Implementasi Sistem Pengambil Keputusan Pemberian Remisi Warga Rutan Kelas I Medan Menggunakan Metode TOPSIS

IMPLEMENTASI SISTEM PENGAMBIL KEPUTUSAN

PEMBERIAN REMISI WARGA RUTAN KELAS I

MEDAN MENGGUNAKAN METODE TOPSIS

SKRIPSI

ARDIN SYAHPUTRA

071401017

PROGRAM STUDI S-1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

IMPLEMENTASI SISTEM PENGAMBIL KEPUTUSAN

PEMBERIAN REMISI WARGA RUTAN KELAS I

MEDAN MENGGUNAKAN METODE TOPSIS

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Komputer

ARDIN SYAHPUTRA

071401017

PROGRAM STUDI S-1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

PERSETUJUAN

Judul : IMPLEMENTASI SISTEM PENGAMBIL

KEPUTUSAN PEMBERIAN REMISI WARGA RUTAN KELAS I MEDAN MENGGUNAKAN METODE TOPSIS

Kategori : SKRIPSI

Nama : ARDIN SYAHPUTRA

Nomor Induk Mahasiswa : 071401017

Program Studi : SARJANA (S1) ILMU KOMPUTER Departemen : ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (Fasilkom-TI) UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, 28 Agustus 2014 Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Dr.Syahril Efendi, S.Si, MIT Prof.Dr.Iryanto, M.Si NIP.196711101996021001 NIP. 194604041971071001

Diketahui/Disetujui oleh

Departemen Ilmu Komputer Fasilkom-TI USU Ketua,

Dr.Poltak Sihombing, M.Kom NIP. 196203171991031001

PERNYATAAN

IMPLEMENTASI SISTEM PENGAMBIL KEPUTUSAN PEMBERIAN REMISI WARGA RUTAN KELAS I MEDAN MENGGUNAKAN METODE TOPSIS

DRAFT SKRIPSI

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

Medan, 28 Agustus 2014

Ardin Syahputra 071401017

PENGHARGAAN

Alhamdulillah penulis ucapkan puji syukur kehadirat Allah SWT yang telah memberikan kesehatan dan kesempatan kepada penulis sehingga penulis dapat melaksanakan dan menyelesaikan Skripsi ini yang berjudul “Implementasi Sistem Pengambil Keputusan Pemberian Remisi Warga Rutan Kelas I Medan Menggunakan

Metode TOPSIS”. Shalawat beserta salam penulis hadiahkan kepada inspirator utama dalam kehidupan saya, Rasullullah Muhammad SAW yang menjadi junjungan semua umat manusia.

Terima kasih penulis sampaikan kepada semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung. Dalam kesempatan ini penulis mengucapkan terima kasih yang sebesar-besarnya kepada Bapak Prof. Dr. Iryanto, M.Si dan Dr. Syahril Efendi, S.Si, MIT selaku pembimbing I dan II yang telah membimbing dan memberikan masukan-masukan kepada penulis dengan tulus ikhlas dalam menyelesaikan skripsi ini. Terima kasih yang mendalam juga penulis ucapkan kepada Bapak Prof. Dr. Muhammad Zarlis dan Dr. Poltak Sihombing, M.Kom selaku pembanding I dan II yang telah memberikan kritik dan masukan-masukan positif guna penyempurnaan skripsi ini. Penulis juga mengucapkan terima kasih kepada Bapak M. P. Jaya Saragih, A.Md.I.P., S.H., M.H yang telah menjadi narasumber penulis dalam memberikan pengetahuan tentang pemberian remisi umum dan remisi khusus dalam menyelesaikan skripsi ini. Ucapan terima kasih juga penulis ditujukan kepada Ketua dan Sekretaris Program Studi S1 Ilmu Komputer Fasilkom USU Bapak Dr. Poltak Sihombing, M.Kom dan ibu Maya Silvi Lydia, B.Sc,M.Sc. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen dan pegawai pada Program Studi S1 Ilmu Komputer Fasilkom-TI USU, rekan-rekan mahasiswa Ilmu Komputer serta semua pihak yang telah membantu dan memberi masukan kepada penulis untuk menyempurnakan skripsi ini.

Akhirnya, tidak terlupakan penulis menghaturkan ribuan terima kasih kepada ayahanda dan ibunda tercinta, Suhaili dan Asmaranizar yang tidak henti-hentinya mendukung dan mendoakan penulis serta memberikan motivasi dan dukungan baik secara moril dan materil, kepada seluruh keluarga, abang, kakak dan adik tersayang. Serta para teman kuliah angkatan 2007 yang selalu membantu dan menjadi teman diskusi penulis dalam menyelesaikan skripsi ini, khususnya Eka Patma Rahmansyah S.Kom, yang telah memberikan dukungan moril dalam penyusunan skripsi ini dan penulis berharap semoga amal kebaikan semua pihak yang telah membantu penulis akan dinilai sebagai amal dan mendapat balasan dari Allah SWT.

Medan, 28 Agustus 2014 Penulis

ABSTRAK

Remisi adalah pengurangan masa menjalani pidana yang diberikan kepada narapidana yang telah memenuhi syarat-syarat yang ditentukan dalam peraturan perundangan. Pemberian remisi kepada narapidana merupakan perintah dari undang-undang sebagai rangsangan agar narapidana bersedia menjalani pembinaan untuk merubah prilaku sesuai dengan tujuan sistem pemasyrakatan. Penentuan pemberian remisi secara manual tidak jarang juga ditemukan data yang bersifat ketidakpastian sehingga kurang tepat dijadikan sebagai acuan dalam pengambilan keputusan. Maka untuk mengatasi hal tersebut dapat digunakan metode TOPSIS. Metode TOPSIS merupakan metode pengambilan keputusan multi kriteria yang menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dengan solusi ideal positif dan jarak terjauh dengan solusi ideal negatif. Metode ini dimulai dengan membangun sebuah matriks keputusan, membuat matriks keputusan ternormalisasi, membuat matriks keputusan ternormalisasi terbobot, menentukan solusi ideal positif dan negatif, menghitung separasi, menghitung kedekatan relatif terhadap solusi ideal positif dan merangking alternatif. Hasil yang didapatkan dari penelitian ini adalah berupa daftar narapidana yang diurutkan berdasarkan nilai kedekatan yang terbesar hingga yang terkecil.

DECISION MAKERS SYSTEM IMPLEMENTATION ON REMISSION AWARDING FOR MEMBER OF RUTAN KELAS I MEDAN

USING TOPSIS METHODOLOGY

ABSTRACT

Remission is reduction of detention period which is given to prisoners who are eligible based on specified requirements in legislation. Remission for prisoners is a directive of the law to act as stimuli for the inmates willing to undergo training in order to change the behaviour for humanity purposes. In granting the remissions, decisions are made manually so it can likely found data-uncertainty. One of the solutions is using TOPSIS method. TOPSIS method is a multi-criteria decision-making method that uses the principle that the chosen alternative should have the shortest distance to the positive ideal solution and the farthest distance to the negative ideal solution. This method begins by constructing a decision matrix, normalized decision-making matrix, and weighted normalized decision-making matrix, define the positive and negative ideal solution, calculate separation, calculate the relative closeness to the positive ideal solution and rank the alternatives. Result from this research is a list of prisoners who are sorted by the value of the closeness of the largest to the smallest.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak v

Abstract vi

Daftar Isi vii

Daftar Tabel ix

Daftar Gambar x

Bab 1 Pendahuluan 1

1.1 Latar Belakang Masalah 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Metode Penelitian 3

1.7 Sistematika Penulisan 4

Bab 2 Landasan Teori 6

2.1. Sistem Pendukung Keputusan (SPK) 6

2.1.1 Pengertian Sistem Pendukung Keputusan 7 2.1.2 Ciri-ciri Sistem Pendukung Keputusan 7 2.1.3 Komponen Sistem Pendukung Keputusan 8

2.1.4 Proses Pengambil Keputusan 9

2.1.5 Karakteristik dan Nilai Guna Sistem Pendukung Keputusan 9

2.2 Pengertian Remisi 11

2.2.1 Syarat-syarat mendapatkan Remisi 12

2.3 Metode TOPSIS 13

2.3.1 Langkah-langkah Metode TOPSIS 13 2.3.2 Membuat Matriks Keputusan yang Ternormalisasi 14 2.3.3 Membuat Matriks Keputusan yang Ternormalisasi Terbobot 14 2.3.4 Menentukan Solusi Ideal Positif dan Solusi Ideal Negatif 14

2.3.5 Menghitung Separasi 15

2.3.6 Menghitung Kedekatan Relatif Terhadap Solusi Ideal 16

2.4 Data Flow Diagram (DFD) 16

2.4.1 Diagram Konteks 17

2.4.2 Diagram Level n / Data Flow Diagram Levelled 18

2.4.3 Data Flow Diagram Logis 20

2.4.4 Data Flow Diagram Fisik 20

2.5 Entity Relantionship Diagram (ERD) 21

2.5.1 Konsep Dasar Model Entity Relantionship 21

2.5.3 Atribut 22

2.5.4 Relationship 23

2.5.5 Derajat Relasi atau Kardinalitas 23

2.6 Flowchart 23

Bab 3 Analisis dan Perancangan Sistem 25

3.1 Analisis Permasalahan 25

3.2 Analisis Kebutuhan Sistem Pendukung Keputusan 25

3.2.1 Kebutuhan Fungsional 26

3.2.2 Kebutuhan Non Fungsional 26

3.3 Kriteria 27

3.3.1 Penentuan Kriteria 27

3.3.2 Pembobotan Kriteria 27

3.4 Langkah-langkah TOPSIS 28

3.4.1 Nilai Kecocokan Setiap Alternatif Terhadap Kriteria 28 3.4.2 Perhitungan Matriks Keputusan Normalisasi 31 3.4.3 Perhitungan Matriks Keputusan Normalisasi Bobot 32 3.4.4 Penentuan Solusi Ideal Positif dan Negatif 33 3.4.5 Perhitungan Jarak Setiap Alternatif Terhadap Solusi Ideal 33 3.4.6 Perhitungan Kedekatan Setiap Alternatif 34

3.5 Flowchart Proses Perhitungan TOPSIS 36

3.6 Data Flow Diagram (DFD) 37

3.7 Entity Relationship Diagram (ERD) 39

3.8 Perancangan Antarmuka 41

Bab 4 Implementasi dan Pengujian 45

4.1 Implementasi Sistem 45

4.2 Pengujian Sistem 45

4.2.1 Tampilan Awal 46

4.2.2 Pengolahan Data Narapidana 46

4.2.3 Pengolahan Data Kriteria 51

4.2.4 Perhitungan TOPSIS 52

Bab 5 Kesimpulan dan Saran 55

5.1. Kesimpulan 55

5.2. Saran 55

Daftar Pustaka 56

DAFTAR TABEL

Halaman

Tabel 2.1 Simbol Data Flow Diagram 17

Tabel 2.2 Simbol Flowchart 24

Tabel 3.1 Kriteria Sistem 27

Tabel 3.2 Standar Nilai Bobot 27

Tabel 3.3 Nilai Kecocokan 28

Tabel 3.4 Nilai KecocokanTerhadap Kriteria Kelakuan 28 Tabel 3.5 Nilai Kecocokan Terhadap Kriteria Perkara Pidana 29 Tabel 3.6 Nilai Kecocokan Terhadap Kriteria Berjasa 29 Tabel 3.7 Tabel Kecocokan Alternatif Terhadap Kriteria 31

Tabel 3.8 Kamus Data untuk data_narapidana 39

Tabel 3.9 Kamus Data untuk data_kriteria 40

Tabel 3.10 Kamus Data untuk data_jasa 40

Tabel 3.11 Kamus Data untuk data_pelanggaran 40

Tabel 3.12 Kamus Data untuk data_perkara 40

DAFTAR GAMBAR

Halaman

Gambar 2.1 Model Konseptual SPK 8

Gambar 3.1 Flowchart Proses Perhitungan TOPSIS 36 Gambar 3.2 DFD SPK Pemilihan Remisi Level 0 37

Gambar 3.3 DFD SPK Pemilihan Remisi Level 1 37

Gambar 3.4 DFD SPK Pemilihan Remisi Level 2 38

Gambar 3.5 ERD SPK Pemilihan Remisi 39

Gambar 3.6 Rancangan Halaman Utama 42

Gambar 3.7 Rancangan Halaman Input Data Narapidana 42 Gambar 3.8 Rancangan Halaman Input Bobot Data Kriteria 43 Gambar 3.9 Rancangan Proses Perhitungan TOPSIS 44

Gambar 4.1 Halaman Utama 46

Gambar 4.2 Data Narapidana 47

Gambar 4.3 Proses Mengolah Data Narapidana Baru 47

Gambar 4.4 Proses Mengolah Data Perkara 48

Gambar 4.5 Proses Mengolah Data Jasa/Pelanggaran 48 Gambar 4.6 Pengolahan Data Narapidana Baru Sebelum Penyimpanan 49 Gambar 4.7 Pengolahan Data Narapidana Setelah Menambah Data Baru 49

Gambar 4.8 Proses Mengubah Data Narapidana 50

Gambar 4.9 Konfirmasi Penghapusan Data 50

Gambar 4.10 Proses Pengisian Nilai Bobot Kriteria 51 Gambar 4.11 Proses Konversi Nilai Bobot Kriteria 51 Gambar 4.12 Proses TOPSIS Bagian Remisi Hari Kemerdekaan 52 Gambar 4.13 Proses TOPSIS Bagian Remisi Hari Besar Keagamaan 53 Gambar 4.14 Hasil Proses Perhitungan Topsis 54 Gambar 4.15 Laporan Hasil Seleksi Urutan Kelayakan Pemberian Remisi 54

ABSTRAK

Remisi adalah pengurangan masa menjalani pidana yang diberikan kepada narapidana yang telah memenuhi syarat-syarat yang ditentukan dalam peraturan perundangan. Pemberian remisi kepada narapidana merupakan perintah dari undang-undang sebagai rangsangan agar narapidana bersedia menjalani pembinaan untuk merubah prilaku sesuai dengan tujuan sistem pemasyrakatan. Penentuan pemberian remisi secara manual tidak jarang juga ditemukan data yang bersifat ketidakpastian sehingga kurang tepat dijadikan sebagai acuan dalam pengambilan keputusan. Maka untuk mengatasi hal tersebut dapat digunakan metode TOPSIS. Metode TOPSIS merupakan metode pengambilan keputusan multi kriteria yang menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dengan solusi ideal positif dan jarak terjauh dengan solusi ideal negatif. Metode ini dimulai dengan membangun sebuah matriks keputusan, membuat matriks keputusan ternormalisasi, membuat matriks keputusan ternormalisasi terbobot, menentukan solusi ideal positif dan negatif, menghitung separasi, menghitung kedekatan relatif terhadap solusi ideal positif dan merangking alternatif. Hasil yang didapatkan dari penelitian ini adalah berupa daftar narapidana yang diurutkan berdasarkan nilai kedekatan yang terbesar hingga yang terkecil.

DECISION MAKERS SYSTEM IMPLEMENTATION ON REMISSION AWARDING FOR MEMBER OF RUTAN KELAS I MEDAN

USING TOPSIS METHODOLOGY

ABSTRACT

Remission is reduction of detention period which is given to prisoners who are eligible based on specified requirements in legislation. Remission for prisoners is a directive of the law to act as stimuli for the inmates willing to undergo training in order to change the behaviour for humanity purposes. In granting the remissions, decisions are made manually so it can likely found data-uncertainty. One of the solutions is using TOPSIS method. TOPSIS method is a multi-criteria decision-making method that uses the principle that the chosen alternative should have the shortest distance to the positive ideal solution and the farthest distance to the negative ideal solution. This method begins by constructing a decision matrix, normalized decision-making matrix, and weighted normalized decision-making matrix, define the positive and negative ideal solution, calculate separation, calculate the relative closeness to the positive ideal solution and rank the alternatives. Result from this research is a list of prisoners who are sorted by the value of the closeness of the largest to the smallest.

BAB 1 PENDAHULUAN

1.1Latar Belakang Masalah

Keunggulan manusia dibandingkan dengan makhluk lainnya terletak pada kecerdasannya, dengan kecerdasannya ini manusia dapat menguasai ilmu pengetahuan dan teknologi. Dengan pengetahuan yang dimilikinya manusia dapat menciptakan berbagai macam karya mulai dari yang sederhana sampai yang rumit. Salah satu karya terpenting manusia saat ini adalah komputer.

Pada mulanya manusia menggunakan komputer hanya untuk mengolah data yang ada, menghasilkan informasi untuk pengambilan keputusan. Seiring perkembangan komputer, maka kegunaan komputer makin luas, sehingga proses pengambilan keputusan dapat lebih cepat dan akurat. Apabila komputer mengerjakan pengolahan data maka manusia harus mengkonversi data tersebut menjadi informasi yang dapat digunakan dalam mengolah pengetahuan untuk menghasilkan keputusan. Akan tetapi apabila komputer dapat mengerjakan pengolahan pengetahuan, juga terkandung di dalamnya pengolahan data dan informasi, maka akan sangat sedikitlah bagian pekerjaan yang harus dilakukan manusia, termasuk untuk menerapkan hasilnya untuk keperluan tertentu.

Pemberian remisi kepada narapidana merupakan perintah dari Undang-undang sebagai rangsangan agar narapidana bersedia menjalani pembinaan untuk merubah prilaku sesuai dengan tujuan sistem pemasyrakatan. Setiap narapidana yang mengalami pidana lebih dari 6 (enam) bulan dapat diberikan dorongan berupa upaya remisi untuk memperpendek masa pidana, apabila telah menunjukkan prestasi dengan berbuat dan berkelakuan baik atau turut mengambil bagian berbakti terhadap Negara.

Remisi atau pengurangan penghukuman selama narapidana menjalani hukuman pidana juga berubah dari waktu ke waktu. Sistem kepenjaraan menempatkan remisi sebagai hadiah. Artinya remisi adalah hadiah dari pemerintah kepada

narapidana. Sejak tahun 1950, remisi tidak lagi sebagai anugerah, tetapi menjadi hak setiap narapidana yang memenuhi syarat yang ditetapkan.

Dalam sistem baru pembinaan narapidana, remisi ditempatkan sebagai motivasi (salah satu motivasi) bagi narapidana untuk membina diri sendiri. Sebab, remisi tidak sebagai hukum seperti dalam sistem kepenjaraan, tetapi sebagai hak dan kewajiban narapidana. Artinya jika narapidana benar-benar melaksanakan kewajibannya, iya berhak untuk mendapatkan remisi, sepanjang persyaratan telah dipenuhi. [9]

Namun pada kenyataan di lapangan, tidak jarang juga ditemukan data-data yang bersifat ketidakpastian. Data-data ketidakpastian seperti ini kurang tepat dijadikan sebagai acuan dalam pengambilan keputusan. Maka untuk mengatasi hal tersebut dapat digunakan metode TOPSIS. Hal ini disebabkan pada metode TOPSIS memiliki alternatif terhadap data-data yang tidak tepat atau tidak pasti.

Berdasarkan hal-hal di atas, dalam skripsi ini penulis melakukan penelitian dengan judul Implementasi Sistem Pengambil Keputusan Pemberian Remisi Warga Rutan Kelas I Medan Menggunakan Metode TOPSIS.

1.2Rumusan Masalah

Masalah yang diangkat dalam penelitian tugas akhir ini adalah bagaimana merancang dan membangun suatu aplikasi pendukung keputusan dalam penentuan remisi warga binaan pemasyarakatan di Rutan Kelas I Medan dengan menggunakan metode TOPSIS.

1.3Batasan Masalah

Adapun yang menjadi batasan masalah dalam penelitian ini adalah :

1. Kriteria yang digunakan dalam sistem ini diperoleh dari Rutan Kelas I Medan. 2. Remisi yang akan dihitung adalah Remisi Umum dan Remisi Khusus.

4. Tools bahasa pemrograman menggunakan Microsoft Visual Basic 6.0. 5. Tools pembuatan laporan menggunakan Seagate Crystal Report. 6. Menggunakan Database Ms.Acces 2007.

1.4Tujuan Penelitian

Adapun tujuan dari penelitian ini untuk mengimplementasikan metode TOPSIS pada sistem pengambilan keputusan dalam penentuan jumlah remisi yang diperoleh oleh warga binaan pemasyarakatan Rutan Kelas I Medan. Selain itu penelitian ini juga bertujuan untuk memberi informasi dengan cepat dan tepat secara komputerisasi agar dapat mempermudah proses perhitungan remisi.

1.5Manfaat Penelitian

Sedangkan manfaat yang diharapkan dari penelitian ini adalah untuk membantu perhitungan remisi pada warga binaan pemasyarakatan rutan Kelas I Medan, sehingga proses pelaksanaan sistem ini menjadi lebih efisien dan hemat waktu.

1.6Metode Penelitian

Tahapan yang diambil dalam penelitian ini yaitu : 1. Studi Literatur

Metode ini dilaksanakan dengan melakukan studi kepustakaan tentang sistem pengambil keputusan, pengumpulan bahan-bahan referensi baik dari buku, artikel, paper, judul dan database serta algoritma TOPSIS.

2. Analisis data dengan penelitian ke lapangan

Pada tahap ini dilakukan survey ke lapangan yang bertujuan untuk memperoleh data secara langsung dari Rutan Kelas I Medan

a. Pengumpulan dokumentasi yang berhubungan dengan pemberian remisi. b. Diskusi dengan pegawai yang bersangkutan dengan penentuan pemberian

3. Perancangan Perangkat Lunak

Pada tahap ini dilakukan pemasukan serta pengolahan data untuk mendapatkan hasil apakah sudah sesuai dengan yang diharapkan.

4. Implementasi dan Pengujian Sistem

Pada tahap ini dilakukan pemasukan serta pengolahan data untuk mendapatkan hasilnya apakah sudah sesuai dengan yang diharapkan.

5. Dokumentasi

Tahap ini dilakukan pengumpulan data, baik data dari hasil pengamatan maupun data hasil pemrosesan dengan aplikasi dan pembuatan laporan hasil analisis dan perancangan serta hasil pengujian sistem.

1.7 Sistematika Penulisan

Sistematika penulisan yang akan diuraikan dalam skripsi ini terbagi dalam beberapa bagian utama sebagai berikut :

BAB 1 : Pendahuluan

Bab ini akan menjelaskan secara umum mengenai latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, serta sistematika penulisan.

BAB 2 : Landasan Teori

Bab ini menjelaskan tentang analisis dan perancangan sistem pendukung keputusan pemberian remisi warga rutan dengan menggunakan metode TOPSIS direpresentasikan dengan Data Flow Diagram, Entity Relationship Diagram dan Interface Design yang nantinya akan dituangkan ke dalam bahasa pemrograman.

BAB 3 : Analisis dan Perancangan Sistem

Bab ini akan menguraikan tentang analisis data yang akan diolah dalam sistem serta membuat perancangan sistem yang sesuai dengan tujuan penelitian.

BAB 4 : Implementasi dan Pengujian

Bab ini akan menjelaskan tentang hasil analisis dan perancangan sistem dalam bentuk antarmuka sistem.

BAB 5 : Kesimpulan dan Saran

Bab terakhir akan memuat kesimpulan isi dari uraian bab-bab sebelumnya dan hasil penelitian. Bab ini juga memuat saran yang diharapkan dapat bermanfaat untuk pengembangan selanjutnya.

BAB 2

LANDASAN TEORI

2.1 Sistem Pendukung Keputusan (SPK)

Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Systems (DSS) merupakan suatu penerapan sistem informasi yang ditunjukan untuk membantu pimpinan / individu dalam proses pengambilan keputusan. Sistem Pendukung Keputusan menggabungkan kemampuan komputer dalam pelayanan interaktif dengan pengolahan data yang memanfaatkan model atau aturan penyelesaian yang tidak terstruktur. Sistem Pendukung Keputusan didefinisikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan dalam situasi tertentu untuk memperluas kapabilitas pengambilan keputusan mereka, namun tidak menggantikan penilaian mereka. [1]

Pada proses pengambilan keputusan, pengolahan data dan informasi yang dilakukan bertujuan untuk menghasilkan berbagai alternatif keputusan yang dapat diambil. SPK yang merupakan penerapan dari sistem informasi ditujukan hanya sebagai alat bantu manajemen dalam pengambilan keputusan. SPK tidak dimaksudkan untuk menggantikan fungsi pengambil keputusan dalam membuat keputusan, melainkan hanyalah sebagai alat bantu pengambil keputusan dalam melaksanakan tugasnya. SPK dirancang untuk menghasilkan berbagai alternatif yang ditawarkan kepada para pengambil keputusan dalam melaksanakan tugasnya. Sehingga dapat dikatakan bahwa SPK memberikan manfaat bagi manajemen dalam hal meningkatkan efektivitas dan efisiensi kerjanya terutama dalam proses pengambilan keputusan. Di samping itu, SPK menyatukan kemampuan komputer dalam pelayanan interaktif terhadap penggunanya dengan adanya proses pengolahan atau pemanipulasian data yang memanfaatkan model atau aturan yang tidak terstruktur sehingga menghasilkan alternatif keputusan yang situasional. [10]

2.1.1 Pengertian Sistem Pendukung Keputusan

Beberapa pengertian sistem pendukung keputusan yang dikemukakan para ahli dijelaskan sebagai berikut [3] :

1. Menurut Man dan Watson

Sistem Pendukung Keputusan meruapakan suatu sistem interaktif, yang membantu pengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah-masalah yang sifatnya semi terstruktur dan tidak terstruktur.

2. Menurut Litlle

Sistem Pendukung Keputusan adalah suatu sistem informasi berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur ataupun tidak terstruktur dengan menggunakan data dan model.

3. Menurut Raymond McLeod, Jr

Sistem Pendukung Keputusan merupakan sistem penghasil informasi spesifik yang ditujukan untuk memecahkan suatu masalah tertentu yang harus dipecahkan oleh manajer pada berbagai tingkatan.

Dari berbagai pengertian Sistem Pendukung Keputusan di atas, dapat disimpulkan bahwa Sistem Pendukung Keputusan adalah sebuah sistem yang berbasis komputer yang dapat membantu pengambilan keputusan untuk memecahkan masalah tertentu dengan memanfaatkan data dan model tertentu.

2.1.2 Ciri-ciri Sistem Pendukung Keputusan

Alters Keen menjabarkan ciri-ciri Sistem Pendukung Keputusan sebagai berikut :

1. Sistem Pendukung Keputusan ditujukan untuk membantu pengambilan keputusan yang kurang terstruktur dan umumnya dihadapi oleh para manajer yang berada di tingkat puncak.

2. Sistem Pendukung Keputusan merupakan gabungan antara kumpulan model kualitatif dan kumpulan data.

3. Sistem Pendukung Keputusan memiliki fasilitas interaktif yang dapat mempermudah hubungan antara manusia dengan komputer.

4. Sistem Pendukung Keputusan bersifat luwes dan dapat menyesuaikan dengan perubahan-perubahan yang terjadi. [5]

2.1.3 Komponen Sistem Pendukung Keputusan

Adapun komponen-komponen dari Sistem Pendukung Keputusan adalah sebagai berikut [6] :

1. Manajemen Data, mencakup database yang mengandung data yang relevan dan diatur oleh sistem yang disebut Database Management System (DBMS).

2. Manajemen Model, merupakan paket perangkat lunak yang memasukkan model-model finansial, statistik, ilmu manajemen, atau model-model kuantitatif yang lain yang menyediakan kemampuan analisis sistem dan management software yang terkait. 3. Antarmuka Pengguna, media interaksi antara sistem dengan pengguna, sehingga

pengguna dapat berkomunikasi dan memberikan perintah pada SPK melalui subsistem ini.

4. Subsistem Berbasis Pengetahuan, subsistem yang dapat mendukung subsistem lain atau bertindak sebagai komponen yang berdiri sendiri.

Untuk dapat lebih jelas memahami model konseptual SPK, perhatikan gambar di bawah ini [7] :

Gambar 2.1. Model Konseptual SPK System lainnya yang

berbasis komputer

Manajemen data Manajemen model Subsistem berbasis

pengetahuan

Antarmuka pengguna

Manager (pengguna) Data eksternal

2.1.4 Proses Pengambilan Keputusan

Menurut Simon, proses pengambilan keputusan meliputi tiga tahapan utama yaitu tahap inteligensi, desain, dan pemilihan. Namun kemudian ditambahkan dengan tahap keempat yaitu tahap implementasi [10]. Keempat tahapan tersebut dapat dijelaskan sebagai berikut :

1. Tahap Penelusuran (Intelligence)

Merupakan tahap pendefinisian masalah serta identifikasi informasi yang dibutuhkan yang berkaitan dengan persoalan yang dihadapi serta keputusan yang akan diambil. Langkah ini sangat penting karena sebelum suatu tindakan diambil, tentunya persoalan yang dihadapi harus dirumuskan secara jelas terlebih dahulu. 2. Perancangan (Design)

Merupakan tahap analisa dalam kaitan mencari atau merumuskan alternatif-alternatif pemecahan masalah. Setelah permasalahan dirumuskan dengan baik, maka tahap berikutnya adalah merancang atau membangun model pemecahan masalahnya dan menyusun berbagai alternatif pemecahan masalah.

3. Pemilihan (Choice)

Dengan mengacu pada rumusan tujuan serta hasil yang diharapkan, selanjutnya manajemen memilih alternatif solusi yang diperkirakan paling sesuai. Pemilihan alternatif ini akan mudah dilakukan kalau hasil yang diinginkan terukur atau memilki nilai kuantitas tertentu.

4. Implementasi (Implementation)

Merupakan tahap pelaksanaan dari keputusan yang telah diambil. Pada tahap ini perlu disusun serangkaian tindakan yang terencana, sehingga hasil keputusan dapat dipantau dan disesuaikan apabila diperlukan perbaikan-perbaikan.

2.1.5 Karakteristik dan Nilai Guna Sistem Pendukung Keputusan

Beberapa karakteristik dari Sistem Pendukung Keputusan menurut Turban adalah sebagai berikut [10] :

1. Sistem Pendukung Keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur.

2. Dalam proses pengolahannya, sistem pendukung keputusan mengombinasikan penggunaan model-model / teknik-teknik analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari / interogasi informasi.

3. Sistem Pendukung Keputusan, dirancang sedemikian rupa sehingga dapat digunaka / dioperasikan dengan mudah oleh orang-orang yang tidak memiliki dasar kemampuan yang tinggi. Oleh karena itu pendekatan yang digunakan biasanya model interaktif.

4. Sistem Pendukung Keputusan dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi. Sehingga mudah disesuaikan dengan berbagai perubahan lingkungan yang terjadi dan kebutuhan pemakai.

Dengan berbagai karakter khusus seperti yang dikemukakan di atas, sistem pendukung keputusan dapat memberikan berbagai manfaat atau keuntungan bagi pemakainya. Keuntungan yang dimaksud di antaranya meliputi :

1. Sistem Pendukung Keputusan memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya.

2. Sistem Pendukung Keputusan membantu pengambil keputusan dalam hal penghematan waktu yang dibutuhkan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.

3. Sistem Pendukung Keputusan dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.

4. Walaupun suatu Sistem Pendukung Keputusan, mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun dapat disajikan kesimpulan bagi pengambil keputusan dalam memahami persoalannya. Karena sistem ini mampu menyajikan berbagai alternatif.

5. Sistem Pendukung Keputusan dapat menyediakan bukti tambahan untuk memberikan pembenaran sehingga dapat memperkuat posisi pengambil keputusan.

Di samping berbagai keuntungan dan manfaat yang dikemukakan di atas, Sistem Pendukung Kepututsan juga memiliki keterbatasan diantaranya adalah sebagai berikut :

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

2. Kemampuan suatu SPK terbatas pada pembendaharaan pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar).

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

4. SPK tidak memiliki kemampuan intuisi seperti yang dimilki oleh manusia. Karena walau bagaimanapun canggihnya suatu SPK, tetap saja berupa kumpulan dari perangkat keras, perangkat lunak dan sistem operasi yang tidak dilengkapi dengan kemampuan berpikir.

2.2 Pengertian Remisi

Remisi adalah pengurangan masa pidana yang diberikan kepada narapidana dan anak pidana. Sedangkan menurut ketentuan Pasal I Keputusan Presiden RI No. 174 tahun 1999 tidak memberikan pengertian remisi, hanya dikatakan bahwa : “setiap narapidana dan anak pidana yang menjalani pidana penjara sementara dan pidana kurungan dapat diberikan remisi apabila yang bersangkutan berkelakuan baik selama menjalani pidana.

Secara pisikologis pemberian remisi mempunyai pengaruh dalam menekan tingkat frustasi sehingga dapat mereduksi atau meminimalasi gangguan keamanan dan ketertiban di Lembaga Pemasyarakatan, Rumah Tahanan Negara dan cabang Rumah Tahanan Negara, berupa perlarian, perkelahian dan kerusuhan lainnya. [8]

Kemudian sebagaimana dimaksud pada Pasal I Keputusan Presiden No. 174 Tahun 1999, pada Pasal 2 disebutkan bahwa Rmisi ada 4 macam, yaitu:

1. Remisi Umum, yang diberikan pada hari peringatan Proklamasi Kemerdekaan Republik Indonesia pada tanggal 17 Agustus.

2. Remisi Khusus, yang diberikan pada hari besar keagamaan yang dianut narapidana dan anak pidana yang bersangkutan dengan ketentuan jika sesuatu

agama mempunyai lebih dari satu kali hari besar keagamaan dalam setahun, maka yang diberikan adalah hari besar keagamaan yang paling di muliakan.

3. Remisi Tambahan, diberikan karena berjasa kepada Negara, perbuatan yang bermanfaat bagi kemanusiaan.

4. Remisi Dasa Warsa, yaitu remisi yang diberikan satu kali setiap 10 (sepuluh) tahun Hari Ulang Tahun Republik Indonesia. [4]

2.2.1 Syarat-syarat mendapatkan Remisi

1. Remisi Umum

- Warga binaan pemasyarakatan tidak sedang menjalani cuti menjelang bebas. - Warga binaan pemasyarakatan tidak sedang menjalani pidana pengganti denda. - Warga binaan pemasyarakatan tidak sedang menjalani hukuman mati atau

seumur hidup.

- Sudah menjalani pidana lebih dari 6 (enam) bulan. - Tidak dikenakan hukuman disiplin.

2. Remisi Khusus

- Warga binaan pemasyarkatan tidak sedang menjalani cuti menjelang bebas. - Warga binaan pemasyarakatan tidak sedang menjalani pidana pengganti denda. - Warga binaan pemasyarakatan tidak sedang menjalani hukuman mati atau

seumur hidup.

- Sudah menjalani pidana lebih dari 6 (enam) bulan. - Tidak dikenakan hukuman disiplin.

3. Remisi Tambahan

- Warga binaan pemasyarkatan tidak sedang menjalani cuti menjelang bebas. - Warga binaan pemasyarakatan tidak sedang menjalani pidana pengganti denda. - Warga binaan pemasyarakatan tidak sedang menjalani hukuman mati atau

seumur hidup.

- Sudah menjalani pidana lebih dari 6 (enam) bulan. - Tidak dikenakan hukuman disiplin.

4. Remisi Dasawarsa

- Dipidana lebih dari 6 (enam) bulan.

- Warga binaan pemasyarakatan tidak dalam pelarian. [9]

2.3 Metode TOPSIS (Technique For Order Preference by Similiarity to Ideal Solution)

TOPSIS diperkenalkan oleh Yoon dan Hwang pada tahun 1981. TOPSIS merupakan metode pengambilan keputusan multikriteria dan menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Eucledian untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal.

Solusi ideal positif didefinisikan sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi negatif ideal terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut. TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif terhadap solusi ideal positif.

Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternative dapat dicapai. Metode ini banyak digunakan untuk menyelesaikan pengambilan keputusan. Hal ini disebabkan konsepnya yang sederhana, mudah dipahami, komputasinya efisien dan memiliki kemampuan mengukur kinerja relatif dari alternative keputusan. [2]

2.3.1 Langkah-langkah Metode TOPSIS

Metode TOPSIS mengikuti langkah-langkah sebagai berikut :

1. Membuat matriks keputusan yang ternormalisasi.

2. Membuat matriks keputusan yang ternormalisasi terbobot.

3. Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif.

4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif.

5. Menentukan nilai kedekatan relatif terhadap solusi ideal untuk setiap alternatif.

Elemen rij hasil dari normalisasi matriks keputusan (decision matrix) R dengan metode

Euclidean Length of a vector adalah :



  m 1 i 2 ij ij ij X X r Dimana :

rij = Hasil dari normalisasi matriks keputusan R Xij= matriks keputusan

i = 1,2,3,…, m j = 1,2,3,…, n

2.3.3 Membuat Matriks Keputusan yang Ternormalisasi Terbobot

Dengan bobot w(w₁,w₂,,w_n), maka normalisasi bobot matriks v adalah:

v

ij



w

j

r

ij

Dimana :

i = 1, 2, 3, . . . , m; dan j = 1, 2, 3, . . . , n. ij

v adalah elemen dari matriks keputusan yang ternormalisai terbobot V, j

w adalah bobot dari kriteria ke-j, ij

r adalah elemen dari matriks keputusan yang ternormalisai R.

2.3.4 Menentukan Solusi Ideal Positif dan Solusi Ideal Negatif

Solusi ideal positif dinontasikan dengan A+ dan solusi ideal negatif dinotasikan dengan A-, sebagai berikut :

Menentukan solusi ideal (+) dan (-)









 

  



 _{    } m 2 i ' ij

ij|j J minv | j J ,i 1,2,3, ,m v ,v , ,v v

max

A  









 

  



 _{    } m 2 i ' ij

ij|j J minv | j J ,i 1,2,3, ,m v ,v , ,v v

max

Dimana : ij

v = elemen matriks v baris ke-i dan kolom ke-j



j

v ( j =1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal positif



j

v ( j =1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal negatif

2.3.5 Menghitung Separasi

Ukuran separasi (separation measure) merupakan pengukuran jarak dari suatu alternatif ke solusi ideal positif dan solusi ideal negatif. Perhitungan matematisnya adalah sebagai berikut :

Separation measure untuk solusi ideal positif







 _ n _

1 j

2 j ij i (v v )

S , dengan i = 1,2,3,…,n

Dimana :



i

s adalah jarak alternatif ke-i dari solusi ideal positif, ij

v adalah elemen dari matriks keputusan yang ternormalisai terbobot V,



j

v adalah elemen matriks solusi ideal positif,

Separation measure untuk solusi ideal negatif







 _ n _

1 j

2 j ij i (v v )

S , dengan i = 1,2,3,…,n

Dimana :



i

s adalah jarak alternatif ke-i dari solusi ideal negatif, ij

v adalah elemen dari matriks keputusan yang ternormalisai terbobot V,



j

2.3.6 Menghitung Kedekatan Relatif Terhadap Solusi Ideal

Kedekatan relatif dari setiap alternatif terhadap solusi ideal positif dan negatif dapat dihitung dengan menggunakan persamaan berikut :

) (  

 

 

i i

i i

s s

s

c Dimana :

i = 1, 2, 3, . . . , m



i

c adalah kedekatan relatif dari alternatif ke-i terhadap solusi ideal,



i

s adalah jarak alternatif ke-i dari solusi ideal positif,



i

s adalah jarak alternatif ke-i dari solusi ideal negatif.

2.4 Data Flow Diagaram (DFD)

Data Flow Diagram (DFD) adalah representasi grafik dari sebuah sistem. Data Flow Diagram menggambarkan komponen-komponen sebuah sistem, aliran-aliran data dimana komponen tersebut dan asal, tujuan, dan penyimpanan dari data tersebut.

Penggunaan Data Flow Diagram bertujuan untuk dua hal utama, yaitu membuat dokumentasi dari sistem yang sudah ada, atau menyusun dokumentasi untuk sistem yang baru. Tabel 2.1 menunjukkan simbol yang digunakan pada Data Flow Diagram.

Tabel 2.1. Simbol Data Flow Diagram

No. Simbol Keterangan

1 Eksternal entity adalah kesatuan dari lingkungan

luar sistem yang dapat berupa orang, organisasi atau sistem lainnya yang memberikan

input/output dari sistem.

2 Data Flow (arus data) mengalir di antara proses,

simpanan data, dan kesatuan luar. Arus data sebaiknya diberi nama dengan jelas.

3 Proses adalah kegiatan atau kerja yang dilakukan oleh orang lain, mesin, atau komputer dari hasil suatu arus data yang masuk ke dalam sistem.

4 Simpanan data adalah data yang dapat berupa

file / database.

Data Flow Diagram dapat digambarkan dalam Diagram Konteks dan Level n dimana n menggambarkan level dan proses di setiap lingkaran. Tingkatan Data Flow Diagram

adalah sebagai berikut :

1. Diagram Konteks 2. Diagram Level – n

 DFD Logis

 DFD Fisik

2.4.1 Diagram Konteks

Diagram konteks adalah Data Flow Diagram tingkat atas (DFD Top Level), yaitu diagram yang paling detail dari sebuah sistem yang menggambarkan aliran-aliran data ke dalam dan ke luar entitas-entitas eksternal. Pada diagram konteks sistem

digambarkan dalam satu lingkaran yang berhubungan dengan entitas luar. Lingkaran tersebut merepresentasikan keseluruhan proses dalam sistem.

Beberapa hal yang perlu diperhatikan dalam menggambarkan diagram konteks :

1. Terminologi sistem, mencakup batas sistem yaitu batas antara daerah kepentingan sistem, lingkungan sistem yaitu segala sesuatu yang berhubungan atau mempengaruhi sistem tersebut, dan interface yaitu aliran yang menghubungkan sistem dengan lingkungannya.

2. Menggunakan satu simbol proses.

3. Nama/keterangan di simbol proses tersebut sesuai dengan fungsi sistem tersebut. 4. Antara entitas eksternal/terminator tidak diperbolehkan komunikasi langsung.

5. Jika terdapat terminator yang mempunyai banyak masukan dan keluaran, diperbolehkan untuk digambarkan lebih dari satu untuk mencegah penggambaran yang terlalu rumit. 6. Jika terminator mewakili individu sebaiknya diwakili oleh peran yang dipermainkan

individu tersebut.

7. Aliran data ke proses dan keluar sebagai output keterangan aliran datanya berbeda.

2.4.2 Diagram Level n / Data Flow Diagram Levelled

Dalam diagram-n Data Flow Diagram dapat digunakan untuk menggambarkan diagram fisik maupun diagram logis. Diagram Level-n merupakan hasil pengembangan dari diagram konteks ke dalam komponen yang lebih detail disebut dengan Top-Down Partitioning. Jika dilakukan pengembangan dengan benar, akan didapatkan DFD yang seimbang.

Beberapa hal yang perlu diperhatikan dalam membuat DFD level-n adalah sebagai berikut :

1. Pemberian Nomor pada diagram level n dengan ketentuan sebagai berikut :

 Setiap penurunan ke level yang lebih rendah harus mampu merepresentasikan proses tersebut dalam sepesifikasi proses yang jelas. Sehingga seandainya belum cukup jelas maka seharusnya diturunkan ke level yang lebih rendah.  Setiap penurunan harus dilakukan hanya jika perlu.

 Tidak semua bagian dari sistem harus diturunkan dengan jumlah level yang sama karena yang kompleks bisa saja diturunkan, dan yang sederhana mungkin tidak perlu diturunkan. Selain itu, karena tidak semua proses dalam level yang sama punya derajat kompleksitas yang sama juga.

 Konfirmasikan DFD yang telah dibuat pada pemakai dengan cara top-down.  Aliran data yang masuk dan keluar pada suatu proses di level n harus

berhubungan dengan aliran data yang masuk dan keluar pada level n+1. Dimana level n+1 tersebut mendefinisikan sub-proses pada level n tersebut.  Penyimpanan yang muncul pada level n harus didefinisikan kembali pada level

n+1, sedangkan penyimpanan yang muncul pada level n tidak harus muncul pada level n-1 karena penyimpanan tersebut bersifat lokal.

 Ketika mulai menurunkan DFD dari level tertinggi, cobalah untuk mengidentifikasi external events dimana sistem harus memberikan respon.

External events dalam hal ini berarti suatu kejadian yang berkaitan dengan pengolahan data di luar sistem, dan menyebabkan sistem kita memberikan respon.

2. Jangan menghubungkan langsung antara satu penyimpanan dengan penyimpanan lainnya (harus melalui proses).

3. Jangan menghubungkan langsung dengan tempat penyimpanan data dengan entitas eksternal / terminator (harus melalui proses), atau sebaliknya.

4. Jangan membuat suatu proses menerima input tetapi tidak pernah mengeluarkan

outputyang disebut dengan istilah “black hole”.

5. Jangan membuat suatu tempat penyimpanan menerima input tetapi tidak pernah digunakan untuk proses.

6. Jangan membuat suatu hasil proses yang lengkap dengan data yang terbatas yang

disebut dengan istilah “magic process”.

7. Jika terdapat terminator yang mempunyai banyak masukan dan keluaran, diperbolehkan untuk digambarkan lebih dari satu sehingga mencegah penggambaran yang terlalu rumit, dengan memberikan tanda asterik ( * ) atau garis silang ( # ), begitu dengan bentuk penyimpanan.

2.4.3 Data Flow Diagram Logis

Data Flow Diagram logis Adalah representasi grafik dari sebuah sistem yang menunjukkan proses-proses dalam sistem tersebut dan aliran-aliran data ke dalam dan ke luar dari proses-proses tersebut. Kita menggunakan Data Flow Diagram logis untuk membuat dokumentasi sebuah sistem informasi karena Data Flow Diagram

logis dapat mewakili logika tersebut, yaitu apa yang dilakukan oleh sistem tersebut, tanpa perlu menspesifikasi dimana, bagaimana, dan oleh siapa proses-proses dalam sistem tersebut dilakukan.

Keuntungan dari Data Flow Diagram logis dibandingkan dengan Data Flow Diagram fisik adalah dapat memusatkan perhatian pada fungsi-fungsi yang dilakukan sistem. Perlu diperhatikan di dalam pemberian Keterangan/ Label :

1. Lingkaran-lingkaran (simbol proses) menjelaskan apa yang dilakukan sistem Misal : Menerima Pembayaran, Mencatat Penjualan, Membandingkan kas dan Daftar Penerimaan, Mempersiapkan Setoran, dll.

2. Aliran-aliran data (simbol aliran data) menggambarkan sifat data.

Misal : Pembayaran (bukan “Cek”, “Kas”, “ Kartu Kredit” Jurnal Penjualan (bukan “Buku Penjualan”), dll.

2.4.4 Data Flow Diagram Fisik

Data Flow Diagram Fisisk adalah representasi grafik dari sebuah sistem yang menunjukan entitas-entitas internal dan eksternal dari sistem tersebut, dan aliran-aliran data ke dalam dan keluar dari entitas-entitas tersebut. Entitas-entitas internal

adalah personel, tempat (sebuah bagian), atau mesin (misalnya, sebuah komputer) dalam sistem tersebut yang mentransformasikan data. Maka DFD fisik tidak menunjukkan apa yang dilakukan, tetapi menunjukkan dimana, bagaimana, dan oleh siapa proses-proses dalam sebuah sistem dilakukan.

Perlu diperhatikan didalam memberikan keterangan di lingkaran-lingkaran (simbol proses) dan aliran-aliran data (simbol aliran data) dalam DFD fisik

menggunakan label/keterangan dari kata benda untuk menunjukan bagaimana sistem mentransmisikan data antara lingkaran-lingkaran tersebut.

Misal :

Aliran Data : Kas, Formulir 66W, Slip Setoran

Proses : Cleck Penjualan, Kasir, Pembukuan, dll.

2.5 Entity Relantionship Diagram (ERD)

Entity Relationship Diagram (ERD) adalah suatu pemodelan dari basis data relasional yang didasarkan atas persepsi di dalam dunia nyata, dunia ini senantiasa terdiri dari sekumpulan objek yang saling berhubungan antara satu dengan yang lainnya. Suatu objek disebut entity dan hubungan yang dimilikinya disebut relationship. Suatu entity

bersifat unik dan memiliki atribut sebagai pembeda dengan entity lainnya.

2.5.1 Konsep Dasar Model Entity Relantionship

Model Entity Relationship diperkenalkan pertama kali oleh P.P. Chen pada tahun 1976. Model ini dirancang untuk menggambarkan persepsi dari pemakai dan berisi obyek-obyek dasar yang disebut entity dan hubungan antar entitas-entitas tersebut yang disebut relationship. Pada model ER ini semesta data yang ada dalam dunia nyata ditransformasikan dengan memanfaatkan perangkat konseptual menjadik sebuah diagram, yaitu diagram ER (Entity Relationship).

Diagram Entity-Relationship melengkapi penggambaran grafik dari struktur logika . Dengan kata lain Diagram E-R menggambarkan arti dari aspek data seperti bagaimana entitas-entitas, atribut-atribut dan relationship disajikan. Sebelum membuat Diagram E-R , tentunya kita harus memahami betul data yang diperlukan dan ruang lingkupnya. Di dalam pembuatan diagram E-R perlu diperhatikan penentuan sesuatu konsep apakah merupakan suatu entity, atribut atau relationship.

2.5.2 Konsep Dasar Entity

Entity adalah obyek yang dapat dibedakan dengan yang lain dalam dunia nyata. Entity

dapat berupa obyek secara fisik seperti orang, rumah, atau kendaraan. Entity dapat pula berupa obyek secara konsep seperti pekerjaan, perusahaan, dan sebagainya. Tipe

entity merupakan sekumpulan obyek dalam dunia nyata yang mempunyai properti yang sama atau berasal dari entity yang sejenis. Terdapat dua tipe Entity, Entity Kuat dan Entity Lemah. Entity kuat adalah entity yang keberadaanya tidak tergantung pada

entity lain, misalkan tipe entity pegawai atau cabang. Sedangkan Entity Lemah keberadaanya tergantung pada entity lain, misalkan tipe entity tanggungan, dimana keberadaannya tergantung dari pegawai.

Entity disajikan dalam bentuk persegi panjang, entity kuat disajikan dengan perseg panjang dengan satu garis, sedangkan entity lemah disajikan dengan persegi panjang double.

2.5.3 Atribut

Atribut adalah karakteristik dari entity atau relationship, yang menyediakan penjelasan detail tentang entity atau relationship tersebut. Nilai Atribut merupakan suatu data aktual atau informasi yang disimpan pada suatu atribut di dalam suatu

entity atau relationship. Atribut digambarkan dalam bentuk oval. Jenis-jenis dari atribut adalah sebagai berikut :

1. Key

Atribut yang digunakan untuk menentukan suatu entity secara unik. 2. Atribut Simple

Atribut yang bernilai tunggal. 3. Atribut Multivalue

Atribut yang memiliki sekelompok nilai untuk setiap instan entity. 4. Atribut Composite

Suatu atribut yang terdiri dari beberapa atribut yang lebih kecil yang mempunyai arti tertentu.

5. Atribut Derivatif

2.5.4 Relationship

Relasi menunjukkan adanya hubungan diantara sejumlah entitas yang berasal dari himpunan entitas yang berbeda.

2.5.5 Derajat Relasi atau Kardinalitas

Menunjukkan jumlah maksimum entitas yang dapat berelasi dengan entitas pada himpunan entitas yang lain. Macam-macam kardinalitas adalah :

1. Satu ke satu (one to one), Setiap anggota entitas A hanya boleh berhubungan dengan satu anggota entitas B, begitu pula sebaliknya.

2. Satu ke banyak (one to many), Setiap anggota entitas A dapat berhubungan dengan lebih dari satu anggota entitas B tetapi tidak sebaliknya.

3. Banyak ke banyak (many to many), Setiap entitas A dapat berhubungan dengan banyak entitas himpunan entitas B dan demikian pula sebaliknya.

2.6 Flowchart

Bagan alir (flowchart) adalah bagan (chart) yang menunjukkan alir (flow) di dalam program atau prosedur sistem secara logika [4]. Simbol-simbol yang digunakan pada bagan flowchart ini antara lain seperti pada Tabel 2.2.

Tabel 2.2. Simbol Flowchart

Simbol Fungsi

Terminator

Menunjukkan awal dan akhir suatu proses.

Data

Digunakan untuk mewakili data input/output.

Process

Digunakan untuk mewakili proses.

Decision

Digunakan untuk suatu seleksi kondisi didalam program.

Predefined Process

Menunjukkan suatu operasi yang rinciannya ditunjukkan di tempat lain.

Preparation

Digunakan untuk memberi nilai awal variabel.

Flow Lines Symbol

Menunjukkan arah dari proses.

Connector

Menunjukkan penghubung ke halaman yang sama.

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

Analisis sistem dalam penelitian ini akan dilakukan dalam beberapa tahap yakni analisis permasalahan dan analisis kebutuhan sistem pendukung keputusan. Berikut akan dijelaskan masing-masing analisis tersebut.

3.1 Analisis Permasalahan

Remisi adalah pengurangan masa menjalani pidana yang diberikan kepada narapidana yang memenuhi syarat-syarat yang ditentukan dalam peraturan perundang-undangan. Pemberian remisi kepada narapidana bertujuan sebagai rangsangan agar narapidana bersedia menjalani pembinaan untuk mengubah perilaku sesuai dengan tujuan sistem pemasyarakatan. Setiap narapidana yang hendak mengajukan remisi harus memenuhi beberapa persyaratan seperti berkelakuan baik, telah menjalani pidana minimal 6 bulan dan lain-lain.

Terdapat beberapa faktor yang perlu dipertimbangkan untuk memberikan remisi kepada narapidana yang bersangkutan. Faktor-faktor yang perlu dipertimbangkan selain berkelakuan baik dan yang telah menjalani pidana minimal 6 bulan adalah berpartisipasi dalam menjalankan ibadah berdasarkan setiap individu narapidana, berpartisipasi dalam organisasi, berpartisipasi dalam bantuan bencana alam, mempersembahkan karya Ilmu Pengetahuan dan Teknologi, donor darah, dan sebagainya yang berjasa bagi Negara. Dari analisis tersebut, maka penulis akan merancang sebuah sistem yang dapat membantu dan menjadi pemberi rekomendasi dalam memberikan remisi kepada narapidana dengan metode TOPSIS.

3.2 Analisis Kebutuhan Sistem Pendukung Keputusan

Dari analisis permasalahan tersebut, penulis menentukan beberapa kebutuhan sistem yang diperlukan untuk dapat memghadapi permasalahan tersebut. Kebutuhan sistem ini diuraikan dalam dua bagian menjadi kebutuhan fungsional dan kebutuhan nono fungsional.

3.2.1 Kebutuhan Fungsional

Kebutuhan fungsional merupakan kebutuhan atas setiap aktivitas yang diperlukan ataupun dilakukan oleh sistem. Adapun kebutuhan fungsional yang dimaksudkan adalah sebagai berikut :

1. Sistem dapat menampilkan data narapidana beserta kriteria yang dimiliki oleh narapidana tersebut untuk diproses selanjutnya oleh sistem.

2. Sistem dapat mengelola nilai bobot dari setiap kriteria berdasarkan kinerja dari setiap narapidana.

3. Sistem dapat memasukkan, mengubah, menghapus, dan menampilkan data dari setiap narapidana.

4. Sistem dapat menampilkan data keluaran dari setiap proses yang terdapat dalam metode TOPSIS.

5. Sistem dapat mengurutkan hasil akhir dari data keluaran untuk memperlihatkan narapidana yang seharusnya berhak untuk mendapatkan remisi.

3.2.2 Kebutuhan Non Fungsional

Kebutuhan non fungsional bertujuan untuk memenuhi ataupun mendukung kebutuhan fungsional yang telah ditentukan. Adapun kebutuhan non fungsional yang dimaksudkan adalah sebagai berikut :

1. Aplikasi ini dalam pembuatannya dilakukan dengan menggunakan sistem operasi Microsoft Windows XP.

2. Bahasa pemrograman yang digunakan adalah Microsoft Visual Basic 6.

3. Pengolahan basis data dalam aplikasi ini menggunakan Microsoft Access 2007. 4. Pengolahan laporan dalam aplikasi ini menggunakan Crystal Report 8.5

3.3 Kriteria

3.3.1 Penentuan Kriteria

Kriteria-kriteria yang digunakan dalam sistem ini diambil dari persyaratan yang diperlukan untuk mendapatkan remisi. Persyaratan tersebut pada umumnya berupa warga pidana dapat berkelakuan baik dan telah menjalani masa pidana tidak kurang dari 6 bulan. Bagi narapidana yang dipidana karena melakukan tindak pidana terorisme, narkotika dan psikotropika, korupsi, kejahatan terhadap keamanan negara, diberikan remisi apabila berkelakuan baik dan telah menjalani 1/3 (satu per tiga) masa pidana. Di samping persyaratan di atas, persyaratan yang juga perlu diperhatikan adalah berjasa bagi Negara. Dari hasil analisis tersebut, kriteria yang diperlukan untuk membangun sistem diperlihatkan pada Tabel 3.1.

Tabel 3.1 Kriteria Sistem

Kriteria Keterangan K1 Kelakuan K2 Perkara Pidana K3 Jasa

3.3.2 Pembobotan Kriteria

Teknik pembobotan pada kriteria dapat dilakukan dengan berbagai cara atau metode. Pemberian nilai bobot yang paling sederhana adalah dengan memberikan nilai pada masing-masing kriteria secara langsung berdasarkan nilai bobotnya. Nilai bobot tersebut didasarkan pada tingkat urgensi kriteria terhadap sistem yang dibangun. Standar nilai bobot yang diberikan untuk sistem diperlihatkan pada Tabel 3.2.

Tabel 3.2 Standar Nilai Bobot

Nilai Keterangan 1 Tidak Penting 2 Kurang Penting 3 Cukup Penting 4 Penting 5 Sangat Penting

3.4.1 Nilai Kecocokan Setiap Alternatif Terhadap Kriteria

Langkah awal dari metode TOPSIS adalah melakukan penilaian atas kecocokan setiap data narapidana terhadap masing-masing kriteria. Nilai yang diberikan kepada setiap alternatif terhadap kriteria berkisar dari nilai 1 sampai 5. Nilai kecocokan ditampilkan pada Tabel 3.3. Adapun sistem pemberian nilai ranking diperlihatkan pada Tabel 3.4 untuk kriteria Kelakuan, Tabel 3.5 untuk kriteria Perkara Pidana, dan Tabel 3.6 untuk kriteria Jasa.

Tabel 3.3 Nilai Kecocokan

Nilai Keterangan 1 Tidak cocok 2 Kurang cocok 3 Cukup 4 Cocok 5 Sangat cocok

Tabel 3.4 Nilai Kecocokan Terhadap Kriteria Kelakuan

Nilai Keterangan

1 Terdaftar melakukan pelanggaran disiplin pada tahun yang berjalan sekarang.

2 Tidak terdaftar melakukan pelanggaran disiplin pada tahun yang berjalan sekarang dan memiliki pelanggaran lebih dari 3 kali pada tahun-tahun sebelumnya.

3 Tidak terdaftar melakukan pelanggaran disiplin pada tahun yang berjalan sekarang dan memiliki paling banyak 2 sampai 3 kali pelanggaran pada tahun-tahun sebelumnya. 4 Tidak terdaftar melakukan pelanggaran disiplin pada tahun yang berjalan sekarang dan

memiliki paling banyak 1 kali pelanggaran pada tahun-tahun sebelumnya. 5 Tidak pernah terdaftar melakukan pelanggaran disiplin.

Setiap narapidana yang melakukan pelanggaran disiplin selama menjalani pidana akan tercatat dalam Daftar F. Daftar F merupakan daftar yang berisi pelanggaran-pelanggaran yang pernah dilakukan oleh setiap narapidana.

Tabel 3.5 Nilai Kecocokan Terhadap Kriteria Perkara Pidana

Nilai Keterangan

1 Narapidana melakukan tindak pidana umum dan khusus 2 Narapidana melakukan lebih dari satu tindak pidana khusus 3 Narapidana melakukan satu tindak pidana khusus

4 Narapidana melakukan lebih dari satu tindak pidana umum 5 Narapidana melakukan satu tindak pidana umum

Perkara pidana dibagi menjadi 2 jenis, yaitu Pidana Umum dan Pidana Khusus. Pidana khusus adalah tindak pidana terorisme, narkotika dan psikotropika, korupsi, kejahatan terhadap keamanan negara. Selain dari tindak pidana yang bersangkutan, tindak pidana lainnya dikategorikan sebagai pidana umum.

Tabel 3.6 Nilai Kecocokan Terhadap Kriteria Berjasa

Nilai Keterangan

1 Tidak pernah berpartisipasi dalam setiap kegiatan 3 Pernah berpartisipasi pada tahun-tahun sebelumnya 5 Berpartisipasi pada tahun yang sedang berjalan sekarang

Remisi diberikan kepada setiap narapidana yang berbuat jasa kepada negara, melakukan perbuatan yang bermanfaat bagi negara maupun kemanusiaan atau melakukan kegiatan yang membantu lembaga pemasyarakatan. Terdapat banyak kegiatan yang dapat membantu negara, kemanusiaan, maupun lembaga pemasyarakatan seperti berpartisipasi dalam mendonorkan darah, menjadi seorang pemuka dalam lembaga pemasyarakatan, ikut menjaga keamanan dalam lingkungan lembaga pemasyarakatan, dan lain-lain.

Berikut diberikan tiga contoh alternatif yang akan digunakan untuk melakukan proses penilaian kecocokan, yaitu :

 Seorang narapidana bernama Atep yang dipidana karena melakukan tindak pidana pencurian. Atep tidak pernah melakukan pelanggaran disiplin selama berada di tempat pembinaan. Pada tahun sebelumnya, Atep berpartisipasi dalam kegiatan donor darah. Data dari narapidana Atep diberikan dengan nama A1.

 Seorang narapidana bernama Syamsul yang dipidana karena melakukan tindak pidana korupsi. Syamsul pernah terdaftar satu kali dalam Daftar F pada tahun sebelumnya karena tidak mematuhi aturan pada tempat pembinaan. Pada tahun ini, Syamsul menjadi pemuka dalam lembaga pemasyarakatan. Data dari narapidana Syamsul diberikan dengan nama A2.

 Seorang narapidana bernama Anton yang dipidana karena melakukan tindak pidana narkotika dan pencurian. Anton tidak pernah melakukan pelanggaran disiplin selama berada di tempat pembinaan. Data dari narapidana Anton diberi dengan nama A3.

Proses penilaian kecocokan alternatif terhadap kriteria kelakuan adalah sebagai berikut :

 Atep tidak pernah terdaftar dalam Daftar F sehingga nilai kecocokannya terhadap kriteria kelakuan adalah bernilai 5.

 Syamsul tidak terdaftar dalam Daftar F pada tahun ini, tetapi Syamsul pernah terdaftar dalam Daftar F sebanyak 1 kali pada tahun sebelumnya sehingga nilai kecocokannya terhadap kriteria kelakuan adalah bernilai 4.

 Anton tidak pernah terdaftar dalam Daftar F sehingga nilai kecocokannya terhadap kriteria kelakuan adalah bernilai 5.

Proses penilaian kecocokan alternatif terhadap kriteria perkara adalah sebagai berikut :

 Tindak pidana pencurian yang dilakukan oleh Atep termasuk dalam kategori pidana umum sehingga nilai kecocokannya terhadap kriteria perkara adalah bernilai 5.

 Tindak pidana korupsi yang dilakukan oleh Syamsul termasuk dalam kategori pidana khusus sehingga nilai kecocokannya terhadap kriteria perkara adalah bernilai 3.

 Tindak pidana narkotika dan pencurian yang dilakukan oleh Anton termasuk dalam kategori pidana khusus dan umum sehingga nilai kecocokannya terhadap kriteria perkara adalah 1.

Proses penilaian kecocokan alternatif terhadap kriteria jasa adalah sebagai berikut :

 Atep terdaftar mengikuti kegiatan donor darah yang dilakukan pada tahun sebelumnya sehingga nilai kecocokannya terhadap kriteria jasa adalah bernilai 3.

 Syamsul terdaftar mengikuti kegiaran lembaga pemasyarakatan sebagai seorang pemuka pada tahun ini sehingga nilai kecocokannya terhadap kriteria jasa adalah bernilai 5.

 Anton tidak pernah terdaftar ikut berpartisipasi dalam setiap kegiatan sehingga nilai kecocokannya terhadap kriteria jasa adalah bernilai 1.

Tabel berikut menunjukkan nilai kecocokan setiap alternatif terhadap masing-masing kriteria, yaitu :

Tabel 3.7 Tabel Kecocokan Alternatif Terhadap Kriteria

Alternatif Kriteria K1 K2 K3

A1 5 5 3

A2 4 3 5

A3 5 1 1

3.4.2 Perhitungan Matriks Keputusan Normalisasi

Matriks keputusan normalisasi diperoleh dengan menggunakan persamaan dari

Euclidean Length of a Vector, yakni sebagai berikut :



  m 1 i 2 ij ij ij X X r Perhitungan :

|X1| = = 8,1240 6155 , 0 1240 , 8 5 | X | X r 1 11

11   

4924 , 0 1240 , 8 4 | X | X r 1 21

21   

6155 , 0 1240 , 8 5 | X | X r 1 31

31  

Dari hasil perhitungan di atas didapatkan matriks keputusan ternormalisasi sebagai berikut :

           1690 , 0 1690 , 0 6155 , 0 8452 , 0 5071 , 0 4924 , 0 5071 , 0 8452 , 0 6155 , 0 R

3.4.3 Perhitungan Matriks Keputusan Normalisasi Bobot

Matriks keputusan normalisasi bobot dapat diperoleh dengan mengalikan matriks keputusan normalisasi dengan masing-masing bobot kriteria yang telah terlebih dahulu ditentukan nilai bobotnya.

ij i ij w *r

y 

Sebagai contoh, nilai bobot untuk kriteria kelakuan adalah sebesar 5, nilai bobot untuk kriteria perkara adalah sebesar 3, dan nilai bobot untuk kriteria jasa adalah sebesar 4.

Nilai dari masing-masing bobot tersebut akan dikonversikan sebelum dikali dengan matriks keputusan normalisasi. Hasil konversi didapatkan dengan membagi nilai bobot masing-masing kriteria dengan total nilai bobot ketiga kriteria tersebut. Hasil konversi dari nilai bobot kriteria kelakuan adalah 0,4167. Hasil konversi dari nilai bobot kriteria perkara adalah 0,25. Hasil konversi dari nilai bobot kriteria jasa adalah 0,3333.            1690 , 0 1690 , 0 6155 , 0 8452 , 0 5071 , 0 4924 , 0 5071 , 0 8452 , 0 6155 , 0

Y * (0,4167 ; 0,25 ; 0,3333)

Dari hasil perhitungan di atas, matriks keputusan normalisasi bobot didapatkan seperti berikut :

           0563 , 0 0423 , 0 2565 , 0 2817 , 0 1268 , 0 2052 , 0 1690 , 0 2113 , 0 565 , 02 y

3.4.4 Penentuan Solusi Ideal Positif dan Negatif

Penentuan solusi ideal positif dengan mencari nilai maksimum dari matriks keputusan normalisasi bobot masing-masing kriteria.

A1+= max {0,2565 ; 0,2052 ; 0,2565}= 0, 2565 A2+= max {0,2113; 0,1268 ; 0,0423}= 0, 2113 A3+= max {0,1690; 0,2817 ; 0,0563}= 0, 2817

Penentuan solusi ideal negatif dengan mencari nilai minimum dari matriks keputusan normalisasi bobot masing-masing kriteria.

A1-= min {0,2565 ; 0,2052 ; 0,2565}= 0, 2052 A2-= min {0,2113; 0,1268 ; 0,0423}= 0, 0423 A3-= min {0,1690; 0,2817 ; 0,0563}= 0, 0563

3.4.5 Perhitungan Jarak Setiap Alternatif Terhadap Solusi Ideal

Perhitungan untuk memperoleh jarak setiap alternatif terhadap solusi ideal positif dengan menggunakan persamaan sebagai berikut :







 _ m _

1 j

2 ij i i (A y )

D , i = 1, 2, …, m

Dari persamaan di atas didapatkan jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positif sebagai berikut :

1127 , 0 ) 1690 , 0 2817 , 0 ( ) 2113 , 0 2113 , 0 ( ) 2565 , 0 2565 , 0 (

D₁   2   2   2 

0989 , 0 ) 2817 , 0 2817 , 0 ( ) 1268 , 0 2113 , 0 ( ) 2052 , 0 2565 , 0 (

D₂   2   2   2 

2817 , 0 ) 0563 , 0 2817 , 0 ( ) 0423 , 0 2113 , 0 ( ) 2565 , 0 2565 , 0 (

Perhitungan untuk memperoleh jarak setiap alternatif terhadap solusi ideal positif dengan menggunakan persamaan sebagai berikut :







 _ m _

1 j

2 ij i i (A y )

D , i = 1, 2, …, m

Dari persamaan di atas didapatkan jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positif sebagai berikut :

2095 , 0 ) 1690 , 0 0563 , 0 ( ) 2113 , 0 0423 , 0 ( ) 2565 , 0 2052 , 0 (

D1   2   2   2 

 2407 , 0 ) 2817 , 0 0563 , 0 ( ) 1268 , 0 0423 , 0 ( ) 2052 , 0 2052 , 0 (

D₂   2   2   2 

0513 , 0 ) 0563 , 0 0563 , 0 ( ) 0423 , 0 0423 , 0 ( ) 2565 , 0 2052 , 0 (

D₃   2   2   2 

3.4.6 Perhitungan Kedekatan Setiap Alternatif

Perhitungan untuk memperoleh kedekatan setiap alternatif (V) dengan menggunakan persamaan sebagai berikut :

     i i i i D D D C

Dari persamaan di atas diperoleh hasil kedekatan setiap alternatif adalah sebagai berikut : 6502 , 0 1127 , 0 2095 , 0 2095 , 0

C₁ 

  7088 , 0 0989 , 0 2407 , 0 2407 , 0

C₂ 

  1541 , 0 2817 , 0 0513 , 0 0513 , 0

C₃ 

 

Dari perhitungan yang ada di atas, maka hasil keputusan diperoleh dengan mengurutkan nilai C yang terbesar hingga yang terkecil. Semakin besar nilai C, semakin layak untuk mendapatkan remisi dan sebaliknya.

3.5 Flowchart Proses Perhitungan TOPSIS

Gambar 3.1 Flowchart Proses Perhitungan TOPSIS

Mulai

Selesai Melakukan ranking kecocokan

setiap alternatif pada setiap kriteria yang dipilih

Membuat matriks normalisasi Mengalikan matriks normalisasi dengan bobot

tiap kriteria

Menghitung solusi ideal positif dan solusi ideal

negatif

Menghitung jarak antar nilai terbobot pada setiap alternatif

Menghitung kedekatan setiap alternatif

Mengurutkan alternatif berdasarkan kedekatan setiap

alternatif dari yang terbesar sampai yang terkecil Sistem memilih data narapidana

sesuai dengan perkara pidana yang dihadapi

Remisi Umum?

Memilih data narapidana sesuai agama yang dianut Tidak (Remisi Khusus)

3.6 Data Flow Diagram (DFD)

Diagram konteks merupakan diagram yang menggambarkan masukan yang diterima oleh suatu sistem dan keluaran yang dihasilkan dari sistem tersebut. Diagram konteks menjelaskan proses perjalanan data dari satu atau beberapa sumber untuk mencapai suatu tujuan tertentu. Diagram konteks memperlihatkan gambaran sistem secara garis besar.

0 SPK Pemilihan

Remisi User

data_topsis data_pilihan bobot_kriteria data_narapidana

Gambar 3.2 DFD SPK Pemilihan Remisi Level 0

1 Input data narapidana

data_narapidana User

2 Penentuan Bobot Kriteria

3 Perhitungan

TOPSIS

data_kriteria

data_topsis 4

Laporan data_narapidana

data_narapidana

data_pilihan data_narapidana bobot_kriteria

bobot_kriteria

bobot_kriteria

data_topsis data_topsis data_topsis

3.1 Pemilihan Data

Warga Binaan

3.2 Penentuan

Ranking Kecocokan

3.3 Perhitungan

Normalisasi

3.4 Perhitungan Normalisasi

Berbobot

3.5 Perhitungan Solusi Ideal

3.6 Perhitungan Jarak Pisah

3.7 Perhitungan

Kedekatan Relatif

data_narapidana

data_kriteria

data_topsis

User data_pilihan

data_narapidana

data_narapidana

data_ranking

data_normalisasi Bobot_kriteria

data_normalisasi_bobot

data_solusi_ideal

data_jarak_pisah

data_topsis

3.7 Entity Relationship Diagram (ERD)

ERD adalah representasi grafik dari entity relationship model. Entity relationship model adalah sebuah rincian yang merepresentasikan logika dari data pada suatu organisasi atau area bisnis tertentu. Entity relationship model dibuat berdasarkan anggapan bahwa dunia nyata terdiri dari koleksi objek-objek dasar yang dinamakan entitas (entity) serta hubungan (relationship) antara entitas-entitas itu. Entitas adalah objek pada dunia nyata yang dapat dibedakan satu terhadap yang lainnya, yang bermanfaat bagi sistem yang akan dibangun.

data_narapidana PK id_narapidana nama agama perkara tanggal_penahanan masa_pidana data_kriteria PK no_kriteria nama bobot data_jasa PK no_urut FK1 id_narapidana aktivitas tahun data_pelanggaran PK no_urut FK1 id_narapidana pelanggaran tahun data_topsis PK no_urut FK1 id_narapidana rank_kelakuan rank_perkara rank_jasa norm_kelakuan norm_perkara norm_jasa norm_bobot_kelakuan norm_bobot_perkara norm_bobot_jasa amax_kelakuan amax_perkara amax_jasa amin_kelakuan amin_perkara amin_jasa dmax dmin v 0..m 1 1 1 0..m 1 data_perkara PK no_urut FK1 id_narapidana jenis perkara 1..m 1

Gambar 3.5 ERD SPK Pemilihan Remisi

Tabel 3.8 Kamus Data untuk data_narapidana

Nama tabel: data_narapidana

Nama Tipe Data Keterangan

id_narapidana Integer Primary key

Nama Text Nama dari narapidana

tanggal_penahanan Date/time Tangga seorang narapidana mulai ditahan di Rutan Agama Text Keyakinan yang dianut oleh narapidana

Perkara Text Jenis perkara pidana yang dilakukan oleh narapidana masa_pidana Text Lama seorang narapidana ditahan di Rutan

Tabel 3.9 Kamus Data untuk data_kriteria

Nama tabel: data_kriteria

Nama Tipe data Keterangan

No_kriteria Integer Primary key

Nama Text Nama kriteria

Bobot Decimal Bobot dari kriteria

Tabel 3.10 Kamus Data untuk data_jasa

Nama tabel: data_jasa

Nama Tipe data Keterangan no_urut Integer Primary key

Id_narapidana Integer Nomor unik dari narapidana

Aktivitas Text Kegiatan yang dilakukan oleh narapidana

Tahun Date/time Tanggal kegiatan tersebut diikuti oleh narapidana

Tabel 3.11 Kamus Data untuk data_pelanggaran

Nama tabel: data_pelanggaran

Nama column Tipe data Keterangan no_urut Integer Primary key

Id_narapidana Integer Nomor unik dari narapidana

Pelanggaran Text Jenis pelanggaran yang dilakukan oleh narapidana Tahun Date/time Tanggal pelanggaran tersebut dilakukan oleh narapidana

Tabel 3.12 Kamus Data untuk data_perkara

Nama tabel: data_perkara

Nama column Tipe data Keterangan no_urut Integer Primary key

Id_narapidana Integer Nomor unik dari narapidana jenis Text Jenis pidana

perkara Text Perkara pidana yang dilakukan oleh narapidana

Tabel 3.13 Kamus Data untuk data_topsis

Nama tabel: data_topsis

Nama column Tipe data Keterangan No_urut Integer Primary key

Id_narapidana Integer Nomor unik dari narapidana

Rank_kelakuan Integer Ranking kecocokan narapidana terhadap kriteria kelakuan

Rank_perkara Integer Ranking kecocokan narapidana terhadap kriteria perkara

Rank_jasa Integer Ranking kecocokan narapidana terhadap kriteria jasa Norm_kelakuan Decimal Nilai normalisasi dari kriteria kelakuan

Norm_jasa Decimal Nilai normalisasi dari kriteria jasa

Norm_bobot_kelakuan Decimal Hasil kali normalisasi dengan bobot kriteria kelakukan

Norm_bobot_perkara Decimal Hasil kali normalisasi dengan bobot kriteria perkara Norm_bobot_jasa Decimal Hasil kali normalisasi dengan bobot kriteria jasa Amax_kelakuan Decimal Solusi ideal positif dari kriteria kelakuan Amax_perkara Decimal Solusi ideal positif dari kriteria perkara Amax_jasa Decimal Solusi ideal positif dari kriteria jasa Amin_kelakuan Decimal Solusi ideal negatif dari kriteria kelakuan Amin_perkara Decimal Solusi ideal negatif dari kriteria perkara Amin_jasa Decimal Solusi ideal negatif dari kriteria jasa

Dmax Decimal Jarak pisah terjauh antara solusi ideal positif dan negatif

Dmin Decimal Jarak pisah terdekat antara solusi ideal positif dan negative

V Decimal Hasil akhir perhitungan TOPSIS

3.8 Perancangan Antarmuka

Perancangan antarmuka menampilkan rancangan dari setiap halaman yang digunakan untuk memperoleh gambaran tampilan sebuah sistem yang hendak dibangun. Tampilan antarmuka dari sebuah aplikasi menjadi alat komunikasi yang menghubungkan antara sistem dengan user.

Gambar 3.6 Rancangan Halaman Utama

Pada Gambar 3.6 ditampilkan halaman utama dari sistem yang dibangun.

Dalam tampilan ini terdapat 4 buah tombol. Tombol “Data Narapidana” digunakan

Remisi Khusus Remisi Umum

Judul Aplikasi _Data

Narapidana Kriteria

untuk melakukan pendataan setiap narapidana. Tombol “Kriteria” digunakan untuk

melakukan pembobotan setiap kriteria. Tombol “Remisi Umum” digunakan untuk

melakukan proses perhitungan remisi dengan metode TOPSIS kepada setiap

narapidana. Sedangkan, tombol “Remisi Khusus” digunakan untuk melakukan proses perhitungan remisi dengan metode TOPSIS kepada setiap narapidana berdasarkan keyakinan agama yang dianut oleh masing-masing narapidana.

Gambar 3.7 Rancangan Halaman Input Data Narapidana

Pada Gambar 3.7 diperlihatkan rancangan halaman untuk melakukan pendataan data narapidana ke dalam sistem. Dalam tampilan ini, user dapat menghapus, mengubah, dan menyimpan setiap data narapidana.

Penentuan Nilai Bobot Kriteria

Simpan Kriteria

Kelakuan Kriteria Perkara Kriteria Jasa

Nilai Bobot Kelakuan Nilai Bobot

Perkara Nilai Bobot

Jasa

Hapus Daftar Narapidana

Simpan Nama

Agama

Tanggal Penahanan

Perkara Masa Pidana

Set j = lvRanking.ListItems.Add(, , i)

j.SubItems(1) = lvDataWB.ListItems(i).SubItems(1) j.SubItems(2) = lvDataWB.ListItems(i).SubItems(2) j.SubItems(3) = rank_kelakuan

j.SubItems(4) = rank_perkara j.SubItems(5) = rank_jasa

Next

tot_rank_kelakuan = Format(Sqr(tot_rank_kelakuan), "0.0000") tot_rank_perkara = Format(Sqr(tot_rank_perkara), "0.0000") tot_rank_jasa = Format(Sqr(tot_rank_jasa), "0.0000")

cmdRanking.Enabled = False cmdNorm.Enabled = True

End Sub

Private Sub cmdSave_Click()

For i = 1 To lvDataWB.ListItems.Count Set simpan = New Recordset

simpan.Open "data_topsis", Con, 1, 2 simpan.AddNew

simpan!no_urut = i

simpan!id_narapidana = lvDataWB.ListItems(i).SubItems(1) simpan!rank_kelakuan = lvRanking.ListItems(i).SubItems(3) simpan!rank_perkara = lvRanking.ListItems(i).SubItems(4) simpan!rank_jasa = lvRanking.ListItems(i).SubItems(5)

simpan!norm_kelakuan = lvNormalisasi.ListItems(i).SubItems(3) simpan!norm_perkara = lvNormalisasi.ListItems(i).SubItems(4) simpan!norm_jasa = lvNormalisasi.ListItems(i).SubItems(5)

simpan!norm_bobot_kelakuan = lvNormBobot.ListItems(i).SubItems(3) simpan!norm_bobot_perkara = lvNormBobot.ListItems(i).SubItems(4) simpan!norm_bobot_jasa = lvNormBobot.ListItems(i).SubItems(5) simpan!amax_kelakuan = lvSolusiIdeal.ListItems(i).SubItems(3) simpan!amax_perkara = lvSolusiIdeal.ListItems(i).SubItems(4) simpan!amax_jasa = lvSolusiIdeal.ListItems(i).SubItems(5)

simpan!amin_kelakuan = lvSolusiIdeal.ListItems(i).SubItems(6) simpan!amin_perkara = lvSolusiIdeal.ListItems(i).SubItems(7) simpan!amin_jasa = lvSolusiIdeal.ListItems(i).SubItems(8) simpan!Dmax = lvJarakPisah.ListItems(i).SubItems(3) simpan!Dmin = lvJarakPisah.ListItems(i).SubItems(4) simpan!v = lvKedekatan.ListItems(i).SubItems(3) simpan.Update

Set simpan = Nothing Next

MsgBox ("Data berhasil disimpan.")

cmdSave.Enabled = False cmdLaporan.Enabled = True End Sub

Private Sub cmdSolusi_Click()

For i = 1 To lvDataWB.ListItems.Count Set j = lvSolusiIdeal.ListItems.Add(, , i)

j.SubItems(1) = lvDataWB.ListItems(i).SubItems(1) j.SubItems(2) = lvDataWB.ListItems(i).SubItems(2) j.SubItems(3) = AmaxKelakuan

j.SubItems(4) = AmaxPerkara j.SubItems(5) = AmaxJasa j.SubItems(6) = AminKelakuan j.SubItems(7) = AminPerkara j.SubItems(8) = AminJasa Next

cmdSolusi.Enabled = False cmdJarak.Enabled = True

End Sub

Private Sub cmdUrut_Click()

For i = 1 To lvDataWB.ListItems.Count

Set j = lvHasil.ListItems.Add(, , lvKedekatan.ListItems(i).Index) j.SubItems(1) = lvKedekatan.ListItems(i).SubItems(1)

j.SubItems(2) = lvKedekatan.ListItems(i).SubItems(2) j.SubItems(3) = lvKedekatan.ListItems(i).SubItems(3) Next

lvHasil.SortKey = 3

lvHasil.SortOrder = lvwDescending lvHasil.Sorted = True

cmdUrut.Enabled = False cmdSave.Enabled = True

End Sub

Private Sub Form_Load() Connect

Set cari = New Recordset

cari.Open "DELETE FROM data_topsis", Con, 1, 2 Set cari = Nothing

lvLoadHeaderWB lvLoadRanking lvLoadNormalisasi lvLoadNormalisasiBobot lvLoadSolusiIdeal lvLoadJarakPisah lvLoadKedekatan End Sub

Private Sub lvLoadHeaderWB() Dim ch As ColumnHeader

Set ch = lvDataWB.ColumnHeaders.Add(, , "No.", 500) Set ch = lvDataWB.ColumnHeaders.Add(, , "id", 0)

Set ch = lvDataWB.ColumnHeaders.Add(, , "Nama", 2000, vbLeftJustify) Set ch = lvDataWB.ColumnHeaders.Add(, , "Perkara", 900, vbCenter)

Set ch = lvDataWB.ColumnHeaders.Add(, , "Tanggal Penahanan", 1800, vbCenter) lvDataWB.GridLines = True

End Sub

Private Sub lvLoadRanking() Dim ch As ColumnHeader

Set ch = lvRanking.ColumnHeaders.Add(, , "No.", 500) Set ch = lvRanking.ColumnHeaders.Add(, , "id", 0)

Set ch = lvRanking.ColumnHeaders.Add(, , "Nama", 2000, vbLeftJustify) Set ch = lvRanking.ColumnHeaders.Add(, , "Kelakuan (K1)", 900, vbCenter) Set ch = lvRanking.ColumnHeaders.Add(, , "Perkara (K2)", 900, vbCenter) Set ch = lvRanking.ColumnHeaders.Add(, , "Jasa (K3)", 900, vbCenter) lvRanking.GridLines = True

End Sub

Private Sub lvLoadNormalisasi() Dim ch As ColumnHeader

Set ch = lvNormalisasi.ColumnHeaders.Add(, , "No.", 500) Set ch = lvNormalisasi.ColumnHeaders.Add(, , "id", 0)

Set ch = lvNormalisasi.ColumnHeaders.Add(, , "Nama", 2000, vbLeftJustify) Set ch = lvNormalisasi.ColumnHeaders.Add(, , "K1", 900, vbCenter)

Set ch = lvNormalisasi.ColumnHeaders.Add(, , "K2", 900, vbCenter) Set ch = lvNormalisasi.ColumnHeaders.Add(, , "K3", 900, vbCenter) lvNormalisasi.GridLines = True

End Sub

Private Sub lvLoadNormalisasiBobot() Dim ch As ColumnHeader

Set ch = lvNormBobot.ColumnHeaders.Add(, , "No.", 500) Set ch = lvNormBobot.ColumnHeaders.Add(, , "id", 0)

Set ch = lvNormBobot.ColumnHeaders.Add(, , "Nama", 2000, vbLeftJustify) Set ch = lvNormBobot.ColumnHeaders.Add(, , "K1", 900, vbCenter)

Set ch = lvNormBobot.ColumnHeaders.Add(, , "K2", 900, vbCenter) Set ch = lvNormBobot.ColumnHeaders.Add(, , "K3", 900, vbCenter) lvNormBobot.GridLines = True

Private Sub lvLoadSolusiIdeal() Dim ch As ColumnHeader

Set ch = lvSolusiIdeal.ColumnHeaders.Add(, , "No.", 500) Set ch = lvSolusiIdeal.ColumnHeaders.Add(, , "id", 0)

Set ch = lvSolusiIdeal.ColumnHeaders.Add(, , "Nama", 2000, vbLeftJustify) Set ch = lvSolusiIdeal.ColumnHeaders.Add(, , "Amax Kelakuan", 900, vbCenter) Set ch = lvSolusiIdeal.ColumnHeaders.Add(, , "Amax Perkara", 900, vbCenter) Set ch = lvSolusiIdeal.ColumnHeaders.Add(, , "Amax Jasa", 900, vbCenter) Set ch = lvSolusiIdeal.ColumnHeaders.Add(, , "Amin Kelakuan", 900, vbCenter) Set ch = lvSolusiIdeal.ColumnHeaders.Add(, , "Amin Perkara", 900, vbCenter) Set ch = lvSolusiIdeal.ColumnHeaders.Add(, , "Amin Jasa", 900, vbCenter) lvSolusiIdeal.GridLines = True

End Sub

Private Sub lvLoadJarakPisah() Dim ch As ColumnHeader

Set ch = lvJarakPisah.ColumnHeaders.Add(, , "No.", 500) Set ch = lvJarakPisah.ColumnHeaders.Add(, , "id", 0)

Set ch = lvJarakPisah.ColumnHeaders.Add(, , "Nama", 2000, vbLeftJustify) Set ch = lvJarakPisah.ColumnHeaders.Add(, , "Dmax", 900, vbCenter) Set ch = lvJarakPisah.ColumnHeaders.Add(, , "Dmin", 900, vbCenter) lvJarakPisah.GridLines = True

End Sub

Private Sub lvLoadKedekatan() Dim ch As ColumnHeader

Set ch = lvKedekatan.ColumnHeaders.Add(, , "No.", 0) Set ch = lvKedekatan.ColumnHeaders.Add(, , "id", 0)

Set ch = lvKedekatan.ColumnHeaders.Add(, , "Nama", 2000, vbLeftJustify) Set ch = lvKedekatan.ColumnHeaders.Add(, , "V", 900, vbCenter)

lvKedekatan.GridLines = True End Sub

Private Function cekKhusus(MasaPidana As String, TglTahan As Date, TglTujuan As Date) As Boolean

Dim LamaTinggal As Integer Dim LamaPidanaArr() As String Dim LamaPidana As Integer Dim TotalMasa As String Dim TglAkhir As String

LamaTinggal = DateDiff("d", TglTahan, TglTujuan) LamaPidanaArr = Split(MasaPidana, ";")

TglAkhir = DatePart("m", DateAdd("m", LamaPidanaArr(1), TglTahan)) & "/" & _ DatePart("d", DateAdd("d", LamaPidanaArr(2), TglTahan)) & "/" & _ DatePart("yyyy", DateAdd("yyyy", LamaPidanaArr(0), TglTahan)) TotalMasa = DateDiff("d", TglTahan, TglAkhir)

If TotalMasa <= (3 * LamaTinggal) Then cekKhusus = True

Else

cekKhusus = False End If