Gambar 2.1 Arsitektur Sistem Pendukung Keputusan
2.2 Multiple Attribute Decision Making MADM
Sri Kusumadewi, 2006 menjelaskan Multiple Attribute Decision Making MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa
alternatif dalam jumlah yang terbatas. Secara umum, MADM memiliki suatu tujuan tertentu, yang dapat diklasifikasikan dalam 2 tipe yaitu menyeleksi alternatif dengan
atribut kriteria dengan ciri-ciri terbaik; dan mengklasifikasikan alternatif berdasarkan peran tertentu. Untuk menyelesaikan masalah MADM, dibutukan 2 tahap, yaitu :
1. Membuat rating pada setiap alternatif berdasarkan agregasi derajat kecocokan pada semua kriteria.
2. Merangking semua alternatif untuk mendapatkan alternatif terbaik. Ada 2 cara
yang dapat digunakan dalam proses perangkingan, yaitu melaui defuzzy atau melalui relasi preferensi fuzzy. Metode defuzzy dilakukan dengan pertama-
tama membuat bentuk crisp dari bilangan fuzzy, proses perangkingan didasarkan atas bilangan crisp dari bilangan fuzzy tersebut; model ini memang
Universitas Sumatera Utara
mudah untuk diimplementasikan, namun kita sangat dimungkinkan untuk kehilangan beberapa informasi terutama yang menyangkut ketidakpastian.
Penggunaan relasi preferensi fuzzy lebih menjamin ketidakpastian yang melekat pada bilangan fuzzy hingga proses perangkingan.
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM, antara lain :
1. Simple Additive Weighting SAW 2. Weighted Product WP
3. ELECTRE 4. Technique for Order Preference by Similarity to Ideal Solution TOPSIS
5. Analytic Hierarchy Process AHP
2.2.1 Simple Additive Weighting SAW
Menurut Sri Kusumadewi, 2006 Simple Additive Weighting SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah
mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan X ke suatu
skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
Keterangan : r
ij
= rating kinerja ternormalisasi dari alternatif A
i
pada kriteria C
j
. Max xij = Nilai maks jika yang dicari adalah atribut keuntungan atau nilai tertinggi.
Jika j adalah atribut biaya cost Jika j adalah atribut keuntungan benefit
2.1
=
Universitas Sumatera Utara
Min xij = Nilai min jika yang dicari adalah atribut biaya atau nilai terendah. Nilai preferensi untuk setiap alternatif V
i
diberikan sebagai : V =
w r
Nilai V
i
yang lebih besar mengindikasikan bahwa alternatif A
1
lebih terpilih.
2.2.2 Profile Matching
Menurut Kusrini, 2007 Profile Matching adalah sebuah mekanisme pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat minimal yang harus dipenuhi
atau dilewati. Langkah-langkah dalam penyelesaian perhitungan dengan menggunakan metode Profile Matching yaitu :
1. Aspek-aspek penilaian. Langkah pertama yang harus dilakukan yaitu menentukan aspek-aspek penilaian.
2. Pemetaan GAP kompetensi. GAP kompetensi adalah perbedaan antara kriteria yang dimiliki seseorang dengan
kriteria yang diinginkan. Rumus untuk mencari GAP kompetensi yaitu : GAP = Nilai Warga − Nilai Minimal 2.3
3. Pembobotan GAP kompetensi Apabila pemetaan GAP sudah selesai dilakukan, maka hasil dari pemetaan tersebut
diberi bobot nilai sesuai dengan patokan tabel bobot nilai GAP. Seperti yang terlihat pada tabel 2.1.
Tabel 2.1 Bobot Nilai
No. Selisih
Bobot Nilai
Keterangan 1
5 Tidak ada selisih
2 1
4,5 Kompetensi individu kelebihan 1 tingkatlevel
2.2
Universitas Sumatera Utara
3 -1
4 Kompetensi individu kekurangan 1 tingkatlevel
4 2
3,5 Kompetensi individu kelebihan 2 tingkatlevel
5 -2
3 Kompetensi individu kekurangan 2 tingkatlevel
6 3
2,5 Kompetensi individu kelebihan 3 tinkatlevel
7 -3
2 Kompetensi individu kekurangan 3 tingkatlevel
8 4
1,5 Kompetensi individu kelebihan 4 tinkatlevel
9 -4
1 Kompetensi individu kekurangan 4 tingkatlevel
Tabel ini berisi ketentuan pembobotan hasil selisih nilai GAP warga yang dikurangkan dengan nilai minimal yang sudah ditetapkan.
4. Perhitungan dan pengelompokkan Core dan Secondary Factor Setelah bobot nilai GAP ditentukan, maka dibagi menjadi 2 kelompok yaitu Core
Factor dan Secondary Factor.
Rumus untuk menghitung Core Factor yaitu sebagai berikut : NCF =
∑ NC aspek ∑ IC
Keterangan : NCF = Nilai rata-rata core factor.
NCaspek = Jumlah total nilai core factor. IC
= Jumlah item core factor.
Sedangkan rumus untuk menghitung secondary factor yaitu sebagai berikut : NSF =
∑ NS aspek ∑ IS
Keterangan : NSF = Nilai rata-rata secondary factor.
NCaspek = Jumlah total nilai Secondary factor. 2.4
2.5
Universitas Sumatera Utara
IC =
Jumlah item secondary factor. 5. Perhitungan Nilai Total
Untuk menghitung nilai total, rumus yang digunakan yaitu : xNCFaspek + xNSFaspek = Ntotalaspek
Keterangan : NCFaspek = nilai rata-rata core factor.
NSFaspek = nilai rata-rata secondary factor. Naspek = nilai total dari aspek
x = nilai persen yang diinputkan 6. Perhitungan Nilai Rangking
Untuk menentukan perangkingan mengacu pada hasil perhitungan menggunakan rumus sebagai berikut :
Rangking = xNs Keterangan :
Ns = Nilai aspek
x = nilai persen yang diinputkan Sumber : Kusrini, 2007
2.6
2.7
Universitas Sumatera Utara
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
Dalam bab ini akan membahas tentang analisis dan perancangan sistem aplikasi sistem pendukung keputusan penentuan warga miskin dengan metode SAW dan Profile
Matching , juga membahas tentang pemodelan sistem dan membahas tentang alur kerja
metode SAW dan Profile Matching dan juga perancangan interface aplikasi.
3.1. Analisis Masalah
Kategori