LANDASAN TEORI Penerapan fuzzy multi attribute decision making dengan metode simple additive weighting pada seleksi penerimaan siswa baru : Studi kasus Smp Adzkia Islamic School
8 2.3. Komitmen
Komitmen menurut kamus besar bahasa indonesia adalah perjanjian keterikatan untuk melakukan sesuatu. Sedangkan komitmen
menurut Kreitner dan Kinicki 2010:166 dalam wibowo, 2014: 428 adalah kesepakatan untuk melakukan sesuatu untuk diri sendiri, individu
lain, kelompok atau organisasi.
2.4. Sistem Pendukung Keputusan SPK Keputusan dibuat untuk memecahkan masalah. Keputusan
merupakan tindakan atau rangkaian tindakan yang harus diikuti untuk memecahkan suatu masalah Deni,2013:137. Tindakan tersebut bisa
berupa pengurangan sesuatu utnuk menghindari risiko dari suatu hal atau pemanfaatan suatu kesempatan.
SPK atau Decision Support System DSS dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan untuk memperluas
kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka Deni,2013:145. SPK ditujukan untuk keputusan keputusan yang
memerlukan penilaian atau pada keputusan-keputusan yang sama sekali tidak dapat didukung oleh algoritma. Sebagai istilah umum SPK
digunakan untuk menggambarkan semua sistem terkomputerisasi yang mendukung pengambilan keputusan pada suatu organisasi. Tujuan utama
yang harus dicapai oleh SPK yaitu; 1. Dapat membantu manajer dalam membuat keputusan saat
memecahkan berbagai masalah semi terstruktur. 2. Dapat mendukung penilaian yang dilakukan oleh manajer dan
tidak mencoba menggantikannya. 3. Dapat meningkatkan efektivitas pengambilan keputusan yang
dilakukan oleh manajer dan bukan meningkkatkan efisiensinya Peter dalam Deni,2013:144-145
Implementasi suatu Sistem pendukung keputusan tergantung dari
UIN Syarif Hidayatullah Jakarta
9 teori yang digunakan, sehingga terdapat banyak cara atau model yang
digunakan , berikut beberapa model yang dapat digunakan dalam sistem pendukung keputusan:
1. DSS model pasif merupakan model DSS yang hanya mengumpulkan data dan mengorganisirnya dengan efektif, biasanya
tidak memberikan suatu keputusan yang khusus, dan hanya menampilkan datanya.
2. DSS model aktif merupakan model DSS yang memproses data dan secara eksplisit menunjukkan solusi berdasarkan pada data yang
diperoleh, dalam model ini masih ada intervensi manusia terhadap data yang digunakan.
3. DSS bersifat kooperatif jika data dikumpulkan, dianalisa dan lalu diberikan kepada manusia yang menolong sistem untuk merevisi
atau memperbaikinya. 4. Model Driven DSS adalah tipe DSS dimana para pengambil
keputusan menggunakan simulasi statistik atau model-model keuangan untuk menghasilkan suatu solusi atau strategi tanpa harus
intensif mengumpulkan data. 5. Communication Driven DSS adalah suatu tipe DSS yang banyak
digabungkan dengan metode atau aplikasi lain, untuk menghasilkan serangkaian keputusan, solusi atau strategi.
6. Data Driven DSS menekankan pada pengumpulan data yang kemudian dimanipulasi agar sesuai dengan kebutuhan pengambil
keputusan, dapat berupa data internal atau eksternal dan memiliki beragam format. Sangat penting bahwa data dikumpulkan serta
digolongkan secara sekuensial, contohnya data penjualan harian, anggaran operasional dari satu periode ke periode lainnya, inventori
pada tahun sebelumnya, dsb.
UIN Syarif Hidayatullah Jakarta
10 7. Document Driven DSS menggunakan beragam dokumen dalam
bermacam bentuk seperti dokumen teks, excel, dan rekaman basis data, untuk menghasilkan keputusan serta strategi dari manipulasi
data. 8. Knowledge Driven DSS adalah tipe DSS yang menggunakan aturan-
aturan tertentu yang disimpan dalam komputer, yang digunakan manusia untuk menentukan apakah keputusan harus diambil.
Misalnya, batasan berhenti pada perdagangan bursa adalah suatu model knowledge driven DSS.
2.5. Teori Himpunan Fuzzy Kurangnya informasi, dalam menyelesaikan permasalahan sering
kali dijumpai diberbagai bidang kehidupan. Pembahasan tentang ketidakpastian telah dimulai semenjak tahun 1937, ketika seorang filosof
bernama Max Black mengemukaan pendapatnya tentang ketidakpastian. Teori himpunan fuzzy dikenalkan pertama kali oleh Lotfi A. Zadeh
pada tahun 1965. Teori ini merupakan kerangka matematis yang digunakan untuk mempresantikan ketidakpastian, ketidakjelasan, ketidaktepatan,
kekurangan informasi dan kebenaran parsial. Sebelum teori ini dikenalkan, terdapat teori lain yang sempat memegang peran penting dalam
penyelesain sebuah permasalahan ketidakpastian, yaitu teori probalitas. Hadirnya teori fuzzy bukan berarti menggantikan teori sebelumnya, yaitu
teori probalitas. Karena komponen utama dari masing-masing teori tersebut berbeda.
Komponen utama pada himpunan fuzzy yang sangat berpengaruh adalah fungsi keanggotaan. Sedangkan pada teori probabilitas komponen
utama lebih ke pengguaan frekuensi relatif. Dengan demikian himpunan fuzzy adalah sebuah himpunan yang mengadung elemen-elemen derajat
keaggotaan yang bervariasi dalam himpunan widodo, 2014:142.
UIN Syarif Hidayatullah Jakarta
11 2.5.1. Metode Fuzzy
Ada beberapa metode untuk merepresentasikan hasil logika fuzzy yaitu metode Tsukamoto, Sugeno dan Mamdani. Pada metode Tsukamoto,
setiap konsekuen direpresentasikan dengan himpunan fuzzy dengan fungsi keanggotaan monoton. Output hasil inferensi masing-masing aturan
adalah z, berupa himpunan biasa crisp yang ditetapkan berdasarkan -predikatnya. Hasil akhir diperoleh dengan menggunakan rata-rata
terbobotnya.Sri Kusumadewi,2002:108. Pada metode Mamdani, aplikasi fungsi implikasi menggunakan
MIN, sedang komposisi aturan menggunakan metode MAX. Metode Mamdani dikenal juga dengan metode MAX-MIN. Inferensi output yang
dihasilkan berupa bilangan fuzzy maka harus ditentukan suatu nilai crisp tertentu sebagai output. Proses ini dikenal dengan defuzzifikasi.
Sedangkan Metode Sugeno mirip dengan metode Mamdani, hanya output konsekuen tidak berupa himpunan fuzzy, melainkan berupa konstanta
atau persamaan liniar. Pada penelitian ini penulis menggunakan metode Tsukamoto,
adapun tahapan dari metode ini adalah sebagai berikut, 1. Mendefinisikan Karakteristik model secara fungsional dan
operasional. 2. Melakukan dekomposisi variabel model dengan menjadikan
himpunan Fuzzy 3. Membuat aturan Fuzzy
4. Menentukan metode Fuzzy untuk tiap-tiap variabel solusi 5. Menjalankan simulasi sistem, pengujian-pengaturan dan validasi
model. Berikut adalah uraian dari masing-masing tahapan metode
tsukamoto yang digunakan pada penelitian ini; 1. Mendefinisikan Karakteristik Model Secara Fungsional dan
Operasional
UIN Syarif Hidayatullah Jakarta
12 Tahap mendefinisikan karakteristik model secara
fungsional dan operasional adalah menentukan himpunan Fuzzy dan mendefinisikan beberapa Fuzzy yang digunakan.
Sistem pendukung keputusan ini dibangun oleh 3 variabel utama yaitu kemampuan Orang Tua KOT, Kemampuan Baca
Quran BQ dan Wawancara W. Dari masing-masing variabel tersebut terdiri dari variabel input yang berbeda. Klasifikasi
variabel sistem ini dapat dilihat pada tabel berikut;
Tabel 2.1: Klasifikasi variabel
Variabel Range
Nilai Input
Kemampuan Orang Tua
Pendapatan a. X 600,000
Kecil b. 1,325,000
Sedang c. x =2,442,000
Tinggi Pengeluaran a. X 632,000
Sedikit b. 1,263,000
Sedang c. x = 1,895,000
Besar Baca Quran Tajwid
a. 6 =x = 12 Kurang Baik
b. 9 =x = 15 Baik
c. 12 =x =18 Sangat Baik
Lancar a. 50 =x =70
Tidak Lancar b. 60 =x = 85
Lancar c. 80 =x =100
Sangat Lancar Wawancara
Komitmen a. 15 =x =30
Rendah b. 22.5 =x =37.5
Sedang c. 30 =x =45
Tinggi Motivasi
a. 12=x =24 Lemah
b. 18=x =30 Sedang
c. 24 =x =36 Kuat
Kepribadian Sikap
a. 10 =x =20 Kurang
b. 15=x = 25 Baik
c. 20 =x =30 Sangat
UIN Syarif Hidayatullah Jakarta
13
Output Kemampuan Orang Tua KOT
0 x = 2 Kurang Mampu
1 = x = 3 Mampu
2 = x Sangat Mampu
Baca Quran QB 0 x = 2
Kurang Sempurna 1 = x = 3
Sempurna 2 = x
Sangat Sempurna Wawancara W
0 x = 2 Kurang
Rekomendasi 1 = x = 3
Rekomendasi 2 = x
Sangat Rekomendasi
Pada tabel di atas, nilai linguistik dari variabel input Kemampuan Orang Tua, Kemampuan Baca Quran dan
Wawancara menunjukkan minimum, normal dan maksimum.
2. Melakukan dekomposisi variabel menjadi himpunan fuzzy Ada 3 varibel utama yang masing-masing memiliki
variabel input pembentuk variabel output. a. Variabel Input
Variabel input terdiri dari pendapatan dan pengeluran Kemampuan Orang Tua, tartil dan tajwid
baca quran , serta komitmen, motivasi dan kepribadian Wawancara.
Tabel 2.2: Klasifikasi variabel input Variabel
Range Nilai
Input Kemampuan
Orang Tua Pendapatan a. X 600,000
Kecil b. 1,325,000
Sedang c. x =2,442,000
Tinggi Pengeluaran a. X 632,000
Sedikit
UIN Syarif Hidayatullah Jakarta
14
b. 1,263,000 Sedang
c. x = 1,895,000 Besar Kemampuan
Baca Quran Tartil
a. 6 =x = 12 Kurang Baik
b. 9 =x = 15 Baik
c. 12 =x =18 Sangat Baik
Tajwid a. 50 =x =70
Tidak Lancar b. 60 =x = 85
Lancar c. 80 =x =100
Sangat Lancar Wawancara
Komitmen a. 15 =x =30
Rendah b. 22.5 =x =37.5 Sedang
c. 30 =x =45 Tinggi
Motivasi a. 12=x =24
Lemah b. 18=x =30
Sedang c. 24 =x =36
Kuat Kepribadian
Sikap a. 10 =x =20
Kurang b. 15=x = 25
Baik c. 20 =x =30
Sangat
Fungsi keanggotaan dari variabel-variabel diatas dapat dilihat sebagai berikut;
• Fungsi Keanggotaan Pendapatan dan Pengeluaran
Kemampuan Orang Tua
UIN Syarif Hidayatullah Jakarta
Gambar 2.1: Grafik fungsi keanggotaan pendapatan
15
UIN Syarif Hidayatullah Jakarta
Gambar 2.2: Grafik fungsi keanggotaan pengeluaran
16
• Fungsi Keanggotaan tajwid dan lancar
UIN Syarif Hidayatullah Jakarta
Gambar2.3: Grafik Fungsi keanggoataan tajwid
Gambar 2.4: Grafik fungsi keanggotaan lancar
17
• Fungsi Keanggotaan Komitmen, Motivasi dan
Kepribadian Wawancara
UIN Syarif Hidayatullah Jakarta
Gambar 2.5: Grafik fungsi keanggotan komitmen
18
UIN Syarif Hidayatullah Jakarta
Gambar 2.7: Grafik fungsi keanggotan kepribadian Gambar 2.6: Grafik fungsi keanggotaan motivasi
19
b. Variabel Output Variabel output terdiri dari 3 variabel yaitu
Kemampuan Orang Tua, Baca Quran dan Wawancara. Variabel output merupakan hasil evaluasi penilaian
berupa skor penilaian kelayakan. Nilai maksimal dari masing-masing variabel adalah 3 dan minimal adalah 1.
Fungsi keanggotaan dari variabel output adalah sebagai berikut;
UIN Syarif Hidayatullah Jakarta
Gambar 2.8: Grafik fungsi keanggotaan variabel output
20 Fungsi keanggotaan kemampuan orang tua
Fungsi keanggotaan kemampuan baca quran
UIN Syarif Hidayatullah Jakarta
21 Fungsi keanggotaan wawancara
UIN Syarif Hidayatullah Jakarta
22 3. Membuat aturan fuzzy
Aturan Fuzzy dibuat menjadi 3 bagian yang terpisah sesuai variabel output yang dicari. Berikut adalah aturan fuzzy dari
masing-masing variabel output; a. Aturan Fuzzy untuk variabel output Kemampuan Orang
Tua KOT Tabel 2.3: Aturan variabel kemampuan orang tua
No. Variabel Input
Variabel Output Pendapatan
Pengeluaran Evaluasi Penilaian
1 Kecil
Sedikit Kurang Mampu KM
2 Kecil
Sedang Kurang Mampu KM
3 Kecil
Besar Kurang Mampu KM
4 Sedang
Sedikit Mampu M
5 Sedang
Sedang Mampu M
6 Sedang
Besar Kurang Mampu KM
7 Tinggi
Sedikit Sangat Mampu SM
8 Tinggi
Sedang Sangat Mampu SM
9 Tinggi
Besar Sangat Mampu SM
b. Aturan Fuzzy untuk variabel output Baca Quran BQ Tabel 2.4: Aturan variabel baca quran
No. Variabel Input
Variabel Output Tajwid
Lancar Evaluasi Penilaian
1 Kurang Baik Tidak Lancar
Kurang Sempurna KS 2
Kurang Baik Lancar Kurang Sempurna KS
3 Kurang Baik Sangat Lancar
Kurang Sempurna KS 4
Baik Tidak Lancar
Sempurna S 5
Baik Lancar
Sempurna S 6
Baik Sangat Lancar
Sangat Sempurna SS 7
Sangat Baik Tidak Lancar
Sempurna S
UIN Syarif Hidayatullah Jakarta
23
8 Sangat Baik
Lancar Sangat Sempurna SS
9 Sangat Baik
Sangat Lancar Sangat Sempurna SS
c. Aturan Fuzzy untuk variabel output Wawancara Tabel 2.5: Aturan variabel wawancara
No Variabel Output
Variabel Output
Komitmen Motivasi
Kepribadian
Evaluasi Penilaian
1 Rendah
Lemah Kurang Baik
KR 2
Rendah Lemah
Baik KR
3 Rendah
Lemah Sangat Baik
KR 4
Rendah Sedang
Kurang Baik KR
5 Rendah
Sedang Baik
KR 6
Rendah Sedang
Sangat Baik R
7 Rendah
Kuat Kurang Baik
R 8
Rendah Kuat
Baik R
9 Rendah
Kuat Sangat Baik
R 10 Sedang
Lemah Kurang Baik
KR 11 Sedang
Lemah Baik
R 12 Sedang
Lemah Sangat Baik
R 13 Sedang
Sedang Kurang Baik
KR 14 Sedang
Sedang Baik
R 15 Sedang
Sedang Sangat Baik
SR 16 Sedang
Kuat Kurang Baik
R 17 Sedang
Kuat Baik
R 18 Sedang
Kuat Sangat Baik
SR 19 Tinggi
Lemah Kurang Baik
KR 20 Tinggi
Lemah Baik
R 21 Tinggi
Lemah Sangat Baik
R 22 Tinggi
Sedang Kurang Baik
R 23 Tinggi
Sedang Baik
SR 24 Tinggi
Sedang Sangat Baik
SR
UIN Syarif Hidayatullah Jakarta
24
25 Tinggi Kuat
Kurang Baik R
26 Tinggi Kuat
Baik SR
27 Tinggi Kuat
Sangat Baik SR
Keterangan : KR Kurang Rekomendasi
R Rekomendasi SR Sangat Rekomendasi
Untuk memudahkan penulisan, aturan-aturan tersebut dibuat dalam bentuk tabel. Salah satu contoh penggunaan aturan if-
then untuk aturan terakhir dari variabel output wawancara adalah :
[R27] IF Komitmen Tinggi And Motivasi Kuat And Kepribadian Sangat Baik THEN Wawancara SRSangat baik
4. Menentukan metode defuzzy untuk setiap variabel Setelah derajat keanggotaan evaluasi dari masing-masing
aturan fuzzy terbentuk, selanjutnya dihitung nilai hasil evaluasi penilaian. Karena pada penelitian ini penulis menggunakan metode
Tsukamoto, maka untuk menghitung nilai hasil evaluasi penilaian yang direkomendasikan menggunakan rumus sebagai berikut;
Keterangan
Adapun alasan penggunaan metode Tsukamoto adalah karena metode ini memberikan output yang lebih besar
dibandingkan metode lainnya, tetapi tetap dalam kisaran yang wajar Haris.2011.
UIN Syarif Hidayatullah Jakarta
Z =
a
1
∗Z
1
+a
2
∗Z
2
+a
3
∗Z
3
+....+a
n
∗Z
n
a
1
+a
2
+a
3
+... a
n
25
5. Menjalankan simulasi sistem pengujian, pengaturan dan validasi model.
Tahapan simulasi akan dijelaskan pada bab ke empat pada penulisan skripsi ini.
2.6. Multi Attribute Decision Making MADM 2.6.1. Konsep Dasar MADM
Multi-attribute Decision Making MADM merupakan bagian dari Multi Criteria Decision Making MCDM yaitu suatu metode
pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu Ryza,2014:28. MADM
digunakan untuk menyelesaikan masalah-masalah dalam ruang diskret. Oleh karena itu, pada MADM biasanya digunakan untuk melakukan
penilaian atau seleksi terhadap beberapa alternatif dalam jumlah terbatas.
2.6.2. Metode – metode Penyelesaian Masalah MADM Dalam penyelesaian masalah MADM, ada beberapa metode yang
bisa digunakan, metode tersebut antara lain Sri Kusumadewi, 2006 dalam Gerdon, 2011 :3
1. Simple Additive Weighting Method SAW Metode ini sering dikenal dengan istilah metode
penjumlahan terbobot. Konsep dasar metode ini adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada
semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan ke suatu skala yang dapat diperbandingkan
dengan semua rating alternatif yang ada.
UIN Syarif Hidayatullah Jakarta
26 Dimana r
ij
adalah rating kenerja ternormalisasi dari alternatif A
i
pada atribut C
j
; i= 1,2,…m dan j=1,2,…n. Nilai preferensi untuk setiap alternatif V
i
diberikan sebagai:
Nilai V
i
yang lebih besar mengindikasikan bahwa A
i
lebih terpilih.
2. Weighted Product WP Metode ini menggunakan perkalian untuk menghubungkan
rating atribut, dimana rating setiap atribut harus dipangkatkan terlebih dulu dengan bobot atribut yang bersangkutan. Proses ini
sama halnya dengan proses normalisasi. 3. Electre
Electre Elimination Et Choix Traduisant la realite didasarkan pada konsep perangkingan melalui perbandingan
berpasangan antar alternatif pada kreteria yang sesuai. Suatu alternatif dikatakan mendominasi laternatif yang lainnya jika satu
atau lebih kriteriannya melebihi dan sama dengan kriteria lain yang tersisa.
4. TOPSIS Technique for Order Preference by Similarity to Ideal Solutian
TOPSIS didasarkan pada konsep dimana alternative terpilih yang terbaik tidak hanya memiliki jarak terpendek dari
solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif.
5. Analytic Hierarchy Process AHP
UIN Syarif Hidayatullah Jakarta
27 Metode AHP dikembangkan oleh Thomas L. Saaty,
seorang ahli matematika. Ada tiga prinsip dalam memecahkan persoalan dengan AHP, yaitu prinsip menyusun hirarki
Decomposition, prinsip penentuan prioritas Comparative Judgement, dan prinsip konsistensi logis Logical Consitency.
Masalah yang terjadi adalah sulitnya memilih metode mana yang paling relevan untuk menyelesaikan masalah MADM Pratomo, 2012:1.
Berikut adalah beberapa perbandigan masing-masing model yang dapat digunakan pada penyelesaian kasus MADM;
Tabel 2.6:Perbandingan metode MADM
No Model MADM
Keterangan Penggunaan 1.
SAW Simple
Additive Weighting
Metode yang paling sederhana dan paling mudah untuk
diimplementasikan. 2.
Weighted Product WP Menggunakan perkalian untuk
menghubungkan rating atribut, dimana rating setiap atribut
harus dipangkatkan terlebih dahulu dengan bobot atribut
yang bersangkutan. 3
Electre Digunakan untuk kasus-kasus
dengan banyak alternatif namun hanya sedikit kriteria
yang dilibatkan
UIN Syarif Hidayatullah Jakarta
28
4 Topsis
Metode yang digunakan untuk menyelesaikan masalah keputusan secara
praktis. Konsepnya sederhana dan mudah difahami.
5. AHP
Metode yang cocok digunakan untuk permasalahan
variabel dengan
kompleksitas tinggi.
2.7. Fuzzy Multi Attribute Decision Making Fuzzy MADM Masalah ketidaktepatan dan ketidakpastian bisa disebebkan oleh
beberapa hal, seperti; informasi yang tidak dapat dihitung, informasi yang tidak lengkap, informasi yang tidak jelas serta pengabaian parsial. Dalam
menetapkan sebuah kriteria atau variabel untuk sebuah sistem seleksi, tidak jarang didapati beberapa variabel yang juga sulit untuk diukur secara
jelas, seperti mengukur kemiskinan, tingkat kesungguhan dan lain sebagainnya. Untuk mengatasi masalah tersebut, maka beberapa penelitian
tentang penggunaan metode Fuzzy MADM mulai banyak dilakukan, dan terbukti memiliki kinerja yang sangat baik.
Fuzzy MADM adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu Ryza,
2014 :28 . Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan
menyeleksi alternatif yang sudah diberikan. Untuk menyelesaikan masalah FMADM, dibutuhkan 2 tahap,
yaitu; Ryza, 2014:29 1. Membuat rating pada setiap altenatif berdasarkan agregrasi derajat
kecocokan pada semua kriteria. 2. Merangking semua alternatif untuk mendapatkan alternatif terbaik.
Ada 2 cara yang dapat digunakan dalam proses perangkingan, yaitu melalui defuzzy atau melalui ralasi pereferensi fuzzy. Metode
UIN Syarif Hidayatullah Jakarta
29 defuzzy dilakukan dengan pertama-tama membuat bentuk crisp dari
bilangan fuzzy, proses perangkingan didasarkan atas bilangan crisp tersebut; model ini memang mudah untuk diimplementasikan,
namun kita sangat dimungkinkan untuk kehilangan beberapa informasi terutama yang menyangkut ketidakpastian. Penggunaan
relasi preferensi fuzzy lebih menjamin ketidakpastian yang melekat pada bilangan fuzzy hingga proses perangkingan.
2.7.1. Fuzzy MADM Model Yager Fuzzy FMADM model Yager ini merupakan bentuk standar dari
fuzzy MADM Kusumadewi, 2006:137. Langkah-langkah penyelesaian untuk model ini adalah;
1. Tetapkan matriks perbandingan berpasangan anar antribut, M, berdasarkan prosedur hirarki Saaty.
2. Menentukan bobot tingkat kepentingan yang konsisten untuk setiap atribut berdasarkan metode eigenvector dari Saaty.
3. Hitung nilai; Cjxiwj 4. Tentukan interseksi dari semua Cjxiwj
5. Pilih xi dengan derajat keanggotaan terbesar sebagai alternatif optimal.
2.7.2. Fuzzy MADM Model Baas Kwakernaak Fuzzy model Baas Kwakernaak ini bukan merupakan bentuk
standar dari fuzzy MADM, namun konsepnya sering digunakan oleh beberapa peneliti untuk mengembangkan model ini lebih jauh
Kusumadewi, 2006:144. Misalkan A= {a1,....an} adalah himpunan alternetif, dan atribut direpresentasikan dengan himpunan fuzzy
Ci,=1,....m. Bobot yang menunjukkan tingkat kepentingan atribut ke-j dinotasikan dengan wj, yang direpresentasikan dengan fungsi keanggotaan
UIN Syarif Hidayatullah Jakarta
30 mRijrij. Diasumsikan bahwa semua himpunan fuzzy merupakan
himpunan fuzzy normal memiliki tinggi himpunan =1.
2.7.3. Model MADM Klasik Untuk Penyelesaian Fuzzy MADM Mekanisme menyelesaikan masalah fuzzy MADM dapat dengan
mengaplikasikan metode MADM klasik untuk melakukan perangkingan, setelah terlebih dahulu dilakukan konversi data fuzzy ke data crisps
Chen,1992 dalam Kusumadewi,2006:145. Apabila data fuzzy diberikan dalam bentuk linguistik, maka data tersebut harus dikonversi terlebih
dahulu ke bentuk bilangan Fuzzy, baru kemudian dikonversi lagi ke bilangan crisps Kusumadewi,2006:145.
Model MADM yang digunakan penulis dalam menyelesaikan penelitian ini adalah dengan model SAW. Adapun langkah-langkah
penyelesaian model ini adalah Apriansyah dan Dinna, 2011:17-18; 1. Menentukan kriteria yang dijadikan acuan pengambilan keputusan.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Membuat matriks keputusan berdasarkan kriteria Z, kemudian
melakukan normalisasi metriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh matriks
ternormalisasi R.
UIN Syarif Hidayatullah Jakarta
31 Ketentuan Normalisasi:
a. Dikatakan atribut keuntungan apabila atribut banyak memberikan keuntungan bagi pengambil keputusan, sedangkan
atribut biaya yang banyak memerikan pengeluaran jika nilainya semakin besar bagi pengambil keputusan.
b. Apabila berupa atribut keunganan maka nilai xij dari setiap kolom atribut dibagi dengan nilai Max xij dari setiap kolom,
sedangkan untuk atribut biaya, nilai Min xij dari setiap kolom atribut dibagi dengan nilai xij setiap kolom
4. Hasil akhir Vi diperoleh dari proses perangkinayan yaitu penjumlahan dari perkalian matrik ternormaslisasi N dengan vektor
bobot sehingga diperoleh nilai terbersar yang dipilin sebagai alternatif terbaik sebagai solusi.
2.8. Website Website merupakan sekumpulan dari beberapa halaman web
webpage yang saling terkait satu sama lain dan terdapat berbagai macam informasi di dalamnya. Setiap halaman web webpage, mengandung
informasi yang berbeda dengan yang lainnya. Untuk menyatukan beberapa halaman itu, maka dibuat menu atau hyperlink sebagai interface-nya.
Untuk membuat sebuah halaman web, yang harus diperhatikan adalah ketentuan-ketenuan yang ada pada WWWWord Wide Web. Karena
informasi atau file yang ada dalam internet telah diatur dan mengikuti ketentuan dari WWW.
Semua data atau informasi yang ada di internet telah tersimpan rapih di web server penyedia layanan hosting. Sehingga untuk mengakses
data atau informasi tersebut, dibutuhkan sebuah alamat unik biasa disebut
UIN Syarif Hidayatullah Jakarta
32 dengan istilah domain. Domain ini lah yang menjadi alamat untuk
menemukan informasi yang akan dicari. Seperti hal nya alamat rumah yang di dalamnya terdapat berbagai macam perabot. Maka untuk
menemukan perabot tersebut, langkah awal adalah harus diketahui alamat rumah yang terdapat perabot tersebut. Setelah diketahui alamatnya baru
dicari perabot didalamnya. Begitu pula dengan fungsi domain sebagai alamat website.
Dalam perkembangannya, website dibedakan menjadi dua jenis yaitu website statis dan dinamis. Website statis merupakan website yang
informasi atau data di dalamnya jarang dirubah. Misalnya, website profil organisasi atau perorangan dimana isi dari biodata tersebut tidak dirubah
dalam waktu yang lama. Sedangkan website dinamis, merupakan website yang secara terus menerus terdapat perubahan informasi. Bahkan
perubahannya bisa dalam waktu satu detik. Contoh dari website dinamis adalah detik.com yang secara terus menerus terdapat perubahan informasi.
2.9. Database Management System DBMS 2.9.1. Konsep DBMS
Basis data merupakan suatu kumpulan data yang berhubungan secara logis dan deskripsi data tersebut, yang dirancang untuk memenuhi
informasi yang dibutuhkan oleh suatu organisasi Indrajani,2014:2. Basis data digunakan untuk menyimpan informasi atau data yang terintegrasi
dengan baik di dalam komputer. Untuk mengelolah database diperlukan suatu perangkat lunak yang disebut DBMS Database Management
System. Database Management System DBMS merupakan suatu perangkat
lunak yang ditujukan untuk menangani penciptaan, pemeliharaan, dan pengendalian akses data Idam, 2011: 37 . DBMS terdiri dari Database
dan set program pengolah untuk menambah data, mengolah data, mengambil dan membaca data. Database sendiri merupakan kumpulan
UIN Syarif Hidayatullah Jakarta
33 data yang pada umumnya menggambarkan aktifitas dari pelakunnya
user. Dalam penelitian ini, penulis menggunakan DBMS berupa MySQL
sebagai implementasi perancangan database.
2.9.2. MySQL MySQL adalah sebuah perangkat lunak sistem manajemen basis data
SQL bahasa Inggris: Database Management System atau DBMS yang multithread, multi-user, dengan sekitar 6 juta instalasi di seluruh dunia
Solichin, 2010:8. Beberapa alasan menggunakan MySQL sebagai server database
dalam pengembangan sistem adalah; 1. Fleksibel, MySQL memiliki flesibilitasterhadap terknologi yang
akan digunakan sebagai pengembangan aplikasi. 2. Performa tinggi, sebagai database dari beberapa aplikasi web yang
memiliki traffic yang tinggi. 3. Lintas Platform, MySQL dapat digunakan pada sistem operasi
yang beragam. 4. Gratis, MySQL dapat digunakan secara gratis.
5. Proteksi data yang handal, MySQL menyediakan mekanisme yang powerfull untuk menangani hal ini, yaitu dengan menyediakan
fasilitas manajemen user, enkripsi data dan lain sebagainya. 6. Komunitas luas, Hal ini berguna jika kita menemui suatu
permasalahan dalam pengolahan data menggunakan MySQL Budi Raharjo, 2011: 304 dalam Dian, 2014:31.
2.10. PHP PHP Hypertext Preprocessor PHP merupakan suatu bahasa pemprograman berbasis kode-kode
script yang digunakan untuk mengolah suatu data dan mengirimkannya
UIN Syarif Hidayatullah Jakarta
34 kembali ke web browser menjadi kode HTML Diar,2010:31. Kode PHP
mempunyai ciri-ciri khusus yaitu; 1. Hanya dapat dijalankan menggunakan web server, misal :
Apache. 2. Kode PHP diletakkan dan dijalankan di web server.
3. Kode PHP dapat digunakan untuk mengakses database, seperti: MySQL, PostgreSQL, Oracle, dan lain-lain.
4. Merupakan software yang bersifat open source. 5. Gratis untuk di download dan digunakan.
6. Memiliki sifat multipaltform, artinya dapat dijalankan menggunakan sistem operasi apapun.Dian,2010:31
2.10.1. Kelebihan PHP Beberapa kelebihan PHP dibandingkan dengan bahasa
pemprograman yang lain adalah; 1. Kesederhanaan, PHP memiliki banyak fungsi built in untuk
menangani kebutuhan standar pembuatan aplikasi web. Dengan adanya fungsi-fungsi tersebut, maka akan mempermudah dalam
menggunakan PHP. 2. PHP bersifat opensource.
3. Stabilitas dan kompatibilitas. Dapat bekerja pada sistem operasi berbasis Windows, Linux, dan Mac.
4. PHP support langsung ke berbagai macam database yang populer. Adhi, 2014:126.
2.10.2. Tata Bahasa Dasar Tata bahasa penulisan baris kode PHP terdiri dari dua bentuk yaitu
penulisan baris kode menggunakan format PHP maupun penulisan baris kode dengan format campuran HTML dan PHP. Berikut beberapa hal
penting yang perlu diketahui sebelum memuali pembuatan program PHP:
UIN Syarif Hidayatullah Jakarta
35 1. Penulisan suatu program PHP harus diawali dengan tag ?php dan
diakhiri dengan tag ?. 2. Penulisan baris program PHP harus diakhiri dengan tanda titik
koda ; 3. Penulisan pada PHP adalah case-sensitive, yaitu antara huruf a dan
A berbeda. 4. Penulisan komentar atau baris yang tidak akan diproses oleh PHP;
a. Untuk komentar pada suatu baris tertentu, tambahkan tanda pada bagian awal baris program.
b. Untuk komentar lebih dari satu baris tambahakan tanda pada bagian awal baris komentar dan tambahkan tanda pada akhir
baris komentar. 5. Penulisan suatu teks selalu diapit dalam tanda atau “.
6. Penulisan suatu tanda baca pada sutu teks seperti ,,”, dan lainnya, menggunakan tanda \ kemudian diikuti dengan tanda
baca Alexander, 2011:568 dalam Dian, 2014:25.
2.11. UML Unified Modelling Language 2.11.1. Pengengalan UML
Pada perkembangan teknologi perangkat lunak, diperlukan adanya bahasa yang digunakan untuk memodelkan perangkat lunak yang
akan dibuat dan perlu adanya standarisasi agar orang di berbagai negara dapat mengerti pemodelan perangkat lunak. Seperti yang kita ketahui
bahwa menyatukan banyak kepala untuk menceritakan sebuah ide dengan tujuan untuk memahami hal yang sama tidaklah mudah, oleh karena itu
diperlukan sebuah bahasa pemodelan perangkat lunak yang dapat dimengerti oleh banyak orang.
Pada perkembangan teknik pemprograman berorientasi objek, muncullah sebuah standarisasi bahasa pemodelan untuk pembangunan
perangkat lunak yang dibangun dengan menggunakan teknik
UIN Syarif Hidayatullah Jakarta
36 pemprograman berorientasi objek, yaitu Unified Modeling Languange.
UML muncul karena adanya kebutuhan pemodelan visual untuk menspesifikasikan, menggambarkan, membangun, dan dokumantasi dari
sistem perangkat lunak. UML merupakan bahasa visual untuk pemodelan dan komunikasi mengenai sebuah sistem dengan menggunakan diagram
dan teks-teks pendukung Rosa dan Shalahuddin, 2013:137. Beberapa tujuan UML antara lain;
1. Merancang perangkat lunak. 2. Sarana komunikasi antara perangkat lunak dengan proses bisnis.
3. Menjabarkan sistem secara rinci untuk analisa dan mencari apa yang diperlukan sistem.
4. Mendokumentasikan sistem yang ada, proses-proses dan organisasinya Prabowo,2011:230 dalam Dian, 2014:32.
2.11.2. Diagram UML Pada UML 2.3 terdiri dari 13 macam diagram yang dikelompokkan
dalam 3 kategori. Pembangian kategori dan macam-macam diagram tersebut dapat dilihat pada gambar dibawah ini.Rosa dan Shalahuddin,
2013:140
UIN Syarif Hidayatullah Jakarta
Gambar 2.9: Diagram UML
37
2.12. Teknik Pengumpulan Data Hal pertama yang dilakukan dalam analisis sistem adalah
melakukan pengumpulan data. Ada beberapa teknik pengumpulan data yang sering dilakukan dalam analisis sistem yaitu;
1. Teknik Wawancara 2. Teknik Observasi
3. Teknik Kuisoner
2.12.1.Teknik Wawancara Wawancara merupakan interaksi verbal antara dua orang atau lebih,
tetapi biasanya diprakarsai untuk suatu maksud khusus dan biasanya difokuskan pada suatu masalah khusus Luwi, 2011:110. Beberapa
keuntungan yang didapat pada teknik wawancara antara lain ; 1. Lebih mudah dalam menggali bagian sistem mana yang dianggap
baik dan bagian mana yang dianggap kurang baik. 2. Jika ada bagian tertentu yang dianggap perlu untuk digali lebih
dalam, dapat ditanyakan langsung pada narasumbernya. 3. Dapat menggali kebutuhan user secara lebih bebas.
4. User dapat mengungkapkan kebutuhannya secara lebih bebas Rosa dan sholahuddin, 2013:19.
2.12.2.Teknik Observasi Observasi merupakan salah satu teknik pengumpulan data yang
menggunakan pertolongan indra mata. Pengumpulan data dengan teknik ini mempunyai beberapa keuntungan yaitu;
1. Analis dapat melihat langsung bagaimana sistem lama berjalan. 2. Mampu menghasilkan gambaran lebih baik jika dibandingkan
dengan teknik lainnya Rosa dan sholahuddin, 2013:19.
UIN Syarif Hidayatullah Jakarta
38
2.12.3.Teknik Kuisioner Pengumpulan data dengan teknik kuisioner mempunyai
keuntungan yaitu; 1. Hasil yang objektif, karena kuisioner dapat dilakukan kepada
banyak orang sekaligus. 2. Waktu lebih singkat.
2.13. Software Development Life Cycle SDLC SDLC adalah proses pengembangan atau mengubah suatu sistem
perangkat lunak dengan menggunakan model-medel dan metodologi yang digunakan orang untuk mengembangkan sistem-sistem perangakat lunak
sebelumnya Rosa dan sholahuddin, 2013:26. SDLC memiliki beberapa model dalam penerapan tahapan prosesnya.
1. Model Waterfall 2. Model Prototipe
3. Model RAD 4. Model Iteratif increment
5. Model Spiral Perbandingan lima metode pengembangan aplikasi diatas dapat
dilihat pada tabel berikut;
UIN Syarif Hidayatullah Jakarta
39
Tabel 2.7: Perbandingan model pengembangan sistem No
Metode Keterangan Penggunaan
1. Model Waterfall
Cocok digunakan untuk kebutuhan pelanggan yang sudah sangat difahami dan
kemungkinan terjadinya perubahan selama pengembangan perangakat lunak kecil.
Model ini bersifat linier atau berurutan. 2.
Prototipe Cocok digunaan saat pelanggan sulit untuk
menyampaikan kebutuhannya secara lebih detail. Model ini tidak cocok untuk aplikasi
dengan skala besar. 3.
RAD Cocok digunakan jika anggota tim sudah
sangat pengalaman. 4.
Iteratif Cocok digunakan jika sistem yang akan
dibuat direncanakan
untuk terus
dikembangkan atau ditambah dengan produk-produk selanjutnya.
5. Spiral
Cocok digunakan untuk suatu proyek dengan target waktu dan biaya yang tidak
terlalu terikat.
UIN Syarif Hidayatullah Jakarta
40