Sub-Sistem SIG Karakteristik Sistem Pendukung Keputusan

dalam memperoleh berbagai informasi yang berkaitan dengan aspek keruangan, baik yang berorientasi ilmiah, komersil, pengelolaan maupun kebijaksanaan [10]. Berikut adalah beberapa keuntungan penggunaan SIG : 1. SIG mempunyai kemampuan untuk memilih dan mencari detail yang diinginkan, menggabungkan satu kumpulan data dengan kumpulan data lainnya, melakukan perbaikan data dengan lebih cepat dan memodelkan data serta menganalisis suatu keputusan. 2. SIG dengan mudah menghasilkan peta-peta tematik yang dapat digunakan untuk menampilan informasi-informasi tertentu. Peta-peta tematik tersebut dapat dibuat dari peta-peta yang sudah ada sebelumnya, hanya dengan memanipulasi atribut-atributnya. 3. SIG memiliki kemampuan untuk menguraikan unsur-unsur yang terdapat di permukaan bumi menjadi beberapa layer data spasial. Dengan layer, permukaan bumi dapat direkonstruksi kembali .

2.1.1 Sub-Sistem SIG

Yuliadji [10], menyatakan bahwa Sistem Informasi Geografis pada dasarnya dapat dirinci menjadi tiga sub sistem yang saling terkait, yaitu :

1. Input Data Data Input

Input data dalam SIG terdiri dari data grafis atau data spasial dan data atribut. Kumpulan data tersebut disebut database. Database tersebut meliputi data tentang posisinya di muka bumi dan data atribut dari kenampakan geografis yang disimpan dalam bentuk titik-titik, garis atau vektor, area dan piksel atau grid. Sumber database untuk SIG secara konvensional dibagi dalam tiga kategori : a. Data atribut atau informasi numerik, berasal dari data statistik, data sensus, catatan lapangan dan data tabuler lainnya. b. Data grafis atau data spasial, berasal dari peta analog, foto udara dan citra penginderaan jauh lainnya dalam bentuk cetak kertas. c. Data penginderaan jauh dalam bentuk digital, seperti yang diperoleh dari satelit Landsat, SPOT, NOOA.

2. Pengelolaan Data data management

Subsistem ini mengorganisasikan baik data spasial maupun data atribut ke dalam sebuah basis data sedemikian rupa sehingga mudah dipanggil, di-update, dan diedit. Jadi subsistem ini dapat menimbun dan menarik kembali dari arsip data dasar, juga dapat melakukan perbaikan data dengan cara menambah, mengurangi atau memperbaharui.

3. Manipulasi dan Analisis Data data manipulation and analysis

Subsistem ini menentukan informasi-informasi yang dapat dihasilkan oleh SIG. Subsistem ini juga dan dapat melakukan manipulasi dan pemodelan data untuk menghasilkan informasi data.

4. Output Data

Sub-sistem ini berfungsi menayangkan informasi dan hasil analisis data geografis secara kualitatif maupun kuantitatif atau dapat berfungsi menampilkan atau menghasilkan keluaran seluruh atau sebagian basis data dalam bentuk soft copy maupun dalam bentuk hard copy, seperti tabel, grafik, peta arsip elektronik.

2.1.2 Representasi Grafis Suatu Objek

Informasi grafis suatu objek dapat dimasukan dalam bentuk: titik, garis, polygon [8]. a. Titik adalah representasi grafis yang paling sederhana untuk suatu objek. Tidak memiliki dimensi tetapi dapat diidentifikasikan di atas peta dan dapat ditampilkan pada layer monitor dengan menggunakan simbol-simbol. Contoh representasi objek titik untuk data posisi sumur bor: Gambar 2.1 Contoh representasi objek titik untuk data posisi sumur bor b. Garis adalah bentuk linier yang akan menghubungkan paling sedikit dua titik dan digunakan untuk merepresentasikan objek-objek satu dimensi. Contoh representasi objek garis untuk data lokasi jalan: Gambar 2.2 Contoh representasi objek garis untuk data lokasi jalan c. Poligon digunakan untuk merepresentasikan objek-objek dua dimensi, seperti danau, bataspropinsi, batas kota, batas persil tanah, dll. Suatu poligon paling sedikit dibatasi oleh tigagaris yang saling terhubung diantara ketiga titik. Di dalam basis data, semua bentuk area duadimensi direpresentasikan oleh bentuk poligon. Gambar 2.3 Contoh representasi objek poligon untuk data landuse

d. Objek Tiga Dimensi

Setiap fenomena fisik memiliki lokasi di dalam ruang. Akibatnya, model data yang lengkap harus mencakup dimensi yang ketiga ruang 3 dimensi. Hal ini berlaku untuk permukaan tanah, menara, sumur, bangunan, batas-batas, dll. Gambar 2.4 Contoh representasi objek permukaan 3D

2.1.3 Model Data Spasial

Model dunia nyata dapat memudahkan manusia dalam studi area aplikasi yang dipilih dengan cara mereduksi sejumlah kompleksitas yang ada. Jika model dunia nyata ini akan digunakan, model ini harus diimplementasikan di dalam basis data. Bentuk representasi entity spasial adalah konsep vekor dan raster. Dengan demikian, data spasial direpresentasikan di dalam basisdata sebagai vektor atau raster [8].

a. Model Data Raster

Model data raster menampilkan, menempatkan, dan menyimpan data spasial dengan menggunakan struktur matriks atau piksel-piksel yang membentuk grid. Setiap piksel memiliki atribut tersendiri, termasuk koordinatnya yang unik. Akurasi model ini sangat tergantung pada resolusi atau ukuran pikselnya dipermukaan bumi. Entity spasial raster di dalam layers yang secara fungsionalitas direlasikan dengan unsur-unsur petanya. Contoh unsur spasial raster adalah citra satellite Landsat, Ikonos, citra rada, dan sebagainya. Gambar 2.5 Contoh data spasial model raster

b. Model Data Vektor

Model data vektor menampilkan, menempatkan, dan menyimpan data spasial dengan menggunakan titik, garis kurva atau poligon beserta atributnya. Bentuk dasar representasi data spasial dalam model data vector didefinisikan oleh sistem koordinat kartesian dua dimensi x,y. Garis atau kurva merupakan sekumpulan titik terurut yang dihubungkan. Sedangkan luasan atau poligon disimpan sebagai sekumpulan daftar titik-titik dimana titik awal dan titik akhir poligon memiliki nilai koordinat yang sama. Gambar 2.6 Contoh data spasial model vektor

2.1.4 Digitasi

Digitasi merupakan proses pembentukan data yang berasal dari data raster menjadi data vektor [1]. Dalam sistem informasi geografis dan pemetaan digital, data vektor banyak digunakan sebagai dasar analisis dan berbagai proses. Digitasi pada Arcview dilakukan pada dokumen view. Dalam pembentukan peta digital, data grafis harus disimpan di dalam sebuah shapefile file .shp. Oleh karena itu, proses digitasi didahului dengan pembuatan sebuah shapefile kosong. Peta hasil digitasi selanjutnya dapat dugunakan dalam proses overlay. 2.1.5 Overlay Overlay merupakan tumpang-susun antara dua peta yang menghasilkan satu unit peta analisis baru [1]. Overlay peta sering dilakukan bersamaan dengan proses skoring. Namun tidak setiap proses tumpang-susun peta selalu menggunakan skoring. Dalam beberapa hal, overlay juga dilakukan antara suatu peta dengan citra satelit atau foto udara. Overlay digunakan sebagai pemadu berbagai indikator yang berasal dari peta tematik hingga menjadi satu peta analisis. Peta analisis ini pada akhirnya digunakan sebagai dasar penarikan kesimpulan untuk suatu kasus. Gambar 2.7 Contoh proses overlay + =

2.2 Metode Analytical Hierarchy Process AHP

AHP dikembangkan oleh Thomas Saaty pada tahun 1970-an. AHP merupakan sistem pembuat keputusan dengan menggunakan model matematis. AHP membantu dalam menentukan prioritas dari beberapa kriteria dengan menggunakan model matematis. AHP membantu dalam menentukan prioritas dari beberapa kriteria dengan melakukan analisa perbandingan berpasangan dari masing-masing kriteria [9]. AHP dikembangkan pada musim semi 1970 dalam menghadapi masalah perencanaan militer Amerika Serikat untuk menghadapi berbagai pilihan contingency planning. Kemudian diaplikasikan dalam pengembangan rencana transportasi di Sudan. Kemudian pengunaan AHP semakin meluas ke pemerintahan dan perusahaan di berbagai negara di dunia. Metode AHP diimplementasikan di berbagai instansi pemerintah termasuk Departemen Pertahanan AS dan Departemen Energi AS. Pada dasarnya, proses pengambilan keputusan adalah memilih suatu alternatif. AHP umumnya digunakan dengan tujuan untuk menyusun prioritas dari berbagai alternatif pilihan yang ada dan pilihan-pilihan tersebut bersifat kompleks atau multikriteria. Metode AHP merupakan suatu teori umum tentang suatu konsep pengukuran. Metode ini digunakan untuk menemukan suatu skala rasio baik dari perbandingan pasangan yang bersifat diskrit maupun kontinu. Perbandingan- perbandingan ini dapat diambil dari ukuran aktual atau dari suatu skala dasar yang mencerminkan kekuatan perasaan dan prefensi relatif. Peralatan utama AHP adalah sebuah hirarki fungsional dengan input utamanya persepsi manusia akan prioritas antara satu elemen dengan elemen yang lainnya. Keberadaan hirarki memungkinkan dipecahnya masalah kompleks atau tidak terstruktur dalam sub-sub masalah, lalu menyusunnya menjadi suatu bentuk hirarki. Beberapa kelebihan penggunaan metode AHP adalah sebagai berikut Suryadi dan Ramdhani: 1. Struktur yang berbentuk hirarki sebagai konsekuensi dari kriteria yang dipillih sampai pada subkriteria yang paling dalam. 2. Memperhatikan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternatif yang dipilih oleh para pengambil keputusan. 3. Memperhitungkan daya tahan atau ketahanan keluaran analisis sensitivitas pembuat keputusan. Selain itu metode AHP mempunyai kemampuan untuk memecahkan masalah yang multi-objektif dan multikriteria yang berdasar pada perbandingan preferensi dari setiap elemen dalam hirarki. Jadi metode AHP merupakan suatu bentuk pemodelan pembuatan keputusan yang sangat komprehensif. Terdapat 4 aksioma- aksioma yang terkandung dalam model AHP: 1. Reciprocal Comparison artinya pengambilan keputusan harus dapat memuat perbandingan dan menyatakan preferensinya. Prefesensi tersebut harus memenuhi syarat resiprokal yaitu apabila A lebih disukai daripada B dengan skala x, maka B lebih disukai daripada A dengan skala 1x. 2. Homogenity artinya preferensi seseorang harus dapat dinyatakan dalam skala terbatas atau dengan kata lain elemen- elemennya dapat dibandingkan satu sama lainnya. Kalau aksioma ini tidak dipenuhi maka elemen- elemen yang dibandingkan tersebut tidak homogen dan harus dibentuk cluster kelompok elemen yang baru. 3. Independence artinya preferensi dinyatakan dengan mengasumsikan bahwa kriteria tidak dipengaruhi oleh alternatif-alternatif yang ada melainkan oleh objektif keseluruhan. Ini menunjukkan bahwa pola ketergantungan dalam AHP adalah searah, maksudnya perbandingan antara elemen-elemen dalam satu tingkat dipengaruhi atau tergantung oleh elemen-elemen pada tingkat diatasnya. 4. Expectation artinya untuk tujuan pengambil keputusan. Struktur hirarki diasumsikan lengkap. Apabila asumsi ini tidak dipenuhi maka pengambil keputusan tidak memakai seluruh kriteria atau objectif yang tersedia atau diperlukan sehingga keputusan yang diambil dianggap tidak lengkap. 2.2.1 Langkah-langkah Penggunaan Metode AHP Pada dasarnya terdapat beberapa langkah yang perlu diperhatikan dalam menggunakan metode AHP, antara lain Suryadi Ramdhani 1998: 1. Mendefinisikan masalah dan menentukan solusi yang diinginkan. 2. Membuat struktur hirarki yang diawali dengan tujuan umum dilanjutkan dengan subtujuan-subtujuan, kriteria dan kemungkinan alternatif-alternatif pada tingkatan kriteria yang paling bawah. 3. Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi relatif atau pengaruh setiap elemen terhadap masing-masing tujuan atau kriteria yang setingkat diatasnya. Perbandingan dilakukan berdasarkan judgment dari pembuat keputusan dengan menilai tingkat kepentingan suatu elemen dibandingkan elemen lainnya. 4. Melakukan perbandingan berpasangan sehingga diperoleh nilai judgment seluruhnya yaitu sebanyak n x [ n-12 ] buah dengan n adalah banyaknya elemen yang dibandingkan. 5. Menghitung nilai lamda max dan menguji konsistensinya jika tidak konsisten maka pengambilan data diulangi. 6. Mengulangi langkah 3, 4 dan 5 untuk seluruh tingkat hirarki. 7. Menghitung vektor eigen dari setiap matriks perbandingan berpasangan. Nilai vektor eigen merupakan bobot setiap elemen. Langkah ini untuk mensintesis judgment dalam penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan. 8. Memeriksa konsistensi hirarki. Jika nilai lebih dari 10 persen atau 0,1 maka penilaian data harus diperbaiki. 2.2.2 Prinsip Dasar AHP Dalam menyelesaikan permasalahan dengan AHP ada beberapa prinsip yang harus dipahami, diantaranya adalah:

1. Membuat Hirarki

Sistem yang kompleks bisa dipahami dengan memecahnya menjadi elemen - elemen pendukung, menyusun elemen secara hirarki, dan menggabungkannya atau mensistesisnya. Untuk lebih jelasnya dapat dilihat pada gambar 2.8. Gambar 2.8 Struktur Hirarki AHP

2. Penilaian kriteria dan alternatif

Kriteria dan alternatif dilakukan dengan perbandingan berpasangan. Menurut Saaty [9], untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik untuk mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty dapat dilihat pada Tabel di bawah ini: Tabel 2.1 Skala Penilaian Perbandingan Berpasangan Intesitas Kepentingan Keterangan 1 Kedua elemen sama pentingnya. 3 Elemen yang satu sedikit lebih penting daripada elemen yang lainnya. 5 Elemen yang satu lebih penting daripada elemen yang lainnya 7 Satu elemen jelas lebih mutlak penting daripada elemen yang lainnya. 9 Satu elemen mutlak penting daripada elemen yang lainnya. 2,4,6,8 Nilai-nilai antara dua nilai pertimbangan yang berdekatan. Kebalikan Jika aktivitas i mendapat satu angka dibandingkan dengan aktivitas j, maka j memiliki nilai kebalikannya dibandingkan dengan i. Penentuan Wilayah Wilayah Pemukiman Wilayah Industri Wilayah n Kriteria 2 Wilayah 1 Kriteria 1 Wilayah 2 Kriteria n … Kriteria 2 Kriteria 1 Kriteria n … … Wilayah n Wilayah 1 Wilayah 2 … Pengisian nilai tabel perbandingan berpasangan dilakukan berdasarkan kebijakan pembuat keputusan dengan melihat tingkat kepentingan antar satu elemen dengan elemen yang lainnya. Proses perbandingan berpasangan, dimulai dari perbandingan kriteria misalnya A1, A2 dan A3. Maka susunan elemen-elemen yang dibandingkan tersebut akan tampak seperti pada tabel di bawah ini: Tabel 2.2 Contoh Matriks Perbandingan Berpasangan Untuk menentukan nilai kepentingan relatif antar elemen digunakan skala bilangan dari 1 sampai 9 yang dapat dilihat pada Tabel 2.2. Apabila suatu elemen dibandingkan dengan dirinya sendiri maka diberi nilai 1. Jika elemen i dibandingkan dengan elemen j mendapatkan nilai tertentu, maka elemen j dibandingkan dengan elemen i merupakan kebalikannya. Pengujian konsistensi dilakukan terhadap perbandingan antar elemen yang didapatkan pada tiap tingkat hirarki. Konsistensi perbandingan ditinjau dari per matriks perbandingan dan keseluruhan hirarki untuk memastikan bahwa urutan prioritas yang dihasilkan didapatkan dari suatu rangkaian perbandingan yang masih berada dalam batas-batas preferensi yang logis. Setelah melakukan perhitungan bobot elemen, langkah selanjutnya adalah melakukan pengujian konsistensi matriks. Untuk melakukan perhitungan ini diperlukan bantuan tabel Random Index RI yang nilainya untuk setiap ordo matriks dapat dilihat pada tabel berikut ini: Tabel 2.3 Random Index Urutan Matriks 1 2 3 4 5 6 7 8 9 10 RI 0.00 0.01 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 A1 A2 A3 A1 1 A2 1 A3 1

3. Synthesis of Priority Penentuan Prioritas

Untuk setiap kriteria dan alternatif, perlu dilakukan perbandingan berpasangan Pairwise Comparisons. Nilai-nilai perbandingan relatif dari seluruh alternatif kriteria bisa disesuaikan dengan judgement yang telah ditentukan untuk menghasilkan bobot dan prioritas. Bobot atau prioritas dihitung dengan manipulasi matriks atau melalui penyelesaian persamaan matematika.

4. Logical Consistency Konsistensi Logis

Konsistensi memiliki dua makna, pertama, objek-objek yang serupa bisa dikelompokkan sesuai dengan keseragaman dan relevansi. Kedua, menyangkut tingkat hubungan antar objek yang didasarkan pada kriteria tertentu. 2.3 Sistem Pendukung Keputusan Sistem pendukung keputusan decision support systems disingkat DSS adalah bagian dari sistem informasi berbasis computer termasuk sistem berbasis pengetahuan manajemen pengetahuan yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi perusahaan,atau lembaga pendidikan. Dapat juga dikatakan sebagai sistem komputer yang mengolah data menjadi informasi untuk mengambil keputusan dari masalah yang spesifik. Menurut Kusrini [3], Sistem Pendukung keputusan dapat digambarkan sebagai sistem yang berkemampuan mendukung analisis data, dan pemodelan keputusan, berorientasi keputusan, orientasi perencanaan masa depan, dan digunakan pada saat- saat yang tidak biasa.

2.3.1 Karakteristik Sistem Pendukung Keputusan

Dari pengertian Sistem Pendukung Keputusan maka dapat ditentukan karakteristik antara lain : 1. Mendukung proses pengambilan keputusan, menitik beratkan pada management by perception. 2. Adanya tatap muka manusia mesin dimana manusia user tetap memegang kendali proses pengambilan keputusan. 3. Mendukung pengambilan keputusan untuk membahas masalah terstruktur, semi terstruktur dan tak struktur. 4. Memiliki kapasitas dialog untuk memperoleh informasi sesuai dengan kebutuhan. 5. Memiliki subsistem – subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi sebagai kesatuan item. 6. Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi seluruh tingkatan manajemen.

2.3.2 Komponen Sistem Pendukung Keputusan a.