Perancangan Sistem Pendukung Keputusan untuk Menentukan Obat Herbal Berdasarkan Penyakit Menggunakan Logika Fuzzy Metode Tsukamoto

(1)

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK

MENENTUKAN OBAT HERBAL BERDASARKAN PENYAKIT

MENGGUNAKAN LOGIKA FUZZY

METODE TSUKAMOTO

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar

Sarjana Komputer

ARIES FATAHILLAH

091421059

PROGRAM STUDI S1 EKSTENSI ILMU KOMPUTER

DEPARTEMEN ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2012

(2)

PERSETUJUAN

Judul : PERANCANGAN SISTEM PENDUKUNG

KEPUTUSAN UNTUK MENENTUKAN OBAT HERBAL BERDASARKAN PENYAKIT MENGGUNAKAN LOGIKA FUZZY METODE TSUKAMOTO

Kategori : SKRIPSI

Nama : ARIES FATAHILLAH

Nomor Induk Mahasiswa : 091421059

Program Studi : S1 EKSTENSI ILMU KOMPUTER

Departemen : ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Ade Candra, S.T, M.Kom Drs. Marihat Situmorang, M.Kom NIP. 197909042009121002 NIP. 196312141989031001

Diketahui/Disetujui oleh

Departemen Ilmu Komputer FASILKOM USU Ketua

Dr. Poltak Sihombing, M.Kom NIP. 19620317199102100

(3)

PERNYATAAN

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN OBAT HERBAL BERDASARKAN PENYAKIT

MENGGUNAKAN LOGIKA FUZZY METODE TSUKAMOTO

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan,

ARIES FATAHILLAH NIM. 091421059

(4)

PENGHARGAAN

Alhamdulillahirobbil’alamin penulis ucapkan kepada Sang Khaliq Allah SWT yang telah melimpahkan rahmat dan karunia-Nya sehingga skripsi ini berhasil diselesaikan dalam waktu yang telah ditetapkan.

Skripsi ini merupakan salah satu syarat yang wajib diselesaikan guna meraih gelar Sarjana Komputer pada program studi Ekstensi S1 Ilmu Komputer Universitas Sumatera Utara. Adapun judul yang diangkat penulis dalam skripsi ini adalah perancangan sistem pendukung keputusan untuk menentukan obat herbal berdasarkan penyakit dengan menggunakan logika fuzzy metode tsukamoto. Tidak dapat dipungkiri bahwa dalam penyelesaian skripsi ini tidak luput dari campur tangan banyak pihak yang telah memberikan bantuan dan motivasi penulis. Maka, dalam kesempatan ini, penulis mengucapkan terima kasih kepada:

1. Bapak Drs. Marihat Situmorang, M.Kom dan Bapak Ade candra, S.T, M.Kom, selaku dosen pembimbing yang telah memberikan panduan dan penuh kepercayaan kepada penulis untuk meyelesaikan skripsi ini.

2. Bapak Syahril Efendi, S.Si, MIT selaku dosen penguji beserta Ibu Maya Silvi Lydia, B.Sc., M.Sc., yang telah memberikan panduan ringkas, padat dan profesional kepada penulis guna menyempurnakan skripsi ini.

3. Keluarga tercinta, Ayahanda Nazlan S. Lubis, Ibunda Farida, serta abangda Arief F. Lubis dan adinda tercinta Arifin F. Lubis dan Dahlina Lubis yang selalu memberikan doa, dukungan, perhatian, kasih sayang yang tulus, pengorbanan yang tidak ternilai harganya serta dukungan moril maupun materil selama kehidupan penulis.

(5)

4. Sahabat-sahabat terbaik, Chandra P. Tarigan dan Adrian F. Batubara yang selama ini telah berbagi doa, semangat, suka maupun duka dengan penulis, serta sahabat-sahabat lain yang membantu penulis dalam menyelesaikan skripsi ini yang tidak dapat disebutkan satu per satu.

5. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini. Semoga Allah SWT memberikan limpahan karunia kepada semua pihak yang telah memberikan bantuan, perhatian serta kerja samanya kepada penulis dalam menyelesaikan skripsi ini.

Penulis menyadari bahwa dalam skripsi ini masih jauh dari sempurna. Untuk itu penulis sangat mengharapkan kritik dan saran yang membangun guna penyempurnaan di masa yang mendatang.

Akhirnya penulis berharap semoga skripsi ini dapat bermanfaat bagi pribadi penulis, keluarga, masyarakat, organisasi dan negara.

Medan, Februari 2012

(6)

ABSTRAK

Sistem Pendukung Keputusan (SPK) adalah sistem yang dapat membantu seseorang dalam mengambil keputusan yang akurat dan tepat sasaran. Banyak permasalahan yang dapat diselesaikan dengan menggunakan SPK, salah satunya adalah pemilihan obat herbal. Obat herbal atau bisa juga disebut dengan obat tradisional merupakan obat yang berasal dari tumbuhan yang dalam prosesnya tidak menggunakan zat kimia, sehingga aman untuk dikonsumsi. Ada beberapa metode yang dapat digunakan dalam membangun SPK diantaranya metode tsukamoto. Fuzzy tsukamoto digunakan sebagai

model yang diterapkan untuk menghitung nilai α–predikat dan menghasilkan nilai bobot akhir untuk setiap alternatif yang kemudian akan dibandingkan terhadap standar ketetapan yang telah ditentukan sebelumnya. Hasil akhir dalam penelitian ini adalah penentuan obat herbal yang telah disesuaikan dengan kondisi penyakit penderita. Penentuan tersebut didapat dari proses pengurutan nilai gizi terbaik hasil perhitungan dengan menggunakan fuzzy tsukamoto.

Kata Kunci : Sistem pendukung keputusan, logika fuzzy, metode tsukamoto, pemilihan obat herbal berdasarkan penyakit.

(7)

DESIGN DECISION SUPPORT SYSTEM FOR DETERMINING THE HERBAL MEDICINE BY DISEASE USING TSUKAMOTO METHODS

OF FUZZY LOGIC

ABSTRACT

Decision Support System (DSS) is a system that can assist someone in taking accurate decisions and on target. Many problems can be solved by using the DSS, one of which is a selection of herbal medicines. Herbal medicine or it could be called traditional medicine is a drug derived from plants are in the process does not use chemicals, so it is safe for consumption. There are several methods that can be used in building a DSS such as Tsukamoto method. Tsukamoto Fuzzy used as a model applied to calculate the value of α-predicate and the final weight value for each alternative will then be compared against a standard provision that had been predetermined. The final results in this study is the determination of herbal medicine that has been adapted to the conditions of patient illness. Determination is obtained from the sequencing of the best nutritional value calculated by using the Tsukamoto fuzzy.

Keywords: decision support systems, fuzzy logic, methods of Tsukamoto, herbal medicine selection based on the disease.

(8)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak vi

Abstract vii

Daftar Isi viii

Daftar Tabel xi

Daftar Gambar xii

Bab 1 Pendahuluan 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Batasan Masalah 3

1.4 Tujuan Penelitian 4

1.5 Manfaat Penelitian 4

1.6 Metode Penelitian 4

1.7 Sistematika Penulisan 5

Bab 2 Landasan Teori 7

2.1 Sistem Pendukung Keputusan 7

2.1.1 Pengertian Sistem Pendukung Keputusan 7 2.1.2 Konsep Dasar Sistem Pendukung Keputusan 8

2.1.3 Konsep Pengambilan Keputusan 8

2.1.3.1 Pengertian Keputusan 8

2.1.3.2 Pengertian Pengambilan Keputusan 9 2.1.4 Fase-fase Proses Pengambilan Keputusan 10

2.1.4.1 Fase Intelegensi 11

2.1.4.1.1 Identifikasi Masalah (Peluang) 11

2.1.4.1.2 Klasifikasi Masalah 12

(9)

2.1.4.2 Fase Desain 13 2.1.4.2.1 Memilih Sebuah Prinsip Pilihan 13 2.1.4.2.2 Mengembangkan Alternatif-alternatif 13

2.1.4.2.3 Mengukur Hasil Akhir 13

2.1.4.3 Fase Pilihan 14

2.1.4.4 Fase Implementasi 15

2.1.5 Karakteristik dan Kemampuan SPK 15

2.1.6 Keuntungan Sistem Pendukung Keputusan 17 2.1.7 Komponen Sistem Pendukung Keputusan 17

2.2 Logika Fuzzy 18

2.2.1 Pengertian Logika Fuzzy 18

2.2.2 Himpunan Fuzzy 19

2.2.3 Fungsi Keanggotaan 20

2.2.4 Sistem Inferensi Fuzzy 20

2.2.5 Metode Tsukamoto 21

2.2.5.1 Penentuan Nilai Gizi 22

Bab 3 Analisis dan Perancangan Sistem 24

3.1 Analisis 24

3.1.1Analisis Kebutuhan Fungsional dan Non-Fungsional 24

3.1.2 Pemodelan 26

3.1.2.1 Model Data 26

3.1.2.1.1 Basis Data (Database) 26

3.1.2.1.1.1 Tabel admin 26

3.1.2.1.1.2 Tabel contact 27

3.1.2.1.1.3 Tabel galery 27

3.1.2.1.1.4 Tabel asupan_gizi 28 3.1.2.1.1.5 Tabel kriteria_penyakit 28 3.1.2.1.1.6 Tabel penyakit 29

3.1.2.1.1.7 Tabel tamu 30

3.1.2.1.1.8 Tabel user 30

3.1.2.1.2 Entity Relationship Diagram (ERD) 32

(10)

3.1.2.2.1 Data Flow Diagram (DFD) 36

3.1.2.3 Flowchart Sistem 39

3.2 Perancangan Antarmuka (interface) 42

3.2.1 Rancangan Tampilan Halaman Utama 42

3.2.2 Rancangan Tampilan Konsultasi 43

3.2.3 Rancangan Tampilan Guest Book 43

3.2.4 Rancangan Tampilan Contact Us 44

3.2.5 Rancangan Tampilan Admin 44

Bab 4 Implementasi dan Pengujian 45

4.1 Implementasi 45

4.2 Persiapan Teknis 45

4.3 Tampilan Sistem Pendukung Keputusan 46

4.3.1 Menu Utama 46

4.3.2 Tampilan Halaman Konsultasi 48

4.3.3 Tampilan Halaman Guest Book dan Contact Us 49

4.3.4 Menu Admin 50

4.4 Pengujian 51

4.4.1 Penentuan Status Gizi 51

4.4.2. Penentuan Angka Kecukupan Gizi (AKG) 52

4.4.3 Penentuan Kondisi Penyakit 53

4.4.4 Hasil 53

Bab 5 Kesimpulan dan Saran 55

5.1 Kesimpulan 55

(11)

DAFTAR TABEL

Halaman

2.1 Rumus Angka Kecukupan Gizi (AKG) 22

2.2 Rumus Basal Metabolic Rate (BMR) 23

2.3 Kebutuhan Energi 23

3.1 Admin 26

3.2 Contact 27

3.3 Galery 27

3.4 Asupan_gizi 28

3.5 Kriteria_penyakit 28

3.6 Penyakit 29

3.7 Daftar Penyakit dan Obat 29

3.8 Tamu 30

3.9 User 30

3.10 Interval Nilai Kategori Penyakit (Lanjut Usia) 31

3.11 Interval Nilai Kategori Penyakit (Dewasa) 31

3.12 Interval Nilai Kategori Penyakit (Anak-Anak) 31

3.13 Interval Nilai Kategori Penyakit (Remaja) 31

(12)

DAFTAR GAMBAR

Halaman

2.1 Pengambilan Keputusan / Proses Pemodelan SPK 10

2.2 Model Konseptual SPK 18

3.1 Struktur Hierarki Tiap Kriteria 33

3.2 DFD level 0 (Diagram Konteks) 37

3.3 DFD level 1 37

3.4 DFD level 2 (Login dan Konsultasi) 38

3.5 Flowchart Perhitungan a-predikat 39

3.6 Flowchart Perhitungan Nilai Rata-Rata Terbobot 40 3.7 Flowchart Penentuan Kategori Penyakit dan Penentuan Obat 41

3.8 Rancangan Halaman Utama 42

3.9 Rancangan Halaman Konsultasi 43

3.10 Rancangan Halaman Guest Book 43

3.11 Rancangan Halaman Contact Us 44

3.12 Rancangan Halaman Admin 44

4.1 Tampilan Halaman Utama 47

4.2 Tampilan Form Konsultasi 48

4.3 Tampilan Form Guest Book 49

4.4 Tampilan Form Contact Us 49

4.5 Tampilan Halaman Admin 50

4.6 Registrasi 51

4.7 Status Gizi 52

4.8 Angka Kecukupan Gizi 52

4.9 Kondisi Penyakit 53

(13)

ABSTRAK

Kata Kunci : Sistem pendukung keputusan, logika fuzzy, metode tsukamoto, pemilihan obat herbal berdasarkan penyakit.

(14)

DESIGN DECISION SUPPORT SYSTEM FOR DETERMINING THE HERBAL MEDICINE BY DISEASE USING TSUKAMOTO METHODS

OF FUZZY LOGIC

ABSTRACT

Keywords: decision support systems, fuzzy logic, methods of Tsukamoto, herbal medicine selection based on the disease.

(15)

BAB 1

PENDAHULUAN

1.1. Latar Belakang

Penyakit merupakan suatu masalah yang mengganggu aktifitas kita sehari-hari. Ketika kita mengidap suatu penyakit, terkadang kita takut untuk mengkonsumsi obat-obatan kimia dikarenakan selain pemakaiannya harus sesuai dengan dosis yang telah dianjurkan, juga memiliki efek samping. Sehingga, banyak orang beralih ke obat-obatan herbal. Obat herbal selain mudah didapat dan harganya lebih terjangkau dari obat-obatan kimia, obat herbal tidak memiliki efek samping sehingga aman untuk dikonsumsi.

Obat herbal atau bisa juga disebut dengan obat tradisional adalah obat yang berasal dari tumbuhan yang diproses sedemikian rupa sehingga menjadi serbuk, pil atau cairan yang dalam prosesnya tidak menggunakan zat kimia. Bagian dari obat herbal yang bisa dimanfaatkan adalah akar, rimpang, batang, buah, daun dan bunga. Bentuk obat herbal yang banyak dijual dipasar dalam bentuk kapsul, serbuk, cair dan tablet.

Keputusan merupakan kegiatan memilih suatu strategi atau tindakan dalam pemecahan suatu masalah. Dalam kehidupan sehari-hari manusia selalu dihadapkan pada permasalahan dalam pengambilan suatu keputusan. Hal ini disebabkan oleh keadaan yang mungkin dialami oleh pengambil keputusan ketika mengambil suatu keputusan.

1. Pengambilan keputusan dalam kepastian, semua alternatif solusi masalah diketahui secara pasti.

(16)

2. Pengambilan keputusan dalam berbagai tingkat risiko yang dipilih.

3. Pengambilan keputusan dalam kondisi ketidakpastian, ada alternatif solusi masalah yang tidak diketahui dengan jelas.

Untuk mengantisipasi permasalahan dalam pengambilan keputusan, diperlukan suatu sistem yang mendukung solusi atas suatu masalah secara efektif dan efesien. Sistem tersebut disebut dengan Sistem Pendukung Keputusan.

Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Dalam logika fuzzy, nilai kebenaran suatu pernyataan berkisar dari sepenuhnya benar sampai dengan sepenuhnya salah. Dengan teori himpunan fuzzy, suatu objek dapat menjadi anggota dari banyak himpunan dengan derajat keanggotaan yang berbeda dalam masing-masing himpunan.

Fuzzy tsukamoto digunakan sebagai model yang diterapkan untuk menghitung

nilai α–predikat dan menghasilkan nilai bobot akhir untuk setiap alternatif yang

kemudian akan dibandingkan terhadap standar ketetapan yang telah ditentukan sebelumnya. metode tsukamoto merupakan suatu bentuk model pendukung keputusan dimana hirarki fungsional lebih mudah dimengerti dan tidak terlalu luas. Sehingga, penjabaran sistem tidak menyulitkan penulis dalam menerapkan metode.

Rahayu, F (2011) pada skripsinya yang berjudul perancangan sistem pendukung keputusan pendataan rumah tangga miskin dengan menggunakan logika fuzzy metode tsukamoto menyatakan dalam menentukan kategori rumah tangga miskin mempunyai banyak kriteria dan sifatnya pasti dan tidak pasti. Logika fuzzy metode tsukamoto bisa digunakan untuk menyelesaikan permasalahan multikriteria. Sistem akan memperoses kriteria-kriteria rumah tangga miskin yang dimasukkan oleh pengguna dan kemudian dihasilkanlah kategori dari rumah tangga sipengguna.

Tampubolon, M. V (2010) dalam skripsinya tentang sistem pendukung keputusan untuk penegakan diagnosis penyakit Diabetes Mellitus menggunakan logika fuzzy metode sugeno menyatakan bahwa sistem yang dia bangun dapat memudahkan tenaga

(17)

medis. Sistem yang dibangun bekerja dengan memasukkan data pemeriksaan untuk diproses sampai menghasilkan suatu keputusan.

Berdasarkan latar belakang diatas, maka penulis berinisiatif untuk membuat sebuah sistem pendukung keputusan untuk menentukan obat herbal berdasarkan penyakit menggunakan logika fuzzy metode tsukamoto, guna menjawab masalah diatas.

1.2. Rumusan Masalah

Rumusan masalah yang dikaji dalam penelitian ini :

1. Bagaimana menerapkan proses logika fuzzy metode tsukamoto kedalam sistem terkomputerisasi.

2. Bagaimana membangun sebuah sistem yang bisa membantu pengguna dalam memilih obat herbal berdasarkan penyakit yang diderita.

3. Bagaimana menentukan bobot nilai hasil proses yang sesuai untuk dibandingkan dengan standar nilai yang telah ditentukan.

1.3. Batasan Masalah

Pembatasan masalah dalam suatu penelitian sangat diperlukan agar tidak menyimpang dari apa yang diinginkan, penelitian lebih terarah, serta memudahkan dalam pembahasan sehingga tujuan penelitian dapat tercapai.

Batasan-batasan masalah dalam penelitian ini adalah:

1. Hasil sistem hanya merupakan penginformasian untuk membantu pengguna dalam mengambil suatu keputusan.

2. Sistem menggunakan metode fuzzy tsukamoto sebagai penjawab keraguan/ketidakpastian yang dihadapi manusia.

3. Jenis penyakit yang akan ditanggulangi oleh sistem hanyalah penyakit pada sistem pencernaan, penglihatan, lambung dan organ mulut.

(18)

4. Obat herbal yang direkomendasikan oleh sistem hanya berasal dari buah-buahan.

5. Perangkat lunak dijalankan pada Platform Windows.

6. Pembuatan perangkat lunak ini menggunakan bahasa pemrograman PHP dan MySQL.

1.4. Tujuan Penelitian

Penelitian yang dilakukan ini bertujuan untuk :

Membangun sebuah sistem menggunakan logika fuzzy metode tsukamoto yang bisa membantu pengguna dalam memilih obat herbal berdasarkan penyakit yang diderita dengan membandingkan bobot nilai hasil proses dengan standar nilai yang telah ditentukan untuk menetapkan obat herbal yang sesuai dengan penyakit.

1.5. Manfaat Penelitian

Sistem Pendukung Keputusan ini diharapkan dapat :

1. Membantu pengguna untuk mengambil keputusan dalam pemilihan obat. 2. Memberikan informasi sebagai penanggulangan penyakit yang diderita.

1.6. Metode Penelitian

Metode-metode penelitian yang dilakukan pada penelitian ini, antara lain:

1. Studi Literatur

Mempelajari referensi atau sumber-sumber yang berkaitan dengan sistem yang akan dibangun.

(19)

2. Analisis

a) Tipe penyakit yang sering diderita pengguna. b) Obat herbal yang sesuai dengan penyakit. c) Kesesuaian penggunaan obat dengan penyakit.

3. Perancangan Sistem

Pada tahap ini dilakukan perancangan alur kerja sistem pendukung keputusan.

4. Implementasi

Mengimplementasikan rancangan yang telah dibuat pada tahap perancangan sistem ke dalam perangkat lunak komputer dengan menggunakan bahasa pemrograman PHP, MySQL dan HTML.

5. Pengujian

Menguji kinerja program, apakah program berjalan dengan baik atau belum. Jika belum, maka akan dilakukan perbaikan pada tahap implementasi.

6. Dokumentasi

Pada tahap ini penulis melakukan penulisan hasil sistem yang telah dibangun kedalam sebuah laporan.

1.7. Sistematika Penulisan

Sistematika penulisan skripsi ini dibagi dalam lima bab, masing-masing bab diuraikan sebagai berikut:

BAB I PENDAHULUAN

Pada bab ini dijelaskan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, metodologi penelitian, dan sistematika penulisan skripsi. Dari uraian tersebut diharapkan gambaran umum permasalahan dan pemecahan yang diambil dapat dipahami dengan baik.

(20)

BAB II LANDASAN TEORI

Bab ini berisi tentang uraian singkat mengenai teori-teori yang digunakan dalam pembuatan sistem pendukung keputusan.

BAB III ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisikan uraian dan penjelasan mengenai analisis dan perancangan sistem dalam melakukan proses pemilihan keputusan dengan menggunakan logika fuzzy metode tsukamoto.

BAB IV IMPLEMENTASI DAN PENGUJIAN

Bab ini membahas tentang implementasi dan pengujian dari perancangan sistem pendukung keputusan yang telah dirancang pada bab sebelumnya.

BAB V KESIMPULAN DAN SARAN

Bab ini berisikan kesimpulan yang diambil dari pengerjaan skripsi dan juga berisi saran untuk pengembangan sistem selanjutnya.

(21)

BAB 2

LANDASAN TEORI

2.1. Sistem Pendukung Keputusan

2.1.1. Pengertian Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (SPK), secara umum didefinisikan sebagai sebuah sistem yang mampu memberikan kemampuan baik kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah semi-terstruktur. Secara khusus, SPK didefinisikan sebagai sebuah sistem yang mendukung kerja seorang manajer maupun sekelompok manajer dalam memecahkan masalah semi-terstruktur dengan cara memberikan informasi ataupun usulan menuju pada keputusan tertentu [2].

Pembuatan keputusan merupakan fungsi utama seorang manajer atau administrator. Kegiatan pembuatan keputusan meliputi pengidentifikasian masalah, pencarian alternatif penyelesaian masalah, evaluasi dari alternatif-alternatif tersebut dan pemilihan alternatif keputusan yang terbaik. Kemampuan seorang manajer dalam membuat keputusan dapat ditingkatkan apabila ia mengetahui dan menguasai teori dan teknik pembuatan keputusan. Dengan peningkatan kemampuan manajer dalam pembuatan keputusan diharapkan dapat ditingkatkan kualitas keputusan yang dibuatnya, dan hal ini tentu akan meningkatkan efisiensi kerja manajer yang bersangkutan.

(22)

2.1.2. Konsep Dasar Sistem Pendukung Keputusan

Pada awalnya Turban dan Aronson [12], mendefinisikan sistem penunjang keputusan (Decision Support Systems – DSS) sebagai sistem yang digunakan untuk mendukung dan membantu pihak manajemen melakukan pengambilan keputusan pada kondisi semi terstruktur dan tidak terstruktur. Pada dasarnya konsep DSS hanyalah sebatas pada kegiatan membantu para manajer melakukan penilaian serta menggantikan posisi dan peran manajer.

Konsep DSS pertama kali diperkenalkan pada awal tahun 1970-an oleh Michael Scott Morton, yang selanjutnya dikenal dengan istilah “Management Decision System”. Konsep DSS merupakan sebuah sistem interaktif berbasis komputer yang membantu pembuatan keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang bersifat tidak terstruktur dan semi terstruktur. DSS dirancang untuk menunjang seluruh tahapan pembuatan keputusan, yang dimulai dari tahapan mengidentifikasi masalah, memilih data yang relevan, menentukan pendekatan yang digunakan dalam proses pembuatan keputusan sampai pada kegiatan mengevaluasi pemilihan alternatif.

2.1.3. Konsep Pengambilan Keputusan 2.1.3.1. Pengertian Keputusan

Beberapa definisi keputusan yang dikemukakan para ahli dijelaskan sebagai berikut [1] :

1. Menurut Ralph C. Davis

Keputusan adalah hasil pemecahan masalah yang dihadapinya dengan tegas. Suatu keputusan merupakan jawaban yang pasti terhadap suatu pertanyaan. Keputusan harus dapat menjawab pertanyaan tentang apa yang dibicarakan dalam hubungannya dengan perencanaan. Keputusan dapat pula berupa tindakan terhadap pelaksanaan yang sangat menyimpang dari rencana semula.

(23)

2. Menurut Mary Follet

Keputusan adalah suatu atau sebagai hukum situasi. Apabila semua fakta dari situasi itu dapat diperolehnya dan semua yang terlibat, baik pengawas maupun pelaksana mau mentaati hukumnya atau ketentuannya, maka tidak sama dengan mentaati perintah. Wewenang tinggal dijalankan, tetapi itu merupakan wewenang dari hukum situasi.

3. Menurut James A.F.Stoner

Keputusan adalah pemilihan diantara alternatif-alternatif. Definisi ini mengandung tiga pengertian, yaitu:

a) Ada pilihan atas dasar logika atau pertimbangan.

b) Ada beberapa alternatif yang harus dan dipilih salah satu yang terbaik.

c) Ada tujuan yang ingin dicapai, dan keputusan itu makin mendekatkan pada tujuan tertentu.

4. Menurut Prof. Dr. Prajudi Atmosudirjo, SH

Keputusan adalah suatu pengakhiran daripada proses pemikiran tentang suatu masalah atau problema untuk menjawab pertanyaan apa yang harus diperbuat guna mengatasi masalah tersebut, dengan menjatuhkan pilihan pada suatu alternatif.

Dari pengertian-pengertian keputusan diatas, dapat ditarik suatu kesimpulan bahwa keputusan merupakan suatu pemecahan masalah sebagai suatu hukum situasi yag dilakukan melalui pemilihan satu alternatif dari beberapa alternatif.

2.1.3.2. Pengertian Pengambilan Keputusan

Beberapa definisi pengambilan keputusan yang dikemukakan para ahli dijelaskan sebagai berikut [1] :

1. Menurut George R. Terry

Pengambilan keputusan adalah pemilihan alternatif perilaku (kelakuan) tertentu dari dua atau lebih alternatif yang ada.

(24)

2. Menurut S.P. Siagian

Pengambilan keputusan adalah suatu pendekatan yang sistematis terhadap hakikat alternatif yang dihadapi dan mengambil tindakan yang menurut perhitungan merupakan tindakan yang paling tepat.

3. Menurut James A.F. Stoner

Pengambilan keputusan adalah proses yang digunakan untuk memilih suatu tindakan sebagai cara pemecahan masalah.

Dari pengertian-pengertian pengambilan keputusan diatas, dapat disimpulkan bahwa pengambilan keputusan merupakan suatu proses pemilihan alternatif terbaik dari beberapa alternatif secara sistematis untuk ditindaklanjuti (digunakan) sebagai suatu cara pemecahan masalah

2.1.4. Fase-Fase Proses Pengambilan Keputusan

proses pengambilan keputusan meliputi tiga fase utama yaitu inteligensi, desain, dan kriteria. Kemudian ditambahkan fase keempat yakni implementasi [12]. Gambaran konseptual pengambilan keputusan dapat dilihat pada gambar 2.1.

Gambar 2.1. Pengambilan Keputusan / Proses Pemodelan SPK Sumber: (Turban, 2005).

(25)

Proses pengambilan keputusan dimulai dari fase inteligensi. Realitas diuji, dan masalah diidentifikasi dan ditentukan. Kepemilikan masalah juga ditetapkan. Selanjutnya pada fase desain akan dikonstruksi sebuah model yang merepresentasikan sistem. Hal ini dilakukan dengan membuat asumsi-asumsi yang menyederhanakan realitas dan menuliskan hubungan di antara semua variabel. Model ini kemudian di validasi dan ditentukanlah kriteria dengan menggunakan prinsip memilih untuk mengevaluasi alternatif tindakan yang telah diidentifikasi. Proses pengembangan model sering mengidentifikasi solusi-solusi alternatif dan demikian sebaliknya.

Selanjutnya adalah fase pilihan yang meliputi pilihan terhadap solusi yang diusulkan untuk model (tidak memerlukan masalah yang disajikan). Solusi ni diuji untuk menentukan viabilitasnya. Begitu solusi yang diusulkan tampak masuk akal, maka kita siap untuk masuk kepada fase terakhir yakni fase implementasi keputusan.

Hasil implementasi yang berhasil adalah dapat dipecahkannya masalah riil. Sedangkan kegagalan implementasi mengharuskan kita kembali ke fase sabelumnya.

2.1.4.1. Fase Intelegensi

Inteligensi dalam pengambilan keputusan meliputi scanning (Pemindaian) lingkungan, baik secara intermiten ataupun terus-menerus. Inteligensi mencakup berbagai aktivitas yang menekankan identifikasi situasi atau peluang-peluang masalah.

2.1.4.1.1. Identifikasi Masalah (Peluang)

Fase inteligensi dimulai dengan identifikasi terhadap tujuan dan sasaran organisasional yang berkaitan dengan isu yang diperhatikan (misal manajemen inventori, seleksi kerja, kurangnya atau tidak tepatnya kehadiran Web), dan determinasi apakah tujuan tersebut telah terpenuhi. Masalah terjadi karena ketidakpuasan terhadap status quo. Ketidakpuasan merupakan hasil dari perbedaaan antara apa yang kita inginkan (harapkan) dan apa yang terjadi. Pada fase pertama ini,

(26)

seseorang berusaha menentukan apakah ada suatu masalah, mengidentifikasi gejala-gejalanya, menentukan keluasannya, dan mendefinisikannya secara eksplisit.

Eksistensi masalah dapat ditentukan dengan memonitor dan menganalisis tingkat produktivitas organisasi. Ukuran produktivitas dan konstruksi sebuah model didasarkan pada data riil.

Menentukan apakah masalah benar-benar ada, dimana masalah tersebut, dan seberapa signifikan, dapat dilakukan setelah investigasi awal selesai dilakukan. Poin kunci adalah apakah sistem informasi melaporkan masalah atau hanya melaporkan gejala-gejala dari sebuah masalah.

2.1.4.1.2. Klasifikasi Masalah

Klasifikasi masalah adalah konseptualisasi terhadap suatu masalah dalam rangka menempatkannya dalam suatu kategori yang dapat didefinisikan, barangkali mengarah kepada suatu pendekatan solusi standar. Pendekatan yang penting mengklasifikasikan masalah-masalah sesuai tingkat strukturisasi pada masalah tersebut.

2.1.4.1.3. Kepemilikan Masalah

Menentukan kepemilikan masalah merupakan hal penting pada fase inteligensi. Sebuah masalah ada di dalam sebuah organisasi hanya jika seseorang atau beberapa kelompok mengambil tanggung jawab untuk mengatasinya dan jika organisasi punya kemampuan untuk memecahkannya.

Ketika kepemilikan masalah tidak ditentukan, maka seseorang tidak melakukan tugasnya atau masalah akan diidentifikasi sebagai masalah orang lain. Oleh karena itu, penting bagi seseorang untuk secara sukarela “memilikinya” atau menugaskannya kepada orang lain. Fase inteligensi berakhir dengan pernyataan masalah secara formal.

(27)

2.1.4.2. Fase Desain

Fase desain meliputi penemuan atau mengembangkan dan menganalisis tindakan yang mungkin untuk dilakukan. Hal ini meliputi pemahaman terhadap masalah dan menguji solusi yang layak.

2.1.4.2.1. Memilih Sebuah Prinsip Pilihan

Prinsip pilihan adalah sebuah kriteria yang menggambarkan akseptabilitas dari sebuah solusi (kemampuan untuk data diterima). Pada sebuah model, prinsip tersebut adalah sebuah variabel hasil. Memilih sebuah prinsip pilihan bukanlah bagian dari fase pilihan, namun melibatkan bagaimana kita membangun sasaran pengambilan keputusan kita dan bagaimana sasaran tersebut disatukan ke dalam suatu model.

2.1.4.2.2. Mengembangkan Alternatif-Alternatif

Bagan signifikan dari proses pembangunan model adalah menghasilkan berbagai alternatif. Pencarian terhadap berbagai alternatif biasanya terjadi setelah kriteria untuk mengevaluasi alternatif dilakukan. Sekuensi ini dapat mengurangi pencarian alternatif dan usaha yang dikeluarkan untuk mengevaluasinya, namun mengidentifikasi alternatif-alternatif potensial kadang-kadang dapat membantu mengidentifikasi kriteria.

2.1.4.2.3. Mengukur Hasil Akhir

Nilai dari sebuah alternatif dievaluasi dalam hal pencapaian tujuan. Kadang-kadang suatu hasil dinyatakan secara langsung dalam istilah tujuan. Sebagai contoh, laba adalah hasil akhir, maksimalisasi laba adalah suatu tujuan, dan keduanya dinyatakan dalam terminologi dollar. Hasil akhir seperti keputusan pelanggan dapat diukur

(28)

dengan jumlah keluhan, dengan tingkat loyalitas terhadap sebuah produk, atau dengan rating hasil survei.

2.1.4.3. Fase Pilihan

Pilihan merupakan tindakan pengambilan keputusan yang kritis. Fase pilihan adalah fase di mana dibuat suatu keputusan yang nyata dan diambil suatu komitmen untuk mengikuti suatu tindakan tertentu. Batas antara fase pilihan dan desain sering tidak jelas karena aktivitas tertentu dapat dilakukan selama kedua fase tersebut dank arena orang dapat sering kembali dari aktivitas pilihan ke aktivitas desain. Sebagai contoh, seseorang dapat menghasilkan alternatif baru selagi mengevaluasi alternatif yang ada. Fase pilihan meliputi pencarian, evaluasi, dan rekomendasi terhadap suatu solusi yang tepat untuk model. Sebuah solusi untuk sebuah model adalah sekumpulan nilai spesifik untuk variabel-variabel keputusan dalam suatu alternatif yang telah dipilih.

Memecahkan sebuah model tidak sama halnya dengan memecahkan masalah yang direpresentasikan oleh model. Solusi untuk model menghasilkan sebuah solusi yang direkomendasikan untuk masalah. Masalah dianggap dipecahkan hanya jika solusi yang direkomendasikan sukses diterapkan.

Pemecahan sebuah model pengambilan keputusan melibatkan pencarian terhadap suatu tindakan yang tepat. Pendekatan pencarian melibatkan teknik analitik (memecahkan suatu formula), algoritma (prosedur langkah-demi-langkah), heuristik (aturan utama), dan blind search (menembak didalam gelap, idealnya dalam suatu cara yang logis).

Masing-masing alternatif harus dievaluasi. Jika suatu alternatif mempunyai berbagai tujuan, maka semua tujuan harus diuji dan seimbang jika dihadapkan dengan yang lainnya. Analisis sensitifitas digunakan untuk menentukan ketangguhan sembarang alternatif yang diberikan (sedikit perubahan dalam perameter idealnya mendorong ke sedikit atau tidak ada perubahan dalam alternatif yang dipilih).

(29)

2.1.4.4. Fase Implementasi

Pada hakikatnya implementasi suatu solusi yang diusulkan untuk suatu masalah adalah inisiasi terhadap hal baru, atau pengenalan terhadap perubahan.

Definisi implementasi sedikit rumit karena implementasi merupakan sebuah proses yang panjang dan melibatkan batasa-batasan yang tidak jelas. Pendek kata, implementasi berarti membuat suatu solusi yang direkomendasikan bisa bekerja, tidak memerlukan implementasi suatu sistem komputer.

2.1.5. Karakteristik dan Kemampuan SPK

Ada beberapa karakteristik dari SPK [12], diantaranya adalah sebagai berikut:

1. Mendukung seluruh kegiatan organisasi

2. Mendukung beberapa keputusan yang saling berinteraksi 3. Dapat digunakan berulang kali dan bersifat konstan 4. Terdapat dua komponen utama, yaitu data dan model 5. Menggunakan baik data ekternal maupun internal

6. Memiliki kemampuan what-if analysis dan goal seeking analysis 7. Menggunakan beberapa model kuantitatif

Selain itu, Turban juga memiliki kemampuan yang harus dimiliki oleh sebuah sistem pendukung keputusan, diantaranya adalah sebagai berikut:

1. Menunjang pembuatan keputusan manajemen dalam menangani masalah semi terstruktur dan tidak terstruktur.

2. Membantu manajer pada berbagai tingkatan manajemen, mulai dari manajemen tingkat atas sampai manajemen tingkat bawah.

3. Menunjang pembuatan keputusan secara kelompok dan perorangan.

(30)

5. Menunjang tahap-tahap pembuatan keputusan antara lain intelligence, design, choice dan implementation.

6. Menunjang berbagai bentuk proses pembuatan keputusan dan jenis keputusan. 7. Kemampuan untuk melakukan adaptasi setiap saat dan bersifat fleksibel. 8. Kemudahan melakukan interaksi sistem.

9. Meningkatkan efektivitas dalam pembuatan keputusan daripada efisiensi. 10.Mudah dikembangkan oleh pemakai akhir.

11.Kemampuan pemodelan dan analisis dalam pembuatan keputusan. 12.Kemudahan melakukan pengaksesan berbagai sumber dan format data.

Disamping berbagai kemampuan dan karakteristik seperti dikemukakan di atas, sistem pendukung keputusan memiliki juga keterbatasan, antara lain:

1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan yang sebenarnya.

2. Kemampuan suatu sistem pendukung keputusan terbatas pada pengetahuan dasar serta model dasar yang dimilikinya.

3. Proses-proses yang dapat dilakukan oleh sistem pendukung keputusan biasanya tergantung juga pada kemampuan perangkat lunak yang digunakannya.

4. Sistem pendukung keputusan tidak memiliki intuisi seperti yang dimiliki oleh manusia. Karena sistem pendukung keputusan hanya suatu kumpulan perangkat keras, perangkat lunak dan sistem operasi yang tidak dilengkapi oleh kemampuan berpikir.

Secara implisit, sistem pendukung keputusan berlandaskan pada kemampuan dari sebuah sistem berbasis komputer dan dapat melayani penyelesaian masalah.

(31)

2.1.6. Keuntungan Sistem Pendukung Keputusan

Beberapa keuntungan penggunaan SPK antara lain adalah sebagai berikut [11] :

1. Mampu mendukung pencarian solusi dari berbagai permasalahan yang kompleks

2. Dapat merespon dengan cepat pada situasi yang tidak diharapkan dalam konsisi yang berubah-ubah

3. Mampu untuk menerapkan berbagai strategi yang berbeda pada konfigurasi berbeda secara cepat dan tepat

4. Pandangan dan pembelajaran baru 5. Sebagai fasilitator dalam komunikasi

6. Meningkatkan kontrol manajemen dan kinerja 7. Menghemat biaya dan sumber daya manusia (SDM)

8. Menghemat waktu karena keputusan dapat diambil dengan cepat

9. Meningkatkan efektivitas manajerial, menjadikan manajer dapat bekerja lebih singkat dan dengan sedikit usaha

10.Meningkatkan produktivitas analisis

2.1.7. Komponen Sistem Pendukung Keputusan

Adapun komponen-komponen dari SPK adalah sebagai berikut.:

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, atau berbagai model kualitatif lainnya, sehingga dapat memberikan ke sistem suatu kemampuan analitis, dan manajemen software yang dibutuhkan.

(32)

3. Communication

User dapat berkomunikasi dan memberikan perintah pada DSS melalui subsistem ini. Ini berarti menyediakan antarmuka.

4. Knowledge Management

Subsistem optional ini dapat mendukung subsistem lain atau bertindak atau bertindak sebagai komponen yang berdiri sendiri. Untuk dapat lebih jelas memahami model konseptual SPK, perhatikan gambar 2.2.

Gambar 2.2. Model Konseptual SPK _{Sumber: (Irfan Surbakti, 2002).} 2.2. Logika Fuzzy

2.2.1. Pengertian Logika Fuzzy

Konsep logika fuzzy pertama kali diperkenalkan oleh Professor Lotti A. Zadeh dari Universitas California tahun 1965. Logika fuzzy merupakan generalisasi dari logika klasik (Crisp Set) yang hanya memiliki dua nilai keanggotaan yaitu 0 dan 1. Dalam logika fuzzy nilai kebenaran suatu pernyataan berkisar dari sepenuhnya benar sampai dengan sepenuhnya salah. Fuzzy Logic berhubungan dengan ketidakpastian yang telah menjadi sifat alamiah manusia, mensimulasikan proses pertimbangan normal manusia

(33)

dengan jalan memungkinkan komputer untuk berperilaku sedikit lebih seksama dan logis daripada yang dibutuhkan metode komputer konvensional. Pemikiran di balik pendekatan ini adalah pengambilan keputusan tidak sekadar persoalan hitam dan putih atau benar dan salah, namun kerap kali melibatkan area abu-abu, dan hal itu dimungkinkan.

2.2.2. Himpunan Fuzzy

Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µA[x], memiliki dua kemungkinan, yaitu : Satu (1), yang berarti bahwa suatu item menjadi angota dalam suatu himpunan atau Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. Pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy µA[x] = 0 berarti x tidak menjadi anggota himpunan A, demikian pula apabila x memiliki nilai keanggotaan fuzzy µA[x] = 1 berarti x menjadi anggota penuh pada himpunan A. Kemiripan antara keanggotaan fuzzy dengan probabilitas terkadang menimbulkan kerancuan, karena memiliki nilai pada interval [0,1], namun interpretasi nilainya sangat berbeda. Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil bernilai benar dalam jangka panjang. Himpunan fuzzy memiliki 2 atribut, yaitu :

a. Linguistik, yaitu penamaan suatu group yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti : Muda, Parobaya, Tua.

b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti : 25, 40, 60.

(34)

2.2.3. Fungsi Keanggotaan

Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaan yang memiliki nilai interval antara 0 dan I. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Salah satu representasi fungsi keanggotaan dalam fuzzy yang akan dipakai adalah represntasi linier. Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas. Ada dua keadaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi.

Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah.

2.2.4. Sistem Inferensi Fuzzy

Sistem inferensi fuzzy merupakan proses pengolahan data dalam bentuk crisp input yang melalui beberapa tahapan dalam sistem fuzzy untuk menghasilkan data dalam bentuk crips output. Terdapat tiga metode sistem inferensi fuzzy, yaitu : Mamdani, Sugeno dan Tsukamoto.

Tahap sistem inferensi fuzzy yang harus dilalui, yaitu :

a. Nilai Input

Berupa masukan dalam bentuk nilai pasti (crisp).

b. Komposisi Fuzzy

Proses merubah crisp input menjadi fuzzy menggunakan fungsi keanggotaan, setiap variabel fuzzy dimodelkan ke dalam fungsi keanggotaan yang dipilih.

(35)

c. Aturan - aturan (rules)

Aturan-aturan yang akan dijadikan dasar untuk mencari nilai dari crisp output yang akan dihasilkan

d. Dekomposisi Fuzzy

Merupakan proses merubah kembali data yang dijadikan fuzzy ke dalam bentuk crisp kembali.

e. Nilai output

Merupakan hasil akhir yang dapat dipakai untuk pengambilan keputusan Namun terkadang sistem fuzzy dapat berjalan tanpa harus melalui komposisi atau dekomposisi fuzzy. Nilai output dapat diestimasi secara langsung dari nilai keanggotaan yang berhubungan dengan antesedennya.

2.2.5. Metode Tsukamoto

Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk If-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crips) berdasarkan a-predikat (fire strength). Hasil akhimya diperoleh dengan menggunakan rata-rata terbobot.

a-predikat => µ[x] : -nilai 1, jika x = nilai terbesar

- (x – nilai terkecil) dibagi (nilai terbesar – nilai terkecil) -nilai 0, jika x = nilai terkecil

(36)

2.2.5.1. Penentuan Nilai Gizi

Penilaian status gizi dapat dilakukan melalui beberapa cara antara lain pemeriksaan biokimia, pemeriksaan klinis, pemeriksaan biofisik dan antropometri. Antropometri merupakan metode yang paling sering digunakan dalam penilaian status gizi. Metode ini menggunakan parameter berat badan (BB) dan tinggi badan (TB). Melalui kedua parameter tersebut, dapat dilakukan penghitungan Indeks Masa Tubuh (IMT) dengan rumus sebagai berikut :

Sumber: (Ika Ratnawati, SKM, MKKK, 2011)

Angka Kecukupan Gizi (AKG) setiap individu akan berbeda sesuai dengan kondisi masing-masing. Untuk mengukur AKG bagi orang dewasa secara cepat, kebutuhan kalori/energi dapat menggunakan rumus sebagai berikut:

Tabel 2.1. Rumus Angka Kecukupan Gizi (AKG)

Prinsip untuk menentukan Angka Kecukupan Energi didasarkan pada pengeluaran energi dimana komponen Basal Metabolic Rate merupakan komponen utama. Nilai BMR ditentukan oleh berat dan susunan tubuh serta umur dan jenis kelamin. Secara sederhana nilai BMR dapat ditaksir dengan menggunakan rumus regresi linier sebagai berikut :

(37)

Tabel 2.2. Rumus Basal Metabolic Rate (BMR)

Dengan komposisi makanan sehari 60% dari sumber karbohidrat, 20% dari protein dan 20% dari lemak.

Widya Karya Pangan dan Gizi VI tahun 1998, menetapkan AKG bagi orang dewasa secara nasional berdasarkan kebutuhan energi/kalori dari protein, sebagai berikut:

Tabel 2.3. Kebutuhan Energi

(38)

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1. Analisis

Dalam membangun sebuah sistem, tahap analisis perlu dilakukan guna mengetahui kebutuhan yang diperlukan untuk membangun sistem tersebut. Analisis sistem yang dilakukan dalam penelitian ini terdiri dari analisis kebutuhan sistem pendukung keputusan seperti analisis kebutuhan fungsional dan non-fungsional.

3.1.1. Analisis Kebutuhan Fungsional dan Non-Fungsional

Kebutuhan fungsional dari sistem merupakan suatu hal yang sangat diperlukan, karena semua proses yang akan dilakukan oleh sistem didasarkan dari penganalisasian kebutuhan fungsional ini.

Salah satu kebutuhan fungsional yang terdapat pada sistem yang akan dibangun ini adalah fitur dimana pengguna bisa melakukan konsultasi terhapat penyakit yang diderita oleh pengguna tersebut. Dimana fitur ini akan memberikan beberapa kriteria yang harus dipilih, guna mendapatkan hasil yang sesuai. Pada halaman admin, sistem menyediakan fitur pembaharuan data untuk memudahkan administrator untuk mengelola data yang sesuai.

a. Fitur konsultasi

Pada fitur ini pengguna diharuskan untuk mengikuti 3 tahapan pemrosesan, yaitu :

(39)

- Penentuan status gizi

Pada tahap ini pengguna diminta untuk mengisi beberapa kriteria, seperti umur, tinggi badan, dan berat badan. Kriteria-kriteria tersebut digunakan untuk menghitung nilai dari Indeks Masa Tubuh (IMT) sebagai penilaian status gizi.

- Penentuan angka kecukupan gizi (AKG)

Pada tahap ini akan dilalukan perhitungan berat badan ideal pengguna, dimana berat badan ideal ini akan digunakan untuk menentukan nilai dari proses perhitungan Basa Metabolic Rate (BMR) dan kemudian hasil perhitungan BMR tersebut akan digunakan kembali untuk mengitung nilai Angka Kecukupan Gizi (AKG) pengguna.

- Penentuan kondisi penyakit

Pada tahap ini pengguna diminta kembali untuk mengisi beberapa kriteria sebagai proses perhitungan tahap berikutnya. Adapun kriteria yang diberikan seperti lama mengidap penyakit, aktivitas, olah-raga, dan konsumsi sayur.

b. Fitur pembaharuan (edit)

Fitur ini hanya ditujukan untuk administrator, dikarenakan fitur ini berfungsi untuk pembaharuan data dimana data-data tersebut sangat berpengaruh terhadapat proses penentuan konsultasi penyakit.

Kebutuhan fungsional biasanya terdiri dari beberapa pemodelan sistem, adapun yang termasuk dalam pemodelan tersebut adalah model data dan model proses.

Selain kebutuhan fungsional, kebutuhan non-fungsional juga merupakan suatu hal yang penting. Dimana kebutuhan non-fungsional merupakan tahapan dimana pembangun sistem mulai menganalisis bagaimana kinerja dan perfoma bisa berjalan dengan lebih baik. Biasanya pada kebutuhan non-fungsional ini terdiri dari sistem keamanan, dimana sistem ini bertuajuan supaya hanya pengguna tertentu yang dapat mengakses halaman tertentu.

(40)

3.1.2. Pemodelan

3.1.2.1. Model Data

Pada model data secara umum terdiri atas beberapa tahap pemodelan, antara lain meliputi :

a. Basis Data (database)

b. Entity Relationship Diagram (ERD)

3.1.2.1.1. Basis Data (Database)

Database dapat disebut juga sebagai sebuah tempat penyimpanan data yang terstruktur agar dapat diakses dengan cepat dan mudah. Membangun sebuah database merupakan langkah awal pembuatan aplikasi.

Dalam perancangan sistem pendukung keputusan ini, penulis membuat 8 tabel pada database SPK. Tabel-tabel tersebut adalah tabel admin, tabel contact, tabel galery, tabel asupan_gizi, tabel kriteria_penyakit, tabel penyakit, tabel tamu dan tabel user. Pembuatan database dan tabel-tabel mempergunakan fasilitas MySQL atau phpmyadmin yang terdapat dalam software XAMPP.

3.1.2.1.1.1. Tabel Admin

Tabel admin terdiri atas nama dan password dari administrator. Berikut adalah atribut-atribut yang dibuat dalam tabel admin :

Tabel 3.1 Admin

Field Type Keterangan

username varchar nama Admin

(41)

3.1.2.1.1.2. Tabel Contact

Tabel contact berisikan data diri dan isi pesan dari pengguna. Berikut adalah atribut-atribut yang dibuat dalam tabel contact :

Tabel 3.2 Contact

Field Type Keterangan

nama varchar nama pengguna

email varchar email pengguna

alamat varchar alamat pengguna

pesan varchar isi pesan

tglkirim datetime tanggal kirim pesan

3.1.2.1.1.3. Tabel Gallery

Tabel gallery berisikan gambar dan informasi dari obat herbal yang berasal dari buah-buahan. Berikut adalah atribut-atribut yang dibuat dalam tabel gallery :

Tabel 3.3 Gallery

Field Type Keterangan

gambar varchar nama file gambar

(42)

3.1.2.1.1.4. Tabel Asupan_Gizi

Tabel asupan_gizi berisikan nilai-nilai ketetapan untuk penentuan pengkonsumsian obat. Berikut adalah atribut-atribut yang dibuat dalam tabel asupan_gizi :

Tabel 3.4 Asupan_Gizi

Field Type Keterangan

sedikit varchar Penggunaan obat

banyak varchar Penggunaan obat

sangat_banyak varchar Penggunaan obat

3.1.2.1.1.5. Tabel Kriteria_Penyakit

Tabel kriteria_penyakit terdiri dari dua jenis yang dibedakan berdasarkan jenis kelamin, yaitu pria dan wanita. Tabel ini berisikan nilai-nilai ketetapan untuk penentuan penyakit. Berikut adalah atribut-atribut yang dibuat dalam tabel kriteria_penyakit :

Tabel 3.5 Kriteria_Penyakit

Field Type Keterangan

tidak_parah varchar Kriteria penyakit mendekati_parah varchar Kriteria penyakit

parah varchar Kriteria penyakit

(43)

3.1.2.1.1.6. Tabel Penyakit

Tabel penyakit berisikan nama penyakit dan kesesuaian obat dengan panyakit. Berikut adalah atribut-atribut yang dibuat dalam tabel penyakit :

Tabel 3.6 Penyakit

Field Type Keterangan

penyakit varchar nama penykait

obat varchar nama obat

Tabel 3.7 Daftar Penyakit dan Obat

Nama Penyakit

Obat

1 Sariawan

anggur,jambu biji,mentimun,jeruk manis, belimbing,tomat,ceremai

2 Sembelit melon,pepaya,pisang,ceremai,bisbul,pear,mentimun,sirsak 3 Asam Urat melon,buah naga,pisang,jeruk manis,strawbery,sirsak 4 Ambien jeruk nipis,pepaya,sirsak,tomat

(44)

3.1.2.1.1.7. Tabel Tamu

Tabel tamu berisikan komentar-komentar dari pengguna. Berikut adalah atribut-atribut yang dibuat dalam tabel tamu :

Tabel 3.8 Tamu

Field Type Keterangan

nama varchar nama pengguna

email varchar email pengguna

komentar varchar isi komentar

tglkirim datetime tanggal kirim pesan

3.1.2.1.1.8. Tabel User

Tabel user berisikan data diri dan aktivitas dari pengguna. Berikut adalah atribut-atribut yang dibuat dalam tabel user :

Tabel 3.9 User

Field Type Keterangan

nama varchar nama pengguna

email varchar email pengguna

Jenis _kelamin varchar jenis kelamin pengguna

umur varchar umur pengguna

penyakit varchar nama penykait

lama_penyakit varchar lama penyakit aktivitas varchar aktivitas pengguna

(45)

Table 3.10. Interval Nilai Kategori Penyakit (Lanjut Usia)

kategori Wanita Pria

Tidak Parah 0.89 < rata-rata terbobot ≤ 1 0.56 < rata-rata terbobot ≤ 1 Mendekati Parah 0.81 < rata-rata terbobot ≤ 0.89 0.48 < rata-rata terbobot ≤ 0.56 Parah 0.73 < rata-rata terbobot ≤ 0.81 0.4 < rata-rata terbobot ≤ 0.48 Sangat Parah rata-rata terbobot ≤ 0.73 rata-rata terbobot ≤ 0.4

Table 3.11. Interval Nilai Kategori Penyakit (Dewasa)

kategori Wanita Pria

Tidak Parah 0.9 < rata-rata terbobot ≤ 1 0.56 < rata-rata terbobot ≤ 1 Mendekati Parah 0.8 < rata-rata terbobot ≤ 0.9 0.46 < rata-rata terbobot ≤ 0.56 Parah 0.7 < rata-rata terbobot ≤ 0.8 0.36 < rata-rata terbobot ≤ 0.46 Sangat Parah rata-rata terbobot ≤ 0.7 rata-rata terbobot ≤ 0.36

Table 3.12. Interval Nilai Kategori Penyakit (Anak-Anak)

kategori Wanita Pria

Tidak Parah 0.79 < rata-rata terbobot ≤ 1 0.45 < rata-rata terbobot ≤ 1 Mendekati Parah 0.69 < rata-rata terbobot ≤ 0.79 0.35 < rata-rata terbobot ≤ 0.45 Parah 0.59 < rata-rata terbobot ≤ 0.69 0.25 < rata-rata terbobot ≤ 0.35 Sangat Parah rata-rata terbobot ≤ 0.59 rata-rata terbobot ≤ 0.25

Table 3.13. Interval Nilai Kategori Penyakit (Remaja)

kategori Wanita Pria

Tidak Parah rata-rata terbobot ≥ 1 0.67 < rata-rata terbobot ≤ 1 Mendekati Parah 0.67 < rata-rata terbobot < 1 0.33 < rata-rata terbobot ≤ 0.67 Parah 0.56 < rata-rata terbobot ≤ 0.67 0.22 < rata-rata terbobot ≤ 0.33 Sangat Parah rata-rata terbobot ≤ 0.56 rata-rata terbobot ≤ 0.22

(46)

3.1.2.1.2. Entity Relationship Diagram (ERD)

Data pengunjung akan disimpan pada tabel user, pengunjung juga bisa menanyakan informasi kepada admin yang datanya akan disimpan pada tabel contact. Tabel tamu berfungsi untuk menyimpan komentar dari pengunjung.

Relasi tabel penyakit, bmr dan akg terjadi pada saat proses konsultasi penyakit dilakukan. Tabel vit beralasi dengan tabel_nutrisi dan info, dimana data dari masing-masing tabel akan digunakan sebagai proses penentuan obat herbal yang sesuai dengan penyakit pengguna.

(47)

Ketetapan Nilai Alternatif dan α-predikat

Struktur hierarki dari permasalahan penentuan obat herbal dengan kriteria-kriteria yang telah ditentukan, yakni ada 10 kriteria dapat dilihat paga gambar berikut :

Gambar 3.1 Struktur Hierarki Tiap Kriteria

Penyakit

Rata-rata terbobot

Penentuan obat herbal Kriteria 1

Kriteria 2

Kriteria 3

Kriteria 5 Kriteria 4 Kriteria 6

Kriteria 8 Kriteria 9 Kriteria 10 Kriteria 7

(48)

Ketetapan nilai alternatif terhadap setiap data beserta nilai α–predikatnya yang akan diterapkan pada sistem.

Table 3.14. Nilai Tiap Kriteria

No Kriteria yang

digunakan alternatif α -predikat

1 Umur (k1) IF 1. A=10 2. A=20 3. A=30 4. A=40

THEN (x – 10)/30

2 Lama mengidap penyakit (k2)

IF 1. (b<1) and (b>7) 2. (b>7) and (b<31) 3. (b>31)

THEN (x – 1)/30

3 Jenis kelamin (k3)

IF 1. Wanita 2. Pria

THEN C = 0 C = 1 4 Kondisi penyakit

(k4)

IF 1. D=10 2. D=20 3. D=30 4. D=40

THEN (x – 10)/30

5 Aktivitas (k5) IF 1. E=10 2. E=20 3. E=30

THEN (x – 10)/20

6 Olah raga (k6) IF 1. F=10 2. F=20 3. F=30

THEN (x – 10)/20

7 Asupan gizi (k7) IF - THEN -

8 Konsumsi sayur (k8)

IF 1. Tidak 2. Ya

THEN H = 0 H = 1

9 Alergi (k9) IF - THEN -

10 Hamil (k10) IF 1. Tidak 2. Ya

THEN J = 0 J = 1

(49)

Keterangan :

1. Untuk k1, a adalah nilai untuk data kriteria ke-1. Terdiri atas 4 alternatif berdasarkan umur, yaitu :

- A = 10, merepresentasikan lanjut usia, yaitu umur 50 tahun keatas. - A = 20, merepresentasikan dewasa, yaitu umur 19 – 50 tahun. - A = 30, merepresentasikan anak-anak, yaitu umur 7 – 12 tahun. - A = 40, merepresentasikan remaja, yaitu umur 13 – 18 tahun.

2. Untuk k2, b adalah nilai untuk data kriteria ke-2. Rentang nilai dimulai dari 1 sampai 31 dan untuk nilai diatas 31 secara otomatis diberikan nilai 1.

3. Untuk k3, c adalah nilai untuk data kriteria ke-3. Terdiri atas 2 alternatif berdasarkan daya tahan tubuh, yaitu :

- Wanita = 0 - Pria = 1

4. Untuk k4, d adalah nilai untuk data kriteria ke-4. Terdiri atas 4 alternatif berdasarkan kondisi penyakit, yaitu :

- D = 10, merepresentasikan sangat parah. - D = 20, merepresentasikan parah.

- D = 30, merepresentasikan mendekati parah. - D = 40, merepresentasikan tidak parah.

5. Untuk k5, e adalah nilai untuk data kriteria ke-5. Terdiri atas 3 alternatif berdasarkan aktifitas keseharian, yaitu :

- E = 10, merepresentasikan santai. - E = 20, merepresentasikan normal. - E = 30, merepresentasikan sibuk.

6. Untuk k6, f adalah nilai untuk data kriteria ke-6. Terdiri atas 3 alternatif berdasarkan kegiatan olah raga, yaitu :

- F = 10, merepresentasikan sangat jarang. - F = 20, merepresentasikan jarang.

(50)

7. Untuk k7, g adalah nilai untuk data kriteria ke-7. Merupakan hasil dari perhitungan rata-rata terbobot dari kriteria sebelumnya.

8. Untuk k8, h adalah nilai untuk data kriteria ke-8. Terdiri atas 2 alternatif berdasarkan konsumsi sayur-sayuran, yaitu :

- Tidak = 0 - Ya = 1

9. Untuk k9, i adalah nilai untuk data kriteria ke-9. Merupakan kategori yang menentukan agar tidak mengkonsumsi suatu obat herbal.

10.Untuk k10, j adalah nilai untuk data kriteria ke-10. Terdiri atas 2 alternatif berdasarkan kehamilan wanita, yaitu :

- Tidak = 0 - Ya = 1

Dikarenakan proses perhitungannya menggunakan bilangan fuzzy maka rentang nilaiα–predikat berkisar dari 0 sampai 1.

Nilai rata-rata terbobot merupakan proses perhitungan dengan menggunakan rumus mean, yaitu penjumlahan nilai α–predikat tiap kriteria (α-predikat 1 + … + α-predikat n), kemudian dibagikan dengan jumlah data kriteria (n). perhitungan rata-rata terbobot dapat dilihat sebagai berikut :

Bobot = α-predikat 1 + α-predikat 2 + …. + α-predikat n n

3.1.2.2. Model Proses

3.1.2.2.1. Data Flow Diagram (DFD)

Diagram alir data (data flow diagram) merupakan sebuah teknis grafis yang menggambarkan aliran informasi dan transformasi saat data bergerak dari input menjadi output. DFD menunjukkan hubungan antar data pada sistem dan proses pada sistem.

(51)

Admin

Sistem Pendukung

Keputusan _User

Admin login Edit_penyakit

Edit admin

Hasil_edit_user Hasil edit admin Hasil_edit_penyakit Admin login valid

Data_komentar Hasil_konsultasi Data_konsultasi Tanya_jawab Kritik_saran Info_obat Admin User 1.0 Login 2.0 Konsultasi 3.0 Contact us 4.0 Guest book 5.0 gallery Admin Penyakit Kriteria_penyakit Kriteria_obat User contact Tam galery Data_komentar Data_tanya_jawab

Data user , penyakit

Username password Login_ Username password Username_password_valid Data_penyakit Data_kriteria_obat

Data_user , penyakit Data_kriteria_penyakit Tanya_jawab Kritik_saran Data_komentar Info_obat Info_obat Kritik_saran Data_konemtar Tanya_jawab Data_user , penyakit , konsultasi

Data_hasil_konsultasi

Gambar 3.2 DFD Level 0 (Diagram Konteks)

Data_tanya_jawab

(52)

∩

3.1.2.3. Flowchart Sistem

Admi 1.0 Login 1.1 Edit penyakit 1.2 Edit admin 1.3 Edit user User 2.1 Data penyakit 2.2 Penentuan α-predikat tiap kriteria 2.3 Penentuan nilai rata-rata terbobot 2.4 Penentuan obat herbal Penyakit Admi Contact Tamu User User Penyakit Kriteria_penyak Kriteria_ob Hasil_edit_ penyakit User_password login_admin_vali d Data_admin_ganti Data_penyakit login_admin_vali d Edit_data_penyakit

Data_user, komentar , tanya_jawab Edit_admin tanya_jawab tanya_jawab Edit_data_user Hasil_edit_user Edit_komentar Hasil_edit_komentar Tanya_jawab, Hasil_edit_komentar, Hasil_edit_user

Data_analisis1, data_analisis2

Nama, umur, jenis_kelamin, email

umur, jenis_kelamin Nilai_rata2_terbobot Hasil_penentuan_ Obat_herbal penyakit Penyakit, obat Nilai_kriteria_obat Nilai_kriteria_penyaki Nilai_a_predikat umur, jenis_kelamin, lama_mengidap, aktivitas User_password Hasil_edit_ penyakit User_password

(53)

Flowchart atau diagram alir dapat digunakan untuk memudahkan perancang sistem dalam mengimplementasikan sistem ke dalam program. Hal ini dikarenakan flowchart digunakan untuk menjelaskan bagaimana cara kerja sistem dari tahap awal hingga tahap akhir. Adapun flowchart yang akan dirancang antara lain flowchart perhitungan a-predikat kriteria, flowchart perhitungan nilai rata-rata terbobot dengan menggunakan metode mean dan flowchart penentuan kategori penyakit untuk kesesuaian obat dengan menggunakan aturan if-then dari metode fuzzy tsukamoto.

Berikut ini adalah flowchart untuk masing-masing proses tersebut. a. Perhitungan α-predikat.

Flowchart ini digunakan untuk setiap kriteria yang ada, guna mendapatkan nilai α-predikat yang akan digunakan untuk proses perhitungan selanjutnya.

Selesai Input nilai kriteria

Hitung nilai α–predikat dari nilai kriteria

Nilai kriteria = nilai alternatif terbesar (a)

b < Nilai kriteria < a

Nilai kriteria = nilai alternatif terkecil (b)

Output Nilai α–predikat = 0

Output Nilai

α–predikat = 1

Output Nilai α–predikat = (Nilai kriteria – b)/(a-b)

Output Nilai

α–predikat = 0 Y

T _Y

Y T

(54)

b. Perhitungan nilai rata-rata terbobot.

Flowchart ini merupakan proses kelanjutan dari perhitungan α-predikat. Dimana setiap nilai α-predikat akan dijumlahkan dan kemudian akan dibagi dengan banyaknya kriteria yang ada.

Selesa Input n kriteria

Hitung jumlah nilai α– predikat tiap kriteria

Mulai

Output ∑ nilai α-predikat Hitung nilai rata-rata terbobot dengan menggunakan metode

mean

( ∑ nilai α-predikat / n kriteria )

(55)

c. Penentuan kategori penyakit dan penentuan obat.

Flowchart ini merupakan kelanjutan dari proses sebelumnya. Dimana nilai hasil terbobot akan dibandingkan dengan nilai ketetapan, guna mendapatkan hasil akhir.

Selesai 0.79 < Bobot ≤

0.67 < Bobot ≤ 0.79

0.56 < Bobot ≤ 0 67

Output Kategori = tidak parah

Output Kategori = sangat parah

Output Kategori = parah

Output Kategori = mendekati parah Mulai

Output Bobot

Penentuan kategori penyakit dengan membandingkan nilai rata-rata terbobot

dengan nilai standar ketetapan Input n kriteria

Hitung jumlah nilai α–predikat tiap kriteria

Output ∑ nilai α-predikat Hitung nilai rata-rata terbobot dengan

menggunakan metode mean ( ∑ nilai α-predikat / n kriteria )

Y T

Penentuan obat herbal dengan kesesuian dari kategori penyakit

(56)

3.2. Perancangan Antarmuka (Interface)

Perancangan antar muka merupakan tahapan dimana pengembang sistem merancang suatu tampilan sebagai alat komunikasi antara pengguna terhadap sistem.

Untuk memudahkan perancangan antarmuka sistem, maka perancangan menu program dari sistem dilakukan terlebih dahulu guna mengetahui menu-menu yang akan disediakan oleh sistem kepada pangguna. Berikut penjelasan struktur menu program pada sistem pendukung keputusan ini.

3.2.1. Rancangan Tampilan Halaman Utama

Halaman utama terbagi atas dua area kerja, yaitu area bagian kanan sebagai tempat link dari menu-menu yang ada pada sistem dan area bagian kiri sebagai halaman dimana tujuan dari link akan ditampilkan. Adapun rancangan tampilan halaman utama dapat dilihat pada gambar 3.8.

Menu pencarian

Link utama ………

komentar

Isi halaman utama

(57)

3.2.2. Rancangan Tampilan Konsultasi

Halaman konsultasi terdiri dari field-field analisis penyakit dimana pengguna diharuskan untuk mengisi maupun memilih kriteria-kriteria yang akan disajikan oleh sistem. Adapun rancangan tampilan konsultasi dapat dilihat pada gambar 3.9.

3.2.3. Rancangan Tampilan Guest Book

Halaman guest book terdiri dari field-field dimana pengguna dapat memberikan kritik dan saran kepada admin maupun perancang sistem. Adapun rancangan tampilan guest book dapat dilihat pada gambar 3.10.

Menu pencarian

Link utama ………

komentar

Guest Book Nama

Email Komentar Menu pencarian

Link utama ………

komentar

Mengisi data konsultasi nama

penyakit

Kriteria I Kriteria II

(58)

3.2.4. Rancangan Tampilan Contact Us

Halaman contact us terdiri dari field-field dimana pengguna dapat menanyakan informasi yang kurang jelas. Adapun rancangan tampilan contact us dapat dilihat pada gambar 3.11.

3.2.5. Rancangan Tampilan Admin

Halaman admin terbagi atas dua area kerja, yaitu area bagian kanan sebagai tempat link dari menu-menu admin dan area bagian kiri sebagai halaman dimana tujuan dari link akan ditampilkan. Adapun rancangan tampilan halaman admin dapat dilihat pada gambar 3.12.

Menu pencarian

Link utama ………

Logout

Welcome Admin Edit data

1. ….. 2. ….. 3. ….. Menu pencarian

Link utama ………

komentar

Guest Book Nama

Email Komentar

(59)

BAB 4

IMPLEMENTASI DAN PENGUJIAN

4.1 Implementasi

Pada tahapan ini aplikasi sistem pendukung keputusan diimplementasikan ke dalam komputer. Bahasa pemrograman yang dipakai pada penelitian ini adalah bahasa pemrograman PHP dan MySQL. Untuk dapat mengetahui tingkat keberhasilan dari aplikasi sistem pendukung keputusan ini maka program harus di uji terlebih dahulu. Pada bab ini akan diuraikan tahap–tahap yang dilakukan dimulai dari instalasi sampai hasil yang didapat.

4.2 Persiapan Teknis

Dalam Pengenalan Pola dan software yang direkomendasikan adalah sebagai berikut :

1. Perangkat Keras (Hardware) a. Micro Processor Pentium IV

b. Harddisk untuk tempat sistem beroperasi dan sebagai media penyimpanan data.

c. Memory minimal 512 Mega Byte d. Monitor Super VGA

e. Mouse dan Keyboard f. Printer

(60)

2. Perangkat Lunak (Software) a. XAMPP

b. Dreamweaver c. Photoshop

d. Sistem operasi yang digunakan Microsoft Windows XP.

3. Perangkat Manusia atau Pemakai (Brainware)

a. Orang yang dapat mengimplementasikan brainware ke software.

4.3 Tampilan Sistem Pendukung Keputusan

Adapun tujuan dari implementasi sistem adalah untuk memberikan gambaran dari rancang bangun yang lengkap kepada pengguna agar pengguna lebih mudah berkomunikasi dengan sistem.

Form dalam pemrograman PHP merupakan objek utama tempat perancangan bentuk-bentuk interface dari program yang dibuat. Form adalah interface yang digunakan untuk menampilkan dan memasukkan data. Jadi, form dapat difungsikan sebagai penghubung antara operator komputer dengan sumber data. Berikut merupakan perancangan form dari aplikasi sistem pendukung keputusan pemilihan obat herbal.

4.3.1 Menu Utama

Menu utama dirancang sedemikian rupa guna mempermudah penggunaan aplikasi SPK ini. Menu utama terdiri dari enam link, yakni halaman utama, SPK, konsultasi, guest book, contact us, dan galery. Selain dari keenam link tersebut terdapat juga menu admin.

(61)

Link halaman Utama merupakan tautan untuk kembali ke menu utama. Link SPK merupakan link yang berisikan informasi singkat mengenai latar belakang Sistem Pendukung Keputusan. Link konsultasi merupakan tautan menuju proses pemasukkan data guna memperoleh obat herbal yang sesuai dengan penyakit yang diderita. Link guest book merupakan tautan dimana pengguna bisa memberikan kritik dan saran yang berguna untuk kemajuan sistem dimasa yang akan datang. Link contact us merupakan tautan dimana pengguna dapat menanyakan informasi yang kurang jelas mengenai sistem. Adapun tampilan halaman utama dapat dilihat pada gambar 4.1.

(62)

4.3.2 Tampilan Halaman Konsultasi

Konsultasi merupakan halaman yang dikhususkan untuk melakukan proses analisis penyakit dan kesesuaian obat terhadap penyakit yang diderita oleh pengguna. Adapun tampilan form konsultasi dapat dilihat pada gambar 4.2.

(63)

4.3.3 Tampilan Halaman Guest Book dan Contact Us

Guest Book dan Contact Us merupakan halaman dimana pengguna bisa memberikan kritik dan saran serta menanyakan informasi yang kurang jelas. Adapun tampilan form Guest Book dan Contact Us dapat dilihat pada gambar 4.3 dan gambar 4.4.

Gambar 4.3 Tampilan Form Guest Book

(64)

4.3.4 Menu Admin

Menu admin hanya digunakan untuk administrator yang berfungsi untuk memperbaharui data-data yang terdapat pada database. untuk masuk kedalam halaman admin , administrator harus login terlebih dahulu. Adapun tampilan menu admin dapat dilihat pada gambar 4.5.

(65)

4.4Pengujian

Tujuan dari pengujian sistem adalah untuk melihat apakah proses sistem sudah berjalan dengan benar, dimana keluaran atau hasil dari proses harus sesuai dengan rumus yang telah diberikan. Adapun beberapa tahapan yang ada pada sistem, yaitu penentuan status gizi, penentuan angka kecukupan gizi, penentuan kondisi penyakit, dan hasil.

Gambar 4.6 Registrasi

Pada halaman ini pengguna dipersilahkan untuk melakukan registrasi terlebih dahulu, sekaligus disini pengguna diminta untuk menentukan penyakit apa yang diderita. Sebagai contoh pengguna mengalami penyakit sariawan.

4.4.1 Penentuan Status Gizi

(66)

Gambar 4.7 Status Gizi

4.4.2 Penentuan Angka Kecukupan Gizi (AKG)

Pada tahap ini akan dilalukan perhitungan berat badan ideal pengguna, dimana berat badan ideal ini akan digunakan untuk menentukan nilai dari proses perhitungan Basa Metabolic Rate (BMR) dan kemudian hasil perhitungan BMR tersebut akan digunakan kembali untuk mengitung nilai Angka Kecukupan Gizi (AKG) pengguna. (penggunaan rumus pada halaman 22 dan 23)

(67)

4.4.3 Penentuan Kondisi Penyakit

Gambar 4.9 Kondisi Penyakit

4.4.4 Hasil

Pada tahap ini obat akan disesuaikan dengan kondisi penyakit pengguna, dimana penentuan obat dilalukan dengan penyesuaian terhadap buah dengan vitamin terbaik dan nilai gizi tertinggi. Penyesuain nilai buah tersebut ditentukan dari hasil pehitungan nilai angka kecukupan gizi pengguna.

(68)

Pada gambar sebelumnya disebutkan bahwa buah yang paling sesuia dengan penyakit sariawan pengguna adalah buah jambu biji. Hasil ini didapat dari proses tahapan gizi dan vitamin terbaik untuk penyakit sariawan, yaitu penyakit dengan kekurangan konsumsi vitamin C.

Adapun tahapan pemilihan buah adalah sebagai berikut :

- Jika nama buah pada vit 1 dan gizi 1 sama, maka buah tersebut yang paling sesuai. - Jika nama buah pada vit 1 dan gizi 2 sama, atau nama buah gizi 1 dan vit 2 sama.

Maka buah yang sesuai adalah nama buah pada vit 1 atau gizi 1.

- Jika nama buah pada vit1 dan gizi 3 sama, atau nama buah gizi 1 dan vit 3 sama. Maka buah yang sesuai adalah nama buah pada vit 1 atau gizi 1.

Atau nama buah pada vit 2 dan gizi 2 sama, maka buah pada vit 2 yang sesuai. - Jika nama buah pada vit 2 dan gizi 3 sama, atau nama buah gizi 2 dan vit 3 sama.

Maka buah yang sesuai adalah nama buah pada vit 2 atau gizi 2.

(69)

BAB 5

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Berdasarkan hasil penelitian yang telah dilakukan, maka penulis mengambil kesimpulan sebagai berikut :

4. Sistem pendukung keputusan ini terdiri dari beberapa tahapan perhitungan yang dilakukan seperti perhitungan indeks masa tubuh, angka kecukupan gizi, serta penyesuaian terhadap hasil perhitungan tiap kriteria yang diberikan, guna mendapatkan hasil yang sesuai.

5. Logika matematis seperti logika fuzzy bisa diterapkan kedalam sistem yang terkomputerisasi, dikarenakan pada dasarnya sistem komputer juga bekerja dengan proses aritmatik. Oleh sebab itu, penjabaran logika fuzzy digunakan didalam pembangunan SPK ini.

5.2. Saran

Dari kesimpulan di atas, maka penulis memberikan saran sebagai berikut :

1. Hasil yang diberikan oleh sistem yang telah dibangun ini akan lebih baik jika obat herbal yang direkomendasikan tidak hanya berasal dari buah-buahan saja, melainkan dari jenis lainnya seperti akar, batang maupun daun. Sehingga obat herbal akan lebih berkhasiat untuk menyembuhkan penyakit.

2. Metode yang digunakan pada sistem ini mungkin bisa dipadukan dengan metode fuzzy lainnya agar pemilihan bisa menjadi lebih akurat guna menjawab keraguan yang dialami oleh pengguna.

(1)

font-family: Tahoma; font-size: 9px; color: #666666; }

.txt2 {

font-family: Tahoma; font-size: 11px; color: #BC0000; }

.txt3 {

font-family: Tahoma; font-size: 11px; color: #2C788D; }

.txt4 {

font-family: Tahoma; font-size: 11px; color: #45678D; }

</style>

background-color: #CFD6F1; margin: 1px;

padding: 1px;

font-weight: normal;

border: 1px solid #000066; }

</style>

function switchView(ikonid, divid, nikon) {

var divx = document.getElementById(divid);

divx.style.display = (divx.style.display == "block") ? "none" : "block";

var divicon = document.getElementById(ikonid);

divicon.style.backgroundImage = (divx.style.display == "block") ? "url(opentriangle"+nikon+".gif)" :

"url(triangle"+nikon+".gif)";

var datakotak = readCookie("datakotak"); var i, p, n;

var listkotak;

if ((datakotak == null) || (!datakotak.length)) {

listkotak = new Array(); }

else {

(2)

datakotak = decodeURIComponent(datakotak); listkotak = datakotak.split(",");

}

n = -1;

for(i = 0; i < listkotak.length; i++) if (listkotak[i] == divid) {

if (divx.style.display == "block") listkotak[i] = '';

n = i; break; }

if (n == -1) listkotak[listkotak.length] = divid; datakotak = listkotak.join(",").replace(',,', ','); setCookie("datakotak", datakotak, 7);

}

</script>

</head><body style="margin: 0pt; padding: 0pt;" bgcolor="#ffffff">

<td valign="top"><strong><font size="2" color="#93111e">SISTEM PENDUKUNG KEPUTUSAN<br>

PEMILIHAN OBAT HERBAL</font></strong></td> <td style="padding-left: 76px;"

valign="top"><div align="right"><font size="2" face="Verdana, Arial, Helvetica, sans-serif">

</font> </div></td> </tr>

<tr>

<td colspan="2" valign="top"><div

align="right"><font size="2" face="Verdana, Arial, Helvetica, sans-serif">

Selamat Datang <strong>Admin</strong>

</font></div></td> </tr>

</tbody></table> </td>

</tr>

(3)

Pencarian<br> <form name="pencarian" style="margin: 0pt; padding: 4px 0pt 0pt;" method="post" action="admin.php?module=pencarian">

<option

value="penyakit">Penyakit</option>

</font>

</tr> <tr>

<img src="gambar/arr1.gif"> <a href="admin.php?module=home">Halaman

Utama</a><br> <div style="padding-top: 4px; padding-bottom: 4px;">

</div>

<img src="gambar/arr1.gif"> <a href="admin.php?module=user">Daftar Konsultasi

</a><br> <div style="padding-top: 3px; padding-bottom: 3px;">

(4)

<img src="gambar/arr1.gif"> <a href="admin.php?module=tamu2&stat=1">Daftar Komentar

</a><br> <div style="padding-top: 3px; padding-bottom: 3px;">

</div>

<img src="gambar/arr1.gif"> <a href="admin.php?module=tambah">Tambah</a>/<a

href="admin.php?module=edit">Perbaharui Penyakit

</a><br> <div style="padding-top: 3px; padding-bottom: 3px;">

</div>

<img src="gambar/arr1.gif"> <a

href="admin.php?module=kriteria">Perbaharui Kriteria</a><br> <div style="padding-top: 3px; padding-bottom: 3px;">

</div>

<img src="gambar/arr1.gif"> <a href="admin.php?module=admin">Ganti/Perbaharui Admin

</a><br> <div style="padding-top: 3px; padding-bottom: 3px;">

</div>

</td></tr>

<tr><td style="left: 18px; padding-top: 15px;" valign="top" background="gambar/m2tit.gif" height="34" onClick="javascript:switchView('', 'logout', '')"><font color="#ffffff">Administrator</font></td></tr> <tr><td style="padding-left: 10px; padding-top: 3px;" valign="top" background="gambar/botbg1.gif" height="100%"> <div class="isikotakkiri" style="overflow: hidden; display: block;" id="logout">

<a href="logout.php" onClick="return confirm('Anda yakin akan keluar')">Logout</a>

</div> </td></tr>

<tr>

<td style="height: 20px; background-repeat: repeat-x;" valign="top"

background="gambar/botbg2.gif"> </td> </tr>

(5)

</tbody></table> </td>

<td style="padding-left: 2px;"

valign="top"><table width="100%" border="0" cellpadding="0" cellspacing="0">

<? include "tanggal.php"; ?> </font></td>

</tr> <tr>

<td style="left: 18px; padding-top: 9px;" valign="top" width="543"

background="gambar/m2bg.gif" height="32"

onClick="javascript:switchView('', 'isiTENGAH', '')"><font color="#ffffff"><? $mod=$_GET['module']; echo $mod; ?>

</font><font size="1" face="Verdana, Arial, Helvetica, sans-serif"><strong></strong></font><font size="1" face="Verdana, Arial, Helvetica,

sans-serif"> </font></td> </tr> <tr>

<div class="isikotakkiri"

style="overflow: hidden; display: block;" id="isiTENGAH" > <? include "tengah.php"; ?>

</div> </td> </tr> <tr>

<td style="padding-left: 20px; color: rgb(255, 255, 255);" valign="middle"

background="gambar/botbg.gif" height="42"> </td>

</tr> <tr>

2012. </div> </td> </tr>

</tbody></table> </td>

(6)

</tbody></table> </td></tr>

</tbody></table> </td>

</tr>

</tbody></table> </body></html> <?

} ?>

Perancangan Sistem Pendukung Keputusan untuk Menentukan Obat Herbal Berdasarkan Penyakit Menggunakan Logika Fuzzy Metode Tsukamoto