Rancang bangun sistem kecerdasan pendukung keputusan dalam pengiriman barang : studi kasus cv. jaya mandiri

PENGESAHAN UJIAN

skripsi yang berjudul "Rancang Bangun sistem Kecerdasan Pendukung Keputusan

Dalam Pengiriman Barang (studi Kasus: cV. Jaya Mandiri)- telah diuji dan dinyatakan

lulusdalamsidangmunaqosyahFakultasSainsdanTeknologipadahariselasa29Maret 201l. skripsi ini telah diterima sebagai salah satu syarat untuk memperoleh gelar sarjana strata satu (Sl) pada program studi Sistem Inforrnasi'

Jakafi4 6 Mei 20l

l

Tim Penguii'

Penguji

I

Penguji

II

W

Oitdit i.tugedtra Utarna tvtM' vt'Com'

(

W

Zulfiandri. MMSI-NIP . 19700130 20050

NIP . 470 03s 764

Pembimbing

I

_t

*/

NIP. 19?50818 200501 2 008

Qurotul Aini. MT.

NIP. 19?30325 200901 2 001

Pembimbing

II

11003

Ketua Prodi Sistem Informasi

$nrci's

Nur Aeni HidaYalr- MMSI'

NIP. 19?50818 200501 2 008

Mengetahuio

lV '-$'y'0"1

i#if

r

*1*1

w

i

RANCANG BANGUN SISTEM KECERDASAN PENDUKUNG KEPUTUSAN DALAM PENGIRIMAN BARANG

(Studi Kasus: CV. Jaya Mandiri)

SKRIPSI

Oleh : Fadly Marho NIM : 106093003079

PROGRAM STUDI SISTEM INFORMASI FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI (UIN) SYARIF HIDAYATULLAH JAKARTA

JAKARTA 2011 M / 1432 H

ii

RANCANG BANGUN SISTEM KECERDASAN PENDUKUNG KEPUTUSAN DALAM PENGIRIMAN BARANG

(Studi Kasus: CV. Jaya Mandiri)

SKRIPSI

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer

Oleh : Fadly Marho NIM : 106093003079

PROGRAM STUDI SISTEM INFORMASI FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI (UIN) SYARIF HIDAYATULLAH JAKARTA

JAKARTA 2011 M / 1432 H

iii

RANCANG BANGUN SISTEM KECERDASAN PENDUKUNG KEPUTUSAN DALAM PENGIRIMAN BARANG

(Studi Kasus: CV. Jaya Mandiri)

Skripsi

Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer Pada Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh :

Fadly Marho NIM : 106093003079

Menyetujui,

Pembimbing I Pembimbing II

Ditdit N Utama, MMSI, M.Com. Zulfiandri, MMSI.

NIP. 19741129 200801 1 006 NIP. 19700130 200501 1 003 Mengetahui,

Ketua Program Studi Sistem Informasi

Nur Aeni Hidayah, MMSI. NIP. 19750818 200501 2 008

iv

PENGESAHAN UJIAN

Skripsi yang berjudul “Rancang Bangun Sistem Kecerdasan Pendukung Keputusan

Dalam Pengiriman Barang (Studi Kasus: CV. Jaya Mandiri)” telah diuji dan dinyatakan lulus dalam sidang munaqosyah Fakultas Sains dan Teknologi pada hari selasa 29 Maret 2011. Skripsi ini telah diterima sebagai salah satu syarat untuk memperoleh gelar sarjana strata satu (S1) pada program studi Sistem Informasi.

Jakarta, 8 Juni 2011

Tim Penguji,

Penguji I Penguji II

Bakri La Katjong, MT, M.Kom. Qurotul Aini, MT.

NIP . 470 035 764 NIP . 19730325 200901 2 001

Pembimbing I Pembimbing II

Ditdit Nugeraha Utama, MM, M.Com. Zulfiandri, MMSI.

NIP . 19750818 200501 2 008 NIP . 19700130 200501 1 003

Mengetahui,

Dekan Fakultas Sains dan Teknologi Ketua Prodi Sistem Informasi

DR. Syopiansyah Jaya Putra, M.Sis. Nur Aeni Hidayah, MMSI.

v

LEMBAR PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-BENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI MANAPUN.

Jakarta, 6 Mei 2011

vi

ABSTRAK

FADLY MARHO, Rancang bangun Sistem Kecerdasan Penunjang Keputusan dalam Pengiriman Barang (Studi Kasus: CV. Jaya Mandiri) di bawah bimbingan

DITDIT N. UTAMA dan ZULFIANDRI.

CV. Jaya Mandiri merupakan salah satu perusahaan kecil yang bergerak di bidang pengiriman barang atau supplier. Salah satu bentuk kegiatan pengiriman barangnya ialah pengiriman barang kepada pabrik-pabrik yang membutuhkan bahan baku untuk produksi pabrik tersebut. Sistem yang dgunakan saat ini di CV. Jaya Mandiri masih manual dalam hal mengambil keputusan terutama dalam pemilihan kendaraan pengiriman barang dan peramalan stok permintaan barang, sedangkan permintaan barang mulai bertambah banyak. Semakin banyaknya permintaan barang kepada CV. Jaya Mandiri serta pemilihan kendaraan untuk mengirim barang yang tidak sesuai dengan spesifikasi kendaraan terhadap jumlah barang dan jarak memberi inisiatif tersendiri untuk membangun Sistem Kecerdasan Pendukung Keputusan dalam Pengiriman Barang yang diharapkan mampu menyelesaikan permasalahan di atas. Dalam perancangan Sistem Kecerdasan Pendukung Keputusan dalam Pengiriman Barang digunakan Metode Rational Unified Process (RUP) dengan pendekatan metode Booch dengan toolnya menggunakan Unifield Modeling Language (UML), diagram yang dgunakan ialah usecase diagram, activity diagram, class diagram, sequence diagram, statechart diagram, collaboration diagram, deployment diagram. Dengan adanya Sistem Kecerdasan Pendukung Keputusan dalam pengiriman barang ini dapat membantu operasional kerja CV. Jaya Mandiri dalam pelayanannya terhadap pelanggan dan diharapkan dapat mengurangi biaya operasional.

Kata Kunci : CV. Jaya Mandiri,Sistem Pendukung Keputusan dalam Pengiriman Barang, Rational Unified Process (RUP), Unified Modelling Language (UML).

V Bab + 204 Halaman + xix Halaman + 1 Simbol + 60 Gambar + 46 Tabel + Pustaka + Lampiran

vii

KATA PENGANTAR

Alhamdulillah puji syukur dipanjatkan kehadirat Allah SWT yang telah memberikan segala nikmat rahmat, taufik serta dan hidayah-Nya sehingga penelitian skripsi ini yang berjudul “Rancang Bangun Sistem Pendukung Keputusan dalam Pengiriman Barang (Studi Kasus: CV. Jaya Mandiri)”

dapat terselesaikan dengan baik.

Peneliti menyadari masih banyak kekurangan di dalam skripisi ini untuk itu peneliti sangat mengharapkan dan menghargai adanya kritik dan saran yang berguna dari pembaca.

Pada kesempatan ini, peneliti ingin menyampaikan ucapan terima kasih kepada pihak-pihak yang telah mendukung terselesaikannya skripsi ini. Karena tanpa dukungan dari mereka, peneliti tidak akan mampu menyelesaikan skripsi ini dengan baik. Oleh karena itu, perkenankanlah pada kesempatan ini peneliti mengucapkan terima kasih kepada:

1. Bapak Dr. Syopiansah Jaya Putra, M.Sis, selaku Dekan Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.

2. Ibu Nur Aeni Hidayah, MMSI. selaku Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi, UIN Syarif Hidayatullah Jakarta.

3. Zainul Arham, MMSI. selaku Sekretaris Program Studi Sistem Informasi di Fakultas Sains dan Teknologi, UIN Syarif Hidayatullah Jakarta.

4. Bapak Ditdit N. Utama, MMSI, M.Com. selaku dosen pembimbing I yang telah banyak memberikan waktu dan bimbingan kepada peneliti untuk menyelesaikan skripsi ini.

viii

5. Bapak Zulfiandri, MMSI. selaku dosen pembimbing II yang juga telah banyak memberikan waktu dan bimbingan kepada peneliti dalam menyelesaikan skripsi ini.

6. Bapak Abdul Aziz selaku pemilik CV. Jaya Mandiri serta seluruh karyawan CV. Jaya Mandiri yang telah banyak membantu peneliti untuk memberikan informasi yang dibutuhkan untuk penelitian sebagai penyelesaian skripsi ini. 7. Kedua Orang tua, adik dan kakak–kakak saya yang telah memberikan

motivasi dan dukungan yang tak ternilai harganya.

8. Untuk sahabat saya baskoro yang telah memberikan dukungannya dan waktunya untuk berdiskusi dan membantu dalam menyelesaikan skripsi ini. 9. Untuk teman-teman SIB 2006 dan TI 2006 atas dukungannya dalam

menyusun skripsi ini.

Peneliti menyadari bahwa dalam penyusunan skripsi ini masih terdapat banyak kekurangan, sehingga saran dan kritik yang berguna dan bersifat membangun dari pembaca untuk lebih menyempurnakan skripsi ini akan sangat peneliti hargai. Akhir kata saya berharap agar skripsi ini dapat bermanfaat bagi semua yang membaca.

Jakarta, 6 Mei 2011

Fadly Marho 106093003079

ix

DAFTAR ISI

JUDUL ... i

HALAMAN JUDUL ... ii

LEMBAR PENGESAHAN ... iii

LEMBAR PENGESAHAN UJIAN ... iv

ABSTRAK ... vi

KATA PENGANTAR ... vii

DAFTAR ISI ... ix

DAFTAR SIMBOL ... xvi

DAFTAR GAMBAR ... xviii

DAFTAR TABEL ... xxii

BAB 1 PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah... 4

1.3 Batasan Masalah ... 5

1.4 Ruang Lingkup ... 6

1.5 Tujuan dan Manfaat ... 6

1.6 Metode Penelitian ... 7

1.6.1 Metode Pengumpulan Data ... 7

1.6.2 Metode Pengembangan Sistem ... 8

x

1.6.3.1 Multi Criteria Decision Making (MCDM) ... 9

1.6.3.2 Forecasting ... 10

1.6.3.3 Fuzzy Multiple Atribut Decission Making (FMADM) ... 10

1.7 Sistematika Penulisan ... 10

BAB II LANDASAN TEORI ... 13

2.1 Rancang Bangun ... 13

2.2 Pengiriman ... 13

2.3 Barang ... 13

2.4 Konsep Dasar Sistem Informasi ... 14

2.4.1 Komponen Sistem Informasi ... 14

2.5 Konsep Dasar Sistem Pendukung Keputusan(SPK) ... 16

2.5.1 Pengambilan Keputusan ... 17

2.5.2 Dalil Terkait dengan Pengambilan Keputusan ... 17

2.5.3 Definisi Sistem Penunjang Keputusan ... 18

2.5.4 Karakteristik dan Kapabilitas Sistem Pendukung Keputusan ... 19

2.5.5 Tujuan Sistem Pendukung Keputusan ... 22

2.5.6 Komponen - Komponen Pendukung Keputusan ... 22

2.6 Konsep Dasar Sistem Kecerdasan Pendukung Keputusan ... 25

2.7 Hasil Penelitian IDSS dan DSS sebelumnya ... 26

2.8 Inventory ... 27

2.8.1 Pengertian Inventory ... 27

2.8.2 Jenis Persediaan (Inventory) ... 27

xi

2.9 Konsep Dasar Analisis dan Disain Sistem Informasi ... 30

2.9.1 Pengertian Analisis dan Disain Sistem ... 30

2.9.2 Pendekatan – Pendekatan Analisis Sistem ... 30

2.10 Analisis dan Desain Object Oriented ... 31

2.10.1 Pengertian Analisis dan Desain Object Oriented ... 31

2.10.2 Objek dan Kelas ... 32

2.11 Metodologi Rational Unified Process (RUP) ... 33

2.11.1 Fase RUP ... 33

2.11.2 Struktur Dinamis RUP ... 34

2.12 Unified Modeling Language (UML) ... 36

2.12.1 Use Case Diagram ... 37

2.12.1.1 Aktor ... 38

2.12.1.2 Relasi Assosiasi Antar Use Case ... 39

2.12.1.2.1 <<Include>> ... 38

2.12.1.2.2 <<extend>> ... 39

2.12.2 Activity Diagram (Diagram Aktivitas) ... 39

2.12.3 Sequence Diagram (Diagram Sequensial) ... 40

2.12.4 Class Diagram (Diagram Kelas) ... 41

2.12.5 Statechart Diagram (Diagram Statechart) ... 41

2.12.6 Component Diagram (Diagram Komponen) ... 42

2.12.7 Deployment Diagram ... 42

2.13 Metode SKPK (Sistem Kecerdasan Pendukung Keputusan) ... 43

xii

2.13.2 FMADM (Fuzzy Multi-Attribut Decision Making) ... 48

2.13.3 Forecasting ... 50

2.14 PHP (Hipertext Prepocessor) ... 54

2.15 MySQL ... 55

BAB III METODE PENELITIAN ... 57

3.1 Metode Pengumpulan Data ... 57

3.1.1 Observasi ... 57

3.1.2 Wawancara ... 57

3.1.3 Studi Kepustakaan ... 58

3.2 Metode Pengembangan Sistem ... 59

3.2.1 RUP ... 59

3.3 Metode Analisa IDSS ... 60

3.3.1 MCDM (Multi Criteria Decision Making) ... 60

3.3.2 FMADM (Fuzzy Multiple Attribute Decission Making) ... 61

3.3.3 Forecasting ... 62

3.4 Kerangka Berfikir Penelitian ... 63

BAB IV HASIL DAN PEMBAHASAN ... 64

4.1 Analisis Perhitungan Metode pada SKPK ... 64

4.1.1 Analisis Perhitungan pada Metode Pemulusan Eksponensial ... 64

4.1.2 Analisis Perhitungan pada Metode AHP (Analytic Hierarchy Process ) ... 73

4.1.2.1 Langkah – Langkah Perhitungan dengan Metode AHP ... 75

xiii

4.1.3 Analisis Perhitungan pada Metode Fuzzy SAW (Simple Additive

Weighting) ... 92

4.1.3.1 Langkah – Langkah Perhitungan dengan Metode Fuzzy Saw .. 92

4.1.3.1.1 Contoh Kasus Perhitungan Fuzzy Saw ... 93

4.2 Inception ... 100

4.2.1 Profil CV. Jaya Mandiri... 100

4.2.1.1 Visi Perusahaan (Vision) ... 100

4.2.1.1 Misi Perusahaan (Mission) ... 101

4.2.2 Analisis Sistem yang sedang Berjalan ... 101

4.2.3 Analisis dan Perancangan Usulan SKPK dalam Pengiriman Barang pada CV. Jaya Mandiri ... 102

4.2.3.1 Requirement/ Kebutuhan-Kebutuhan Untuk SKPK (Sistem Kecerdasan Pendukung Keputusan) dalam Pengiriman Barang CV. Jaya Mandiri ... 104

4.2.3.2 Menentukan Batasan Masalah Sistem SKPK ... 109

4.2.3.3 Menentukan Fungsi Use Case SKPK dalam Pengiriman Barang CV. Jaya Mandiri ... 111

4.2.3.4 Spesifikasi Aktor dan Use Case SKPK dalam Pengiriman Barang CV. JayaMandiri ... 112

4.2.3.5 Usecase Diagram Sistem Usulan ... 114

4.2.3.5.1 Narasi Usecase Diagram ... 114

4.3 Elaboration ... 122

xiv

4.3.1.1 Project Management Workflow ... 122

4.3.1.2 Analysis and Design Workflow ... 122

4.3.1.2.1 Membuat Rancangan Antarmuka Perangkat Lunak Sistem ... 122

4.3.1.3 Design Model dengan Pemodelan Object Oriented ... 136

4.3.1.3.1 Class Diagram ... 136

4.3.1.3.2 Spesifikasi Database SKPK ... 138

4.3.1.3.3 Activity Diagram ... 143

4.3.1.3.4 Sequence Diagram ... 155

4.3.1.3.5 Collaboration Diagram... 167

4.3.1.3.6 Statechart Diagram ... 176

4.4 Construction ... 188

4.4.1 Coding Program ... 188

4.4.2 Testing Program (Black Box Testing) ... 188

4.5 Transition... 191

4.5.1 Logical Architecture SKPK ... 191

4.5.2 Deployment Diagram SKPK ... 192

BAB V PENUTUP ... 193

5.1 Simpulan ... 193

5.2 Saran ... 194

DAFTAR PUSTAKA ... 195

LAMPIRAN A WAWANCARA ... 201

xv

LAMPIRAN C TAMPILAN APLIKASI ... 203 LAMPIRAN D CODING / SOURCE CODE ... 204

xvi

DAFTAR SIMBOL

Diagram UML (Unified Modelling Language)

No Nama Diagram Simbol Nama

1 Use Case Diagram

Actor

Use Case Participant

2 Class Diagram

Class

Datatype

Interface Generalization

3 Sequence Diagram

Participant

Simpel Message Synchronous Asynchronous

4 Activity Diagram _{Titik Awal}

Titik Akhir Activity Pilihan untuk mengambil keputusan Fork

xvii

<no send action> Tanda Pengiriman

<no receive action> Tanda Penerimaan

5 Component Diagram

Component

Interface

6 Deployment Diagram Node1

Node

Comunicates

7 State Diagram Initial State

State1 State

Transition

Fork Decision Final State

xviii

DAFTAR GAMBAR

Gambar 2.1 Skematik DSS ... 24

Gambar 2.2 Diagram Alir IDSS ... 25

Gambar 2.3 Arsitektur Rational Unified Process ... 33

Gambar 2.4 Notasi Use Case ... 37

Gambar 2.5 Notasi Aktor ... 38

Gambar 2.6 Struktur Hirarki ... 46

Gambar 3.1 Kerangka Berpikir Penelitian ... 63

Gambar 4.1 Grafik Permintaan Tahun 2009 ... 65

Gambar 4.2 Gambar Grafik permintaan dan Peramalan nilai = 0.3; 0.6; 0.9 ... 68

Gambar 4.3 Grafik Permintaan Tahun 2009 dan Ramalan Tahun 2010 ... 73

Gambar 4.4 Gambar Struktur Hierarki Pemilihan Kendaraan ... 76

Gambar 4.5 Gambar Matriks dari Tabel diatas yang Belum Ternormalisasi ... 97

Gambar 4.6 Gambar Matriks Ternormalisasi... 98

Gambar 4.7 Gambar Proses Bisnis yang Sedang Berjalan ... 101

Gambar 4.8 Gambar Proses Bisnis yang Diusulkan ... 102

Gambar 4.9 Gambar Diagram Konteks SKPK (Sistem Kecerdasan Pendukung Keputusan) dalam Pengiriman Barang CV. Jaya Mandiri ... 110

Gambar 4.10 Usecase Diagram Sistem Usulan ... 114

Gambar 4.11 Rancangan Antarmuka Manajemen User ... 123

Gambar 4.12 Rancangan Antarmuka Login ... 124

xix

Gambar 4.14 Rancangan Antarmuka Halaman Submenu Perhitungan

Forecasting Tabel MAD, MSE dan MAPE ... 125 Gambar 4.15 Rancangan Antarmuka Halaman Submenu Perhitungan

Forecasting Tabel Total Kesalahan Peramalan ... 126 Gambar 4.16 Rancangan Antarmuka Halaman Submenu Perhitungan

Forecasting Tabel Hasil ... 127 Gambar 4.17 Rancangan Antarmuka Halaman Submenu Tambah Forecasting ... 128 Gambar 4.18 Rancangan Antarmuka Halaman Submenu Tambah Forecasting

untuk Link Jenis Barang ... 129 Gambar 4.19 Rancangan Antarmuka Halaman Submenu AHP & Fuzzy Saw

untuk Input Jarak dan Jumlah atau Berat Barang... 130 Gambar 4.20 Rancangan Antarmuka Halaman Submenu AHP & Fuzzy Saw

untuk Hasil Perhitungan AHP dan Fuzzy Saw ... 131 Gambar 4.21 Rancangan Antarmuka Halaman Submenu AHP & Fuzzy Saw

untuk Hasil Perhitungan AHP dan Fuzzy Saw Lengkap ... 132 Gambar 4.22 Rancangan Antarmuka Halaman Menu Setting dari Submenu

Kendaraan ... 133 Gambar 4.23 Rancangan Antarmuka Halaman Menu Setting dari Submenu

Kriteria AHP ... 134 Gambar 4.24 Rancangan Antarmuka Halaman Menu Setting dari Submenu

Bobot Kriteria Fuzzy Saw ... 135 Gambar 4.25 Class Diagram ... 136 Gambar 4.26 Activity Diagram Login ... 144

xx

Gambar 4.27 Activity Diagram Forecasting ... 145 Gambar 4.28 Activity Diagram AHP ... 147 Gambar 4.29 Activity Diagram Setting ... 149 Gambar 4.30 Activity Diagram Fuzzy Saw ... 151 Gambar 4.31 Activity Diagram Manajemen User ... 153 Gambar 4.32 Activity Diagram Logout ... 154 Gambar 4.33 Sequence Diagram Login ... 155 Gambar 4.34 Sequence Diagram Forecasting ... 156 Gambar 4.35 Sequence Diagram AHP ... 159 Gambar 4.36 Sequence Diagram Setting ... 161 Gambar 4.37 Sequence Diagram Fuzzy Saw ... 163 Gambar 4.38 Sequence Diagram Manajemen User ... 165 Gambar 4.39 Sequence Diagram Logout ... 167 Gambar 4.40 Collaboration Diagram Login ... 168 Gambar 4.41 Collaboration Diagram Forecasting ... 169 Gambar 4.42 Collaboration Diagram AHP ... 170 Gambar 4.43 Collaboration Diagram Setting ... 171 Gambar 4.44 Collaboration Diagram Fuzzy Saw ... 173 Gambar 4.45 Collaboration Diagram Manajemen User... 174 Gambar 4.46 Collaboration Diagram Logout ... 175 Gambar 4.47 Statechart Diagram Login ... 176 Gambar 4.48 State Diagram Forecasting... 178 Gambar 4.49 State Diagram AHP ... 180

xxi

Gambar 4.50 State Diagram Setting ... 182 Gambar 4.51 State Diagram Fuzzy Saw ... 184 Gambar 4.52 State Diagram Manajemen User ... 186 Gambar 4.53 State Diagram Logout... 187 Gambar 4.54 Logical Architecture SKPK ... 191 Gambar 4.55 Deployment Diagram SKPK ... 192

xxii

DAFTAR TABEL

Tabel 2.1 Hasil Penelitian IDSS dan DSS sebelumnya ... 26 Tabel 2.2 RC/ Nilai Random ... 48 Tabel 4.1 Data Permintaan Barang Tahun 2009 ... 64 Tabel 4.2 Ramalan nilai = 0.3; 0.6; 0.9 ... 67 Tabel 4.3 Perhitungan Nilai Kesalahan Nilai MAD (Mean Absolute Deviation) ... 69 Tabel 4.4 Perhitungan Nilai Kesalahan Nilai MSE (Mean Squared Error) ... 70 Tabel 4.5 Perhitungan Nilai Kesalahan Nilai MAPE (Mean Absolute Percent

Error) ... 71 Tabel 4.6 Perhitungan Nilai Kesalahan MAD, MSE, dan MAPE ... 71 Tabel 4.7 Hasil Peramalan Permintaan Barang Tahun 2010 ... 72 Tabel 4.8 Hasil Spesifikasi Kendaraan ... 77 Tabel 4.9 Hasil Perhitungan Waktu Sekali Jalan ... 77 Tabel 4.10 Hasil Perhitungan Banyaknya pengangkutan kendaraan ... 78 Tabel 4.11 Hasil Perhitungan Banyaknya Bolak-Balik Masing-Masing Kendaraan ... 78 Tabel 4.12 Hasil Perhitungan Banyaknya Jarak Bolak-Balik Masing-Masing

Kendaraan ... 79 Tabel 4.13 Hasil Perhitungan Banyaknya Waktu Bolak-Balik Masing-Masing

Kendaraan ... 80 Tabel 4.14 Hasil Perhitungan Bahan Bakar yang Dibutuhkan untuk Pengiriman

1000 Buah Benang Obras Ukuran Sedang dengan Jarak 35 km ... 80 Tabel 4.15 Hasil Perhitungan Nilai Keseluruhan untuk Pengiriman 1464 Buah

xxiii

Benang Obras Ukuran Sedang dengan Jarak 35 km ... 81 Tabel 4.16 Hasil Perhitungan Perbandingan Kendaraan Berdasarkan Tiga Kriteria ... 82 Tabel 4.17 Hasil Pengelompokan Nilai Menjadi Nilai AHP ... 83 Tabel 4.18 Skala Tingkat Kepentingan AHP ... 84 Tabel 4.19 Hasil Matriks Kriteria Perbandingan Berpasangan ... 84 Tabel 4.20 Hasil Matriks Nilai Kriteria ... 85 Tabel 4.21 Hasil Matriks Penjumlahan Setiap Baris ... 85 Tabel 4.22 Hasil Matriks Perhitungan Rasio Konsistensi ... 86 Tabel 4.23 Hasil Matriks Perbandingan Berpasangan Berdasarkan Bahan Bakar ... 86 Tabel 4.24 Hasil Matriks Nilai Kriteria Berdasarkan Bahan Bakar... 87 Tabel 4.25 Hasil Matriks Perbandingan Berpasangan Berdasarkan Waktu ... 88 Tabel 4.26 Hasil Matriks Nilai Kriteria Berdasarkan Waktu ... 88 Tabel 4.27 Hasil Matriks Perbandingan Berpasangan Berdasarkan Keamanan ... 89 Tabel 4.28 Hasil Matriks Nilai Kriteria Berdasarkan Keamanan ... 89 Tabel 4.29 Hasil Matriks Proritas Alternatif ... 90 Tabel 4.30 Hasil Matriks Perhitungan Prioritas Global ... 91 Tabel 4.31 Nilai Hasil Perhitungan Berdasarkan Kriteria pada Spesifikasi

Kendaraan ... 94 Tabel 4.32 Nilai Hasil Perhitungan Persentase Berdasarkan Kriteria pada

Spesifikasi Kendaraan ... 94 Tabel 4.33 Nilai Linguistik atau Fuzzy berdasarkan kriteria ... 96 Tabel 4.34 Nilai Crips Alternatif berdasarkan Kriteria ... 97 Tabel 4.35 Spesifikasi Aktor ... 113

xxiv

Tabel 4.36 Spesifikasi Use Case pada SKPK CV. Jaya Mandiri ... 113 Tabel 4.37 Narasi Usecase Login ... 115 Tabel 4.38 Narasi Usecase Forecasting ... 116 Tabel 4.39 Narasi Usecase AHP ... 117 Tabel 4.40 Narasi Usecase Setting ... 118 Tabel 4.41 Narasi Usecase Fuzzy Saw ... 119 Tabel 4.42 Narasi Usecase Manajemen User ... 120 Tabel 4.43 Narasi Usecase Logout ... 120 Tabel 4.44 Spesifikasi Database Manajemen User ... 139 Tabel 4.45 Spesifikasi Database Jenis Barang ... 139 Tabel 4.46 Spesifikasi Database Kendaraan ... 140 Tabel 4.47 Spesifikasi Database Kriteria AHP ... 141 Tabel 4.48 Spesifikasi Database Bobot Kriteria Fuzzy Saw ... 142 Tabel 4.49 Spesifikasi Database Permintaan ... 143 Tabel 4.50 Keterangan Statechart Diagram untuk Use Case “Login” ... 177 Tabel 4.51 Keterangan Statechart Diagram untuk Use Case “Forecasting” ... 179 Tabel 4.52 Keterangan Statechart Diagram untuk Use Case “AHP” ... 181 Tabel 4.53 Keterangan Statechart Diagram untuk Use Case “Setting” ... 183 Tabel 4.54 Keterangan Statechart Diagram untuk Use Case “Fuzzy Saw” ... 185 Tabel 4.55 Keterangan Statechart Diagram untuk Use Case “Manajemen User” ... 187 Tabel 4.56 Keterangan Statechart Diagram untuk Use Case “Logout” ... 187 Tabel 4.57 Black Box Testing... 188

1

BAB I PENDAHULUAN

1.1 Latar Belakang

Penelitian Decision Support System atau sistem kecerdasan pendukung keputusan sudah banyak diteliti oleh para peneliti dari berbagai negara dengan berbagai macam metodologi. Contohnya penelitian pada tahun 2000 pada bidang inventory, Achabal at al. (2000) melakukan penelitian mengenai pengaturan inventori dengan menggunakan metode forecasting. Dalam bidang pertanian sistem pengambilan keputusan juga sangat berperan penting seperti pada tahun 2003 peneliti Li YF et al. (2003) melakukan penelitian pada bidang pertanian. Penelitian dalam hal pengelolaan kerugian pestisida pada air dalam pertanian ini menggunakan metode Forecasting.

Pada penelitian – penelitian tersebut menjelaskan bahwa sistem pengambil keputusan sangat dibutuhkan dan tidak ketinggalan pada tahun 2004 peneliti Suryadi et al. (2004) melakukan penelitian pada bidang marketing dalam hal meningkatkan kinerja penjualan dengan menggunakan metode Analytical Hierarchy Process (AHP). Dalam dunia transportasi umum sistem pengambilan keputusan juga sangat dibutuhkan, pada tahun yang sama Absari (2004) melakukan penelitian dalam bidang jasa angkutan kota tepatnya mengenai studi kelayakan pembukaan jaringan trayek angkutan kota dengan menggunakan metode Clustering.

2

Dalam bidang SDM (Sumber Daya Manusia) Sistem Pengambil Keputusan juga sangat berpengaruh dalam hal pengambilan keputusan. Pada tahun 2006, Kusrini dan Awaluddin (2006) melakukan penelitian dalam bidang SDM (Sumber Daya Manusia) mengenai evaluasi kinerja karyawan untuk promosi jabatan dengan menggunakan metode analisis Gap. Pada tahun yang

sama Čižman dan Urh (2006) melakukan penelitian pada bidang industri pemotongan kayu dalam hal optimalisasi produksi dengan menggunakan linear programming.

Seiring dengan perkembangan teknologi dan ilmu pengetahuan pada tahun 2008, Tahir et al. (2008) melakukan penelitian pada bidang industri dalam hal pendekatan untuk model optimasi baru dalam industri kecil dan menengah dengan menggunakan metode Fuzzy Logic. Masih pada tahun yang sama, peneliti

Chern et al. (2008) asal Taiwan juga melakukan penelitian pada bidang marketing dalam hal penjualan produk baru dengan menggunakan metode forecasting.

Dengan semakin bertambahnya waktu, pada tahun yang sama juga dan pada bidang yang sama juga Ismail (2008) juga melakukan penelitian dalam hal meningkatkan prakiraan dengan menggunakan Genetic Algorithm (GA) dan Tabu Search (TS). Pada tahun yang sama Hermaduanti dan Kusumadewi (2008) melakukan penelitian dalam bidang kesehatan dalam hal menentukan gizi dengan menggunakan metode K-Nearest Neighbor (KNN). Pada tahun selanjutnya Eliyani et al. (2009) melakukan penelitian dalam bidang jasa pembelian dalam hal pembelian mobil dengan menggunakan Fuzzy Tahani. Dalam tahun yang sama

3

pula, Hamdani (2010) dalam bidang industri makanan mengenai wisata kuliner dengan visualisasi geografi dengan metode Rule of Thumb.

Penelitian mengenai Intelegent Decision Support System (IDSS) juga sudah cukup banyak digunakan di berbagai bidang dan dengan berbagai metodologi yang semakin berkembang. Contohnya penelitian Michalewicz et al. (2005) dalam bidang transportasi dan logistik dalam hal distribusi dan pelelangan mobil dengan menggunakan algoritma optimasi. Dalam tahun yang sama Elghoniemy et al. (2006) dalam bidang industri pada pabrik dengan menggunakan metode Genetic Algorithm dan Fuzzy Logic.

Dengan perkembangan waktu dan teknologi yang terasa semakin cepat pada tahun 2007 Suwarningsih (2007) dalam bidang elektronika dalam hal menganalisa sirkuit logika dengan menggunakan metoda finite automa, hasil analisis menghasilkan formula untuk sirkuit logika tersebut. Dengan perkembangan yang semakin maju, pada tahun 2010 ini Hasan (2010) meneliti dalam bidang transportasi dalam hal manajemen lalu lintas dengan metode Multiclass Simultaneous Transportation Equilibrium Model (MSTEM).

CV. Jaya Mandiri adalah suatu perusahaan yang bergerak di bidang pengiriman barang. Perusahaan ini merupakan perusahaan yang sedang berkembang dan masih banyak kegiatan perusahaan yang dilakukan secara manual, salah satunya adalah dalam pengelolaan barang (Inventory). Akibatnya perusahaan sulit menentukan kendaraan yang cocok untuk mengirim barang yang sesuai permintaan dan meningkatkan akurasi perkiraan permintaan. Perusahaan cenderung selalu kekurangan stock ketika ada permintaan barang dari

4

pelanggannya sehingga perusahaan harus mengeluarkan biaya operasional tambahan untuk membeli barang permintaan pelanggan. Dan juga perusahaan sulit untuk mengambil keputusan mengenai pemilihan kendaraan pengiriman barang dengan tujuan memaksimalkan pendapatan dan mengurangi biaya operasional tambahan.

Keadaan yang seperti ini yang mendorong peneliti untuk merancang dan membangun suatu Sistem Kecerdasan Penunjang Keputusan (SKPK) dalam pengiriman barang berdasarkan beberapa parameter dengan menggunakan metode Multiple Criteria Decision Making (MCDM), Forecasting dan Fuzzy Multiple Attribute Decission Making (FMADM). Hal ini juga yang menjadi latar belakang peneliti dalam melakukan penelitian pada pembuatan skripsi yang berjudul

“Rancang Bangun Sistem Kecerdasan Penunjang Keputusan dalam Pengiriman Barang (Studi Kasus: CV. Jaya Mandiri)”.

1.2 Rumusan Masalah

Ditinjau dari Latar Belakang, maka dirumuskanlah permasalahan penelitian pada CV. Jaya Mandiri yaitu:

1. Sulitnya memilih kendaraan yang sesuai berdasarkan spesifikasi kemampuan kendaraan untuk mengirim barang.

2. Belum adanya aplikasi yang membantu menghitung peramalan permintaan barang untuk satu tahun ke depan sehingga sering terjadi kekurangan stok barang.

5

3. Adanya biaya operasional tambahan yang disebabkan belum adanya perhitungan untuk jumlah permintaan untuk setiap bulannya.

1.3 Batasan Masalah

Berdasarkan masalah tersebut, maka ruang lingkup masalah dibatasi pada: 1. Analisis dan perancangan Sistem Kecerdasan Pendukung Keputusan hanya

pada bidang Inventory barang secara umum.

2. Pada penelitian rancang bangun sistem ini tidak membahas masalah protocol, jaringan, RIA (Rich Internet Aplication) dan keamanan data.

3. Bahasa pemograman yang digunakan adalah PHP dan database yang digunakan adalah MySQL.

4. Perhitungan kecepatan rata-rata dan keamanan dilakukan di luar sistem dan hanya perhitungan umum karena untuk setiap lokasi tujuan pengiriman barang memiliki parameter tersendiri yang berbeda-beda karena bergantung pada jenis barang yang dikirim, jarak lokasi barang yang dikirim, kondisi jalan ke lokasi pengiriman. Sehingga nilai kriteria keamanan dan kecepatan rata-rata berbeda untuk setiap lokasi pengiriman dan dihitung secara manual di luar sistem.

5. Pada penelitian ini hanya membahas permasalahan yang ada pada CV. Jaya Mandiri.

6. Pada penelitian ini hanya membahas 3 kendaraan dan 3 jenis kriteria yaitu waktu, bahan bakar dan keamanan.

6

7. Bahan bakar yang dibahas pada kriteria bahan bakar adalah bahan bakar jenis yang sama untuk setiap kendaraan.

1.4 Ruang Lingkup

Pelaksanaan penelitian skripsi akan dilaksanakan pada: Waktu : 5 Mei 2010 s.d 5 Juli 2010 Tempat : CV. Jaya Mandiri.

Waktu pelaksanaan dapat diubah, diperpanjang atau diperpendek sesuai dengan kebijaksanaan perusahaan penyelenggara. Tetapi jadwal pelaksanaan tidak jauh dari waktu yang telah diajukan.

1.5 Tujuan dan Manfaat

Tujuan umum dari penelitian ini adalah menghasilkan rancang bangun Sistem Kecerdasan Pendukung Keputusan pada CV. Jaya Mandiri untuk mengurangi pengeluaran yang diakibatkan pengambilan keputusan yang belum maksimal. Sedangkan tujuan khususnya adalah menghasilkan:

1. Rancangan Sistem Intelligent Decision Support System dalam Pengiriman Barang berbasis web guna mengurangi biaya operasional perusahaan dan memilih kendaraan sesuai spesifikasi kendaraan berdasarkan kriteria yang ada. 2. Membangun aplikasi yang dapat menghitung peramalan permintaan barang untuk satu tahun ke depan sehingga dapat mengurangi adanya kekurangan stok barang.

7

3. Dapat memaksimalkan keuntungan dengan berkurangnya biaya operasional karena adanya aplikasi yang dapat memilih kendaraan yang tepat dalam pengiriman barang.

Manfaat dari Penelitian ini adalah

1. Penelitian ini dapat menjadi salah satu referensi bagi pembaca dalam pembuatan Intelligent Decision Support System (IDSS) atau Sistem Kecerdasan Pendukung Keputusan (SKPK).

2. Merupakan sebuah gambaran umum rancang bangun Sistem Kecerdasan Pendukung Keputusan (SKPK) pada jenis perusahaan supplier.

3. Penggunaan metode Multiple Criteria Decision Making (MCDM), Forecasting dan Fuzzy Multiple Attribute Decission Making (FMADM) dalam SKPK yang dapat menjadi satu referensi bagi pembaca.

4. Penerapan Sistem Kecerdasan Pendukung Keputusan (SKPK) yang berbasis web yang mengikuti perkembangan teknologi saat ini.

1.6 Metode Penelitian

Metode penelitian di dalam skripsi ini menggunakan 3 jenis metode, yaitu:

1.6.1 Metode Pegumpulan Data

8

1. Observasi

Pengamatan langsung pada kegiatan yang ada pada CV. Jaya Mandiri untuk mendapatkan data-data yang diperlukan dan sistem yang berjalan yang masih manual.

2. Wawancara

Wawancara yang telah dilaksanakan dengan pemilik CV. Jaya Mandiri yaitu bapak Abdul Aziz untuk memperoleh gambaran, keterangan dan penjelasan untuk membantu dalam merancang aplikasi dan sebagai bahan masukan penelitian Skripsi.

3. Kajian Pustaka

Metode ini dilakukan dengan mempelajari teori-teori yang terkait dengan Rancang Bangun Sistem Kecerdasan Penunjang Keputusan dalam Pengiriman Barang (Studi Kasus: CV. Jaya Mandiri).

1.6.2 Metode Pengembangan Sistem

Pada metodologi pengambangan sistem, peneliti menggunakan metodologi RUP (Rational Unified Process). Terdapat 4 aktivitas utama yang digunakan dalam menggunakan metode Rational Unified Process yaitu (Kroll dan Kruchten, 2003):

a. Inception

Pada tahap ini peneliti mendefinisikan batasan kegiatan melakukan analisis kebutuhan user dan melakukan perancangan awal perangkat lunak (perancangan arsitektur dan use case).

9

b. Elaboration

Pada tahap ini dilakukan perancangan perangkat lunak mulai dari menspesifikasikan fitur perangkat lunak sampai perilisan prototipe versi beta dari perangkat lunak.

c. Construction

Pada tahap ini adalah tahap dimana perancangan sistem secara lengkap dan kemudian siap ke tahap transisi (Transition).

d. Transition

Instalasi, deployment dan sosialisasi perangkat lunak dilakukan pada tahap ini.

Tujuan utama adalah untuk „transisi’ sistem dari ke pengembangan produksi,

membuatnya tersedia untuk dan dipahami oleh pengguna akhir. Produk ini juga diperiksa terhadap tingkat kualitas ditetapkan dalam fase Inception.

1.6.3 Metode Sistem Kecerdasan Pendukung Keputusan

Metode yang digunakan untuk pemodelan Kecerdasan Sistem Penunjang Keputusan pada penelitian “Rancang Bangun Kecerdasan Sistem Penunjang Keputusan dalam Pengiriman Barang (Studi Kasus: CV. Jaya Mandiri ini ada tiga jenis:

1.6.3.1 Multi Criteria Decision Making (MCDM)

Untuk kelas dari masalah keputusan yang ”kompleks” Multiple Criteria Decision Making (MCDM) digunakan karena akibat skala, kumpulan data dan

10

pembingkaian rumit satu model formal adalah permintaan, varian efisien, dan antara itu varian yang paling diutamakan (keputusan), dapat diperoleh dengan bantuan dari metode exact optimization. Ini diperlukan model tersebut harus dikemas ke satu paket exact optimization, yang pasti menghindari populer, penggunaan dokumen dan tersebar luas pada metode MCDM (Kaliszewski dan Miroforidis, 2009). Pada metode MCDM ini metode yang digunakan adalah metode AHP (Analytic Hierarchy Process).

1.6.3.2 Forecasting

Suatu organisasi harus membuat keputusan yang tepat di waktu tergantung permintaan informasi untuk meningkatkan keunggulan kompetitif komersial dalam lingkungan bisnis selalu berfluktuasi. Oleh karena itu, memperkirakan jumlah permintaan untuk periode berikutnya kemungkinan besar tampaknya sangat penting. (Efendigil et al. 2008).

1.6.3.3 Fuzzy Multiple Attribute Decission Making (FMADM).

Metode ini dipilih karena mampu menyeleksi alternatif terbaik dari sejumlah alternatif, Pada FMADM, alternatif–alternatif sudah diketahui dan ditentukan sebelumnya. Pengambil keputusan harus menentukan prioritas atau ranking berdasarkan kriteria yang diberikan (Kusumadewi et al. 2006). Dan pada metode FMADM ini metode yang digunakan adalah metode Fuzzy Saw (Simple Additive Weighting).

11

1.7 Sistematika Penulisan

BAB I PENDAHULUAN

Bab ini berisi latar belakang, perumusan masalah, batasan masalah, tujuan dan manfaat penelitian, metode penelitian, jadwal penelitian, sistematika penulisan.

BAB II LANDASAN TEORI

Dalam bab ini akan dijelaskan mengenai landasan teori yang relevan dengan permasalahan yang ada.

BAB III METODE PENELITIAN

Bab ini berisi metodologi penelitian yang digunakan diantaranya metode pengumpulan data, metode pengembangan sistem, metode analisa IDSS dan kerangka berpikir penelitian.

BAB IV HASIL DAN PEMBAHASAN

Bab ini berisi profil perusahaan secara umum dan mengenai 3 jenis metode dengan cara perhitungannya. Metode tersebut yang terdiri dari metode Forecasting Smoothing Exponential (Pemulusan eksponensial), metode AHP (Analytic Hierarchy Process ) yang merupakan bagian dari MCDM dan Fuzzy Saw (Simple Additive Weighting) yang merupakan bagian FMADM. Pada tahap ini juga membahas tahap inception. Peneliti mendefinisikan mengenai profil CV. Jaya Mandiri, analisa sistem yang sedang berjalan, analisa dan perancangan usulan SKPK (Sistem Kecerdasan Pendukung Keputusan), Requirements/

12

kebutuhan-kebutuhan untuk SKPK, menentukan batasan masalah sistem SKPK, menentukan fungsi use case, spesifikasi aktor dan use case, use case diagram dan narasi use case diagram sistem usulan.Pada bab ini juga membahas tahap elaboration. Pada bab ini menjelaskan mengenai tahapan analisis dan perancangan desain sistem Kecerdasan Pendukung Keputusan (SKPK). Pada Bab inijuga akan dijelaskan mengenai contraction dan transition yang menjelaskan mengenai tahapan pembangunan sistem dan pengujian Sistem Kecerdasan Pendukung Keputusan (SKPK).

BAB V PENUTUP

Bab ini merupakan akhir penulisan skripsi dan disajikan simpulan dan saran-saran yang peneliti angkat berdasarkan pembahasan pada bab-bab sebelumnya.

13

BAB II

LANDASAN TEORI

2.1 Rancang Bangun

Kata “Rancang” merupakan kata kerja dari “merancang” yakni mengatur

segala sesuatu (sebelum bertindak, mengerjakan, atau melakukan sesuatu) atau merencanakan sedangkan perancangan merupakan kata benda yang memilki arti proses perbuatan merancang. Sedangkan “Rancang Bangun” dapat diartikan sebagai merancang atau mendesain suatu bangunan (PB-KemenDepDikNas, 2002).

2.2 Pengiriman

Pada kamus bahasa Indonesia dijelaskan bahwa kata Pengiriman merupakan kata benda yang memiliki arti proses, cara, perbuatan mengirimkan (PB-KemenDepDikNas, 2002).

2.3 Barang

Pada kamus bahasa Indonesia juga dijelaskan bahwa kata barang adalah benda umum (segala sesuatu yang berwujud atau berjasad) (PB-KemenDepDikNas, 2002).

14

2.4 Konsep Dasar Sistem Informasi

Sistem informasi adalah sekumpulan orang, data, proses dan teknologi informasi yang saling berinteraksi untuk mengumpulkan, memproses, menyimpan dan menyediakan informasi yang dibutuhkan untuk mendukung sebuah organisasi (Whitten et al. 2004).

Sistem informasi adalah suatu sistem di dalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi harian, mendukung operasi, bersifat manajerial dan kegiatan strategi dari suatu organisasi dan menyediakan pihak luar tertentu dengan laporan-laporan yang diperlukan (Jogiyanto, 2005).

Jadi, dapat disimpulkan sistem informasi adalah sistem yang dapat memproses data sehingga menjadi informasi yang bermanfaat bagi organisasi atau perusahaan itu sendiri dan pihak luar.

2.4.1 Komponen Sistem Informasi

Burch dan Gary Grutnitski (Jogiyanto, 2005) mengemukakan bahwa sistem informasi terdiri dari komponen-komponen yang disebutnya dengan istilah blok bangunan (building block), yaitu blok masukan (input block), blok model (model block), blok keluaran (output block), blok teknologi (technology block), blok basis data (database block) dan blok kendali (control blocks). Sebagai suatu sistem, keenam blok tersebut berinteraksi satu dengan yang lainnya membentuk satu kesatuan untuk mencapai sasaran. Penjelasan mengenai building block tersebut adalah sebagi berikut: (Jogiyanto, 2005)

15

1. Blok Masukan (Input Block)

Blok masukan mewakili data yang masuk ke dalam sistem informasi. Input di sini termasuk metode-metode dan media untuk menangkap data yang akan dimasukkan, dapat berupa dokumen-dokumen dasar.

2. Blok Model (Model Block)

Blok ini terdiri atas kombinasi prosedur, logika dan model matematik yang akan memanipulasi data input dan data yang tersimpan di basis data dengan cara tertentu untuk menghasilkan keluaran yang diinginkan.

3. Blok Keluaran (Output Block)

Produk dari sistem informasi adalah keluaran yang merupakan informasi yang berkualitas dan dokumentasi yang berguna untuk semua tingkatan manajemen serta semua pemakai sistem.

4. Blok Teknologi (Technology Block)

Teknologi merupakan tool box dalam sistem informasi. Teknologi digunakan untuk menerima input, menjalankan model, menyimpan dan mengakses data, menghasilkan dan mngirimkan keluaran dan membantu pengendalian dari sistem secara keseluruhan. Teknologi terdiri dari tiga bagian utama, yaitu teknisi (humanware dan brainware), perangkat lunak (software) dan perangkat keras (hardware).

5. Blok Basis Data (Database Block)

Basis data (database) merupakan kumpulan dari data yang saling berhubungan satu dengan yang lainnya, tersimpan di perangkat keras komputer

16

dan digunakan perangkat lunak untuk memanipulasinya. Data perlu disimpan dalam basis data untuk penyediaan informasi lebih lanjut.

6. Blok Kendali (Controls Block)

Banyak hal yang dapat merusak sistem infromasi, seperti bencana alam, api, temperatur, air, debu, kecurangan-kecurangan, kegagalan-kegagalan sistem itu sendiri, kesalahan-kesalahan, ketidak efisienan, sabotase dan lain sebagainnya. Beberapa pengendalian perlu dirancang dan diterapkan untuk meyakinkna bahwa hal-hal yang dapat merusak sistem dapat dicegah ataupun bila terlanjur terjadi kesalahan - kasalahan dapat langsung cepat diatasi.

2.5 Konsep Dasar Sistem Pendukung Keputusan (SPK)

Pada awal tahun 1970-an, Scott Morton pertama kali mengartikulasikan konsep penting DSS (Decision Support System). Ia mendefinisikan DSS sebagai

“sistem berbasis komputer yang interaktif, yang membantu para pengambil

keputusan dengan menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur”. DSS adalah sistem berbasis komputer bagi para pengambil keputusan manajemen yang menangani masalah-masalah yang tidak terstruktur (Turban et al. 2005).

17

2.5.1 Pengambilan Keputusan

Pengambilan keputusan terdiri dari (Turban et al. 2005): a. Masalah

Masalah merupakan suatu kondisi yang berpotensi menimbulkan kerugian-kerugian luar biasa atau menghasilkan keuntungan luar biasa. Tindakan memberi respons terhadap masalah untuk menekan akibat buruknya atau memanfaatkan peluang keuntungannya disebut pemecahan masalah. Pentingnya pemecahan masalah bukan didasarkan pada jumlah waktu yang dihabiskan, tetapi pada konsekuensinya, yaitu apakah pemecahan masalah tersebut bisa menekan sebanyak mungkin kemungkinan kerugian atau memperoleh sebesar mungkin kemungkinan keuntungan.

b. Keputusan

Keputusan merupakan kegiatan memilih suatu strategi atau tindakan dalam pemecahan masalah tersebut.

2.5.2 Dalil Terkait dengan Pengambilan Keputusan

Dalil Al-Qur’an yang terkait dengan pengambilan keputusan adalah:























































































































































































































































































































































































Berkata Dia (Balqis): "Hai Para pembesar berilah aku pertimbangan dalam urusanku (ini) aku tidak pernah memutuskan sesuatu persoalan sebelum kamu berada dalam majelis(ku)". Mereka menjawab: "Kita adalah orang-orang yang memiliki kekuatan dan (juga) memiliki keberanian yang sangat (dalam

18

peperangan) dan keputusan berada ditanganmu: Maka pertimbangkanlah apa yang akan kamu perintahkan"(QS An-Naml : 32-33). Selain itu pengambilan keputusan juga dijelaskan dalam surat Al_baqarah yaitu:



































































































































































































































































































































































































































































































































































































































































































































































manusia itu adalah umat yang satu. (setelah timbul perselisihan), Maka Allah mengutus Para Nabi, sebagai pemberi peringatan, dan Allah menurunkan bersama mereka kitab yang benar, untuk memberi keputusan di antara manusia tentang perkara yang mereka perselisihkan. tidaklah berselisih tentang kitab itu melainkan orang yang telah didatangkan kepada mereka Kitab, yaitu setelah datang kepada mereka keterangan-keterangan yang nyata, karena dengki antara mereka sendiri. Maka Allah memberi petunjuk orang-orang yang beriman kepada kebenaran tentang hal yang mereka perselisihkann itu dengan kehendak-Nya. dan Allah selalu memberi petunjuk orang yang dikehendaki-Nya kepada jalan yang lurus (QS Al-Baqarah : 312).

2.5.3 Definisi Sistem Penunjang Keputusan

Sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan manajerial dalam situasi keputusan semi terstruktur. DSS (Decision Support System) dimaksudkan menjadi alat bantu bagi para pengambil keputusan

19

untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka. DSS ditujukan untuk keputusan-keputusan yang memerlukan penilaian atau pada keputusan-keputusan yang sama sekali tidak didukung oleh algoritma (Turban et al. 2005).

Sistem Penunjang Keputusan secara umum didefinisikan sebagai sebuah sistem yang mampu memberikan kemampuan baik kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah semiterstruktur. Secara khusus, SPK didefinisikan sebagai sebuah sistem yang mendukung kerja seorang manajer maupun sekelompok manajer dalam memecahkan masalah semiterstruktur dengan cara memberikan informasi ataupun usulan menuju pada keputusan tertentu (Hermawan, 2005).

Dari keterangan para peneliti yang sudah dibahas sebelumnya, dapat disimpulkan bahwa sistem pendukung keputusan adalah suatu sistem yang dibuat untuk membantu dalam pengambilan keputusan yang memerlukan penilaian yang dibangun atas perspektif manajer untuk mengatasi masalah-masalah semiterstruktur.

2.5.4 Karakteristik dan Kapabilitas Sistem Pendukung Keputusan

Ada 14 karakteristik dan kapabilitas SPK, yaitu (Kusrini, 2007):

1. Dukungan untuk pengambil keputusan, terutama pada situasi semiterstruktur dan tak terstruktur, dengan menyertakan penilaian manusia dan informasi terkomputerisasi. Masalah-masalah tersebut tidak dapat

20

dipecahkan (atau tidak dapat dipecahkan dengan konvinien) oleh sistem komputer lain atau oleh metode atau alat kuantitatif standar.

2. Dukungan untuk semua level manajerial, dari eksekutif puncak sampai manajer lini.

3. Dukungan untuk individu dan kelompok. Masalah yang kurang terstruktur sering memerlukan keterlibatan individu dari departemen dan tingkat organisasional yang berbeda atau bahkan dari organisasi yang lain. DSS mendukung tim virtual melalui alat-alat web kolaboratif.

4. Dukungan untuk keputusan independen dan atau sekuensial keputusan dapat dibuat satu kali, beberapa kali atau berulang (dalam interval yang sama).

5. Dukungan di semua fase proses pengambilan keputusan: intelejensi, desain, pilihan dan implementasi.

6. Dukungan di berbagai proses dan gaya pengambilan keputusan.

7. Adaptivitas sepanjang waktu. Pengambil keputusan seharusnya reaktif, dapat menghadapi perubahan kondisi secara cepat, dan mampu mengadaptasikan DSS untuk memenuhi perubahan tersebut. DSS bersifat fleksibel dan karena itu pengguna dapat menambahkan, menghapus, menggabungkan, mengubah, atau menyusun kembali elemen-elemen dasar. DSS juga fleksibel dalam hal dapat dimodifikasi untuk memecahkan masalah lain yang sejenisnya.

8. Pengguna merasa seperti dirumah. Ramah pengguna, kapabilitas grafis yang sangat kuat dan antarmuka manusia-mesin interaktif dengan satu

21

bahasa alami dapat sangat meningkatkan keefektifan DSS. Kebanyakan aplikasi DSS yang baru menggunakan antarmuka berbasis-web .

9. Peningkatan terhadap keefektifan pengambilan keputusan (akurasi, timeliness dan kualitas) ketimbang pada efisiennya (biaya pengambilan keputusan). Ketika DSS disebarkan, pengambilan keputusan sering membutuhkan waktu lebih lama, namun keputusannya lebih baik.

10. Kontrol penuh oleh pengambil keputusan terhadap semua langkah proses pengambilan keputusan dalam memecahkan suatu masalah. DSS secara khusus menekankan untuk mendukung pengambilan keputusan, bukannya menggantikan.

11. Pengguna akhir dapat mengembangkan dan memodifikasi sendiri sistem sederhana. Sistem yang lebih besar dapat dibangun dengan bantuan ahli sistem informasi. Perangkat lunak OLAP dalam kaitannya dengan data warehouse membolehkan pengguna untuk membangun DSS yang cukup besar dan kompleks.

12. Biasanya model-model digunakan untuk menganalisis situasi pengambilan keputusan. Kapabilitas pemodelan memungkinkan eksperimen dengan berbagai strategi yang berbeda di bawah konfigurasi yang berbeda. Sebenarnya, model-model membuat suatu DSS berbeda dari kebanyakan MIS (Management Information System).

13. Akses disediakan untuk berbagai sumber data, format, dan tipe, mulai dari sistem informasi geografis sampai sistem berorientasi objek.

22

14. Dapat dilakukan sebagai alat stand alone yang digunakan oleh seorang pengambil keputusan pada satu lokasi atau didistribusikan di satu organisasi keseluruhan dan di beberapa organisasi sepanjang rantai persediaan. Dapat diintegrasikan dengan DSS lain dan atau aplikasi lain, dan dapat didistribusikan secara internal dan eksternal dengan manggunakan networking dan teknologi web .

2.5.5 Tujuan Sistem Pendukung Keputusan

Tujuan dari SPK adalah (McLeod, 2004):

1. Membantu pengambil keputusan dalam membuat keputusan untuk memecahkan masalah semi terstruktur.

2. Mendukung penilaian seorang pengambil keputusan bukan menggantikan keputusan yang akan diambil oleh pengambil keputusan.

3. Meningkatkan efektifitas dari suatu keputusan, bukan dari sisi efisiensi.

2.5.6 Komponen-komponen Pendukung Keputusan

Aplikasi DSS terdiri dari 4 subsistem (Kusrini, 2007),yaitu: 1. Subsistem Manajemen Data

Subsistem manajemen data memasukkan satu database yang berisi data yang relevan untuk suatu situasi dan dikelola oleh perangkat lunak yang disebut sistem manajemen database (DBMS). Subsistem manajemen data bisa diinterkoneksikan dengan data warehouse perusahaan, suatu

23

repositori untuk data perusahaan yang relevan dengan pengambilan keputusan. Biasanya data disimpan atau diakses via server web database. 2. Subsistem Manajemen Model

Merupakan paket perangkat lunak yang memasukkan model keuangan, statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan kapabilitas analitik dan manajemen perangkat lunak yang tepat. Bahasa-bahasa pemodelan untuk membangun model-model kustom juga dimasukkan. Perangkat lunak itu sering disebut sistem manajemen basis model (MBMS). Komponen ini dapat dikoneksikan ke penyimpanan korporat atau eksternal yang ada pada model. Sistem manajemen dan metode solusi model diimplementasikan pada sistem pengembangan web untuk berjalan pada server aplikasi.

3. Subsistem Antarmuka Pengguna

Pengguna berkomunikasi dengan dan memerintahkan sistem pendukung keputusan melalui subsistem ini. Pengguna adalah bagian yang dipertimbangkan dari sistem. Para peneliti menegaskan bahwa beberapa kontribusi unik dari sistem pendukung keputusan berasal dari interaksi yang intensif antara komputer dan pembuat keputusan. Browser web memberikan struktur antarmuka pengguna grafis yang umum dan konsisten bagi kebanyakan DSS.

4. Subsistem manajemen berbasis pengetahuan

Subsistem tersebut mendukung semua subsistem lain atau bertindak sebagai suatu komponen independen. Ia memberikan intelegensi untuk

24

memperbesar pengetahuan si pengambil keputusan. Subsistem ini bisa diinterkoneksikan dengan repositori pengetahuan perusahaan (bagian dari sistem manajemen pengetahuan), yang kadang-kadang disebut basis pengetahuan organisasional. Pengetahuan dapat disediakan via server web . Banyak metode kecerdasan tiruan diimplementasikan dalam sistem pengembangan web dan mudah untuk diintegrasikan dengan komponen DSS lainnya.

Sistem lainnya yang berbasis komputer

Manajemen Data Manajemen Model

Subsistem Berbasis Pengetahuan

Antarmuka Pengguna

Manager (Pengguna)

Basis Pengetahuan Organisasional

Internet, Intranet dan Ekstranet

Model Eksternal

Gambar 2.1 Skematik DSS (Kusrini, 2007)

Berdasarkan definisi, DSS harus mencakup tiga komponen utama dari DBMS, MBMS dan antarmuka pengguna. Subsistem manajemen berbasis pengetahuan adalah opsional, namun dapat memberikan banyak manfaat karena memberikan intelegensia bagi tiga komponen utama.

25

2.6 Konsep Dasar Sistem Kecerdasan Pendukung Keputusan

Intelligent Decision Support System (IDSS) atau Kecerdasan Sistem Pendukung Keputusan merupakan sistem pendukung keputusan yang menambah komponen berupa basis pengetahuan dengan tujuan untuk membuat DSS menjadi pintar (intelligent). Berbeda dengan sistem pakar, IDSS tetap menghasilkan alternatif solusi yang dijadikan sebagai alat bantu pengambilan keputusan dimana hasil akhir bukan merupakan hasil yang final yang tidak dapat dipertimbangkan kembali. Sedangkan sistem pakar hanya sebuah proses memindahkan kepakaran seseorang pada sebuah program komputer dengan keluaran berupa hasil akhir yang pasti. Pada Gambar 2.2 dapat dilihat diagram alur IDSS dalam menentukan solusi keputusan dengan masukan berupa pengetahuan manusia dan pengukuran lingkungan yang dihimpun menjadi data master atau data utama. Data tersebut akan mengalami proses pembelajaran sebagai dasar pembuatan rules atau aturan pembuatan keputusan. Kemudian dilakukan evaluasi solusi terhadap rules tersebut untuk dijadikan sebagai elternatif keputusan.

26

Bila solusi tersebut tidak diterima maka proses selanjutnya akan mengalami proses pembelajaran sampai mengulang kembali untuk menghasilkan solusi yang diterima. Bila solusi diterima maka proses selesai (Suwarningsih, 2007).

2.7 Hasil Penelitian IDSS dan DSS sebelumnya

Penelitian DSS dan IDSS telah banyak dilakukan orang hampir di seluruh belahan dunia, termasuk Indonesia. Penelitian DSS dan IDSS tersebut dilakukan semata-mata hanya ingin mengetahui sejauh mana sebuah perusahaan menjalankan komitmennya terhadap pelanggan demi loyalitas pelanggan. Berikut dipaparkan beberapa penelitian DSS dan IDSS yang telah dilakukan dari tahun ke tahun.

Tabel 2.1 Hasil Penelitian IDSS dan DSS sebelumnya

No Nama Peneliti Bidang Metode Tahun

1. Achabal et al Inventori Forecasting 2000

2. Li YH et al Pertanian Forecasting 2003

3. Suryadi et al Pemasaran (AHP) 2004

4. Absari jasa angkutan kota Clustering 2004

5. Michalewicz et al Transportasi dan logistic

Algoritma optimasi 2005

6. Kusrini dan Awaluddin

SDM GAP 2006

7. Čižman dan Urh Industri linear programming 2006

8. Elghoniemy et al Industri Genetic Algorithm dan Fuzzy Logic Intelligent (AI)

2006

9. Suwarningsih Pengetahuan Finite automa 2007

10. Tahir et al Industri Fuzzy Logic 2008

11. Chern et al Pemasaran Forecasting 2008

12. Ismail Pemasaran Genetic Algorithm (GA) dan

Tabu Search (TS)

27

13. Hermaduanti dan Kusumadewi

kesehatan K-Nearest Neighbor (KNN) 2008

14. Eliyani et al Jasa Pembelian Fuzzy Tahani 2009

15. Hamdani Industri Rule of Thumb 2010

16. Hasan Transportasi Multiclass Simultaneous Transportation Equilibrium Model (MSTEM)

2010

2.8 Inventory

2.8.1 Pengertian Inventory

Setiap perusahaan, apakah perusahaan itu perusahaan perdagangan ataupun perusahaan pabrik serta perusahaan jasa selalu mengadakan persediaan (inventory). Tanpa adanya persediaan, para pengusaha akan dihadapkan pada resiko bahwa perusahaannya pada suatu waktu tidak dapat memenuhi keinginan pelanggan yang memerlukan atau meminta barang/jasa. Persediaan diadakan apabila keuntungan yang diharapkan dari persediaan tersebut hendaknya lebih besar daripada biaya-biaya yang ditimbulkannya.

Persediaan adalah suatu aktiva yang meliputi barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu periode usaha yang normal (Assauri, 2004).

2.8.2 Jenis Persediaan (Inventory)

Setiap jenis persediaan memiliki karakteristik tersendiri dan cara pengelolaan yang berbeda. Jenis–jenis persediaan dapat dibedakan menjadi lima jenis. (Assauri, 2004).

28

1. Persediaan bahan mentah (raw material stock)

Yaitu persediaan dari barang–barang berwujud yang digunakan dalam proses produksi, barang dapat diperoleh dari sumber-sumber alam ataupun dibeli dari supplier atau perusahaan yang menghasilkan bahan baku bagi perusahaan atau pabrik yang menggunakannya.

2. Persediaan bagian produk atau parts yang dibeli (purchased parts/ Component Stock)

Yaitu persediaan barang-barang yang terdiri atas parts yang diterima dari perusahaan lain, yang dapat secara langsung diassembling dengan parts lain, tanpa melalui proses produksi sebelumnya.

3. Persediaan bahan–bahan pembantu atau barang–barang perlengkapan (supplies stock).

Yaitu persediaan barang-barang atau bahan-bahan yang diperlukan dalam proses produksi untuk membantu berhasilnya produksi atau yang dipergunakan dalam bekerjanya suatu perusahaan tetapi tidak merupakan bagian atau komponen dari barang jadi.

4. Persediaan barang setengah jadi atau barang dalam proses (work in process/ progress work)

Yaitu persediaan barang-barang yang keluar dari tiap-tiap bagian dalam satu pabrik atau bahan-bahan yang telah diolah menjadi suatu bentuk, tetapi lebih perlu diproses kembali untuk kemudian menjadi barang jadi.

29

5. Persediaan barang jadi (finished good stock)

Yaitu persediaan barang-barang yang telah selesai diproses atau diolah dalam pabrik dan siap untuk dijual kepada pelanggan atau perusahaan lain. Jadi barang jadi ini adalah merupakan produk selesai dan telah siap dijual.

2.8.3 Fungsi Persediaan (Inventory)

Persediaan memiliki fungsi-fungsi persediaan yang berbeda-beda. Fungsi– fungsi persediaan (Inventory) yaitu: (Rangkuti, 2004)

1. Batch stock atau Lot size inventory

Persediaan lot size ini perlu mempertimbangkan penghematan – penghematan atau potongan pembelian , biaya pengangkutan per unit menjadi lebih murah dan sebagainya. Hal ini disebabkan karena perusahaan melakukan pembelian kuantitas yang lebih besar, dibandingkan dengan biaya–biaya yang timbul karena besarnya persediaan.

2. Fungsi Decoupling

Adalah persediaan yang memungkinkan perusahaan dapat memenuhi permintaan langganan tanpa tergantung pada supplier.

3. Fungsi antisipasi

Apabila perusahaan menghadapi fluktuasi permintaan yang dapat diperkirakan dan diramalkan berdasar pengalaman atau data-data masa lalu , yaitu permintaan musiman. Dalam hal ini perusahaan dapat mengadakan persediaan musiman (seasional inventories). Di samping itu, perusahaan juga sering menghadapi

30

ketidakpastian jangka waktu pengiriman dan permintaan akan barang selama periode tertentu.

2.9 Konsep Dasar Analisis dan Disain Sistem Informasi 2.9.1 Pengertian Analisis dan Disain Sistem

Analisis Sistem merupakan sebuah teknik pemecahan masalah yang menguraikan sebuah sistem menjadi bagian- bagian komponen dengan tujuan mempelajari seberapa bagus bagian-bagian komponen tersebut bekerja dan berinteraksi untuk meraih tujuan mereka. Sedangkan Sistem Desain adalah sebuah teknik pemecahan masalah yang saling melengkapi (dengan Analisis Sistem) yang merangkai kembali bagian-bagian relatif pada sistem yang diperbaiki. Hal ini melibatkan penambahan, penghapusan dan perubahan bagian-bagian relatif pada sistem aslinya (Whitten, 2004).

2.9.2 Pendekatan–pendekatan Analisis Sistem

Analisis Sistem merupakan pemecahan dari suatu masalah, banyak pendekatan dalam menghadapi masalah, oleh karena itu Analisis Sistem mempunyai beberapa pendekatan masalah. Berikut adalah pendekatan masalah dari Analisis Sistem: (Whitten , 2004)

1. Analisis Terstruktur (structured Analysis)

Analisis Terstruktur merupakan sebuah teknik model-driven dan berpusat pada proses yang digunakan untuk menganalisis sistem yang ada, mendefinisikan persyaratan-peryaratan bisnis untuk sebuah sistem baru, atau keduanya.

31

2. Teknik Informasi (Information Engineering)

Merupakan sebuah teknik model-driven dan berpusat pada data, tetapi sensitif pada proses. Teknik ini digunakan untuk merencanakan, menganalisis, dan mendesain Sistem Informasi. Model-model ini adalah gambaran yang mengilustrasikan dan menyesuaikan data dan proses-proses system.

3. Discovery Prototyping

Discovery Prototyping adalah sebuah teknik yang digunakan untuk mengidentifikasikan persyaratan-persyaratan bisnis pengguna dengan membuat para pengguna bereaksi pada implementasi quick end dirt (bijaksana dan efektif tapi tanpa cacat atau efek samping yang tidak diinginkan) persyaratan-persyaratan tersebut.

4. Analisis Berorientasi Objek (Object Oriented Analysis)

Analisis Berorientasi Objek adalah sebuah teknik yang mengintegrasikan data dan proses kedalam konstruksi yang disebut object. Model-model OOA(Object Oriented Analysis) adalah gambar-gambar yang mengilustrasikan objek-objek sistem dari berbagai macam perspektif, seperti struktur, kelakuan, dan interaksi objek-objek.

2.10 Analisis dan Desain Object Oriented

2.10.1 Pengertian Analisis dan Desain Object Oriented

Analisis Object Oriented adalah suatu teknik yang digunakan untuk mempelajari objek-objek yang sudah ada untuk melihat apakah objek-objek itu bisa digunakan kembali atau diadaptasi untuk penggunaan baru, dan

32

mendefinisikan objek-objek baru atau dimodifikasi yang akan digabungkan dengan objek-objek yang ada menjadi aplikasi bisnis yang berguna (Munawar, 2005).

Pondasi dasar dari analisis dan desain Object Oriented adalah objek. Selama analisis, kita akan menggunakan objek untuk mengorganisir pengertian kita dengan konteks sistem. Analisis dan desain objek berarti dua hal yang sangat jelas berbeda. Analisis objek menjelaskan fenomena diluar sistem seperti orang dan benda yang secara tipikal. Walaupun kita tidak selalu bisa memerintahkan mereka, kita harus menulis kejadian atau pengalaman yang mereka lakukan. Desain objek menjelaskan fenomena yang ada di dalam sistem yang bisa kita kontrol. Kita menjelaskan tingkah laku mereka sebagai operasi-operasi yang akan dijalankan (Mathiassen et al. 2000).

2.10.2 Objek dan Kelas

Definisi objek adalah sebuah entitas dengan identitas, keadaan, dan tingkah laku. Kelas berguna untuk mengerti tentang objek, dan kelas sangat penting untuk menjelaskan objek. Dari pada menjelaskan masing-masing objek, kita lebih baik mengembangkan deskripsi objek yang berbagi dengan semua objek-objek yang ada dalam kelas yang sama. Pengertian yang lain tentang kelas adalah penjelasan sekumpulan objek yang berbagi stuktur, bentuk behavior (metode) dan atribut. (Mathiassen et al. 2000).

33

2.11 Metode Rational Unified Process (RUP)

RUP adalah proses rekayasa perangkat lunak. Ini jelas mendefinisikan siapa yang bertanggung jawab untuk apa, bagaimana hal tersebut dilakukan, dan kapan harus melakukannya. RUP juga menyediakan struktur yang jelas untuk siklus hidup proyek RUP, jelas mengartikulasikan poin tonggak penting dan keputusan (Booch et al. 2007).

2.11.1 Fase RUP

Rational Unified Process itu sendiri dirancang dengan teknik yang mirip dengan yang digunakan dalam desain perangkat lunak. Secara khusus, dimodelkan menggunakan Software Process Engineering Metamodel (SPEM) sebagai standar untuk proses pemodelan berdasarkan Unified Modeling Language (UML) (Kroll dan Kructen, 2003). Gambar 2.1 menunjukkan arsitektur secara keseluruhan dari RUP. Proses ini memiliki dua struktur atau jika Anda membutuhkan dua dimensi:

34

Keterangan Gambar 2.1:

1. Struktur dinamis. Dimensi horizontal merupakan struktur dinamis atau dimensi waktu dari proses. Ini menunjukkan bagaimana proses, diungkapkan dalam siklus, tahapan, iterasi-iterasi dan milestones, terbentang selama siklus hidup proyek.

2. Struktur statis. Dimensi vertikal merupakan struktur statis dari proses tersebut. Ini menggambarkan bagaimana proses unsur kegiatan, disiplin, artifacts dan roles secara logis dikelompokkan menjadi disiplin proses inti (atau alur kerja).

2.11.2 Struktur Dinamis RUP

Struktur dinamis berhubungan dengan siklus hidup atau dimensi waktu dari sebuah proyek. RUP menyediakan pendekatan terstruktur untuk pengembangan iteratif, membagi proyek ke dalam empat fase: Inception, Elaboration, Construction dan Transition.

1. Inception

Membentuk suatu pemahaman yang tepat tentang sistem apa yang ingin dibangun dengan cara mengambil sebuah pemahaman tingkat tinggi dari semua kebutuhan dan menetapkan ruang lingkup sistem. Mengurangi banyak resiko bisnis, menghasilkan kasus bisnis untuk pembangunan sistem dan mendapatkan pembelian dari stakeholders pada pelanjutan proyek tersebut (Kroll dan Kructen, 2003).

35

2. Elaboration

Bertanggung jawab atas tugas-tugas yang paling sulit secara teknis: Desain, pengimplementasian, pengujian dan penetapan garis arsitektur eksekusi, termasuk subsistem, antarmuka, komponen kunci dan mekanisme arsitektural, seperti bagaimana menangani komunikasi antar-proses atau persistensi. Menyebutkan resiko teknis utama, seperti resiko pendapat sumber daya, resiko kinerja, dan resiko keamanan data, dengan menerapkan validasi kode aktual (Kroll dan Kructen, 2003).

3. Construction

Melakukan sebagian besar implementasi saat bergerak dari arsitektur eksekusi ke versi operasional pertama dari sistem anda. Menyebarkan beberapa pelepasan internal dan alpha untuk memastikan bahwa sistem ini dapat digunakan dan menunjukkan kebutuhan pengguna. Fase terakhir dengan mengerahkan sepenuhnya versi beta fungsional dari sistem, termasuk instalasi dan dokumentasi pendukung dan materi pelatihan (meskipun sistem kemungkinan akan masih memerlukan penyetelan fungsionalitas, kinerja dan kualitas secara keseluruhan) (Kroll dan Kructen, 2003).

4. Transition

Memastikan perangkat lunak mewakili kebutuhan penggunanya. Ini meliputi pengujian produk dalam persiapan untuk rilis dan membuat penyesuaian kecil berdasarkan umpan balik pengguna. Pada titik ini dalam lifecycle, fokus utama umpan balik pengguna pada penyetelan produk

36

yang lebih baik, konfigurasi, instalasi dan masalah penggunaan; semua masalah utama struktural seharusnya sudah diselesaikan jauh lebih awal dalam siklus hidup proyek (Kroll dan Kructen, 2003).

2.12 Unified Modeling Language (UML)

Pada musim gugur 1995, Ivar Jacobson bergabung dengan perusahaan Rational. Dengan menggunakan use case dan model interaksi antara objek, meredukasi kekurangan dan sebelumnya serta membawa beberapa ide baru. Ivar Jacobson menyumbangkan pemikiran baru terhadap Unified Method dan kemudian barulah Unified Method berganti nama menjadi Unified Modelling Language (UML), versi 0.9 dan 0.91 diliris pada bulan Juni dan Oktober 1996.

UML sendiri pada akhirnya bukan merupakan suatu metode, karena metode sekurang-kuangnya terdiri atas sebuah bahasa pemodelan dan sebuah proses. Bahasa pemodelan merupakan suatu cara menuliskan (terutama dengan gambar metode-metode itu dalam mengekspesikan rancangan-rancangan. Sedangkan proses adalah petunjuk dalam menentukan langkah-langkah apa yang dilakukan dalam mengerjakan sebuah rancangan. UML tidak tergantung dari proses.

Pendekatan dalam analisis berorientasi objek dilengkapi dengan alat-alat dan teknik-teknik yang dibutuhkan dalam pengembangan sistem, sehingga hasil akhir dari sistem yang dapat terdefinisi dengan baik dan jelas. Maka analisis berorientasi objek akan dilengkapi dengan alat dan teknik di dalam mengembangkan. (Hariyanto, 2004).

37

Komponen UML ada 9 diagram yaitu: A. Use Case Diagram.

B. Class Diagram. C. Activity Diagram. D. Component Diagram. E. Deployment Diagram. F. Sequence Diagram. G. Collaboration Diagram H. Statechart Diagram

2.12.1 Use Case Diagram

Use case dibuat berdasarkan keperluan aktor, merupakan “apa” yang

dikerjakan sistem, bukan “bagaimana” sistem mengerjakannya. use case diberi nama yang menyatakan apa hal yang dicapai dari hasil interaksinya dengan aktor dan dinotasikan dengan gambar (horizontal ellipse).

Gambar 2.4 Notasi Use Case (Nugroho, 2005)

Use case biasanya menggunakan nama use case boleh terdiri atas beberapa kata dan tidak boleh ada use case yang memiliki nama yang sama. Use case diagram tidak boleh terpengaruh urutan waktu, meskipun demikian supaya mudah dibaca penyusunan use case (Nugroho, 2005).

38

a. Aktor

Aktor menggambarkan orang, sistem atau ekstensial entitas/ stakeholder yang menyediakan atau menerima informasi dari sistem. Aktor adalah entity ekstenal yang berhubungan dengan sistem yang berpartisipasi dalam use case. Seorang aktor secara khusus menggambarkan sistem dengan input atau masukan kejadian-kejadian atau menerima sesuatu dari sistem. Tidak boleh ada komunikasi langsung antar aktor dan sebuah aktor jangan digambarkan di tengah-tengah use case. Dan letakan aktor utama pada pojok kiri atas dari diagram.

Aktor dilukiskan dengan peran yang mereka mainkan dalam use case, seperti pelanggan, admin, dan lain-lain. Simbol aktor dalam UML digambarkan seperti Gambar 2.4.

Petugas Penjualan

Gambar 2.5 Notasi Aktor (Nugroho, 2005)

Dalam use case terdapat satu aktor pemulai dalam awal sistem. Aktor akan sangat berguna untuk mengetahui siapa aktor pemulai tersebut (Nugroho, 2005).

Biasanya, aktor merupakan peranan yang dibawa oleh manusia, tetapi tidak menunup kemungkinan bahwa aktor itu adalah sebuah hal dari sebuah sistem, jenis-jenis aktor meliputi:

1. Peranan-peranan yang dimulai oleh orang-orang yang berhubungan dengan sistem.

190

4.1.1 Pilih tombol edit pada

submenu “kendaraan” Tampil form edit Sesuai

4.1.1.1 Pilih tombol “simpan” Tampil tabel spesifikasi tiga kendaraan dan data telah diedit

Sesuai

4.1.1.2 Pilih tombol “kembali” Tampil tabel spesifikasi tiga kendaraan Sesuai 4.2 Pilih submenu “Kriteria AHP” Tampil form kriteria AHP Sesuai 4.2.1 Pilih tombol “update” Data yang dirubah akan berubah dan

tersimpan ke dalam database

Sesuai

4.2.2 Pilih tombol “keterangan” Tampil tabel keterangan tingkat kepentingan

Sesuai

4.3 Pilih submenu “Bobot Kriteria

Fuzzy Saw” Tampil form bobot criteria fuzzy saw Sesuai 4.3.1 Pilih tombol “update” pada

submenu “Bobot Kriteria Fuzzy Saw”

Data yang dirubah akan berubah dan tersimpan ke dalam database

Sesuai

4.3.2 Pilih tombol “keterangan” Tampil tabel keterangan nilai bobot criteria

Sesuai

5 Pilih Link “Logout” Tampil halaman login Sesuai

Tampilan Khusus Admin

6 Pilih menu “Manajemen User” Tampil submenu “Manajemen User” Sesuai 6.1 Pilih submenu “Manajemen

User” Tampil halaman tabel manajemen user Sesuai

6.1.1 Pilih tombol edit Muncul halaman edit data Sesuai

6.1.1.1 Pilih tombol “update” Muncul halaman tabel manajemen user dan data telah berhasil diedit

Sesuai

6.1.1.2 Pilih tombol “kembali” Muncul halaman tabel manajemen user Sesuai 6.1.2 Pilih link gambar hapus Tampil alert, tekan “ok” maka data

berhasil dihapus dan tekan “cancel” data gagal dihapus

Sesuai

6.2.1 Pilih tombol “tambah user” Tampil halaman form tambah user dan pilih level

Sesuai

6.2.2 Pilih tombol “simpan” Muncul alert dan tekan “ok” maka muncul halaman tabel manajemen user dengan data yang baru ditambah

Sesuai

4.5Transition

4.5.1 Logical Architecture SKPK

Gambar 4.54 Logical Architecture SKPK

Gambar 4.54 merupakan logical architecture dari SKPK atau yang sering disebut component diagram. Logical architecture atau component diagram

tersebut menunjukan model secara fisik komponen perangkat lunak pada sistem dan hubungannya. Ada dua tipe komponen dalam diagram yaitu komponen

excutable dan libraries code. Untuk kasus SKPK digunakan komponen libraries code yang menunjukkan komponen-komponen kode pustaka ke dalam masing-masing kelas dalam sistem. Dapat di lihat dari gambar diatas terdapat empat komponen antara lain komponen Firefox sebagai web browser, XAMPP sebagai

web server, IDSS.php dan IDSS.sql. Dapat dilihat dari komponen sistem IDSS.php, dalam membangun sistem ini digunakan bahasa pemograman PHP pada setiap komponen kelasnya. Sedangkan database yang digunakan adalah MySQL.

192

4.5.2 Deployment Diagram SKPK

Gambar 4.55 Deployment Diagram SKPK

Deployment diagram meupakan tampilan rancangan fisik jaringan, dimana berbagai komponen akan terdapat disana. Pada SKPK CV. Jaya Mandiri, terdapat banyak subsistem yang dijalankan pada peralatan fisik yang terpisah atau sering disebut node. Deployment diagram pada Gambar 4.55 menunjukan rancangan SKPK. PC owner akan berhubungan melalui jaringan khusus melalui internet dengan browser firefox dan jaringan WAN akan meneruskan proses data ke

193 5.1Simpulan

Berdasarkan pada hasil pembahasan, maka menghasilkan beberapa simpulan :

1. Dengan menggunakan dua metode pengambilan keputusan untuk memilih kendaraan maka dapat memberikan petunjuk dalam memilih kendaraan untuk pengiriman.

2. Dengan adanya SKPK yang berbasis web, diharapkan dapat membantu

owner untuk menggunakan sistem tersebut dimanapun dan kapanpun. 3. Dengan dibangunnya SKPK pada CV. Jaya Mandiri diharapkan dapat

membantu perusahaan dalam mengelola permintaan barang dengan adanya

194

5.2Saran

Berdasarkan penelitian dan analisis yang telah dilakukan, maka terdapat saran-saran :

1. Bagi pembaca yang ingin mengembangkan sistem ini dapat menambah fitur perhitungan keamanan secara otomatis yang langsung masuk ke dalam perhitungan spesifikasi kendaraan dan juga fitur perhitungan kecepatan rata-rata secara otomatis berdasarkan kriteria untuk kondisi jalan yang akan dilalui yang juga masuk ke dalam perhitungan spesifikasi kendaraan.

2. Pembaca yang ingin mengembangkan sistem ini juga dapat menambahkan dari sisi hasil akhir perhitungan metode AHP dan Fuzzy Saw berupa spesifikasi kendaraan yang terpilih dan menambahkan hasil perhitungan biaya bahan bakar dalam pengiriman dengan jumlah/ berat barang yang dihitung.

3. Bagi pembaca yang ingin mengembangkan sistem ini juga dapat menambahkan jumlah kriteria dan alternatif lebih dari tiga ataupun dinamis.

Fax.02l-71241131.

SURAT KETERANGAN

No : 0l2SlJldlSekretaris/trilIn0l0

Yang bertandatangan di bawatr ini :

Narna Jabatan

Menerangkan Bahwa Nama

NIM

Status

AMul Azis

Pemilik CV. Jaya Mandiri

Fadly Maho

106093003079

Mahasiswa

tlIN

Syarif Hidayatullah Jakarta

Adalah benar telah melakukan

p"""titi*

wtuk

skrip$i

di

CV. Jaya Mandiri,

yang telah te.rhitrmg mulai ta€gal 5 Mei 2010 sampai de,ngan 5 Juli 2010. Dan yang bersangkutan telah melakukan pnelitim dengan baik.

Demikian surat keterangan

ini

diberikan untuk diprgunakan sebagaimana mestinya