagram UML
Berikut desain sistem menggunakan use case diagram.
operator
mengelola kriteria
mengelola sub kriteria
mengelola alternatif
mengelola transaksi
mengelola peringkat
Gambar 5.1 use case diagram
Use Case Diagram pada gambar 5.1 menggambarkan kemampuan sistem dan hak
akses pengguna secara umum. Operator selaku pengguna sistem dapat mengelola
data alternative, sub kriteria, kriteria dan data transaksi. Data transaksi terkait nilai
masing-masing sub kriteria di setiap alternative.
Berikut desain basisdata dengan menggunakan class diagram.
ALT
+ID_ALT+NM_ALT
CRT
+ID_CRT+NM_CRT+BOBOT
SUB_CRT
+ID_SUBCRT+NM_SUBCRT+ID_CRT
SPK
+ID_ALT+ID_SUBCRT+NILAI
Gambar 5.2 Desain basisdata
11
Gambar 5.2 menunjukan class diagram yang merepresentasikan tabel pada
basisdata. Terdapat 4 tabel, tiga sebagai tabel master dan satu sebagai tabel
transaksi:
1. Tabel ALT menampung data alternative
2. Tabel SUB_CRT menampung data sub kriteria
3. Tabel CRT menampung data kriteria
4. Tabel SPK, menjadi tabel transaksi yang berfungsi untuk menampung data
nilai setiap alternative untuk masing-masing sub kriteria dan kriterianya.
5.2 Desain Antarmuka
Berikut desain antarmuka sebagai acuan pembuatan aplikasi.
Gambar 5.3 Desain antarmuka
Gamabr 5.3 merupakan desain antarmuka dan seabgai dasar layout. Desain
antarmuka memiliki empat bagian utama, yaitu header, menu, content dan footer.
Header merupakan bagian atas aplikasi. Menu berisi tautan menu yang akan
tampil pada bagian content. Sedangkan footer merupakan bagian bawah aplikasi
sebagai penanda akhir halaman.
5.3 Struktur Tabel
Setiap tabel pada desain basisdata kemudian diimplementasikan ke dalan
DBMS. Berikut struktur tabel yang diimplementasikan ke dalam DBMS.
Konten
12
Gambar 5.4 Struktur Tabel
Sturktur tabel pada gambar 5.4 telah diimplementasikan di DBMS berupa tabel-
tabel yang menampung data master dan transaksi. Selanjutnya adalah memasukan
data percobaan, yaitu data fiktif yang digunakan untuk menguji perhitungan pada
sisi sistem dengan membandingkan perhitungan menggunakan Ms Excel. Berikut
data yang dimasukan kedalam DBMS.
Tabel 5.1 Data Kriteria
Tabel CRT diisi dengan data pada tabel 5.1 atau data kriteria. Data kriteria adalah
variable yang digunakan dalam proses pengambilan keputusan. Jumlah kriteria
yang digunakan tergantung pada kasus yang diteliti. Setiap kriteria memiliki ID,
Nama kriteria yang berbeda dan memiliki nilai bobot. Nilai bobot menunjukan
seberapa penting suatu kriteria terhadap kriteria yang lain. Semakin tinggi nilai
bobot maka semakin tinggi pula tingkat pengaruh kriteria tersebut.
ID CRT NM CRT BOBOT
C001 KRITERIA 1 1
C002 KRITERIA 2 3
C003 KRITERIA 3 2
C004 KRITERIA 4 2
C005 KRITERIA 5 1
13
Tabel 5.2 Data Sub Kriteria
ID_SUBCRT NM SUBCRT ID CRT
SC001 SUB KRIT 1 C001
SC002 SUB KRIT 2 C002
SC003 SUB KRIT 3 C003
SC004 SUB KRIT 4 C004
SC005 SUB KRIT 5 C005
SC006 SUB KRIT 6 C001
SC007 SUB KRIT 7 C002
SC008 SUB KRIT 8 C003
SC009 SUB KRIT 9 C004
SC010 SUB KRIT 10 C005
Tabel SUB_CRT diisi dengan data pada tabel 5.2 atau data sub kriteria. Sub
kriteria adalah anak variable dari kriteria. Setiap kriteria digambarkan memiliki
dua sub kriteria. Terlihat pada setiap ID_CRT yang muncul dua kali.
Tabel 5.3 Data Alternatif
ID ALT NM ALT
A001 ALT 1
A002 ALT 2
A003 ALT 3
A004 ALT 4
A005 ALT 5
A006 ALT 6
A007 ALT 7
A008 ALT 8
A009 ALT 9
A010 ALT 10
Tabel ALT di DBMS diisi dengan data alternative pada tabel 5.3. Data alternative
adalah pilihan yang tersedia dalam SPK. Alternative memiliki satu atau lebih
kriteria. Dalam SPK alternative terbaik adalah pilihan yang diajukan pada proses
pengambilan keputusan. Data alternative memiliki 10 baris data, namun yang
akan masuk tabel transaksi (SPK) adalah 5 baris data untuk memudahkan dalam
menguji perhitungan.
14
Tabel 5.4 Data Transaksi
ID ALT ID_SUBCRT NILAI
A001 SC001 8
A001 SC002 7
A001 SC003 8
A001 SC004 6
A001 SC005 5
A001 SC006 6
A001 SC007 4
A001 SC008 1
A001 SC009 2
A001 SC010 4
A002 SC001 6
A002 SC002 6
A002 SC003 4
A002 SC004 4
A002 SC005 7
A002 SC006 5
A002 SC007 7
A002 SC008 7
A002 SC009 4
A002 SC010 8
A003 SC001 8
A003 SC002 8
A003 SC003 5
A003 SC004 7
A003 SC005 3
A003 SC006 5
A003 SC007 6
A003 SC008 5
A003 SC009 6
A003 SC010 4
A004 SC001 5
A004 SC002 5
A004 SC003 6
A004 SC004 5
A004 SC005 7
A004 SC006 7
A004 SC007 7
A004 SC008 4
A004 SC009 6
15
ID ALT ID_SUBCRT NILAI
A004 SC010 6
A005 SC001 8
A005 SC002 7
A005 SC003 8
…… ………. ………..
Tabel SPK diisi dengan data transaksi seperti pada tabel 5.4. Data transaksi
adalah data yang digunakan untuk menggabungkan alternative dengan sub kriteria
dan kriteria. Data transaksi menggambarkan nilai kriteria dan sub kriteria pada
masing-masing alternative. Data transaksi yang tersimpan di basisdata terdiri dari
50 baris data. Setiap yang terdiri dari 5 alternative. Masing-masing alternative
memiliki 10 nilai sub kriteria.
5.4 Perhitungan Manual
Perhitungan manual merupakan tahapan untuk menguji algoritma yang
diterapkan pada source code sudah sesuai dengan perhitungan pada metode
ELECTRE. Hasil perhitungan manual akan dibandingkan dengan hasil keluaran
dari aplikasi untuk menguji proses aplikasi. Tahapan perhitungan manual dimulai
dari penyederhanaan data transaksi di basisdata kedalam bentuk matriks.
Tabel 5.5 Matriks Nilai Sub Kriteria
ID_ALT SUB KRITERIA
SC001 SC002 SC003 SC004 SC005 SC006 SC007 SC008 SC009 SC010
A001 8 7 8 6 5 6 4 1 2 4
A002 6 6 4 4 7 5 7 7 4 8
A003 8 8 5 7 3 5 6 5 6 4
A004 5 5 6 5 7 7 7 4 6 6
A005 8 7 8 6 5 6 4 3 3 4
Tabel 5.5 merupakan matriks nilai sub kriteria masing-masing alternative.
Setiap alternative memiliki 10 sub kriteria berikut nilainya. Matriks pada tabel 5.5
kemudian dinormalisasi dengan menggunakan persamaan 2.1. Setiap nilai sub
kriteria pada masing-masing alternative dinormalisasi untuk menghilangkan jarak
nilai yang terlalu jauh pada sub kriteria yang lain. Selain itu data atau kriteria dan
sub kriteria dinormalisasi dengan tujuan untuk dapat dikomparasi.
16
Tabel 5.6 Matriks Ternormalisasi
ID_ALT SUB KRITERIA
SC001 SC002 SC003 SC004 SC005 SC006 SC007 SC008 SC009 SC010
A001 0.5030 0.4688 0.5587 0.4714 0.3990 0.4588 0.3105 0.1000 0.1990 0.3288
A002 0.3772 0.4018 0.2794 0.3143 0.5587 0.3824 0.5433 0.7000 0.3980 0.6576
A003 0.5030 0.5357 0.3492 0.5500 0.2394 0.3824 0.4657 0.5000 0.5970 0.3288
A004 0.3143 0.3348 0.4191 0.3928 0.5587 0.5353 0.5433 0.4000 0.5970 0.4932
A005 0.5030 0.4688 0.5587 0.4714 0.3990 0.4588 0.3105 0.3000 0.2985 0.3288
Normalisasi memudahkan dalam proses komparasi dan mengghilangkan jarak
nilai antar sub kriteria. Normalisasi dilakukan dalam satu kolom, yaitu setiap nilai
sub kriteria SC001 dan seterusnya dinormalisasikan. Data A001 sub kriteria
SC001 dinormalisasi dengan dengan persamaan 2.1 hingga menghasilkan tabel
5.6. Nilai masing-masing sub kriteria di setiap alternative kemudian akan dirata-
rata dengan menggunakan geometric mean yaitu menggunakan persamaan 2.2.
berikut data kriteria ternormalisasi.
Tabel 5.7 Matriks Kriteria Ternormalisasi
ID_ALT KRITERIA
C001 C002 C003 C004 C005
A001 0.480 0.381 0.236 0.306 0.362
A002 0.380 0.467 0.442 0.354 0.606
A003 0.439 0.499 0.418 0.573 0.281
A004 0.410 0.427 0.409 0.484 0.525
A005 0.480 0.381 0.409 0.375 0.362
Tabel 5.7 atau matriks kriteria ternormalisasi merupakan hasil rata-rata sub
kriteria berdasarkan kriteria. Pada tabel 5.6, data A001 memiliki 10 nilai sub
kriteria. 10 nilai sub kriteria akan menjadi 5 nilai kriteria. Sub kriteria dirata-rata
berdasarkan kelompok kriterianya. SC001 dan SC006 merupakan sub kriteria
dibawah kriteria C001, maka nilai SC001 dan SC006 dirata-rata menggunakan
persamaan 2.2 dan menghasilkan nilai kriteria C001. Proses tersebut
menghasilkan perbandingan berpasangan masing-masing alternatif di setiap
kriteria dengan menggunakan persamaan 2.3.
17
Matriks kriteria ternormalisasi kemudian dikalikan dengan bobot setiap
kriteria pada tabel 5.1. Sehingga menghasilkan matriks bobot ternormalisasi
dengan menggunakan persamaan 2.4. Berikut tabel matriks bobot ternormalisasi.
Tabel 5.8 Matriks bobot ternormalisasi
ID_ALT KRITERIA
C001 C002 C003 C004 C005
A001 0.480 1.144 0.473 0.613 0.362
A002 0.380 1.402 0.884 0.707 0.606
A003 0.439 1.498 0.836 1.146 0.281
A004 0.410 1.280 0.819 0.969 0.525
A005 0.480 1.144 0.819 0.750 0.362
Tabel 5.8 atau matriks bobot ternormalisasi merupakan matriks yang digunakan
dalam metode ELECTRE. Proses selanjutnya adalah mencari nilai indeks
kesesuaian dan ketidaksesuaian dengan menggunakan persamaan 2.5 dan 2.6.
Indeks kesesuaian dan ketidaksesuaian diperoleh dengan membandingkan
masing-masing nilai kriteria pada setiap alternative. Berikut nilai kesesuaian,
ketidaksesuaian dan nilai dominan masing-masing alternative.
Tabel 5.9 Nilai Dominan
ID_ALT NILAI C NILAI D Nilai Dominan
A001 9 27 -18
A002 23 13 10
A003 28 8 20
A004 20 16 4
A005 17 19 -2
Nilai dominan pada tabel 5.9 diperoleh berdasarkan selisih nilai
kesesuaian dan ketidaksesuaian. Alternative yang memiliki dominan tertinggi
adalah alternative terbaik. Hasil perhitungan manual digunakan sebagai acuan
pengujian pada aplikasi berbasis web.
Data pada pengujian kemudian juga dimasukan kedalam basisdata dan
dilakukan pengujian untuk melihat kesesuaian hasil perhitungan metode
ELECTRE di aplikasi web dan perhitungan di Ms Excel. Berikut hasil perhitungan
di basisdata dari proses input data hingga matriks kriteria ternormalisasi.
18
Gambar 5.5 Tabel master dan transaksi di basisdata
Gambar 5.5 adalah data yang masuk pada basisdata sebelum dilakukan proses
perhitungan normalisasi. Kemudian data dengan mengimplementasikan
persamaan-persamaan kedalam bahasa pemrograman php. Data pada gambar 5.5
kemudian dinormalisasi, hal ini dilakukan untuk menyamakan skala pada setiap
sub kriteria menggunakan persamaan 2.1.
Gambar 5.6 Hasil Normalisasi Sistem
19
Proses normalisasi perlu dilakukan sebelum proses rata-rata sub kriteria seperti
yang ditunjukan pada gambar 5.6 Gambar 5.6 adalah hasil normalisasi data
transaksi masing-masing sub kriteria pada setiap alternative. Selanjutnya mencari
nilai kriteria dengan rata-rata geometry atau dengan persamaan 2.2. Setiap sub
kriteria pada kriteria yang sama, nilainya dirata-rata dengan geometry mean untuk
memperoleh nilai kriteria. Proses perhitungan rata-rata sub kriteria tetap merujuk
pada kriteria yang digunakan sehingga menghasilkan nilai seperti pada persamaan
2.3. Sebelum normalisasi kriteria masuk dalam proses kesesuaian dan
ketidakkesesuaian perlu mengkalikan bobot kriteria pada masing-masing kriteria
di setiap alternative untuk menghasilkan matrik bobot ternormalisasi dengan
menggunakan persamaan 2.4.
Gambar 5.7 Hasil Bobot Ternormalisasi
Gambar 5.7 merupakan hasil perhitungan bobot ternormalisasi yang dihasiklan
sistem. Cara menghitung bobot ternormalisasi adalah dengan menggunakan
persamaan 2.4 dimana nilai setiap kriteria pada masing-masing alternatif dikalikan
dengan bobot masing-masing kriteria. Nilai bobot merupakan salah satu elemen
20
penting dalam pengambilan keputusan karena sebagai tolak ukur tingkat pengaruh
kriteria tersebut pada proses pengambilan keputusan. Semakin tinggi nilai bobot
maka semakin besar pula pengaruh kriteria tersebut pada proses pengambilan
keputusan.
Nilai bobot ternormalisasi pada gambar 5.7 kemudian diproses dengan
menerapkan persamaan 2.5 dan 2.6, yaitu membandingkan nilai kriteria alternatif
satu dengan alternatif lainnya. Setiap alternatif akan dibandingkan nilai
kriterianya sehingga menghasilkan total nilai kesesuaian dengan menggunakan
persamaan 2.7 dan total nilai ketidakkesesuaian dengan menggunakan persamaan
2.8. Tahapan terakhir pada metode ELECTRE ada menentukan nilai dominan
dengan menggunakan persamaan 2.9 yaitu dengan menghitung selisih nilai
kesesuaian dengan nilai ketidakkesesuaian. Hasil perhitungan sistem ditunjukan
pada gambar 5.8.
Gambar 5.8 Hasil perangkingan pada sistem
Gambar 5.8 merupakan hasil perhitungan nilai dominan dari sistem, yaitu dengan
membandingkan nilai kesesuaian dan ketidakkesesuaian setiap alternatif. Nilai
dominan digunakan sebagai nilai acuan perangkingan penentuan alternatif terbaik.
Semakin tinggi nilai dominan maka semakin tinggi pula peringkat atau rangking
alternatif tersebut. Alternatif dengan nilai dominan tertinggi atau alternatif
peringkat teratas maka disebut sebagai alternatif terbaik.
Hasil sistem dan perhitungan manual selanjutnya dibandingkan untuk
menguji tinggkat kesalahan yang dihasilkan sistem.
21
Tabel 5.10 Pengujian Hasil Manual dan Sistem
Alternatif Manual Sistem
Nilai Dominan Rank Nilai Dominan Rank
A001 -18 5 -18 5
A002 10 2 10 2
A003 20 1 20 1
A004 4 3 4 3
A005 -2 4 -2 4
Koefisien Korelasi Spearman Rank = 0.95
Mean Squared Error = 0
Tabel 5.10 merupakan hasil pengujian yang membandingkan hasil perhitungan
sistem dan perhitungan manual menggunakan Korelasi Spearman Rank dan Mean
Squared Error. Pada gambar 5.8 menunjukan nilai dominan yang sama dengan
hasil perhitungan manual pada tabel 5.9 dengan tingkat error 0. Pengujian dengan
Mean Squared Error menggunakan nilai dominan sebagai sampel uji. Sedangkan
hasil perangkingan atau kolom rank diuji dengan menggunakan Spearman Rank
menghasilkan nilai koefisien korelasi 0.95. Hal ini menunjukan proses algoritma
pada metode ELECTRE yang diimplementasikan kedalam bahasa pemrograman
telah sesuai karena memiliki nilai error sama dengan 0 dan nilai koefisien korelasi
Spearman Rank diatas 0.90. Selanjutnya aplikasi web metode ELECTRE dapat
diterapkan dalam berbagai kasus pada sistem pendukung keputusan.
5.5 Luaran Yang Dicapai
Luaran yang dicapai dalam penelitian ditunjukan pada tabel capaian.
Tabel Capaian
No Jenis Luaran Indikator Capaian
1 Publikasi ilmiah di jurnal nasional (ber ISSN) Accepted dan
publish Januari 2018
2 Pemakalah dalam temu ilmiah Nasional Tidak ada
Ada Lokal
3 Bahan ajar Draf
4 Luaran lainnya jika ada (Teknologi Tepat Guna,
Model/Purwarupa/Desain/Karya seni/ Rekayasa Sosial) Draf
5 Tingkat Kesiapan Teknologi (TKT) 3
22
BAB 6. KESIMPULAN DAN SARAN
6.1 Kesimpulan
Kesimpulan dari penelitian ini adalah aplikasi ELECTRE berbasis web
dinamis telah berhasil dibangun dan telah sesuai dengan tahapan pada metode
yang ditunjukan dengan hasil pengujian perhitungan manual dengan perhitungan
sistem dengan nilai koefisien korelasi Spearman Rank sama dengan 0.95.
6.2 Saran
Saran dari penelitian ini adalah :
1. Aplikasi ELECTRE hanya dapat digunakan untuk data berupa numeric
atau kuantitatif, kedepannya diharapka dapat menampung data
kualitatif.
2. Aplikasi ELECTRE ini belum dapat menjadi aplikasi operasional,
masih bertindak sebagai aplikasi diluar proses operasional sehingga
dapat diterapkan oleh semua pihak.
23
DAFTAR PUSTAKA
Bonczek, R.H., 1981, Foundations of Decision Support Systems, Elsevier Science
& Technology Books xvii, 393 pages.
Faisal dan Permana, S.D., 2015, Sistem Penunjang Keputusan Pemilihan Sekolah
Menengah Kejuruan Teknik Komputer Dan Jaringan Yang Terfavorit
Dengan Menggunakan Multi-Criteria Decision Making, Jurnal Teknologi
Informasi dan Ilmu Komputer (JTIIK), Vol. 2, No. 1, April 2015, hlm. 11-19.
Gholam, A.M., Saremi, H.Q., dan Ramezani, M., 2009, Design A New Mixed
Expert Decision Aiding System Using Fuzzy Electre III Method For Vendor
Selection, Expert Systems with Applications 3 , 10837–10847.
Hadiguna, R.A., Kamil, I., dan Delati, A., 2014, Implementing A Web Based
Decision Support System for Disaster Logistics: A Case Study of An
Evacuation Location Assessment for Indonesia. International Journal of
Disaster Risk Reduction 9, 38–47.
Kaya, T., dan Kahraman, C., 2011, An Integrated Fuzzy AHP–ELECTRE
Methodology For Environmental Impact Assessment, Expert Systems with
Applications 38, 8553–8562.
Kusumadewi, S., Hartati, S., Harjoko, A., dan Wardoyo, R., 2006, Fuzzy Multi-
Attribute Decision Making, Graha Ilmu, Yogyakarta.
Laudon, K. C., dan Laudon, J. P., 1998, Management Information Systems New
Approaches to Organization & Technology, 5th Edition, Prentice Hall
International. Inc.
Lavasani, S.M.M., Wang, J., Yang, Z., dan Finlay, J., 2012, Application of
MADM in a Fuzzy Environment For Selecting The Best Barrier For
Offshore Wells, Expert Systems with Applications 39, 2466–2478.
Mardani, A., Jusoh, A., dan Zavadskas, E.K., 2015, Fuzzy Multiple Criteria
Decision-Making Techniques and Applications – Two Decades Review
From 1994 to 2014, Expert Systems with Applications 42, 4126–4148.
Raharjo, B., Heryanto, I., dan Rosdiana, 2014, Modul Pemrograman WEB HTML,
PHP dan MySQL, Modula, Bandung.
24
Sevkli, M., 2010, An Application of The Fuzzy ELECTRE Method For Supplier
Selection, International Journal of Production Research 48, 3393–3405.
Triyuliana, A., 2005, Aplikasi Manajemen Database Pendidikan Berbasis Web
dengan PHP dan MySQL, Andi, Yogyakarta.
Turban, E., dkk., 2005, Decision Support System and Intelligent Systems (Sistem
Pendukung Keputusan dan Sistem Cerdas), Edisi 7 Jilid 1, Andi,
Yogyakarta.
LAMPIRAN
CATATAN HARIAN (LOGBOOK)
APLIKASI Elimination Et Choix Traduisant La Realité
(ELECTRE) PADA SISTEM PENDUKUNG KEPUTUSAN
PENYUSUN
Agusta Praba Ristadi Pinem, S.Kom., M.Kom. 0618089001
Prind Triajeng Pungkasanti, S.Kom., M.Kom. 0627048303
UNIVERSITAS SEMARANG
2017
2
Catatan Harian (Logbook)
No. Tanggal Kegiatan
1 25/ 02/ 2017 Catatan : Analisa Kebutuhan
Analisa Kebutuhan user, hardware, dan software.
Dokumen Pendukung : kebutuhan hardware dan software
yang akan digunakan.
2 01/ 03/2017 Catatan : Analisa Kebutuhan
Analisa kebutuhan metode algoritma yang akan diterapkan
dalam aplikasi.
Dokumen Pendukung : mengumpulkan materi yang
berhubungan dengan metode algoritma dengan
menggunakan referensi dari buku browsing internet, serta
pencarian bahan pembuatan aplikasi dengan mencari materi
yang berhubungan dengan coding yang digunakan dalam
penerapan algoritma.
3 23/ 03/ 2017 Catatan : Desain
Melakukan desain tampilan dari aplikasi metode algoritma
yang akan diterapkan.
4 03/ 04/ 2017 Catatan : Desain
Melakukan desain tampilan dari aplikasi metode algoritma
yang akan diterapkan.
5 21/ 04/ 2017 Catatan : Implementasi
Mengimplementasikan hasil desain basisdata ke DBMS
6 19/ 05/ 2016 Catatan : Implementasi
Mengimplementasikan hasil desain basisdata ke DBMS
7 02/ 06/ 2017 Catatan : Implementasi
Memasukan data dummy kedalam DBMS
8 10/ 07/ 2017 Catatan : Implementasi
Mengimplementasikan hasil desain sistem ke dalam bahasa
pemrograman (coding)
9 17/ 07/ 2017 Catatan : Implementasi
Mengimplementasikan proses perhitungan ELECTRE
kedalam query database.
10 27/ 07/ 2017 Catatan : Implementasi
Mengimplementasikan proses perhitungan ELECTRE
kedalam query database.
11 03/ 08/ 2017 Catatan : Implementasi
Mengimplementasikan proses perhitungan ELECTRE
kedalam program
12 10/ 08/ 2017 Catatan : Pengujian
Menguji perhitungan normalisasi ELECTRE ke format
EXCEL
13 18/ 08/ 2017 Catatan : Pengujian
Menguji perhitungan normalisasi geom mean terbotot
ELECTRE ke format EXCEL
14 25/ 08/ 2017 Catatan : Pembuatan Laporan Kemajuan
15 30/ 08/ 2017 Catatan : Upload Simlibtamas
LAMPIRAN
BIODATA PENELITI
APLIKASI Elimination Et Choix Traduisant La Realité (ELECTRE) PADA
SISTEM PENDUKUNG KEPUTUSAN
PENYUSUN
Agusta Praba Ristadi Pinem, S.Kom., M.Kom. 0618089001
Prind Triajeng Pungkasanti, S.Kom., M.Kom. 0627048303
UNIVERSITAS SEMARANG
2017
BIODATA PENELITI
A. Identitas Diri Ketua Penelitian
IDENTITAS DIRI
Nama Lengkap : Agusta Praba Ristadi Pinem, M.Kom.
Jabatan Fungsional : Tenaga Pengajar
Jabatan Struktural : -
NIS/NIDN : 06557003102180 / 0618089001
Tempat dan Tanggal
Lahir
: Wonosobo, 18 Agustus 1990
Perguruan Tinggi : Universitas Semarang
Alamat : Jl. Soekarno Hatta – Semarang 50198
Telp./Faks : (024) 6702757 / (024) 6702272
Alamat Rumah : Perum Depkes A7/2 Kota Magelang
Telp./Faks : 08562786874
Alamat e-mail : [email protected]
Mata Kuliah yang
Diampu
: 1. Testing dan Implementasi Sistem
2. Pemrograman Visual
3. Pengenalan Teknologi Sistem Informasi
4. Struktur Data
5. Sistem Informasi Geografis
6. Basis Data
B. Riwayat Pendidikan Perguruan Tinggi
S1 S2 S3
Nama PT Universitas Kristen
Satya Wacana
Universitas
Diponegoro
Bidang Ilmu Teknik Informatika Sistem Informasi
Tahun Masuk-Lulus 2008 – 2012 2013 – 2015
Judul Skripsi/Tesis/Disertasi Optimalisasi Failover
Instance pada Aplikasi
(Studi Kasus Aplikasi
FSVA Berbasis
Spasial Kab. Brebes)
Implementasi
Fuzzy ELECTRE
untuk Penilaian
Kerusakan Akibat
Bencana Alam.
Nama Pembimbing/Promotor Dr. Sri Yulianto J.P,
S.Si., M.Kom.
Dr. Rahmat
Gernowo, M.Si
Dr. Achmad
Widodo, ST, MT
Pengalaman Penelitian Dalam 5 Tahun Terakhir
No. Tahun Judul Penelitian Pendanaan
1 2016 Implementasi Profile Matching Untuk Pemberian Kredit
Kedua Pada Koperasi Simpan Pinjam
Universitas
Semarang
Pengalaman Pengabdian Kepada Masyarakat Dalam 5 Tahun Terakhir
Jenis Tahun Nama Kegiatan Tempat
Pelatihan 2016 Peningkatan Penggunaan Media
Pembelajaran Bagi Guru-Guru SMA Islam
Sultan Agung 1 Dan SMA Institut
Indonesia Semarang
FTIK-USM
Pelatihan 2017 Peningkatan Penggunaan Social Learning
Network Bagi Siswa-Siswi SMA Institut
Indonesia Semarang
FTIK-USM
Publikasi Artikel Ilmiah Dalam Jurnal dalam 5 Tahun Terakhir
No. Judul Artikel Ilmiah Nama Jurnal Volume/
Nomor/Tahun
1
Implementasi Oracle Spatial Untuk Pemetaan
Ketahanan Dan Kerawanan Pangan Di Kabupaten
Brebes
Transformatika Vol. 14/ No.
1/2016
2 Implementasi Fuzzy ELECTRE Untuk Penilaian
Kerusakan Akibat Bencana Alam JSINBIS
Vol. 7/ No.
2/2017
3 Implementasi Profile Matching Untuk Pemberian
Kredit Kedua Pada Koperasi Simpan Pinjam SIMETRIS
Vol. 8/ No.
2/2017
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata
dijumpai ketidak- sesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan Hibah
Semarang, 29 Oktober 2017
Peneliti,
Agusta Praba Ristadi P, M.Kom.
NIDN. 0618089001
A. Identitas Diri Anggota Penelitian
1. Nama Lengkap Prind Triajeng Pungkasanti, S.Kom., M.Kom
2. Jenis Kelamin Perempuan
3. Jabatan Fungsional Asisten Ahli
4. NIS 06557003102110
5. NIDN 0627048303
6. Tempat dan Tanggal Lahir Medan, 27 April 1983
7. E-mail [email protected]
8. Nomor HP 081327424141
9. Alamat Kantor Jalan Soekarno Hatta, Tlogosari Semarang 50196
10. No Telepon 024-6702757
11. Mata Kuliah yang diampu 1. Sistem Pendukung Keputusan
2. Analisa Pemrograman Berorientasi Objek
3. Pemrograman Berorientasi Objek
B. Riwayat Pendidikan
S-1 S-2
Nama Perguruan Tinggi Universitas Stikubank Universitas Diponegoro
Bidang Ilmu Sistem Informasi Sistem Informasi
Tahun Masuk-Lulus 2004 – 2006 2009 – 2013
Judul Skripsi Rekayasa Perangkat
Lunak Interaktif Psikotes
dengan Menggunakan
Visual Basic 6.0
Penerapan Analytic
Network Process (ANP)
Sebagai Sistem
Pendukung Keputusan
dalam Pemberian Reward
Dosen
Nama Pembimbing Dra. Sulastri, M.Kom
Saefurrohman, M.Kom
Dr. Rahmat Gernowo,
M.Si
Dr. Suryono, M.Si
C. Pengalaman Penelitian dalam 5 Tahun Terakhir
No Tahun Judul Penelitian Pendanaan
Sumber Jumlah (Rp)
1 2013 Monitoring dan Analisis
Trafik di Jaringan USM
menggunakan Multi Router
Traffic Grapher
Dikti 12.000.000,-
2 2014 Penerapan weighted product
sebagai pendukung
keputusan dalam pemberian
rewards dosen.
Universitas
Semarang
2.500.000,-
No Tahun Judul Penelitian Pendanaan
Sumber Jumlah (Rp)
3 2014 Penerapan metode profile
matching (GAP) sebagai
pendukung keputusan
kenaikan jabatan pada PT
Inti Sukses Garmindo
Mandiri -
4 2014 Sistem Pendukung
Keputusan terhadap
Penentan Minat Jurusan
dengan Menggunakn Metode
SAW (Studi Kasus SMA
Negeri 2 Brebes)
Mandiri -
5 2014 Penerapan Algoritma Apriori
Sebagai Pendukung
Keputusan Penentuan
Wilayah Pemasaran Produk
Genset Diesel PT Sumber
Makmur Aneka Teknik.
Mandiri -
6 2015 Aplikasi Sistem Inventory
Laboratorium Komputer
FTIK Universitas Semarang
Universitas
Semarang
5.000.000,-
7 2015 Aplikasi Analityc Network
Process (ANP) pada Sistem
Pendukung Keputusan
Dikti 11.600.000,-
8 2015 Pemetaan Subdomain pada
Cloud Server Universitas
Semarang menggunakan
Iptables dan Metode Reverse
Proxy
Dikti 11.600.000,-
9 2016 Evaluasi Layanan Sistem
Informasi Akademik
Berbasis Cobit 4.1 pada
Universitas Semarang
Universitas
Semarang
5.000.000,-
D. Pengalaman Pengabdian Kepada Masyarakat dalam 5 Tahun Terakhir
No Tahun Judul Pengabdian Pendanaan
Sumber Jumlah (Rp)
1 2014 Peningkatan Kemampuan
Olah Foto Digital pada
Siswa SMK Negeri 8
Semarang
Universitas
Semarang
1.500.000,-
2 2014 Pelatihan Office dan Internet
bagi Staf Kecamatan Tugu
Semarang
Universitas
Semarang
1.500.000,-
3 2015 Pembelajaran dan
Pemanfaatan Blog bagi Staf
di Lingkungan Kecamatan
Tugu Semarang
Universitas
Semarang
3.000.000,-
E. Publikasi Artikel Ilmiah Dalam Jurnal dalam 5 Tahun Terakhir
NO Judul Artikel Ilmiah Volume/Nomor/Tahun Nama Jurnal
1 Monitoring dan Analisi
Trafik di Jaringan USM
menggunakan Multi Router
traffic Grapher
Volume 12/Nomor
1/Edisi Juli 2014
Tr@nsForMat!ka
2
Implementasi Profile
Matching Untuk Pemberian
Kredit Kedua Pada Koperasi
Simpan Pinjam
Vol. 8/ No. 2/2017 SIMETRIS
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata
dijumpai ketidak- sesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan Hibah
Semarang, 29 Oktober 2017
Peneliti,
Prind Triajeng Pungkasanti, M.Kom
NIDN : 0627048303
LAMPIRAN
LEMBAR ACCEPTED JURNAL TRANSFORMATIKA
APLIKASI Elimination Et Choix Traduisant La Realité
(ELECTRE) PADA SISTEM PENDUKUNG KEPUTUSAN
PENYUSUN
Agusta Praba Ristadi Pinem, S.Kom., M.Kom. 0618089001
Prind Triajeng Pungkasanti, S.Kom., M.Kom. 0627048303
UNIVERSITAS SEMARANG
2017
LAMPIRAN
DRAFT BUKU AJAR
PROSES PERHITUNGAN DAN PENERAPAN METODE
ELimination Et Choix Traduisant la REalité (ELECTRE)
PENYUSUN
Agusta Praba Ristadi Pinem, S.Kom., M.Kom. 0618089001
Prind Triajeng Pungkasanti, S.Kom., M.Kom. 0627048303
UNIVERSITAS SEMARANG
2017
KATA PENGANTAR
Kami bersyukur kepada Allah SWT atas selesainya draft buku ajar “
PROSES PERHITUNGAN DAN PENERAPAN METODE ELimination Et
Choix Traduisant la REalité (ELECTRE) ”. Shalawat dan salam semoga
terlimpahkan kepada Nabi Muhammad SAW.
Buku ajar ini, merupakan penjabaran tentang metode ELECTRE
pada Sistem Pendukung Keputusan, yang secara spesifik berisi tentang
proses perhitungan, implementasi dan model aplikasi berbasis web yang
menerapkan metode ELECTRE sebagai algoritma sistem.
Tentunya, draft buku ajar ini tidak lepas dari kekurangan. Kedepan,
perlu adanya penambahan bab, metode dan beberapa penerapan sistem
pendukung keputusan pada suatu kasus yang dapat diuji dengan korelasi.
Ucapan terima kasih kepada Tim Penyusun, Kementrian Ristek dan
Dikti, FTIK USM dan pihak-pihak yang membantu terselesainya pedoman
ini. Semoga amalnya di terima Allah SWT sebagai amal jariyah dan draft
buku ajar ini dapat bermanfaat.
Wassalamualaikum wa Rahmatullah wa Barakatuh.
Semarang, 12 November 2017
DAFTAR ISI Hal
KATA PENGANTAR ............................................................................... 2
DAFTAR ISI ............................................................................................ 3
DAFTAR TABEL ..................................................................................... 4
PENDAHULUAN ..................................................................................... 5
Modul 1 ................................................................................................... 7
Pembahasan : Pengenalan Sistem Pendukung Keputusan (SPK) ....... 7
Modul 2 ................................................................................................. 11
Pembahasan : (ELECTRE) Manual .................................................. 11
Modul 3 ................................................................................................. 18
Pembahasan : (ELECTRE) Sistem .................................................. 18
Modul 4 ................................................................................................. 26
Pembahasan : (ELECTRE) Studi Kasus .......................................... 26
Modul 5 ................................................................................................. 32
Pembahasan : (ELECTRE) Studi Kasus pada aplikasi web .............. 32
DAFTAR PUSTAKA .............................................................................. 33
DAFTAR TABEL Hal
Tabel 1 Data Kriteria ........................................................................... 10
Tabel 2 Data Sub Kriteria .................................................................... 10
Tabel 3 Data Alternatif ......................................................................... 11
Tabel 4 Data Transaksi ....................................................................... 11
Tabel 5 Matriks Nilai Sub Kriteria ......................................................... 13
Tabel 6 Matriks Ternormalisasi ............................................................ 13
Tabel 7 Matriks Kriteria Ternormalisasi ................................................ 13
Tabel 8 Matriks bobot ternormalisasi ................................................... 14
Tabel 9 Nilai Dominan ......................................................................... 15
PENDAHULUAN
Pemanfaatan teknologi informasi dewasa ini tidak hanya digunakan
sebagai alat bantu dalam menyelesaikan permasalahan operasional
organisasi tetapi juga digunakan sebagai media bahan ajar. Media bahan
ajar yang menggunakan pemanfaatan teknologi sangat berdampak positif
terhadap hasil pemahaman mahasiswa kareana dapat menampilkan output
dan informasi yang lebih mudah dipahami oleh mahasiswa terutama pada
matakuliah yang membutuhkan tingkat pemahaman yang mendalam.
Salah satu mata kuliah yang memiliki tingkat kesulitan yang tinggi
dan membutuhkan pemahaman yang mendalam adalah matakuliah Sistem
Pendukung Keputusan (SPK). Matakuliah SPK menerapkan metode
algoritma dalam penyelesaian masalah suatu kasus. Ada beberapa metode
algoritma yang dapat diterapkan dalam penyelesaian masalah SPK, salah
satunya adalah algoritma ELimination Et Choix Traduisant la REalité
(ELECTRE).
ELECTRE merupakan metode algoritma yang memiliki banyak
tahapan untuk hasil akhirnya, karena ELECTRE merupakan metode yang
digunakan untuk proses perangkingan atau memilih alternatif terbaik yang
berdasarkan pada hubungan outranking dan menggunakan indeks
kesesuaian dan ketidaksesuaian untuk menganalisa hubungan antar
alternatif (Sevkli, 2010). Alternatif sendiri yaitu calon variable yang nantinya
akan dipilih dan diurutkan berdasarkan nilai kriteria atau atribut. Suatu
alternatif dikatakan mendominasi alternatif yang lainnya jika satu atau lebih
kriterianya melebihi (dibandingkan dengan kriteria dari alternatif lain) dan
sama dengan kriteria lain yang tersisa (Kusumadewi dkk., 2006).
Proses perhitungan dengan menggunakan algoritma ELECTRE yang
memiliki banyak tahapan membuat mahasiswa merasa kesulitan dalam
memahami tahapan ELECTRE apabila penjelasan metode ini hanya
menggunakan penjelasan secara konvensional. Oleh sebab itu, peneliti
membuat Aplikasi ELimination Et Choix Traduisant la REalité (ELECTRE)
pada Sistem Pendukung Keputusan, diharapkan aplikasi bahan ajar ini
dapat membantu dan memudahkan mahasiswa mengerti dan memahami
penerapan ELECTRE dalam penyelesaian masalah dan menghasilkan
informasi sebagai pendukung keputusan suatu kasus.
Modul 1
Jurusan : Teknologi Informasi
Program Studi : S1 Sistem Informasi & S1 Teknik Informatika
Matakuliah : Sistem Pendukung Keputusan (SPK)
SKS : 5 (3 – 2)
Pertemuan ke- : 1
Jumlah Halaman : 4
Pembahasan : Pengenalan Sistem Pendukung Keputusan (SPK)
Pengajar : 1. Agusta Praba Ristadi Pinem, M.Kom
2. Prind Triajeng Pungkasanti, M.Kom
A. Judul Modul
Pengenalan Sistem Pundukung Keputusan (SPK)
B. Kompetensi Dasar
Pada pertemuan ini akan dibahas mengenai Sistem Pendukung Keputusan
(SPK) mulai dari pengertian, karakteristik dan keuntungan SPK, Kemampuan SPK,
sehingga mahasiswa memahami konsep dasar dari SPK.
C. Materi Modul
1. Pengertian Sistem Pundukung Keputusan (SPK)
Sistem Pendukung Keputusan (SPK) awalnya merupakan suatu sistem
yang ditujukan untuk mendukung manajemen pengambilan keputusan. SPK
merupakan sistem berbasis model yang terdiri dari prosedur-prosedur dalam
pemrosesan data dan hasil dari sistem merupakan sebuah informasi yang
dapat digunakan sebagai bahan pertimbangan bagi manajer dalam
mengambil keputusan. Agar mencapai tujuan maka SPK harus memiliki sifat
: (1) sederhana; (2) robust; (3) mudah untuk dikontrol; (4) mudah beradaptasi;
(5) lengkap pada hal-hal penting; (6) mudah digunakan. Selain itu SPK harus
berbasis komputer dan digunakan sebagai bahan dalam pengambilan
keputusan.
SPK juga dapat diartikan (1) sistem tambahan; (2) mampu untuk
mendukung analisis data secara ad hoc dan pemodelan keputusan; (3)
berorientasi pada perencanaan masa depan; dan (4) digunakan pada interval
yang tidak teratur dan terencana. Ada juga arti lain dari SPK adalah sistem
berbasis komputer yang terdiri dari 3 komponen interaktif : (1) sistem bahasa
– mekanisme yang menyediakan komunikasi diantara user dan berbagai
komponen dalam SPK; (2) knowledge system – penyimpanan knowledge
domain permasalahan yang ditanamkan dalam SPK, baik sebagai data
ataupun prosedur; (3) sistem pemrosesan permasalahan – link diantara dua
komponen, mengandung satu atau lebih kemampuan memanipulasi masalah
yang dibutuhkan untuk pengambilan keputusan.
Pengertian terakhir dari SPK mengacu pada “situasi dimana sistem ‘final’
dapat dikembangkan hanya melauli adaptive process pembelajaran dan
evolusi”. SPK diartikan sebagai hasil dari pengembangan dimana user SPK,
SPK buider, dan SPK itu sendiri semuanya bisa saling mempengaruhi, yang
tercermin pada evolusi sistem itu dan pola-pola yang digunakan.
2. Karakteristik dan Kemampuan SPK
Gambar 1 menunjukkan karakteristik dan kemampuan yang dimiliki SPK.
Gambar 1. Karakteristik dan Kemapuan SPK
1) SPK menyediakan dukungan bagi pengambil keputusan utamanya pada
situasi semi terstruktur dan tidak terstruktur dengan memadukan
pertimbangan manusia dan informasi terkomputerisasi.
2) Dukungan disediakan untuk berbagai level manajerial yang berbeda,
muali dari pimpinan puncak sampai manajer lapangan.
3) Dukungan disediakan bagi individu dan juga bagi grup. Berbagai masalah
organisasi melibatkan pengambilan keputusan dari orang dalam grup,
sedang untuk masalah yang strukturnya lebih sedikit seringkali hanya
membutuhkan keterlibatan beberapa individu dari departemen dan level
organisasi yang berbeda.
4) SPK menyediakan dukungan ke berbagai keputusan yang berurutan dan
saling berkaitan.
5) SPK mendukung berbagai fase proses pengambilan keputusan yang
berupa: intellegence, desaign, choice, dan implementation.
6) SPK mendukung berbagai proses pengambilan keputusan dan style yang
berbeda-beda; ada kesesuaian diantara SPK dan atribut pengambil
keputusan individu (contohnya vocabulary dan style keputusan).
7) SPK selalu bisa beradaptasi sepanjang masa. Pengamil keputusan harus
reaktif, mampu mangatasi perubahan kondisi secepatnya dan beradaptasi
untuk membuat SPK selalu bisa menangani perubahan ini.
8) SPK mudah untuk digunakan. User harus merasa nyaman dengan sistem
ini. User friendliness, fleksibelitas, dukungan grafis terbaik, dan antarmuka
bahasa yang sesuai dengan bahasa manusia dapta meningkatkan
efektifitas SPK.
9) SPK mencoba untuk meningkatkan efektifitas dari pengambilan keputusan
(akurasi, jangka waktu, kualitas), lebih daripada efisiensi yang bisa
diperoleh (biaya membuat keputusan, termasuk biaya penggunaan
komputer).
10) Pengambil keputusan memiliki kontrol menyeluruh terhadap semua
langkah proses pengambilan keputusan dalam menyelesaikan masalah.
11) SPK mengarah pada pembelajaran, yaitu mengarah pada kebutuhan baru
dan penyempurnaan sistem yang mengarah pada pembelajaran
tambahan, dan begitu selanjutnya dalam proses pengembangan dan
peningkatan SPK secara berkelanjutan.
12) User/ pengguna harus mampu menyusun sendiri sistem yang sederhana.
13) SPK biasa mendayagunakan berbagai model (standar atau sesuai
keinginan user) dalam menganalisa berbagai keputusan.
14) SPK dalam tingkat lanjut dilengkapi dengan komponen knowledge yang
bisa memberikan solusi yang efissien dan efektif dari berbagai masalah
yang pelik.
3. Komponen SPK
Gambar 2 menunjukkan komponen yang dimiliki (Turban, 2005)
Gambar 2. Komponen SPK
1) Data Management
Termasuk database yang mengandung data yang relevan untuk berbagai
situasi dan diatur oleh software yang disebut Database Management
System (DBMS).
2) Model Management
Melibatkan model finansial, statistikal, management science, aau berbagi
model kuantitatif lainnya, sehingga dapat memberikan ke sistem suatu
kemampuan analitis, dan manajemen software yang diperlukan.
3) Communication (Dialog Subsystem)
User dapat berkomunikasi dan memberikan perintah dapa SPK melalui
subsistem.
4) Knowledge Management
Subsistem pilihan ini dapat mendukung subsistem lain atau bertindak
sebagai komponen yang berdiri sendiri.
4. Tahap Pengambilan Keputusan
Menurut Herbert A Simon pengambilan keputusan dapat dibagi menjadi
beberapa tahap, yaitu :
1) Tahap Pemahaman (Intelegenci Phace)
Merupakan proses penelusuran dan pendeteksian dari lingkup
problematika serta proses pengenalan masalah. Data masukan diperoleh,
diproses dan diuji dalam rangka mengidentifikasikan masalah.
2) Tahap perancangan (Design Phace) Proses pengembangan dan
pencarian alternative tindakan/ solusi yang dapat diambil. Tersebut
merupakan representasi kejadian nyata yang mengetahui keakuratan
model dalam meneliti masalah yang ada.
3) Tahap pemilihan (Choice Phace) pemilihan terhadap diantara berbagai
alternative solusi yang dimunculkan pada tahap perencanaan agar
ditentukan/ dengan memperhatikan criteria-kriteria berdasarkan tujuan
yang akan di capai.
4) Tahap Implementasi (Implementation Phace) penerapan terhadap
rancangan system yang telah dibuat pada tahap perancanagan serta
pelaksanaan alternative tindakan yang telah dipilih pada tahap pemilihan.
D. Evaluasi
1) Sebut dan jelaskan sifat yang ada dalam SPK.
2) Salah satu komponen yang ada di dalam SPK adalah model management.
Jelaskan apa yang dimaksud dengan model management dan beri
contohnya.
3) Kenapa SPK harus menerapkan metode algoritma dalam penyelesaian
masalahnya. Jelaskan.
Modul 2
Jurusan : Teknologi Informasi
Program Studi : S1 Sistem Informasi & S1 Teknik Informatika
Matakuliah : Sistem Pendukung Keputusan (SPK)
SKS : 5 (3 – 2)
Pertemuan ke- : 2
Jumlah Halaman : 9
Pembahasan : (ELECTRE) Manual
Pengajar : 1. Agusta Praba Ristadi Pinem, M.Kom
2. Prind Triajeng Pungkasanti, M.Kom
A. Judul Modul
ELimination Et Choix Traduisant la REalité (ELECTRE)
B. Kompetensi Dasar
Pada pertemuan ini akan dibahas mengenai metode algoritma ELimination Et
Choix Traduisant la REalité (ELECTRE) yang dimulai dari pengenalan tentang
ELECTRE, langkah perhitungan, dan penerapan ELECTRE dalam penyelesaian
masalah, sehingga diharapkan mahasiswa memahami konsep dari metode
algoritma ELECTRE.
C. Materi Modul
1. Pengertian ELimination Et Choix Traduisant la REalité (ELECTRE)
MCDM (Multi Criteria Decision Making) merupakan salah satu metode
sistem pendukung keputusan (Hadiguna dkk., 2014). MCDM dapat digunakan
untuk permasalahan yang memiliki banyak kriteria dalam menentukan solusi
dengan memilih alternatif terbaik dan ELECTRE merupakan salah satu metode
yang termasuk dalam MCDM (Gholam dkk., 2009). Pada MCDM terdapat dua
pengelompokan lebih spesifik lagi, yaitu MADM (Multi Attribute Decision Making)
dan MODM (Multi Objective Decision Making). Metode MADM dapat menemukan
alternatif yang paling sesuai dengan melakukan perangkingan terhadap alternatif
dengan mengacu pada atribut, bobot dan perhitungan perbandingan antar
alternatif terhadap atributnya masing-masing (Lavasani dkk., 2012). ELECTRE
termasuk dalam kelompok MADM dengan model normalisasi (Mardani dkk., 2015).
ELECTRE merupakan metode yang digunakan untuk proses perangkingan
atau memilih alternatif terbaik yang berdasarkan pada hubungan outranking dan
menggunakan indeks kesesuaian dan ketidaksesuaian untuk menganalisa
hubungan antar alternatif (Sevkli, 2010). Indeks kesesuaian dan ketidaksesuaian
dapat dihitung atau dinyatakan sebagai tingkat kepuasan pengambil keputusan
terhadap alternatif satu dengan yang lainnya (Sevkli, 2010). Metode ELECTRE
didasarkan pada konsep perangkingan melalui perbandingan berpasangan antar
alternatif pada kriteria yang sesuai. Suatu alternatif dikatakan mendominasi
alternatif yang lainnya jika satu atau lebih kriterianya melebihi (dibandingkan
dengan kriteria dari alternatif lain) dan sama dengan kriteria lain yang tersisa
(Kusumadewi dkk., 2006).
Langkah-langkah dalam ELECTRE
Berikut ini adalah enam langkah metode ELECTRE:
Langkah 1: Data atau kriteria dan sub kriteria dinormalisasi dengan tujuan untuk
dapat dikomparasi. Setiap normalisasi dapat dilakukan dengan persamaan (2.1):
��� = ���
�∑ �����
���
, untuk 1, 2, 3, .....m dan j= 1, 2, 3, ......n (2.1)
Langkah 2: Mencari nilai dari rata-rata nilai dengan menggunakan rata-rata
geometrik karena memberikan kemudahan dan konsistensi dalam mengambil nilai
dari himpunan (Kaya dan Kahraman, 2011).
� = ���.��.�� … ��� (2.2)
Dimana n adalah jumlah sub kriteria dalam satu kriteria dan x adalah nilainya.
Kemudian diperoleh matriks R hasil normalisasi dan rata-rata dari sub kriteria yang
membentuk perbandingan berpasangan setiap alternatif di setiap kriteria.
� = �
��� ��� ���
��� ��� ���
��� ��� ���
� (2.3)
Langkah 3: Mencari matrix bobot ternormalisasi.
R adalah matriks yang telah di normalisasi dimana i menyatakan alternatif, j
menyatakan kriteria dan ��� adalah normalisasi pengukuran pilihan alternatif ke-i
dalam hubungannya dengan kriteria ke-j. Kemudian matriks R dikalikan dengan
bobot masing-masing kriteria ��.
�� = �
����� ����� �����
����� ����� �����
����� ����� �����
� (2.4)
Langkah 4: Menentukan indeks kesesuaian (concordance index) dan
ketidaksesuaian (discordance index). Kriteria dalam suatu alternatif termasuk
kesesuaian dinyatakan dengan persamaan
��� = {�, ��� > ���}, untuk j = 1,2,3,….,n (2.5)
Sebaliknya termasuk dalam ketidaksesuaian apabila
��� = {�, ��� < ���}, untuk j = 1,2,3,….,n (2.6)
Langkah 5: Menghitung nilai kesesuaian dan ketidaksesuaian tiap alternatif.
Untuk menentukan nilai kesesuaian adalah dengan menjumlahkan bobot-bobot
yang termasuk dalam subset kesesuaian.
wCj
jkl w=C
(2.7)
Untuk menentukan nilai ketidaksesuaian adalah dengan menjumlahkan bobot
yang termasuk pada subset ketidaksesuaian.
wDj
jkl w=D
(2.8)
Langkah 6: Mencari nilai dominan. Nilai ����������� dikurangi dengan Nilai
����������� untuk memperoleh nilai � atau nilai dominan. Nilai dominan (�)
merupakan patokan rangking pada metode ELECTRE untuk memperoleh
keputusan terbaik.
� = ��� − ��� (2.9)
2. Perhitungan manual
Sebuah toko komputer ingin menambah stok barang agar tepat sasaran
dengan mempertimbangkan beberapa kriteria sebagai berikut.
Berikut data yang dimasukan kedalam DBMS.
Tabel 1 Data Kriteria
Tabel CRT diisi dengan data pada tabel 1. Setiap kriteria memiliki ID, Nama
kriteria yang berbeda dan memiliki nilai bobot.
Tabel 2 Data Sub Kriteria
ID_SUBCRT NM SUBCRT ID CRT
SC001 SUB KRIT 1 C001
SC002 SUB KRIT 2 C002
SC003 SUB KRIT 3 C003
SC004 SUB KRIT 4 C004
SC005 SUB KRIT 5 C005
SC006 SUB KRIT 6 C001
SC007 SUB KRIT 7 C002
ID CRT NM CRT BOBOT
C001 KRITERIA 1 1
C002 KRITERIA 2 3
C003 KRITERIA 3 2
C004 KRITERIA 4 2
C005 KRITERIA 5 1
SC008 SUB KRIT 8 C003
SC009 SUB KRIT 9 C004
SC010 SUB KRIT 10 C005
Tabel SUB_CRT diisi dengan data pada tabel 2, setiap kriteria digambarkan
memiliki dua sub kriteria. Terlihat pada setiap ID_CRT yang muncul dua kali.
Tabel 3 Data Alternatif
ID ALT NM ALT
A001 ALT 1
A002 ALT 2
A003 ALT 3
A004 ALT 4
A005 ALT 5
A006 ALT 6
A007 ALT 7
A008 ALT 8
A009 ALT 9
A010 ALT 10
Tabel ALT di DBMS diisi dengan data alternative pada tabel 3. Data alternative
memiliki 10 baris data, namun yang akan masuk tabel transaksi (SPK) adalah 5
baris data untuk memudahkan dalam menguji perhitungan.
Tabel 4 Data Transaksi
ID ALT ID_SUBCRT NILAI
A001 SC001 8
A001 SC002 7
A001 SC003 8
A001 SC004 6
A001 SC005 5
A001 SC006 6
A001 SC007 4
A001 SC008 1
A001 SC009 2
A001 SC010 4
A002 SC001 6
A002 SC002 6
A002 SC003 4
A002 SC004 4
A002 SC005 7
A002 SC006 5
ID ALT ID_SUBCRT NILAI
A002 SC007 7
A002 SC008 7
A002 SC009 4
A002 SC010 8
A003 SC001 8
A003 SC002 8
A003 SC003 5
A003 SC004 7
A003 SC005 3
A003 SC006 5
A003 SC007 6
A003 SC008 5
A003 SC009 6
A003 SC010 4
A004 SC001 5
A004 SC002 5
A004 SC003 6
A004 SC004 5
A004 SC005 7
A004 SC006 7
A004 SC007 7
A004 SC008 4
A004 SC009 6
A004 SC010 6
A005 SC001 8
A005 SC002 7
A005 SC003 8
…… ………. ………..
Tabel SPK diisi dengan data transaksi seperti pada tabel 4. Data transaksi yang
tersimpan di basisdata terdiri dari 50 baris data. Setiap yang terdiri dari 5
alternative. Masing-masing alternative memiliki 10 nilai sub kriteria.
Perhitungan manual merupakan tahapan untuk menguji algoritma yang
diterapkan pada source code sudah sesuai dengan perhitungan metode
ELECTRE. Hasil perhitungan manual akan dibandingkan dengan hasil keluaran
dari aplikasi untuk menguji proses aplikasi. Tahapan perhitungan manual dimulai
dari penyederhanaan data transaksi di basisdata kedalam bentuk matriks.
Tabel 5 Matriks Nilai Sub Kriteria
ID_ALT SUB KRITERIA
SC001 SC002 SC003 SC004 SC005 SC006 SC007 SC008 SC009 SC010
A001 8 7 8 6 5 6 4 1 2 4
A002 6 6 4 4 7 5 7 7 4 8
A003 8 8 5 7 3 5 6 5 6 4
A004 5 5 6 5 7 7 7 4 6 6
A005 8 7 8 6 5 6 4 3 3 4
Tabel 5 merupakan matriks nilai sub kriteria masing-masing alternative.
Setiap alternative memiliki 10 sub kriteria berikut nilainya. Matriks pada tabel 5
kemudian dinormalisasi dengan menggunakan persamaan 2.1. Setiap nilai sub
kriteria pada masing-masing alternative dinormalisasi untuk menghilangkan jarak
nilai yang terlalu jauh pada sub kriteria yang lain. Selain itu data atau kriteria dan
sub kriteria dinormalisasi dengan tujuan untuk dapat dikomparasi.
Tabel 6 Matriks Ternormalisasi
ID_ALT SUB KRITERIA
SC001 SC002 SC003 SC004 SC005 SC006 SC007 SC008 SC009 SC010
A001 0.5030 0.4688 0.5587 0.4714 0.3990 0.4588 0.3105 0.1000 0.1990 0.3288
A002 0.3772 0.4018 0.2794 0.3143 0.5587 0.3824 0.5433 0.7000 0.3980 0.6576
A003 0.5030 0.5357 0.3492 0.5500 0.2394 0.3824 0.4657 0.5000 0.5970 0.3288
A004 0.3143 0.3348 0.4191 0.3928 0.5587 0.5353 0.5433 0.4000 0.5970 0.4932
A005 0.5030 0.4688 0.5587 0.4714 0.3990 0.4588 0.3105 0.3000 0.2985 0.3288
Normalisasi memudahkan dalam proses komparasi dan mengghilangkan jarak
nilai antar sub kriteria. Normalisasi dilakukan dalam satu kolom, yaitu setiap nilai
sub kriteria SC001 dan seterusnya dinormalisasikan. Data A001 sub kriteria
SC001 dinormalisasi dengan dengan persamaan 2.1 hingga menghasilkan tabel
6. Nilai masing-masing sub kriteria di setiap alternative kemudian akan dirata-rata
dengan menggunakan geometric mean yaitu menggunakan persamaan 2.2.
berikut data kriteria ternormalisasi.
Tabel 7 Matriks Kriteria Ternormalisasi
ID_ALT KRITERIA
C001 C002 C003 C004 C005
A001 0.480 0.381 0.236 0.306 0.362
A002 0.380 0.467 0.442 0.354 0.606
A003 0.439 0.499 0.418 0.573 0.281
A004 0.410 0.427 0.409 0.484 0.525
A005 0.480 0.381 0.409 0.375 0.362
Tabel 7 atau matriks kriteria ternormalisasi merupakan hasil rata-rata sub kriteria
berdasarkan kriteria. Pada tabel 6, data A001 memiliki 10 nilai sub kriteria. 10 nilai
sub kriteria akan menjadi 5 nilai kriteria. Sub kriteria dirata-rata berdasarkan
kelompok kriterianya. SC001 dan SC006 merupakan sub kriteria dibawah kriteria
C001, maka nilai SC001 dan SC006 dirata-rata menggunakan persamaan 2.2 dan
menghasilkan nilai kriteria C001. Proses tersebut menghasilkan perbandingan
berpasangan masing-masing alternatif di setiap kriteria.
Matriks kriteria ternormalisasi kemudian dikalikan dengan bobot setiap
kriteria pada tabel 1. Sehingga menghasilkan matriks bobot ternormalisasi dengan
menggunakan persamaan 2.4. Berikut tabel matriks bobot ternormalisasi.
Tabel 8 Matriks bobot ternormalisasi
ID_ALT KRITERIA
C001 C002 C003 C004 C005
A001 0.480 1.144 0.473 0.613 0.362
A002 0.380 1.402 0.884 0.707 0.606
A003 0.439 1.498 0.836 1.146 0.281
A004 0.410 1.280 0.819 0.969 0.525
A005 0.480 1.144 0.819 0.750 0.362
Tabel 8 atau matriks bobot ternormalisasi merupakan matriks yang digunakan
dalam metode ELECTRE. Proses selanjutnya adalah mencari nilai indeks
kesesuaian dan ketidaksesuaian dengan menggunakan persamaan 2.5 dan 2.6.
Indeks kesesuaian dan ketidaksesuaian diperoleh dengan membandingkan
masing-masing nilai kriteria pada setiap alternative. Berikut nilai kesesuaian,
ketidaksesuaian dan nilai dominan masing-masing alternative.
Tabel 9 Nilai Dominan
ID_ALT NILAI C NILAI D Nilai Dominan
A001 9 27 -18
A002 23 13 10
A003 28 8 20
A004 20 16 4
A005 17 19 -2
Nilai dominan diperoleh berdasarkan selisih nilai kesesuaian dan ketidaksesuaian.
Alternative yang memiliki dominan tertinggi adalah alternative terbaik.
D. Evaluasi
1) Bentuk kelompok dengan jumlah anggota maks 5 mahasiswa.
2) Selesaikan dengan menerapkan kasus untuk tema universitas.
3) Tentukan kriteria yang dibutuhkan untuk masing-masing kasus yang
diselesaikan.
Modul 3
Jurusan : Teknologi Informasi
Program Studi : S1 Sistem Informasi & S1 Teknik Informatika
Matakuliah : Sistem Pendukung Keputusan (SPK)
SKS : 5 (3 – 2)
Pertemuan ke- : 3
Jumlah Halaman : 9
Pembahasan : (ELECTRE) Sistem
Pengajar : 1. Agusta Praba Ristadi Pinem, M.Kom
2. Prind Triajeng Pungkasanti, M.Kom
A. Judul Modul
Penerapan ELimination Et Choix Traduisant la Realité (ELECTRE) dalam
Aplikasi
B. Kompetensi Dasar
Pada pertemuan ini akan dibahas bagaimana cara penerapan ELECTRE
menjadi sebuah aplikasi dengan menggunakan bahasa pemrograman PHP dan
database Access.
C. Materi Modul
1. Flowchart
Flowchart atau digram alir adalah salah satu alat bantu dalam
memecahkan masalah dalam pemrograman. Ada 5 jenis flowchart, yaitu:
1) Flowchart sistem (system flowchart)
2) Flowchart dokumen (system flowchart)
3) Flowchart skematik (system flowchart)
4) Flowchart program (system flowchart)
5) Flowchart proses (system flowchart)
Adapun simbol-simbol flowchart yang umum digunakan antara lain:
Tabel 1. Simbol-simbol Flowchart
SIMBOL NAMA FUNGSI
Terminator Permulaan/ akhir program
Garis Alir
(Flow Line) Arah aliran program
Preparation
Proses inisialisasi/
pemberian harga awal
SIMBOL NAMA FUNGSI
Process Proses perhitungan/
proses pengolahan data
Input/ Output Data Proses input/ output data,
parameter, informasi
Predefined Process
(Sub Program)
Permulaan sub program/
proses menjalankan sub
program
Decision
Perbandingan pernyataan,
penyeleksian data yang
memberikan pilihan untuk
langkah selanjutnya
On Page Connector
Penghubung bagian-bagian
flowchart yang berada
pada satu halaman
Off Page Connector
Penghubung bagian-bagian
flowchart yang berada
pada satu halaman
2. PHP
PHP adalah singkatan dari "PHP: Hypertext Prepocessor", yaitu bahasa
pemrograman yang digunakan secara luas untuk penanganan pembuatan
dan pengembangan sebuah situs web dan bisa digunakan bersamaan
dengan HTML.
3. Microsoft Access
Microsoft Access (atau Microsoft Office Access) adalah sebuah program
aplikasi basis data komputer relasional yang ditujukan untuk kalangan
rumahan dan perusahaan kecil hingga menengah.
Microsoft Access dapat menggunakan data yang disimpan di dalam
format Microsoft Access, Microsoft Jet Database Engine, Microsoft SQL
Server, Oracle Database, atau semua kontainer basis data yang mendukung
standar ODBC. Para pengguna/ programmer yang mahir dapat
menggunakannya untuk mengembangkan perangkat lunak aplikasi yang
kompleks, sementara para programmer yang kurang mahir dapat
menggunakannya untuk mengembangkan perangkat lunak aplikasi yang
sederhana.
4. Perancangan Alur Sistem
Alur dari aplikasi penerapan metode algoritma ELECTRE ke dalam
sebuah bahasa pemrograman dapat dilihat pada gambar 1.
Gambar 1. Alur Penerapan Metode ELECTRE
5. Implementasi Database
Tabel Alternatif, Kriteria, Sub Kriteria dan SPK
Gambar 2. Tabel pada DBMS
6. Implementasi Interface
Input Data
•Kriteria
•Alternatif
Normalisasi
•Geom Mean
Normalisasi Terbobot
•Normalisasi dikalikan bobot kriteria
Nilai Dominan
•Concordance dan Discordance
Hasil Perangkingan
1) Halaman Utama Aplikasi ELECTRE
Menu utama memiliki beberapa sub menu yang terdiri dari alternative,
kriteria, subkriteria, matriks,.
Gambar 3. Halaman Utama
2) Halaman Penentuan Kriteria
Halaman penentuan kriteria digunakan untuk menentukan kriteria apa
saja yang nantinya akan digunakan dalam perhitungan.
Gambar 4. Halaman Penentuan Kriteria
3) Halaman Penentuan Sub Kriteria
Form penentuan sub kriteria pada masing-masing kriteria yang
digunakan.
Gambar 5. Halaman Penentuan Sub Kriteria
4) Halaman Alternatif
Halaman alternative merupakan halaman untuk manajemen data pilihan-
pilihan yang digunakan.
Gambar 6. Halaman Alternatif
5) Halaman Matriks
Halaman matrik merupakan halaman untuk manajemen transaksi
alternative, kriteria yang digunakan dan nilai subkriterianya. Data pada
halaman matrik digunakan dalam proses normalisasi.
Gambar 7. Halaman Matrik
6) Halaman Normalisasi Sub Kriteria
Halaman normalisasi menampilkan hasil normalisasi untuk setiap
subkriteria.
Gambar 8. Halaman Normalisasi Sub Kriteria
7) Halaman Geom Mean
Halaman geom mean adalah kriteria yang sudah dinormalisasi. Sub
kriteria-sub kriteria akan dirata-rata menggunakan geom mean untuk
memperoleh nilai kriteria ternormalisasi.
Gambar 9. Halaman Geom Mean
8) Halaman Normalisasi Terbobot
Halaman normalisasi terbobot menampilkan normalisasi kriteria yang
sudah dikalikan dengan nilai bobot. Hasil perhitungan akan digunakan
dalam proses metode ELECTRE untuk mencari concordance dan
discordance.
Gambar 10. Normalisasi Terbobot
9) Halaman Hasil Perangkingan
Halaman hasil perangkingan menampilkan alternative terbaik
berdasarkan kriteria dan subkriteria yang digunakan. Nilai dominan
digunakan sebagai acuan perangkingan yang diperoleh dari nilai
concordance dan discordance.
Gambar 11. Halaman Perangkingan
D. Evaluasi
Terapkan kasus SPS dengan menggunakan aplikasi ELECTRE untuk
menghasil indormasi pendukung keputusan.
Modul 4
Jurusan : Teknologi Informasi
Program Studi : S1 Sistem Informasi & S1 Teknik Informatika
Matakuliah : Sistem Pendukung Keputusan (SPK)
SKS : 5 (3 – 2)
Pertemuan ke- : 3
Jumlah Halaman : 9
Pembahasan : (ELECTRE) Studi Kasus
Pengajar : 1. Agusta Praba Ristadi Pinem, M.Kom
2. Prind Triajeng Pungkasanti, M.Kom
A. Judul Modul
Penerapan ELimination Et Choix Traduisant la Realité (ELECTRE) dalam Aplikasi
B. Kompetensi Dasar
Pada pertemuan ini akan dibahas bagaimana menerapkan algoritma ELECTRE
berbasis dengan studi kasus.
C. Materi Modul
Kasus yang diambil adalah tentang pemilihan untuk pembelian kartu SIM
Card HP atau Kartu Seluler yang khusus digunakan untuk area kampus
Dengan 4 alternatif yang ditawarkan oleh provider yaitu :
1. Telkomsel
2. Indosat
3. XL
4. 3 (Tri)
Dengan kriteria yang dimiliki dari setiap alternatif yaitu :
1. Jaringan = C1
2. Harga Kartu Seluler = C2
3. Paket Nelpon = C3
4. Paket SMS = C4
5. Paket Internet = C5
Dengan Bobot Yang kemi berikan untuk setiap masing - masing kriteria
yaitu :
1. Bobot Kriteria 1 = 5
2. Bobot Kriteria 2 = 2
3. Bobot Kriteria 3 = 4
4. Bobot Kriteria 4 = 2
5. Bobot Kriteria 5 = 5
Tabel Yang Menjadi Acuan Untuk Memecahkan Masalah pada Sebuah Kasus
Alternatif Kriteria
C1 C2 C3 C4 C5
Telkomsel 5 3 3 3 2
Indosat 4 4 3 4 4
XL 4 4 3 3 4
3 (Tree) 2 4 3 3 4
Langkah 1 " Normalisasi Matriks Keputusan"
Dari perhitungan diatas diperoleh matriks sebagai berikut :
0,640 0,397 0,5 0,457 0,277
R = 0,512 0,530 0,5 0,610 0,555
0,512 0,530 0,5 0,457 0,555
0,256 0,530 0,5 0,457 0,555
Langkah 2 "Pembobotan Pada Matriks Yang Telah Dinormalisasi"
Diketahui Bobot yang dimiliki dari setiap masing - masing kriteria adalah :
W = ( 5, 2, 4, 2, 5 )
V11 = R × W = 0,640 × 5 = 3,201
V21 = R × W = 0,512 × 5 = 2,561
V31 = R × W = 0,512 × 5 = 2,561
V41 = R × W = 0,256 × 5 = 1,280
V12 = R × W = 0,397 × 2 = 0,795
V22 = R × W = 0,530 × 2 = 1,060
V32 = R × W = 0,530 × 2 = 1,060
V42 = R × W = 0,530 × 2 = 1,060
V13 = R × W = 0,5 × 4 = 2
V23 = R × W = 0,5 × 4 = 2
V33 = R × W = 0,5 × 4 = 2
Dari perhitungan diatas diperoleh matriks sebagai berikut :
3,201 0,795 2 0,915 1,387
V = 2,561 1,060 2 1,220 2,774
2,561 1,060 2 0,915 2,774
1,280 1,060 2 0,915 2,774
Langkah 3 "Menentukan Himpunan Concordance dan Discordance pada Index"
a. Concordance
Sebuah kriteria dalam suatu alternatif termasuk concordance jika :
Ckl = { j, v1 j>v2 j} untuk j = 1, 2, ....., n
C12 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5
= { 1, 3 }
C13 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5
= { 1, 3, 4 }
C14 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5
= { 1, 3, 4 }
C21 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5
= { 2, 3, 4, 5 }
C23 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5
= { 1, 2, 3, 4, 5 }
C24 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5
= { 1, 2, 3, 4, 5 }
C31 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5
= { 2, 3, 4, 5 }
C32 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5
= { 1, 2, 3, 5 }
C34 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5
= { 1, 2, 3, 4, 5 }
C41 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5
= { 2, 3, 4, 5 }
C42 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5
= { 2, 3, 5 }
C43 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5
= { 2, 3, 4, 5 }
Discordance
Sebuah kriteria dalam suatu alternatif termasuk Discordance jika : Dkl
= { j, vk j< vi j} untuk j = 1, 2, ....., n
D12 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5
= { 2, 4, 5 } D13 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5
= { 2, 5 }
D14 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5
= { 2, 5 }
D21 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5
= { 1 }
D23 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5
= { 0 }
D24 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5
= { 0 }
D31 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5
= { 1 }
D32 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5
= { 4 }
D34 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5
= { 0 }
D41 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5
= { 1 }
D42 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5
= { 1, 4 }
D43 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5
= { 1 }
Langkah 4 "Menghitung Matriks Concordance dan Discordance"
a. Menghitung Matriks Concordance
C12 = w1 + w3
= 5 + 4 = 9
C13 = w1 + w3 + w4
= 5 + 4 + 2 = 11 C14 = w1 + w3 + w4
= 5 + 4 + 2 = 11
C21 = w2 + w3 + w5
= 2 + 4 + 2 + 5 = 13
C23 = w1 + w2 + w3 + w4 + w5
= 5 + 2 + 4 + 2 + 5 = 18
= 5 + 2 + 4 + 2 + 5 = 18 C31 = w2 + w3 + w4 + w5
= 2 + 4 + 2 + 5 = 13
C32 = w1 + w2 + w3 + w5
= 5 + 2 + 4 + 5 = 16
C34 = w1 + w2 + w3 + w4 + w5
= 5 + 2 + 4 + 2 + 5 = 18
C41 = w2 + w3 + w4 + w5
= 2 + 4 + 2 + 5 = 13
C42 = w2 + w3 + w5
= 2 + 4 + 5 = 11
C43 = w2 + w3 + w4 + w5
= 2 + 4 + 2 + 5 = 13
Dari perhitungan diatas diperoleh matriks sebagai berikut :
- 9 11 11
C = 13 - 18 18
13 16 - 18
13 11 13 -
E. Evaluasi
Lanjtukan proses mencari Discordance dari studi kasus diatas.
Modul 5
Jurusan : Teknologi Informasi
Program Studi : S1 Sistem Informasi & S1 Teknik Informatika
Matakuliah : Sistem Pendukung Keputusan (SPK)
SKS : 5 (3 – 2)
Pertemuan ke- : 3
Jumlah Halaman : 9
Pembahasan : (ELECTRE) Studi Kasus pada aplikasi web
Pengajar : 1. Agusta Praba Ristadi Pinem, M.Kom
2. Prind Triajeng Pungkasanti, M.Kom
A. Judul Modul
Penerapan ELimination Et Choix Traduisant la Realité (ELECTRE) dalam Aplikasi
B. Kompetensi Dasar
Pada pertemuan ini akan dibahas bagaimana menerapkan algoritma ELECTRE
dengan studi kasus pada aplikasi Web.
C. Materi Modul
Merujuk pada Modul 3 dan 4. Masukan data pada modul 4 dengan melakukan
seperti pada modul 3.
D. Evaluasi
Tamplikan hasilnya pada aplikasi Web
DAFTAR PUSTAKA
[1] Kusumadewi, S., Hartati, S., Harjoko, A., dan Wardoyo, R., 2006,
Fuzzy Multi-Attribute Decision Making, Graha Ilmu, Yogyakarta.
[2] Sevkli, M., 2010, An Application of The Fuzzy ELECTRE Method For
Supplier Selection, International Journal of Production Research 48,
3393–3405.
LAMPIRAN
SURAT KONTRAK
APLIKASI Elimination Et Choix Traduisant La Realité
(ELECTRE) PADA SISTEM PENDUKUNG KEPUTUSAN
PENYUSUN
Agusta Praba Ristadi Pinem, S.Kom., M.Kom. 0618089001
Prind Triajeng Pungkasanti, S.Kom., M.Kom. 0627048303
UNIVERSITAS SEMARANG
2017