spk tanaman obat
-
Upload
hendra-savio -
Category
Documents
-
view
173 -
download
9
description
Transcript of spk tanaman obat
ABSTRAK
Pengobatan dengan menggunakan tanaman obat dinilai lebih berkhasiat sehingga banyak
diminati, karena selain alami harganya pun terjangkau bahkan ada pula yang dapat dipetik
dari kebun sendiri. Alternatif tanaman obat yang ditawarkan tentu jenis yang beragam
mengingat banyak sekali tanaman yang dapat dimanfaatkan. Akibat banyaknya pertimbangan
untuk menentukan alternatif tanaman obat, maka perlu dibuat aplikasi yang dapat melakukan
pemilihan alternatif tanaman obat seperti layaknya seorang pakar tanaman, yaitu dibuatnya
Aplikasi Sistem Pendukung Keputusan Pemilihan Alternatif Tanaman Obat Berbasis Web.
Sistem Pendukung Keputusan (SPK) secara umum didefinisikan sebagai sebuah sistem yang
mampu menghasilkan pemecahan maupun penanganan masalah. SPK tidak dimaksudkan
untuk menggantikan peran pengambil keputusan, tapi untuk membantu dan mendukung
pengambil keputusan. Metode pengembangan perangkat lunak yang digunakan adalah Linear
Sequential Model. Sistem ini mengimplementasikan metode penyelesaian Simple Additive
Weighting (SAW) dimana sistem tersebut mampu menghasilkan alternatif keputusan untuk
lebih memudahkan pengambil keputusan pemilihan alternatif tanaman obat. Kriteria bersifat
dinamis, nilai bobotnya dapat diubah sesuai kebutuhan user. Keputusan yang dihasilkan
bukan merupakan keputusan akhir, karena keputusan akhir tetap ada pada pengambil
keputusan.
I. Pendahuluan
Peralihan perhatian masyarakat mengenai cara melakukan pengobatan di Rumah Sakit
kepada obat-obatan tradisional atau tanaman obat telah menjadi pusat perhatian. Pengobatan
dengan menggunakan tanaman obat dinilai lebih berkhasiat sehingga banyak diminati karena
selain aman, harganya pun terjangkau bahkan ada pula yang dihasilkan dari kebun sendiri.
Alternatif tanaman obat yang ditawarkan tentu memiliki jenis yang beragam mengingat
banyak sekali tanaman yang dapat dimanfaatkan. Banyaknya alternatif yang ada menjadikan
masyarakat bingung dalam menentukan pilihan tanaman obat apa yang akan digunakan.
Banyaknya pertimbangan untuk menentukan alternatif tanaman obat, maka perlu dibuat
aplikasi yang dapat melakukan penentuan alternatif tanaman obat, yaitu dibuatnya Rancang
Bangun Aplikasi Sistem Pendukung Keputusan Pemilihan Alternatif Tanaman Obat berbasis
Web.
Membuat rancang bangun sistem ini tentunya akan membantu masyarakat yang kini mulai
mengenal canggihnya teknologi komputer dan internet dalam menentukan alternatif tanaman
obat, karena perancangan antarmuka yang interaktif dan mudah digunakan. Pertimbangan
terhadap alternatif pun dilakukan dengan perhitungan terhadap tiap kriteria sehingga dapat
menjadi solusi pemecahan masalah. Kriteria-kriteria yang digunakan merupakan hasil
kuisioner terhadap ahli, produsen dan konsumen tanaman obat.
II. Landasan Teori
A. Decision Support System Sistem Pendukung Keputusan atau Decision Support System secara umum didefinisikan
sebagai sebuah sistem yang mampu memberikan kamampuan pemecahan maupun
penanganan masalah dengan kondisi semi terstruktur dan tidak terstruktur dimana tak
seorangpun tahu secara pasti bagaimana keputusan itu seharusnya dibuat (Kusrini, 2007).
B. Simple Additive Weighting Metode SAW merupakan salah satu metode dari Multi-Attribute Decision Making. Metode
ini juga sering dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode
SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative pada
semua atribut (Kusumadewi, dkk, 2006). Langkah penyelesaian metode SAW :
1. Menentukan kriteria yang dijadikan acuan pengambilan keputusan.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan kriteria, kemudian melakukan normalisasi
matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh
matriks ternormalisasi R.
4. Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matriks
ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai
alternatif terbaik sebagai solusi.
C. Tanaman Obat Obat adalah bahan atau zat yang berasal dari tumbuhan, hewan, mineral atau zat kimia
tertentu yang dapat digunakan untuk mengurangi rasa sakit, memperlambat proses penyakit
dan atau penyembuhan terhadap suatu penyakit. Obat ada yang bersifat tradisional seperti
jamu, obat herbal dan ada yang telah melalui proses kimiawi atau fisika tertentu serta telah di
uji khasiatnya. Yang terakhir inilah lazim disebut sebagai obat.
Obat harus sesuai dengan dosis agar efek terapi atau khasiatnya kita dapatkan. Efek obat
umumnya timbul karena interaksi obat dengan reseptor pada sel suatu organisme. Interaksi
obat dengan reseptornya ini mencetuskan perubahan kimiawi dan fisiologi yang merupakan
respon khas untuk obat tersebut. Herbal adalah tanaman atau jamu.
Obat herbal adalah obat yang berasal dari tumbuh-tumbuhan, karena tidak memiliki efek
samping seperti pada obat-obatan kimia. Obat herbal pun sering disebut sebagai
phytomedicine atau obat botani, bahan-bahan dasar obat-obatan herbal adalah ekstrak dari
seluruh atau sebagian tanaman yang dijadikan obat. Penggunaan obat herbal telah dikenal dan
banyak digunakan sejak jaman dahulu, karena memiliki khasiat dan manfaat yang manjur
juga ampuh untuk membantu pengobatan berbagai macam penyakit (Hendrik, 2012).
III. Metodologi Metodologi yang digunakan dalam penelitian ini adalah pengembangan perangkat lunak
terstruktur, Linear Sequential Model. Aktivitas yang dilakukan diantaranya adalah sebagai
berikut:
a. System Engineering, melakukan beberapa metode pengumpulan data yaitu wawancara,
observasi dan studi pustaka.
b. System Analysis, melakukan analisis terhadap permasalahan dengan membuat bagan alir
sistem, analisis kebutuhan sistem dan kebutuhan perangkat lunak dan perangkat keras.
c. Design, desain atau perancangan yang dilakukan adalah perancangan antarmuka,
perancangan sistem yang terdiri dari pemodelan fungsional yaitu diagram konteks, Data
Flow Diagram (DFD) dan spesifikasi proses, serta pemodelan data yang terdiri dari Entity
Relationship Diagram (ERD), kamus data, Data Object Diagram (DOD) dan struktur
tabel.
d. Coding, mengimplementasikan hasil desain ke dalam kode dengan menggunakan bahasa
PHP.
e. Testing, pengujian kebenaran logik dan fungsionalitas sehingga diketahui kekurangan
program.
f. Maintenance, menangani dan merawat aplikasi sistem pendukung keputusan penentuan
tanaman kategori obat herbal yang telah selesai supaya dapat berjalan dan terhindar dari
gangguan yang menyebabkan kerusakan (Pressman, 2002).
Listing 1. Pseudocode SAW
Function max_a (input/output T:TabInteger)
Kamus
l,k,lmax,temp : integer
Algoritma
for l 5 downto 2 do lmax 1 for k 1 to (l-1) do
if (T[k] > T[lmax]) then lmax k
endif endfor Temp T[l] Temp[l] T[lmax] T[lmax] temp
endfor
Algoritma SAW
Kamus
matrix : array[1..3] [1..5] of real
TabInt : array [1..nMax] of real
v : array [1..3] of real
b,c,d,e,f,h,i,j,k,l,m,n,o,p,q,r,u,w,x,A,S,G : real
t : matrix
Algoritma
read(b,c,d,e,f,h,i,j,k,l,n,o,p,q,r)
matrix[1][1] b matrix[2][1] c matrix[3][1] d matrix[4][1] e matrix[5][1] f matrix[1][2] h matrix[2][2] i matrix[3][2] j matrix[4][2] k matrix[5][2] l matrix[1][3] n matrix[2][3] o matrix[3][3] p matrix[4][3] q matrix[5][3] r
read (t) A max_a(t,TabInt) write (A) S max_a(t,TabInt) write (S) G max_a(t,TabInt) write (G)
matrix[1][1] t[1][1] / A matrix[2][1] t[2][1] / A matrix[3][1] t[3][1] / A matrix[4][1] t[4][1] / A matrix[5][1] t[5][1] / A matrix[1][2] t[1][2] / S matrix[2][2] t[2][2] / S matrix[3][2] t[3][2] / S matrix[4][2] t[4][2] / S matrix[5][2] t[5][2] / S matrix[1][3] t[1][3] / G
matrix[2][3] t[2][3] / G
matrix[3][3] t[3][3] / G matrix[4][3] t[4][3] / G matrix[5][3] t[5][3] / G
read (u,w,x)
V[1] 0 V[2] 0 V[3] 0
for m 1 to 5 do V[1] u * matrix[m][1] + V[0]
V[2] w * matrix[m][2] + V[1]
V[3] x * matrix[m][3] + V[2]
m m+1
endfor
writeln (V[0], V[1], V[2])
A. DFD
1. DFD level konteks
Gambar 1. DFD Level Konteks
2. DFD level 1 admin
Gambar 2. DFD level 1
3. DFD level 1 user
Gambar 3. DFD level 1
B. ERD
Gambar 6. ER-Diagram
IV. Hasil dan Pembahasan
A. Implementasi
1. Form Maintenance Tanaman
Gambar 10. Form Maintenance Tanaman
2. Form Maintenance Penyakit
Gambar 11. Form Maintenance Penyakit
3. Form Kriteria
Gambar 12. Form Kriteria
4. Form Alternatif
Gambar 13. Form Alternatif
5. Form Penilaian
Gambar 14. Form Penilaian
6. Form Hasil Penilaian
Gambar 15. Form Hasil Penilaian
Rating Kepentingan Keterangan
1 Sangat Rendah
2 Rendah
3 Cukup
4 Tinggi
5 Sangat Tinggi
Rating Kecocokan Keterangan
1 Sangat Buruk
2 Buruk
3 Cukup
4 Baik
5 Sangat Baik
Efek
Samping
Harga Khasiat Penyediaan
Barang
Rasa
A1 Tidak
Penting
Mahal Efektif Cukup
Mudah
Sangat
Enak
A2 Kurang
Penting
Cukup
Murah
Cukup
Efektif
Cukup
Mudah
Kurang
Enak
A3 Cukup
Penting
Murah Cukup
Efektif
Sangat
Mudah
Enak
B. Pengujian
a. Kriteria yang ada merupakan hasil kuesioner, metode SAW memberikan nilai rating
kepentingan kriteria, sebagai berikut:
Tabel 1. Rating Kepentingan Kriteria
Hasil dari input data kriteria pada Gambar 12. akan didapat nilai bobot preferensi (W)
sebagai berikut:
W = (5, 3, 4, 1, 2) Bobot preferensi ini dapat diubah nilainya sesuai kebutuhan pengguna. Misalnya, menurut
pengguna harga lebih diutamakan dalam pemilihan alternatif tanaman obat nantinya, maka
pengguna dapat mengubah nilai sesuai kebutuhan.
b. Pengguna memilih nama penyakit yang dikehendaki, kemudian muncul form penilaian
yang merupakan rating kecocokan alternatif terhadap kriteria dalam Metode SAW, sebagai
berikut:
Tabel 2. Rating Kecocokan alternatif Terhadap Kriteria
c. Berikut merupakan contoh tabel penilaian alternatif tanaman obat untuk pusing
berdasarkan Gambar 14. :
Tabel 3. Contoh Penilaian Alternatif Tanaman Obat
Efek
Samping
Harga Khasiat Penyediaan
Barang
Rasa
1 2 4 3 5
2 3 3 3 2
3 4 3 5 4
Untuk memudahkan pengguna dalam menilai alternatif tanaman obat, nilai rating kecocokan
diubah menjadi bentuk kata/kalimat yang disesuaikan dengan kriteria, keterangannya seperti
pada tabel 4 dibawah ini:
Tabel 4. Rating Kecocokan yang telah diubah
d. Hasil penilaian dari form penilaian gambar 14. memberikan bentuk matriks keputusan
seperti pada tabel berikut:
Tabel 5. Matriks Keputusan
Efek Samping Harga Khasiat Penyediaan
Barang
Rasa
A1 0,333333333333 0,5 1 0,6 1
A2 0,666666666667 0,75 0,75 0,6 0,4
A3 1 1 0,75 1 0,8
e. Setelah mendapatkan matriks keputusan, selanjutnya membuat matriks ternormalisasi (R)
dengan melakukan perhitungan sebagai berikut:
r 11 =
r 12 =
r 22 =
r 23 =
r 31 =
r 35 =
Seterusnya sehingga hasil dari seluruh perhitungan tersebut diperoleh matriks ternormalisasi
(R) seperti dalam tabel 6 berikut:
Tabel 6. Matriks Ternormalisasi
Setelah menghitung R dalam bentuk matriks ternormalisasi, hasil akhir diperoleh dari proses
perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot
sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik sebagai solusi
berdasarkan persamaan berikut :
V1 = (5)(0,3333)+(3)(0,5)+(4)(1)+(1)(0,6)+(2)(1)
= 9,766666666665
V2 = (5)(0,6667)+(3)(0,75)+(4)(0,75)+(1)(0,6)+(2)(0,4)
= 9,983333333333
V3 = (5)(1)+(3)(1)+(4)(0,75)+(1)(1)+(2)( 0,8)
= 13,6
Hasilnya kita bandingkan dengan Aplikasi Sistem Pendukung Keputusan Pemilihan
Alternatif Tanaman Obat berikut:
Gambar 16. Form Hasil Penilaian
Berdasarkan penilaian yang telah dilakukan, alternatif tanaman obat terbaik untuk pusing
adalah pisang dengan nilai 13,8.
V. Kelebihan dan Kekurangan
Hasil penelitian yang dilakukan, aplikasi sistem pendukung keputusan pemilihan alternatif
tanaman obat ini memiliki kelebihan sebagai beikut:
a. Data alternatif bersifat dinamis, alternatif tanaman obat dapat diubah pada form penyakit.
b. Kriteria bersifat dinamis, nilai bobotnya dapat diubah sesuai kebutuhan user.
c. Nilai bobot disimpan dalam database, sehingga tidak perlu menentukan prioritas untuk
penilaiannya saat program dijalankan ulang.
d. Memiliki kemampuan untuk mengukur kinerja relatif dan alternatif-alternatif keputusan
dalam bentuk matematis sederhana.
e. Alternatif tanaman obat yang disajikan merupakan hasil kuesioner sehingga datanya dapat
dipercaya.
Sedangkan kekurangan yang dimiliki oleh aplikasi sistem pendukung keputusan pemilihan
alternatif tanaman obat adalah sebagai berikut:
a. Pengguna minimal mengetahui baik sistem pendukung keputusan maupun metode SAW
agar saat menggunakannya tidak terjadi kebingungan.
b. Sistem pendukung keputusan pemilihan alternatif tanaman obat belum menampilkan detil
penyakit
VI. Kesimpulan dan Saran
A. Kesimpulan Berdasarkan hasil pembahasan dan implementasi dalam penelitian ini, maka didapat
kesimpulan sebagai berikut:
1. Sulitnya masyarakat dalam menentukan tanaman obat yang dapat dijadikan alternatif
penyembuhan terhadap suatu penyakit dapat dibantu dengan adanya rancang bangun
aplikasi sistem pendukung keputusan pemilihan alternatif tanaman obat berbasis web
2. Aplikasi yang dibuat mengimplementasikan metode Simple Additive Weighting (SAW)
juga menggunakan metode pengambangan perangkat lunak sequential linear model.
B. Saran Saran untuk pengembangan aplikasi sistem pendukung keputusan pemilihan alternatif
tanaman obat ini selanjutnya adalah:
a. Aplikasi sistem pendukung keputusan pemilihan alternatif tanaman obat belum
menampilkan gambar tanaman obat
b. Aplikasi sistem pendukung keputusan pemilihan alternatif tanaman obat belum
menampilkan detil penyakit
c. Data alternatif tanaman obat harus didiskusikan terlebih dahulu pada pakar atau setidaknya
menggunakan kuesioner
DAFTAR PUSTAKA
AS, Rossa & Shalahuddin, M. 2011. Modul Pembelajaran: Rekayasa Perangkat Lunak.
Bandung: Penerbit Modula.
Asosiasi Herbalis Nusantara. 2010. Herbalis Nusantara.
http://www.herbalisnusantara.co.id. Diakses pada tanggal 11 Agustus 2012
Kadir, Abdul. 2011. Buku Pintar JQuery dan PHP. Yogyakarta: Mediakom.
Kusumadewi, Sri. Hartati, Sri. Harjoko, Agus & Wardoyo, Retantyo. 2006. Fuzzy Multi-
Atribute Decision Making (Fuzzy MADM). Yogyakarta: Graha Ilmu.
Naga, Sholeh S. 2012. Buku Lengkap Ilmu Penyakit Dalam. Jakarta: DIVA
Rudholpi. 2005. Pencarian bobot atribut pada Multi-Attribute Decision Making dengan
pendekatan objektif menggunakan algoritma genetika.
http://cicie.files. wordpress. com/2008/06/sri-kusumadewi-jurnal-genetika.pdf. Diakses pada
tangga 20 Agustus 2012
Suparyanto, Dr. M.Kes. 2000. Merancang Kuesioner Penelitian. Yogyakarta: Andi
Suryadi, Kadarsah, Dr. Ir., M,Ali Ramdhani, M.T. 1998. Sistem Pendukung Keputusan.
Bandung: PT Remaja Rosdakarya
Turban, Efraim. Aronson, E Jay. Peng Liang-Ting. 2007. Decicion Support Systems and
Intelligent Systems: Seventh Edition. India: Prentice-Hall