Implementasi Weighted Sum Model (WSM) dan Weighted Product Model (WPM) untuk Pemilihan Service Cloud Computing

(1)

IMPLEMENTASI WEIGHTED SUM MODEL (WSM)

DAN WEIGHTED PRODUCT MODEL (WPM)

UNTUK PEMILIHAN SERVICE

CLOUD COMPUTING

SKRIPSI

FUAD ALEXANDER SITANGGANG 121421097

PROGRAM EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2015


(2)

IMPLEMENTASI WEIGHTED SUM MODEL (WSM)

DAN WEIGHTED PRODUCT MODEL (WPM)

UNTUK PEMILIHAN SERVICE

CLOUD COMPUTING

SKRIPSI

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer

Oleh :

FUAD ALEXANDER SITANGGANG 121421097

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN


(3)

PERSETUJUAN

Judul : IMPLEMENTASI WEIGHTED SUM MODEL (WSM)

DAN WEIGHTED PRODUCT MODEL (WPM)

UNTUK PEMILIHAN SERVICE CLOUD

COMPUTING.

Kategori : SKRIPSI

Nama : FUAD ALEXANDER SITANGGANG

Nomor Induk Mahasiswa : 121421097

Program Studi : EKSTENSI S1 ILMU KOMPUTER

Departemen : ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Maret 2015 Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Drs. Agus Salim Harahap, M.Si. Dr. Poltak Sihombing, M.Kom

NIP. 19540828 198103 1 004 NIP. 19620317 199103 1 011

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom NIP. 19620317 199103 1 011


(4)

PERNYATAAN

IMPLEMENTASI WEIGHTED SUM MODEL (WSM)

DAN WEIGHTED PRODUCT MODEL (WPM)

UNTUK PEMILIHAN SERVICE

CLOUD COMPUTING

SKRIPSI

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

Medan,

Fuad Alexander Sitanggang 121421097


(5)

PENGHARGAAN

Terutama Puji Syukur diucapkan oleh penulis kepada Tuhan Yesus Kristus atas kasih dan berkat-Nya kepada penulis sehingga terselesaikannya skripsi ini. Dimana ini adalah salah satu syarat untuk menyelesaikan pendidikan yang telah dijalani di Program Studi S1 Ekstensi Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara dan memperoleh gelar Sarjana Komputer

Terima kasih juga penulis ucapkan kepada semua pihak yang turut ambil bagian dalam pengerjaan skripsi ini. Mereka yang berperan secara langsung ataupun tidak, memberikan bimbingan, arahan, dan semangat untuk menyelesaikan skripsi ini dari awal hingga akhirnya. Pada kesempatan ini kiranya penulis mengucapkan terima kasih kepada:

1. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc(CTM), Sp.A(K) selaku Rektor Universitas Sumatera Utara.

2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembimbing I yang dengan penuh kebijaksanaan membimbing dan mengarahkan penulis dalam menyelesaikan skripsi ini .

4. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.

5. Bapak Drs. Agus Salim Harahap, M.Si. selaku Dosen Pembimbing II yang telah membimbing, mengawasi, memperhatikan dan menjadi tempat bertukar pikiran untuk penulis sejak awal hingga akhir penulisan skripsi.


(6)

6. Bapak Mohammad Andri Budiman, S.T., M.Comp.Sc., M.E.M selaku Dosen Pembanding I yang telah memberikan kritik dan saran yang membangun, selama penyelesaian skripsi ini

7. Ibu Dian Rachmawati, S.Si., M.Kom selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyelesaian skripsi ini.

8. Semua dosen dan semua pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

9. Segenap keluaga dan kerabat terkasih, Edwad Sitanggang, Puji Manurung, Saut Nainggolan, Eleysia Margaretha, dan Lia Junita atas perhatian dan bantuanya.

10. Teman-teman satu angkatan, Siti Handayani, Claudia Meylita, Marco Yoelvan, dan semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.

Dengan segala kerendahan hati, penulis menyadari bahwa skripsi ini belum sepenuhnya sempurna. Oleh karena itu setiap saran dan kritik yang bersifat membangun dari pembaca sangat diharapkan oleh penulis.

Medan, Maret 2015 Penulis,


(7)

IMPLEMENTASI WEIGHTED SUM MODEL (WSM)

DAN WEIGHTED PRODUCT MODEL (WPM)

UNTUK PEMILIHAN SERVICE

CLOUD COMPUTING

ABSTRAK

Dalam mengambil suatu keputusan tentunya decision maker memiliki dasar pertimbangan tersendiri terhadap alternatif - alternatif yang tersedia. Multi Criteria Decision Making adalah sebuah metode pengambilan keputusan yang dapat membantu memberikan solusi terbaik dari tiap alternatif yang tersedia berdasarkan kriteria tertentu. Dalam proses pemilihan Service Cloud Computing, metode ini dapat diimplementasikan dengan menggunakan algoritma Weighted Sum Model (WSM) ataupun Weighted Product Model (WPM). Pada penelitian ini tiap layanan yang ada; Software as a Service (SaaS), Platform as a Service (PaaS), dan Infrastructure as a Service (IaaS) adalah alternatif yang dapat dipilih dengan kriteria yang besarannya akan ditentukan oleh decision maker.

Kata Kunci : Sistem Pendukung Keputusan, Multi criteria Decision Making, Cloud Computing, Weighted Sum Model, Wighted Product Model


(8)

IMPLEMENTATION OF WEIGHTED SUM MODEL (WSM) AND WEIGHTED PRODUCT MODEL (WPM)

IN CASE OF SELECTING CLOUD COMPUTING

SERVICES

ABSTRACT

In constructing a decision, a decision maker have a solid consideration base of the available alternatives in hand. Multi Criteria Decision Making is a method in coming up with a decision, which can help to provide the best solution in each alternative, based in several particular criteria. In the process of choosing Service Cloud Computing, this method is able to be implemented using Weighted Sum Model (WSM) algorithm or Weighted Product Model (WPM). In this research, every service available; Software as a Service; Platform as a Service; and Infrastructure as a Service is an alternative which can be chosen according to the criteria with the amount defined by the decision maker.

Keyword : Decision Support System, Multi criteria Decision Making,


(9)

DAFTAR ISI

halaman

Persetujuan ii

Pernyataaan iii

Penghargaan iv

Abstrak vi

Abstract vii

Daftar isi viii

Daftar tabel x

Daftar gambar xi

BAB 1. PENDAHULUAN 2

1.1. Latar Belakang 2

1.2. Rumusan Masalah 4

1.3. Batasan Masalah 4

1.4. Tujuan Penelitian 5

1.5. Manfaat Penelitian 5

1.6. Metodologi Penelitian 5

1.7. Sistematika Penulisan 6

BAB 2. TINJAUAN PUSTAKA 8

2.1. Definisi Keputusan dan Sistem Pendukung Keputusan 8

2.2. Algoritma 11

2.3. Metode MCDM 12

2.3.1. Klasifikasi Metode MCDM 13

2.3.2. Klasifkasi Solusi MCDM 13

2.3.3. Klasifikasi MCDM 14

2.4. Weighted Sum Model (WSM) 14

2.5. Weighted Product Model (WPM) 18

2.6. Cloud Computing 22

BAB 3. ANALISIS DAN PERANCANGAN 30

3.1. Analisis Masalah 30

3.2. Perancangan Aplikasi 31

3.2.1. Flowchart (diagram Alir) 31

3.3. Penerapan Metode Weighted Product Model dan

Weighted Sum Model 35

3.3.1. Metode Weighted Sum Model 35

3.3.2. Metode Weighted Product Model 36

3.4. Perancangan Tampilan 45

3.4.1. Use-Case Diagram 46

3.4.2. Activity Diagram 47


(10)

3.4.4. Tampilan Rancangan User Interface Aplikasi 50

BAB 4. IMPLEMENTASI SISTEM 49

4.1. Implementasi Sistem 49

4.1.1. Halaman Awal 49

4.1.2. Form Utama 51

4.1.3. Halaman Opsi Pemilihan 52

4.1.4. Hasil Perhitungan Sistem 53

BAB 5. PENUTUP 60

5.1. Kesimpulan 60

5.2. Saran 61

DAFTAR PUSTAKA 62


(11)

DAFTAR TABEL

halaman

Tabel 2.1. Tabel Perbandingan MADM dan MCDM 16

Tabel 2.2. Rating dari setiap alternatif pada setiap kriteria 19 Tabel 2.3. Rating kecocokan alternatif pada setiap kriteria 24

Tabel 3.1. Simbol-simbol flowchart 32

Tabel 3.2. Tabel WSM 41


(12)

DAFTAR GAMBAR

halaman

Gambar 3.1. Diagram Ishikawa Untuk Analisis Masalah 31

Gambar 3.2. Flowchart aplikasi 34

Gambar 3.3. Diagram Alur Weighted Sum Model 38

Gambar 3.4. Diagram Alur Weighted Product Model 39

Gambar 3.5. Tampilan use-case diagram aplikasi 46

Gambar 3.6. Activity Diagram model WSM 46

Gambar 3.7. Activity Diagram model WPM 46

Gambar 3.8. Form Input aplikasi 49

Gambar 3.9. Tampilan prototype awal aplikasi 50

Gambar 3.10. Tampilan form isian 51

Gambar 3.11. Tampilan halaman feedback dari tombol pemerosesan 51

Gambar 3.12. Halaman hasil pemerosesan 52

Gambar 4.1 Tamplan Halaman Awal Aplikasi 53

Gambar 4.2 Tampilan Menu Utama dan Tambahan dari Aplikasi 53 Gambar 4.3 Formuir isian yang akan diisikan oleh pengguna 54

Gambar 4.4 Tampilan Halaman Opsi Pada browser 55

Gambar 4.5 Tampilan Hasil Perbandingan Metode WPM 56

Gambar 4.6 Tampilan Detail Hasil Perhitungan Metode WSM 57

Gambar 4.7 Tampilan Hasil Metode WSM 57

Gambar 4.8 Tampilan Detail Hasil Perhitungan Metode WSM 58


(13)

IMPLEMENTASI WEIGHTED SUM MODEL (WSM)

DAN WEIGHTED PRODUCT MODEL (WPM)

UNTUK PEMILIHAN SERVICE

CLOUD COMPUTING

ABSTRAK

Dalam mengambil suatu keputusan tentunya decision maker memiliki dasar pertimbangan tersendiri terhadap alternatif - alternatif yang tersedia. Multi Criteria Decision Making adalah sebuah metode pengambilan keputusan yang dapat membantu memberikan solusi terbaik dari tiap alternatif yang tersedia berdasarkan kriteria tertentu. Dalam proses pemilihan Service Cloud Computing, metode ini dapat diimplementasikan dengan menggunakan algoritma Weighted Sum Model (WSM) ataupun Weighted Product Model (WPM). Pada penelitian ini tiap layanan yang ada; Software as a Service (SaaS), Platform as a Service (PaaS), dan Infrastructure as a Service (IaaS) adalah alternatif yang dapat dipilih dengan kriteria yang besarannya akan ditentukan oleh decision maker.

Kata Kunci : Sistem Pendukung Keputusan, Multi criteria Decision Making, Cloud Computing, Weighted Sum Model, Wighted Product Model


(14)

IMPLEMENTATION OF WEIGHTED SUM MODEL (WSM) AND WEIGHTED PRODUCT MODEL (WPM)

IN CASE OF SELECTING CLOUD COMPUTING

SERVICES

ABSTRACT

In constructing a decision, a decision maker have a solid consideration base of the available alternatives in hand. Multi Criteria Decision Making is a method in coming up with a decision, which can help to provide the best solution in each alternative, based in several particular criteria. In the process of choosing Service Cloud Computing, this method is able to be implemented using Weighted Sum Model (WSM) algorithm or Weighted Product Model (WPM). In this research, every service available; Software as a Service; Platform as a Service; and Infrastructure as a Service is an alternative which can be chosen according to the criteria with the amount defined by the decision maker.

Keyword : Decision Support System, Multi criteria Decision Making,


(15)

BAB 1 PENDAHULUAN

1.1. Latar Belakang

Dalam perkembangannya sistem penyediaan layanan komputasi terpusat, centralized computing service, sudah dikembangkan sejak awal tahun 1960 hingga sampai saat ini. Beragam istilah sering kita jumpai dalam tiap tahapan transformasinya. Dimulai dari teknologi time-sharing yang masih menggunakan komputer mainframe hingga kini kita mengenal istilah Cloud Computing.

Beragam opini dari orang mengenai pengertian dari Cloud Computing pun sering kita temui. Ada yang mendefinisikan bahwa komputasi awan itu ialah proses komputasi yang terdiri dari layanan pusat data nyata (hardware data centre) yang di implikasikan dengan perangkat lunak (software) yang memungkinkan penerapan aplikasi yang dapat dijalankan bersama-sama. Sedangkan ada juga yang mengartikan Cloud Computing itu lebih menitik beratkan kepada sebuah bentuk bisnis dari pada sebuah teknologi.

Namun ada suatu hal mendasar yang harus kita ketahui mengenai komputasi awan. Diantaranya mengenai adanya tiga bentuk dasar layanan komputasi awan. Ketiga bentuk layanan tersebut adalah SaaS (Software as a Service), PaaS (Platform as a Service), dan IaaS (Infrastructure as a Service). Tidak jarang berbagai sumber mengasumsikan bahwa service dari komputasi awan hanyalah sebatas layanan email atau bahkan tempat penyimpanan maya (virtual storage). Padahal itu hanyalah sebagian kecil dari beragam layanan yang mampu dihadirkan dari teknologi ini. Bahkan pada perusahaan perusahaan besar yang sudah menerapkan penggunaan komputasi awan ini mampu menghemat dana untuk pemeliharaan server pada data center .


(16)

Tentunya hasil yang optimal selalu diharapkan dalam suatu penerapan sistem yang baru di suatu lingkungan yang sebelumnya sudah menerapkan suatu sistem yang sudah lama digunakan. Demikianlah pula dengan penerapan sistem komputasi awan di suatu lingkungan yang sebelumnya sudah memakai jenis metode yang lain. Baik itu Grid Computing atau Client-Server.

Untuk menghindari kesalahan pemilihan layanan cloud computing dalam suatu lingkungan bisnis yang barang tentu memiliki proses bisnis yang beragam skalanya, maka dari itu penulis merancang suatu sistem yang dapat membantu para decision maker dalam mempertimbangkan penggunaan layanan cloud computing yang paling tepat penerapannya untuk proses bisnis yang mereka jalankan.

Dalam merancang aplikasi ini penulis menggunakan metode Multi Criteria Decision Making (MCDM) yang mana proses pengambilan keputusannya nanti berdasarkan perhitungan matematika dari beragam bobot kriteria yang terdiri dari beragam alternatif pilihan yang dapat menjadi bahan pertimbangan decision maker dalam memutuskan layanan mana yang paling tepat digunakan, berdasarkan pemrosesan perhitungan yang dilakukan di aplikasi ini. Berdasarkan tujuan yang hendak dicapai, maka penulis merancangnya mengaplikasikan model Multi Attribute Decision Making (MADM) yang merupakan satu dari dua bentuk dasar model MCDM, yaitu: Multi Attribute Decision Making (MADM) dan Multi Objective Decision Making (MODM).

Model Multi Attribute Decision Making sendiri memiliki banyak ragam metode penyelesaian perhitungannya. Namun dalam perancangan aplikasi ini penulis telah memilih untuk menggunakan metode WPM (Weighted Product Model) yang merupakan penyempurnaan dari metode WSM (Weighting Sum Model).


(17)

1.2. Rumusan Masalah

Permasalahan yang dijumpai dalam perancangan aplikasi ini adalah, apakah layanan cloud computing yang hendak dipilih oleh decision maker sudah tepat dengan sasaran penggunaan pada proses bisnis yang dijalankan

1.3. Batasan Masalah

Penulis memberikan batasan /ruang lingkup masalah, hal ini dilakukan agar tiap pembahasan yang dilakukan tidak menyimpang dari pokok permasalahan yang diangkat, diantaranya:

1. Mengaplikasikan Sistem Pendukung Keputusan dengan pokok permasalahan, Implementasi Multi Criteria Decision Making (MCDM) dalam pemilihan services cloud computing yang menitik beratkan penggunaan metode Weighted Sum Model (WSM) dan Weighted Product Model (WPM).

2. Alternatif - alternatif yang menjadi pilihan pada penelitian ini adalah tiap layanan yang telah ditetapkan sebagai service cloud computing, diantaranya adalah Software as a service (SaaS), Platform as a Service (PaaS), Infrastructure as a Service (IaaS).

3. Sistem ini hanya membantu decision maker dalam memilih layanan yang paling cocok untuk diterapkan berdasarkan persentase biaya yang hendak dialokasikan pada tiap satuan biaya yang umum dihabiskan dalam suatu proses bisnis yang sama.

4. Dibangun menggunakan bahasa PHP, dengan MYSQL sebagai basis datanya HTML5 dan CSS3.


(18)

1.4. Tujuan Penelitian

Penelitian ini bertujuan mengimplementasikan metode Weighted Sum Model (WSM) dan Weighted Product Model (WPM) yang merupakan metode penyelesaian yang dapat diterapkan untuk membantu menyelesaikan persoalan yang dihadapi oleh decision maker dalam mengambil sebuah keputusan.

1.5. Manfaat Penelitian

Manfaat penelitian dalam mengimplementasikan konsep kecerdasan buatan untuk pembuatan aplikasi ini adalah :

1. Secara teoritis, penenggunaan metode Weighted Sum Model (WSM) dan Weighted Product Model (WPM) pada aplikasi ini dapat membantu memberikan solusi terbaik melalui proses perhitungan yang valid.

2. Secara praktis diharapkan dapat digunakan oleh decision maker sebagai bahan acuan dalam memilih layanan cloud computing.

1.6. Metodologi Penelitian

Metode yang digunakan dalam Implementasi Sistem Pengambilan Keputusan dalam perancangan aplikasi ini adalah:

1. Studi Literatur, yaitu dengan cara mengumpulkan informasi dan mempelajari materi dari sumber-sumber data yang berhubungan dengan implementasi konsep Sistem Pengambilan Keputusan yang paling sesuai untuk menentukan layanan cloud computing dalam suatu proses bisnis. 2. Analisis Data, yaitu merencanakan jenis platform dimana aplikasi akan di

jalankan, yaitu Web Browser, yang mana dapat dijalankan di browser komputer, tablet, atau ponsel pintar.


(19)

3. Perancangan, yaitu membuat rancangan model aplikasi mulai dari form pemilihan, hingga table basis data.

4. Implementasi, yaitu membuat program dengan mengaplikasikan PHP yang bersifat Server-Side-Script, MySQL, CSS3, serta HTML5 sebagai Client-Side-nya.

5. Pengujian, yaitu melakukan pengujian terhadap perangkat lunak yang dibangun. Sesuatu yang dibangun haruslah diujicobakan. Demikian juga dengan software. Semua fungsi-fungsi software harus diujicobakan, agar software bebas dari error, dan hasilnya harus benar-benar sesuai dengan tujuan awal.

Dokumentasi, yaitu tahap akhir dimana dilakukan penyusunan laporan. Pada tahap ini dilakukan penulisan dokumentasi hasil analisis dan implementasi

1.7. Sistematika Penelitian

Sistematika penulisan skripsi ini dibagi atas lima bab, dimana dalam setiap bab diuraikan sebagai berikut:

BAB 1 PENDAHULUAN

Latar Belakang Pemilihan Judul, Rumusan Masalah, Batasan Masalah, Tujuan Penulisan, Manfaat Penulisan, Metode Penulisan dan Sistematika Penulisan akan lebih jauh dibahas didalam bagian pendahuluan ini.

BAB 2 TINJAUAN PUSTAKA

Didalam bab ini akan dipaparkan terori seputar Sistem Pendukung Keputusan, Multi Criteria Decision Making, Weighted Sum Model, dan Weighted Product Model.


(20)

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

Bab ini membahas tentang perancangan awal aplikasi yang dibuat meliputi model pengembangan, FlowChart, platform yang dipilih, bahasa pemograman yang diterapkan, sampai ke prototype aplikasi yang dirancang.

BAB 4 IMPLEMENTASI

Pada bagian ini akan dibahas seputar program / aplikasi yang sudah jadi sebagai pembahasan bersama. Penulis akan menerangkan tahap-tahap penggunaan aplikasi hingga ke bagaimana fungsionalitas tiap fitur yang ada.

BAB 5 PENUTUP

Pada bagian akhir ini, penulis menuangkan kesimpulan dan saran yang didapat dari berbagai pihak untuk pengembangan kedepan dari hasil penelitian yang telah dilakukan.


(21)

BAB 2

TINJAUAN PUSTAKA

2.1. Definisi Sistem Pendukung Keputusan

Sistem pendukung keputusan (SPK) adalah salah satu cara mengorganisir informasi yang melibatkan pengunaan basis data yang dimaksudkan untuk digunakan dalam membuat keputusan. SPK dirancang untuk pendekatan menyelesaikan masalah para pembuat keputusan dan kebutuhan-kebutuhan aplikasi, tetapi tidak untuk menggantikan keputusan maupun membuat suatu keputusan untuk pengguna. Sistem Pendukung Keputusan sebagai sistem yang dapat diperluas untuk mampu mendukung analisis data ad hoc dan pemodelan keputusan, berorientasi terhadap perencanaan masa depan, dan digunakan pada interval yang tidak regular dan tak terencana (Moore dan Chang, 1980).

Menurut Surbakti (2002), sistem pendukung keputusan mendayagunakan resources individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan. Jadi ini merupakan sistem pendukung yang berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan dengan masalah-masalah yang semi terstruktur.

Sistem pendukung keputusan pertama kali diperkenalkan pada awal tahun 1970 oleh Michael S. Scott dengan istilah management decision system yang merupakan suatu sistem berbasis komputer yang membantu pengambilan keputusan dengan memanfaatkan data dan model-model untuk menyelesaikan masalah-masalah yang tidak terstruktur (Turban, 2005).

Sistem pendukung keputusan sebagai sistem berbasis komputer yang terdiri dari tiga komponen yang saling berinteraksi : sistem bahasa (mekanisme untuk memberikan komunikasi antara pengguna dan komponen DSS lain), sistem pengetahuan (repository pengetahuan domain masalah yang ada pada DSS sebagai


(22)

data atau sebagai prosedur), dan sistem pemrosesan masalah (hubungan antara dua komponen lainnya, terdir dari satu atau lebih kapabilitas manipulasi masalah umum yang diperlukan untuk pengambilan keputusan (Bonczek dkk., 1980).

Sprague dan Carlson mendefinisikan sistem pendukung keputusan, adalah sebagai sebuah sistem yang memiliki lima karakteristik utama (Sprague dan Carlson, 1993):

1) Sistem yang berbasis komputer;

2) Dipergunakan untuk membantu para pengambil keputusan;

3) Untuk memecahkan masalah-masalah rumit yang “mustahil” dilakukan dengan kalkulasi manual;

4) Simulasi yang interaktif;

5) Data dan model analisis sebagai komponen utama.

Sistem pendukung keputusan (SPK) merupakan sebuah sistem yang memiliki kriteria sebagai berikut (Turban, 1995) :

1. Penggunaan model, komunikasi antara pengambil keputusan dan sistem terjalin melalui model-model matematis, jadi pengambil keputusan bertanggung jawab membangun model matematis berdasarkan permasalahan yang dihadapinya.

2. Berbasis komputer, sistem ini mempertemukan penilaian manusia (pengambil keputusan) dengan informasi komputer. Informasi komputer ini dapat berasal dari perangkat lunak komputer yang merupakan implementasi dari metode numeris untuk permasalahan matematis yang bersangkutan.

3. Fleksibel, sistem harus dapat beradaptasi terhadap timbulnya perubahan pada permasalahan yang ada. Jadi pengambil keputusan harus dibolehkan untuk melakukan perubahan pada model yang telah diberikannya kepada sistem, ataupun memberikan model yang baru.

4. Interaktif dan mudah digunakan, pengambil keputusan bertanggung jawab untuk menentukan apakah jawaban yang diberikan oleh sistem memuaskan atau tidak. Bagaimanapun juga sistem bertugas mendukung, bukan menggantikan pengambil keputusan. Jadi sistem harus memiliki


(23)

kemampuan interaktif: pengambil keputusan harus diijinkan untuk menjelajahi alternatif jawaban dengan cara memvariasi parameter-parameter yang ada pada sistem. Karakteristik utama sebuah sistem pendukung keputusan adalah inklusi pada sedikitnya satu model. Model merupakan representasi atau abstraksi sederhana dari realitas.

Tujuan dari sistem pendukung keputusan adalah untuk membantu pengambil keputusan memilih berbagai alternatif keputusan yang merupakan pengolahan informasi-informasi yang diperoleh/tersedia dengan menggunakan model pengambilan keputusan. Ciri utama sekaligus keunggulan dari sistem pendukung keputusan tersebut adalah kemampuannya untuk menyelesaikan masalah-masalah yang tidak terstruktur (Surbakti, 2002).

Pengambilan keputusan adalah sebuah proses memilih tindakan (diantara berbagai alternatif) untuk mencapai tujuan atau beberapa tujuan. Pengambilan keputusan digunakan untuk mendapatkan pemecahan masalah. Masalah terjadi ketika sebuah sistem tidak memenuhi tujuan yang telah ditetapkan, tidak mencapai hasil yang diprediksi, atau tidak bekerja seperti yang direncanakan. Pemecahan masalah dapat juga berkaitan dengan mengidentifikasi peluang-peluang baru.

Untuk membedakan istilah pengambilan keputusan dan pemecahan masalah adalah dengan memeriksa fase-fase proses keputusan, antara lain :

1. Kecerdasan Kecerdasan, adalah kesadaran mengenai suatu masalah atau peluang. Dalam hal ini, pembuat keputusan berupaya mencari dan memeriksa keputusan-keputusan yang perlu dibuat, dan masalah-masalah yang perlu diatasi, atau peluang-peluang yang perlu dipertimbangkan. Kecerdasan berarti kesadaran aktif akan perubahanperubahan di lingkungan yang menuntut dilakukannya tindakan-tindakan tertentu.

2. Perancangan Dalam fase perancangan, pembuat keputusan merumuskan suatu masalah dan menganalisis sejumlah solusi alternatif.

3. Pemilihan Dalam fase pemilihan ini, pembuat keputusan memilih solusi masalah atau peluang yang ditandai dalam fase kecerdasan. Pemilihan ini diikuti dari analisis sebelumnya dalam fase perancangan dan


(24)

memperkuatnya lewat informasi-informasi yang diperoleh dalam fase pemilihan.

4. Implementasi Dalam fase implementasi, mencakup implementasi aktual dari rekomendasi yang didapatkan dari fase pemilihan.

Fase 1-3 dianggap sebagai pengambilan keputusan formal yang berakhir dengan satu rekomendasi. Sedangkan keseluruhan proses (fase 1-4) sebagai pemecahan masalah, dengan fase pilihan sebagai pengambil keputusan riil.

2.2 Algoritma

Algoritma merupakan langkah-langkah penyelesaian masalah dalam bentuk kalimat dengan jumlah kata terbatas tetapi tersusun secara logis dan sistematis. Algoritma juga merupakan suatu prosedur yang jelas untuk menyelesaikan suatu persoalan dengan menggunakan langkah-langkah tertentu dan terbatas jumlahnya. Selain itu algoritma memiliki ciri atau karateristik, menurut Donald E. Knuth, Algoritma memiliki beberapa ciri yaitu:

1. Algoritma mempunyai awal dan akhir, suatu algoritma harus berhenti setelah mengerjakan serangkaian tugas.

2. Setiap langkah harus didefinisikan dengan tepat sehingga tidak memiliki arti ganda, tidak membingungkan (not ambigious).

3. Memiliki masukan (input) atau kondisi awal. 4. Memiliki keluaran (output) atau kondisi akhir.

5. Algoritma harus efektif, bila diikuti dengan benar maka akan menyelesaikan persoalan.


(25)

2.3 Multi-Criteria Decision Making

Merupakan suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan (Kahraman;Springer). Berdasarkan tujuannya, MCDM dapat dibagi dua model: Multi Attribute Decision Making (MADM) dan Multi Objective Decision Making (MODM).

Seringkali MADM dan MODM digunakan untuk menerangkan kelas atau kategori yang sama. MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang diskrit. Oleh karena itu, pada MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas. Sedangkan MODM digunakan untuk menyelesaikan masalah-masalah pada ruang kontinyu. Secara umum dapat dikatakan bahwa, MADM menyeleksi alternatif terbaik dari sejumlah alternatif sedangkan MODM merancang alternatif terbaik.

Multi Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan. Berdasarkan tujuannya, MCDM dapat dibagi menjadi 2 model (Zimmermann, 1991) dalam buku Kusumadewi, Multi Attribute Decision Makng (MADM) dan Multi Objective Ddecision Making (MODM). Seringkali MCDM dan MADM digunakan untuk menerangkan kelas atau kategori yang sama.

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 yang terbatas. Sedangkan MODM digunakan untuk menyelesaikan masalah-masalah pada ruang kontinyu (seperti permasalahan pada pemrogaman matematis). Secara umum dapat dikatakan bahwa, MADM menyeleksi alternatif terbaik dari sejumlah alternatif; sedangkan MODM merancang alternatif terbaik.


(26)

Perbedaan mendasar terlihat pada tabel berikut:

Tabel 2.1 Tabel Perbandingan MADM dan MODM

MADM MODM

Kriteria Atribut Tujuan

Tujuan Implisit Eksplisit

Atribut Eksplisit Implisit

Alternatif Diskret, dalam jumlah terbatas

Kontinu, dalam jumlah tak terbatas

Kegunaan Seleksi Desain

2.3.1 Klasifikasi Metode MCDM

Ada beberapa cara dalam mengklasifikasi metode MCDM. Menurut tipe data yang digunakan, MCDM dapat dibagi berdasarkan tipe deterministic, stokastik atau fuzzy. Menurut jumlah pengambil keputusan yang terlibat dalam proses pengambil keputusan . MCDM dapat dibagi berdasarkan pengambil keputusan satu orang, atau pengambil keputusan dalam bentuk grup (kelompok).

2.3.2 Klasifikasi Solusi MCDM

Masalah MCDM tidak selalu memberikan solusi spesifik, perbedaan tipe bisa jadi akan memberikan perbedaan solusi.

a. Solusi ideal, kriteria atau atribuat dapat dibagi menjadi dua kategori, yaitu kriteria yang nilainya akan dimaksimumkan (kategori nilai keuntungan), dan kriteria yang nilainya akan diminimumkan (kategori kriteria biaya). Solusi ideal akan memaksimumkan semua kriteria keuntungan dan meminumkan semua kriteria biaya.

b. Solusi non-dominated, solusi ini sering juga dikenal dengan nama solusi pareto-optimal. Solusi feasible MCDM dikatakan non-dominated jika tidak ada solusi feasible yang lain akan menghasilkan perbaikan terhadap suatu atribut tanpa menyebabkan degenerasi pada atribut lainnya.


(27)

c. Solusi yang memuaskan, solusi yang memuaskan adalah himpunan bagian dari solusi-solusi feasible dimana setiap alternatif melampaui semua kriteria yang diharapkan.

d. Solusi yang lebih disukai, solusi yang disukai adalah solusi non-dominated yang paling banyak memuaskan pengambil keputusan.

2.3.3 Klasifikasi MCDM

Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MCDM, antara lain:

a. Simple Additive Weighting Method (SAW) b. Weighted Product Model (WPM)

c. Axiomatic Desain d. ELECTRE

e. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) f. Analytic Hierachy Process (AHP)

2.4 Weighted Sum Model (WSM)

Dalam Kusumadewi dkk.(2006), Fishburn menyatakan bahwa, konsep dasar metode Simple Additive Weighting Method (SAW) yang biasa disebut juga Weighted Sum Model (WSM) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (x) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.


(28)

Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj dimana

i=1,2,….,m dan j=1,2,….,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan

sebagai :

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.

Contoh kasus :

Suatu perusahaan di Daerah Istimewa Yogyakarta (DIY) ingin membangun sebuah gudang yang akan digunakan sebagai tempat untuk menyimpan sementara hasil produksinya. Ada 3 lokasi yang akan menjadi alternatif, yaitu : A1 = Ngemplak, A2 =

Kalasan, A3 = Kota Gede.

Ada 5 kriteria yang dijadikan acuan dalam pengambilan keputusan, yaitu : C1 = jarak dengan pasar terdekat (km)

C2 = kepadatan penduduk di sekitar lokasi (orang/km2)

C3 = jarak dari pabrik (km)

C4 = jarak dengan gudang yang sudah ada (km)

C5 = harga tanah untuk lokasi ( dikalikan dengan Rp. 1.000.000/m2)

(2) (1) rij =

Jika j adalah atribut keuntungan (benefit)


(29)

Rating kecocokan setiap alternatif pada setiap kriteria, dinilai dengan 1 sampai 5, yaitu :

1 : sangat buruk 2 : buruk

3 : cukup 4 : baik 5 : sangat baik

Tabel 8 menunjukkan rating kecocokan dari setiap alternatif pada setiap kriteria. Sedangkan tingkat kepentingan setiap kriteria, juga dinilai dengan 1 sampai 5, yaitu :

1 : sangat rendah 2 : rendah

3 : cukup 4 : tinggi

5 : sangat tinggi

Tabel 2.2 Rating kecocokan dari setiap alternatif pada setiap kriteria

Alternatif Kriteria

C1 C2 C3 C4 C5

A1 4 4 5 3 3

A2 3 3 4 2 3

A3 5 4 2 2 2

Sifat Benefit Benefit Benefit Benefit Benefit

Karena setiap nilai yang diberikan pada setiap alternatif di setiap kriteria, merupakan nilai kecocokan (nilai terbesar adalah terbaik). Maka semua kriteria yang diberikan diasumsikan sebagai kriteria keuntungan.


(30)

Pengambil keputusan dibentuk dari tabel kecocokan sebagai berikut :

4 4 5 3 3

X = 3 3 4 2 3

5 4 2 2 2

Hal pertama yang harus dilakukan adalah menormalisasi matriks X berdasarkan persamaan 1 sebagai berikut :

r

11 = 4 / max{4;3;5} = 4/5 = 0,8 (dipakai maksimum karena sifatnya benefit)

r

21 = 3 / max{4;3;5} = 3/5 = 0,6 (dipakai maksimum karena sifatnya benefit)

r

31 = 5 / max{4;3;5} = 5/5 = 1 (dipakai maksimum karena sifatnya benefit)

r

12 = 4 / max{4;3;4} = 4/4 = 1 (dipakai maksimum karena sifatnya benefit)

r

22 = 3 / max{4;3;4} = 3/4 = 0,75 (dipakai maksimum karena sifatnya benefit)

r

32 = 4 / max{4;3;4} = 4/4 = 1 (dipakai maksimum karena sifatnya benefit)

r

13 = 5 / max{5;4;2} = 5/5 = 1 (dipakai maksimum karena sifatnya benefit)

r

23 = 4 / max{5;4;2} = 4/5 = 0,8 (dipakai maksimum karena sifatnya benefit)

r

33 = 2 / max{5;4;2} = 2/5 = 0,4 (dipakai maksimum karena sifatnya benefit)

r

14 = 3 / max{3;2;2} = 3/3 = 1 (dipakai maksimum karena sifatnya benefit)

r

24 = 2 / max{3;2;2} = 2/3 = 0,6667 (dipakai maksimum karena sifatnya benefit)


(31)

r

15 = 3 / max{3;3;2} = 3/3 = 1 (dipakai maksimum karena sifatnya benefit)

r

25 = 3 / max{3;3;2} = 3/3 = 1 (dipakai maksimum karena sifatnya benefit)

r

35 = 2 / max{3;3;2} = 2/3 = 0,6667 (dipakai maksimum karena sifatnya benefit)

Dari hasil perhitungan di atas, diperoleh matriks ternormalisasi R sebagai berikut :

0,8 1 1 1 1

X = 0,6 0,75 0,8 0,6667 1

1 1 0,4 0,6667 0,6667

Proses perangkingan diperoleh berdasarkan persamaan 2 dengan perhitungan sebagai berikut:

V1 = (5)(0,8) + (3)(1) + (4)(1) + (4)(1) + (2)(1) = 17

V2 = (5)(0,6) + (3)(0,75) + (4)(0,8) + (4)(0,6667) + (2)(1) = 13,1167

V3 = (5)(1) + (3)(1) + (4)(0,4) + (4)(0,6667) + (2)(0,6667) = 13,6

Nilai terbesar ada pada V1 sehingga alternatif A1 adalah alternatif yang terpilih

sebagai alternatif terbaik. Dengan kata lain, Ngemplak akan terpilih sebagai lokasi untuk mendirikan gudang baru.

2.5 Weighted Product Model (WPM)

Weighted Product Model (WPM) merupakan metode yang dikembangkan untuk mengatasi kelemahan dari Weighting Sum Model (WSM). Perbedaan utama antara WPM dan WSM adalah WPM menggunakan cara perkalian sedangkan WSM menggunakan cara penjumlahan.

Dalam Kusumadewi dkk. (2006), Yoon mengatakan bahwa, WPM merupakan suatu metode yang menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang


(32)

bersangkutan. Proses ini sama halnya dengan proses normalisasi. Preferensi untuk alternatif Ai (vektor S) diberikan dengan rumus berikut.

Perhitungan nilai preferensi untuk alternatif Ai diawali dengan memberikan nilai

rating kinerja UMKM ke-i terhadap subkriteria ke-j (xij). Setelah masing-masing

umkm diberi nilai rating kinerja, nilai ini akan dipangkatkan dengan nilai relatif bobot awal yang telah dihitung sebelumnya (wj) dimana wj akan bernilai positif untuk atribut

benefit (keuntungan) dan bernilai negatif untuk atribut cost (biaya). Penjumlahan nilai wj untuk setiap subkriteria pada kriteria yang sama akan bernilai 1(∑wj = 1).

Perhitungan nilai wj dilakukan dengan rumus 4.

Setelah didapat nilai preferensi untuk alternatif Ai, selanjutnya dilakukan

perhitungan nilai preferensi relatif dari setiap alternatif (vektor V). Nilai preferensi relatif dari setiap alternatif dihitung dengan rumus 5.

Dalam Kusumadewi dkk. (2006), Yoon mengatakan bahwa, WPM (Weighted Product Model) merupakan suatu metode yang menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan. Proses ini sama halnya dengan proses normalisasi. Preferensi untuk alternatif Ai (vektor S) diberikan dengan rumus 3.

wj =

w0

∑w0

(4)

(5) Vi =

(xij)

(xj*)

dengani = 1,2,3, …., m

(3) Si = (xij) dengani = 1,2,3, ….,

m

wj

wj


(33)

Alternatif terbaik dipilih jika nilainya lebih besar atau sama dengan alternatif yang lain.

Contoh Kasus

Dengan contoh yang sama seperti pada metode SAW (Simple Additive Weighted), Suatu perusahaan di Daerah Istimewa Yogyakarta (DIY) ingin membangun sebuah gudang yang akan digunakan sebagai tempat untuk menyimpan sementara hasil produksinya. Ada 3 lokasi yang akan menjadi alternatif, yaitu : A1 = Ngemplak, A2 =

Kalasan, A3 = Kota Gede.

Ada 5 kriteria yang dijadikan acuan dalam pengambilan keputusan, yaitu : C1 = jarak dengan pasar terdekat (km)

C2 = kepadatan penduduk di sekitar lokasi (orang/km2)

C3 = jarak dari pabrik (km)

C4 = jarak dengan gudang yang sudah ada (km)

C5=harga tanah untuk lokasi (dikalikan dengan Rp. 1.000.000/m2)

Rating kecocokan setiap alternatif pada setiap kriteria, dinilai dengan 1 sampai 5, yaitu :

1 : sangat buruk 2 : buruk

3 : cukup 4 : baik 5 : sangat baik

Tabel 2.3 Rating kecocokan dari setiap alternatif pada setiap kriteria (Kusumadewi dkk.)

Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4 Kriteria 5

Alternatif 1 0.75 2000 18 50 500

Alternatif 2 0.5 1500 20 40 450


(34)

tingkat kepentingan setiap kriteria, juga dinilai dengan 1 sampai 5, yaitu : 1 : sangat rendah

2 : rendah 3 : cukup 4 : tinggi

5 : sangat tinggi

Pengambil keputusan memberikan bobot preferensi sebagai: w = (5, 3, 4, 4, 2) Sifat setiap kriteria adalah:

 Kriteria C2 (kepadatan penduduk di sekitar lokasi) dan C4 (jarak dengan gudang yang sudah ada) adalah kriteria keuntungan;

 Kriteria C1 (jarak dengan pasar terdekat), C3 (jarak dari pabrik), dan C5 (harga tanah untuklokasi) adalah kriteria biaya.

Langkah pertama yang dilakukan adalah menghitung nilai perbaikan bobot terlebih dahulu dengan rumus 4.

Diketahui w = (5, 3, 4, 4, 2) maka nilai perbaikan bobot nya adalah : w1 = 5/(5+3+4+4+2) = 0,28

w2 = 3/(5+3+4+4+2) = 0,17

w3 = 4/(5+3+4+4+2) = 0,22

w4 = 4/(5+3+4+4+2) = 0,22

w5 = 2/(5+3+4+4+2) = 0,11

Langkah kedua adalah menghitung nilai vektor S menggunakan rumus 3. S1 = (0,75-0,28) (20000,17) (18-0,22) (500,22) (500-0,11) = 2,4187

S2 = (0,5-0,28) (15000,17) (20-0,22) (400,22) (450-0,11) = 2,4270


(35)

Setelah vektor S dihitung, langkah selanjutnya melakukan perhitungan nilai vektor V menggunakan rumus 5. Nilai vektor V yang akan digunakan untuk perankingan dapat dihitung sebagai berikut:

V1 = 2,4187 / (2,4187 + 2,4270 + 1,7462) = 0,3669

V2 = 2,4270 / (2,4187 + 2,4270 + 1,7462) = 0,3682

V3 = 1,7462 / (2,4187 + 2,4270 + 1,7462) = 0,2649

Nilai terbesar ada pada V2 sehingga alternatif A2 adalah alternatif yang terpilih

sebagai alternatif terbaik. Dengan kata lain, Kalasan akan terpilih sebagai lokasi untuk mendirikan gudang baru

2.6 Cloud Computing

Cloud computing pada dasarnya adalah menggunakan Internet-based service untuk me-support proses bisnis, Kata-kata “Cloud” sendiri merujuk kepada simbol awan yang di dunia TI digunakan untuk menggambarkan jaringan internet (internet cloud). Cloud computing adalah gabungan pemanfaatan teknologi komputer („komputasi„) dan pengembangan berbasis Internet („awan‟). Cloud /awan merupakan metafora dari internet, sebagaimana awan yang sering digambarkan di diagram jaringan computer, awan (cloud) dalam Cloud Computing juga merupakan abstraksi dari infrastruktur kompleks yang disembunyikannya adalah suatu moda komputasi dimana kapabilitas terkait teknologi informasi disajikan sebagai suatu layanan (as a service), sehingga pengguna dapat mengaksesnya lewat Internet (“di dalam awan”) tanpa pengetahuan tentangnya, ahli dengannya, atau memiliki kendali terhadap infrastruktur teknologi yang membantunya.

Menurut jurnal yang dipublikasikan IEEE, Internet Computing/Cloud Computing Adalah suatu paradigma dimana informasi secara permanen tersimpan di server di internet dan tersimpan secara sementara di komputer pengguna (client) termasuk di dalamnya adalah desktop, komputer tablet, notebook, handheld, sensor-sensor, monitor dan lain-lain.


(36)

Secara sederhana “Cloud Computing”adalah “ Suatu layanan teknologi informasi yang bisa dimanfaatkan atau diakses oleh pelanggannya melalui jaringan internet”. Komputasi awan adalah suatu konsep umum yang mencakup SaaS, Web 2.0, dan tren teknologi terbaru lain yang dikenal luas, dengan tema umum berupa ketergantungan terhadap Internet untuk memberikan kebutuhan komputasi pengguna. Sebagai contoh, Google Apps menyediakan aplikasi bisnis umum secara sharing yang diakses melalui suatu penjelajah web dengan perangkat lunak dan data yang tersimpan di server. Kosep yang digunakan Cloud Computing

Infrastructure as a Service (IaaS)

Konsep tertua dimana pengimplementasiannya banyak dilakukan mulai dari penggunaan atau penyewaan jaringan untuk akses Internet, layanan Disaster Recovery Center, dsb.

IaaS terletak satu level lebih rendah dibanding PaaS. Ini adalah sebuah layanan yang “menyewakan” sumberdaya teknologi informasi dasar, yang meliputi media penyimpanan, processing power, memory, sistem operasi, kapasitas jaringan dan lainlain, yang dapat digunakan oleh penyewa untuk menjalankan aplikasi yang dimilikinya. Model bisnisnya mirip dengan penyedia data center yang menyewakan ruangan untuk co-location, tapi ini lebih ke level mikronya. Penyewa tidak perlu tahu, dengan mesin apa dan bagaimana caranya penyedia layanan menyediakan layanan IaaS. Yang penting, permintaan mereka atas sumberdaya dasar teknologi informasi itu dapat dipenuhi.

Platform as a Service (PaaS)

Konsepnya hampir serupa dengan IaaS. Namun Platform disini adalah penggunaan operating system dan infrastruktur pendukungnya. Yang cukup terkenal adalah layanan dari situs Force.Com serta layanan dari para vendor server. Seperti namanya, PaaS adalah layanan yang menyediakan modul-modul siap pakai yang dapat digunakan untuk mengembangkan sebuah aplikasi, yang tentu saja hanya bisa berjalan diatas platform tersebut. Seperti


(37)

juga layanan SaaS, pengguna PaaS tidak memiliki kendali terhadap sumber daya komputasi dasar seperti memory, media penyimpanan, processing power dan lain-lain, yang semuanya diatur oleh provider layanan ini. Pionir di area ini adalah Google AppEngine, yang menyediakan berbagai tools untuk mengembangkan aplikasi di atas platform Google, dengan menggunakan bahasa pemrograman Phyton dan Django. Kemudian Salesforce juga menyediakan layanan PaaS melalui Force.com, menyediakan modul-modul untuk mengembangkan aplikasi diatas platformSalesforce yang menggunakan bahasa Apex.

Dan mungkin yang jarang sekali kita ketahui, bahwa Facebook juga bisa dianggap menyediakan layanan PaaS, yang memungkinkan kita untuk membuat aplikasi diatasnya.Salah satu yang berhasil menangguk untung besar dari layanan PaaS Facebook adalah perusahaan bernama Zynga, yang tahun lalu saja berhasil meraup keuntungan bersih lebih dari US$ 100 juta, lebih besar dari keuntungan yang didapat oleh Facebook sendiri. Anda mungkin akan sedikit terkejut kalau saya beritahu bahwa Zynga ini bisa untung besar dari aplikasi yang sama sekali tidak serius, tapi mengandung zat adiktif luar biasa yaitu: Farmville, yang hingga kini telah berhasil menjadikan 80 juta lebih penduduk Facebook menjadi petani yang rajin mencangkul, menanam dan panen serta memerah susu sapi demi keuntungan mereka.

Software as a Service (SaaS)

Berada satu tingkat diatas PaaS dan IaaS,dimana disini yang ditawarkan adalah software atau suatu aplikasi bisnis tertentu. Contoh yang paling mutakhir adalah SalesForce.Com, Service-Now.Com, Google Apps, dsb. SaaS ini merupakan layanan Cloud Computing yang paling dahulu populer.Software as a Service ini merupakan evolusi lebih lanjut dari konsep ASP (Application Service Provider).

Sesuai namanya, SaaS memberikan kemudahan bagi pengguna untuk bisa memanfaatkan sumberdaya perangkat lunak dengan cara berlangganan. Sehingga tidak perlu mengeluarkan investasi baik untuk in house development


(38)

ataupun pembelian lisensi. Dengan cara berlangganan via web, pengguna dapat langsung menggunakan berbagai fitur yang disediakan oleh penyedia layanan. Hanya saja dengan konsep SaaS ini, pelanggan tidak memiliki kendali penuh atas aplikasi yang mereka sewa. Hanya fiturfitur aplikasi yang telah disediakan oleh penyedia saja yang dapat disewa oleh pelanggan. Dan karena arsitektur aplikasi SaaS yang bersifat multi tenant, memaksa penyedia untuk hanya menyediakan fitur yang bersifat umum, tidak spesifik terhadap kebutuhan pengguna tertentu. Meskipun demikian, kustomisasi tidak serta-merta diharamkan, meskipun hanya untuk skala dan fungsi yang terbatas. Tapi dengan berkembangnya pasar dan kemajuan teknologi pemrograman, keterbatasan-keterbatasan itu pasti akan berkurang dalam waktu tidak terlalu lama. Untuk contoh layanan SaaS, tentu saja kita harus menyebut layanan CRM online Salesforce.com–yang dikomandai Marc Benioff dan telah menjadi ikon SaaS ini. Selain itu Zoho.com, dengan harga yang sangat terjangkau, menyediakan layanan SaaS yang cukup beragam, dari mulai layanan word processor seperti Google Docs, project management, hingga invoicing online. Layanan akunting online pun tersedia, seperti yang diberikan oleh Xero.com dan masih banyak lagi.

IBM dengan Lotuslive.com nya dapat dijadikan contoh untuk layanan SaaS di area kolaborasi (unified communication). Sayangnya untuk pasar dalam negeri sendiri, masih sangat sedikit yang mau berinvestasi untuk menyediakan layanan SaaS ini.


(39)

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Masalah

Perencanaan awal adalah langkah utama yang harus dilakukan dalam membangun suatu aplikasi. Dari mulai pemilihan metode pemograman yang akan dipakai, pemilihan platform untuk menjalankan aplikasi, sampai kepada metode yang hendak diaplikasikan dalam menyelesaikan tiap masalah yang menjadi tujuan utama pembangunan aplikasi tersebut.

Aplikasi yang dibangun dalam hal ini adalah aplikasi yang menerapkan konsep Sistem Pendukung Keputusan dalam penyelesaian masalah utamanya. Dalam mengimplementasikannya penulis sudah menetapkan terlebih dahulu ragam hal yang akan menjadi kaidah utama sehingga perancangannya tidak menyimpang dari tujuan utama, seperti:

a. Aplikasi dibangun dengan tujuan membantu para pengguna dan praktisi IT dalam memilih layanan cloud computing dengan memasukan bobot nilai kriteria yang mereka inginkan sesuai kebutuhan mereka yang akan diproses secara sistematis oleh aplikasi dan diberikan atas dua jawaban yang mana melalui dua metode yang berbeda. Diberitahukan terlebih dahulu bahwa kedua metode tersebut bekerja secara simultaneous, atau berjalan independen namun bersamaan.

b. Tujuan utama dari aplikasi ini adalah menerapkan konsep Sistem Pendukung Keputusan dengan metode Weighted Sum Model (WSM) dan Weighted Product Model (WPM) untuk membantu decision maker dalam mengambil solusi yang terbaik dari tiap alternatif yang ada sesuai dengan kriteria yang ditentukan sebelumnya.


(40)

c. Aplikasi ini nantinya hanya dapat berjalan pada browser, pemilihan tersebut atas pertimbangan bahwa aplikasi web bersifat cross-platform. Sehingga dapat dijalankan di tiap sistem operasi yang berbeda selama browser telah di-install sebelumnya. Diprogram menggunakan bahasa PHP (PHP: Hypertext Preprocessor) dengan penyimpanan data di database MySQL serta perancangan desain tampilan menggunakan CSS3.

Berikut adalah gambaran sistematis dari diagram sebab-akibat permasalahan yang diangkat pada penelitian ini:

Gambar 3.1 Diagram Ishikawa Untuk Analisis Masalah

3.2 Perancangan Aplikasi

3.2.1 Flowchart (Diagram Alir)

Dengan adanya diagram alir (flowchart) maka, tahapan atau langkah yang akan dijalankan untuk menyelesaikan permasalahan pada proses bisnis yang dijalankan dapat menjadi lebih sederhana. Flowchart adalah suatu diagram yang menggambarkan suatu proses dari sebuah sistem yang merupakan suatu cara atau algoritma untuk menyelesaikan sebuah permasalahan.

MATERIAL

METHOD MACHINE

Alternatif: IaaS, PaaS, dan SaaS Kriteria: Terpusat kepada pengalokasian modal Weighted Sum Model Weighted Product Model MAN Browser PHP Sistem Pendukung Keputusan Untuk Memilih Layanan Cloud Computing Interaksi terhadap lingkungan bisnis Decision maker Membutuhkan Waktu untuk mmbuat keputusan


(41)

Ada sifat dari flowchart yang identik dengan algoritma, yaitu selalu memiliki awal (start) dan akhir (stop). Sesungguhnya, flowchart sendiri didalam menggambarkan situasi algoritma atau program yang dijalankan memiliki konsep yang berbeda, ada yang bersifat konseptual (conceptual flowchart), dan detail (details flowchart). Pengertian dan fungsionalitas dari simbol-simbol yang digunakan didalam flowchart dapat dilihat pada Tabel 3.1

Tabel 3.1 Simbol-simbol pada flowchart

Simbol Kegunaan

Terminal point symbol

Simbol titik terminal digunakan untuk awal dan akhir dari suatu proses

Input/output symbol

Simbol input/output yang digunakan untuk mewakili data input/output

Process symbol

Simbol proses digunakan untuk menunjukkan pengeluaran yang dilakukan oleh komputer

Predefined process symbol

Simbol proses terdefinisi yang digunkan untuk menunjukkan suatu operasi yang rinciannya ditunjukkan ditempat lain

Connector symbol

Simbol penghubung digunakan untuk menunjukkan sambungan dari bagan alir yang terputus dihalaman yang masih sama


(42)

Offline connector symbol

Offline connector merupakan simbol untuk

masuk dan keluarnya suatu prosedur pada lembar kertas yang lain

Magnetic Disk symbol

Simbol untuk database yang digunakan dalm program

Decision symbol

Simbol keputusan yang digunakan untuk suatu penyeleksian kondisi di dalam program

Preparation symbol

Symbol persiapan digunakan untuk

mempersiapkan penyimpanan yang digunakan sebagai tempat pengolahan di dalam storage

Document symbol

Document merupakan simbol untuk data yang berbentuk kertas maupun informasi

Display symbol

Simbol untuk output yang menunjukkan ke suatu device, seperti printer, plotters.

Line connector

Arus/flow dari prosedur yang dapat dilakukan dari atas ke bawah, dari bawah ke atas, dari kiri ke kanan dan sebaliknya.


(43)

START

PENENTUAN METODE

INPUT NILAI KRITERIA

PROSES WPM WSM / WPM PROSES

WSM HASIL

WSM

HASIL WPM BASIS DATA

PENYIMPAN BOBOT AWAL

END


(44)

Dijelaskan bahwa setiap pengguna aplikasi diwajibkan terlebih dahulu menentukan sendiri bobot tiap kriteria yang menjadi tolak ukur perhitungan nantinya. Apabila terjadi perbedaan hasil dari kedua metode maka selanjutnya pengguna diharapkan member umpan balik berupa hasil mana yang dipilih untuk kemudian mengakhiri pemerosesan.

3.3Penerapan metode Weighted Product Model dan Weighted Sum Model

Metode Weighted Sum Model (WSM) dan Weighted Product Model (WPM) penerapannya didalam aplikasi ini akan terlihat dari hasil akhir atau output yang diterima. Keluaran dari aplikasi ini berupa tabel yang berisikan hasil perhitungan dari bobot nilai awal dengan nilai kriteria yang diinginkan user terhadap alternatif yang tersedia. Sehingga decision maker dapat mengambil keputusan berdasarkan pertimbangan hasil pemrosesan tersebut.

3.3.1. Metode Weighted Sum Model

Metode Weighted Sum Model (WSM) mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode WSM membutuhkan proses normalisasi matriks keputusan (x) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

(1) rij =

Jika j adalah atribut keuntungan (benefit)


(45)

Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj dimana

i=1,2,….,m dan j=1,2,….,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan

sebagai:

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.

3.3.2 Metode Weighted Product Model

Sebaliknya Weighted Product Model beroperasi dengan melakukan pemangkatan tiap bobot kriteria yang selanjutnya akan dikalikan dengan tiap rating atribut untuk mendapatkan hasil akhirnya. Proses ini sama halnya dengan proses normalisasi. Preferensi untuk alternatif Ai (vektor S) diberikan dengan rumus 3.

Perhitungan nilai preferensi untuk alternatif Ai diawali dengan memberikan nilai

rating kinerja UMKM ke-i terhadap subkriteria ke-j (xij). Setelah masing-masing

umkm diberi nilai rating kinerja, nilai ini akan dipangkatkan dengan nilai relatif bobot awal yang telah dihitung sebelumnya (wj) dimana wj akan bernilai positif untuk atribut

benefit (keuntungan) dan bernilai negatif untuk atribut cost (biaya). Penjumlahan nilai wj untuk setiap subkriteria pada kriteria yang sama akan bernilai 1(∑wj = 1).

Perhitungan nilai wj dilakukan dengan rumus 4.

(2)

(3) Si = (xij) dengani = 1,2,3, …., m


(46)

Setelah didapat nilai preferensi untuk alternatif Ai, selanjutnya dilakukan

perhitungan nilai preferensi relatif dari setiap alternatif (vektor V). Nilai preferensi relatif dari setiap alternatif dihitung dengan rumus 5.

Alternatif terbaik dipilih jika nilainya lebih besar atau sama dengan alternatif yang lain.

Berikut Perbandingan flowchart kedua metode tersebut: wj =

w0

∑w0

(4)

(5) Vi =

(xij)

(xj*)

dengani = 1,2,3, …., m wj


(47)

END START

PROSES PERHITUNGAN

WSM INPUT NILAI

KRITERIA YANG DINGINKAN

NILAI KRITERIA

TIAP LAYANAN NORMALISASI

MATRIKS

NILAI HASIL PERHITUNGAN

METODE WSM

SOLUSI LAYANAN

CLOUD COMPUTING

TERBAIK


(48)

END START

PROSES PERHITUNGAN

WPM INPUT NILAI

KRITERIA YANG DINGINKAN

NILAI KRITERIA

TIAP LAYANAN PERBAIKAN

NILAI MATRIKS KRITERIA

NILAI HASIL PERHITUNGAN METODE WPM

SOLUSI SERVICE

CLOUD COMPUTING

TERBAIK


(49)

Berikut ini contoh kasus yang dapat diproses oleh aplikasi ini yang akan diselesaikan dengan kedua metode:

Ada tiga alternatif pilihan yang tersedia, antara lain: Alternatif 1 : SaaS ( Software as a Service ) Nilai Kriteria 1: 10 %

Nilai Kriteria 2: 30 % Nilai Kriteria 3: 20 % Nilai Kriteria 4: 50 %

Alternatif 2 : PaaS ( Platform as a Service ) Nilai Kriteria 1: 20 %

Nilai Kriteria 2: 25 % Nilai Kriteria 3: 15 % Nilai Kriteria 4: 40 %

Alternatif 3 : IaaS ( Infrastructure as a Service ) Nilai Kriteria 1: 30 %

Nilai Kriteria 2: 30 % Nilai Kriteria 3: 25 % Nilai Kriteria 4: 15 %

Keterangan mengenai kriteria;

Kriteria 1: Dana yang dialokasikan untuk pembangunan awal

Kriteria 2: Dana yang dialokasikan untuk perawatan peripheral per bulan Kriteria 3: Dana yang dialokasikan untuk penambahan / pergantian

peripheral per bulan


(50)

Nilai kriteria yang diinginkan oleh decision maker adalah: Kriteria 1 : 15%

Kriteria 2 : 35% Kriteria 3 : 20% Kriteria 4 : 30%

Sedangkan nilai bobot awal yang menjadi prefrensi telah ditentukan didalam basis data adalah:

W = (15%, 35%, 20%, 30%) W = (0.15, 0.35, 0.2, 0.3) Penyelesaian:

Metode WSM

Tabel 3.2. Tabel Matriks WSM (Weighted Sum Model)

KRITERIA 1 KRITERIA 2 KRITERIA 3 KRITERIA 4

ALTERNATIF 1 10 30 20 50

ALTERNATIF 2 20 25 15 40

ALTERNATIF 3 30 30 25 15

0.1 0.3 0.2 0.5

X = 0.2 0.25 0.15 0.4

0.3 0.3 0.25 0.15

Langkah awal yang harus dilakukan adalah menormalisasi matriks x melalui persamaan berikut:

r

11 = 0.1 / max{0.3; 0.2 0.3} = 0.1/0.3 = 0,333

r

21 = 0.2 / max{0.3; 0.2; 0.3} = 0.2/0.3 = 0.667

r

31 = 0.3 / max{0.1; 0.2; 0.3} = 0.3/0.3 = 1


(51)

r

22 = 0.25 / max{0.3; 0. 25; 0.3} = 0.25/0.3 = 0.833

r

32 = 0.3 / max{0.3; 0. 25; 0.2} = 0.3/0.3 = 1

r

13 = 0.2 / max{0.2; 0.15; 0.25} = 0.2/0.25 = 0.8

r

23 = 0.15 / max{0.2; 0.15; 0.25} = 0.15/0.25 = 0.6

r

33 = 0.25 / max{0.2; 0.15; 0.25} = 0.25/0.25 = 1

r

14 = 0.5 / max{0.5; 0.4; 0.15} = 0.5/0.5 = 1

r

24 = 0.4 / max{0.5; 0.4; 0.15} = 0.4/0.5 = 0.8

r

34 = 0.15 / max{0.5; 0.4; 0.15} = 0.15/0.5 = 0.3

hasilnya diperoleh matriks baru yang telah dinormalisasi sebagai berikut:

0.333 1 0.8 1

X = 0.667 0.833 0.6 0.8

1 1 1 0.3

Proses perangkingan diperoleh berdasarkan persamaan 2 dengan perhitungan sebagai berikut:

V1 = (0.15)(0.333) + (0.35)(1) + (0.2)(0.8) + (0.3)(1)

= 0.04995 + 0.35 + 0.16 + 0.3 = 0.85995

V2 = (0.15)(0.667) + (0.35)(0.833) + (0.2)(0.6) + (0.3)(0.8)

= 0.1 + 0.309 + 0.12 + 0.24 = 0.769


(52)

V3 = (0.15)(1) + (0.35)(1) + (0.2)(1) + (0.3)(0.3)

= 0.15 + 0.35 + 0.2 + 0.09 = 0.79

Nilai terbesar ada pada V1 sehingga alternatif A1 adalah alternatif yang terpilih

sebagai alternatif terbaik. Dengan kata lain solusi terbaik berdasarkan perhitungan WSM untuk nilai kriteria yang diinginkan oleh user adalah Saas (Software as a Service).

Metode WPM

Tabel 3.3 Tabel Matriks WPM (Weighted Product Model)

KRITERIA 1 KRITERIA 2 KRITERIA 3 KRITERIA 4

ALTERNATIF 1 10 30 20 50

ALTERNATIF 2 20 25 15 40

ALTERNATIF 3 30 30 25 15

0.333 1 0.8 1

X = 0.667 0.833 0.6 0.8

1 1 1 0.3

Bobot preferensi yang di inginkan oleh decision maker adalah: W = (15%, 35%, 30%, 30%)

W = (0.15, 0.35, 0.2, 0.3)

Apabila diketahui W = (0.15, 0.35, 0.2, 0.3) maka nilai perbaikan bobot nya adalah : w1 = 0.15/(0.15 + 0.35 + 0.2 + 0.3)

= 0.15

w2 = 0.35/(0.15 + 0.35 + 0.2 + 0.3)


(53)

w3 = 0.2/(0.15 + 0.35 + 0.2 + 0.3)

= 0.2

w4 = 0.3/(0.15 + 0.35 + 0.2 + 0.3)

= 0.3

Langkah kedua adalah menghitung nilai vektor S menggunakan rumus 3. S1 = (0.333-0,15) (10.35) (0.8-0.2) (10.3)

= (1.1793)(1)(1.0456)(1) = 1.2330

S2 = (0.667-0,15) (0.8330.35) (0.6-0.2) (0.80.3)

= (1.0626)(0.9380)(1.1075)(0.9385) = 1.0323

S3 = (1-0,15) (10.35) (1-0.2) (0.30.3)

= (1)(1)(1)(0.6968) = 0.6968

Setelah vektor S dihitung, langkah selanjutnya melakukan perhitungan nilai vektor V. Nilai vektor V yang akan digunakan untuk perankingan dapat dihitung sebagai berikut:

V1 = 1.2330/ (1.2330 + 1.0323 + 0.6968)

= 1.2330/ 2.9621 = 0.4162

V2 = 1.0323 / (1.2330 + 1.0323 + 0.6968)

= 1.0323/ 2.9621 = 0.3485

V3 = 0.6968 / (1.2330 + 1.0323 + 0.6968)

= 0.6968 / 2.9621 =0.2352

Nilai terbesar ada pada V3 sehingga alternatif A3 adalah alternatif yang terpilih


(54)

merupakan solusi yang paling tepat berdasarkan perhitungan yang dilakukan untuk dipilih oleh user.

3.4 Perancangan Aplikasi

3.4.1 Use – Case Diagram Aplikasi

Analisis setiap interaksi yang terjadi antara pengguna dan sistem dapat dipahami secara mudah melalui use-case diagram. Use-case berperan menggambarkan interaksi antar komponen-komponen yang berperan dalam sistem yang akan dirancang.

SOLUSI WSM

INPUT NILAI KRITERIA

SOLUSI WPM

NILAI KRITERIA ALTERNATIF NORMALISASI MATRIKS NILAI

KRITERIA PROSES

PERHITUNGAN WSM NILAI PEMEROESAN

PERBAIKAN NILAI INPUT

PROSES PERHITUNGAN WPM NILAI PEMEROESAN


(55)

3.4.2 Activity Diagram

Activity diagram menggambarkan berbagai alir aktivitas dalam sistem yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang mungkin terjadi, dan bagaimana mereka berakhir. Activity diagram tidak menggambarkan behaviour internal sebuah sistem (dan interaksi antar subsistem) secara eksak, tetapi lebih menggambarkan proses-proses dan jalur-jalur aktivitas dari level atas secara umum.

MULAI APLIKASI

INPUT NILAI KRITERIA Pemrosesan WSM

SOLUSI WSM Pemrosesan WSM

USER SISTEM


(56)

MULAI APLIKASI

INPUT NILAI KRITERIA Pemrosesan WPM

SOLUSI WPM Pemrosesan WPM

USER SISTEM


(57)

3.4.3 Kamus Data Aplikasi

Kamus data adalah suatu daftar data elemen yang terorganisir dengan definisi yang tetap dan sesuai dengan sistem, sehingga user dan analis sistem mempunyai pengertian yang sama tentang input, output, dan komponen data store. Kamus data ini sangat membantu analis sistem dalam mendefinisikan data yang mengalir di dalam sistem, sehingga pendefinisian data itu dapat dilakukan dengan lengkap dan terstruktur.

PROSES Nilai 1 Nilai 2 Nilai 3 Nilai 4 KRITERIA 1

KRITERIA 2 KRITERIA 3 KRITERIA 4

Gambar 3.8 Form Input Aplikasi

FORM = TOP HEADER + ISI + FOOTER

TOP HEADER = NULL

ISI = KRITERIA 1 + KRITERIA 2 + KRITERIA 3 + KRITERIA 4

KRITERIA 1 = *MAKSIMAL 2 DIGIT* KRITERIA 2 = *MAKSIMAL 2 DIGIT* KRITERIA 3 = *MAKSIMAL 2 DIGIT* KRITERIA 4 = *MAKSIMAL 2 DIGIT*

FOOTER = PROSES


(58)

3.4.4 Tampilan Rancangan User Interface Aplikasi

Tampilan graphic user interface dari aplikasi ini pada pengaplikasiannya menggunakan CSS3 (CascadingStyle Sheet 3) dan juga HTML 5. Sebelumnya akan dijelaskan secara ringkas dan sederhana prototype dari tampilan yang akan dibuat.

1. Tampilan Awal Aplikasi

Tampilan awal atau home dari aplikasi ini dirancang sangat paktis sekali. Dikarenakan dalam penggunaanya kita tidak diharuskan terdaftar atau login kedalam aplikasi terlebih dahulu.

FOOTER GETTING STARTED NAMA APLIKASI MENU DROPDOWN

Gambar 3.9 Tampilan prototype halaman awal aplikasi

2. Tampilan Halaman Getting Started

Setelah me-click tombol getting started maka pengguna akan diarah kepada sebuah halaman, yang menampilkan formulir isian. Selanjutnya tingga mengisikan persentase kebutuhan yang ingin ditetapkan sebagai nilai patokan yang akan diproses oleh sistem.


(59)

TOP HEADER

FOOTER NAMA APLIKASI MENU DROPDOWN

PROSES Nilai 1

Nilai 2

Nilai 3

Nilai 4 KRITERIA 1

KRITERIA 2

KRITERIA 3

KRITERIA 4

Gambar 3.10 Tampilan Form isian

Umpan balik dari pemrosesan tadi adalah sebuah halaman yang meminta kita untuk memilih akan melakukan pemrosesan dengan cara bagaimana.

FOOTER NAMA APLIKASI MENU DROPDOWN

WSM WPM


(60)

3. Tampilan Halaman Hasil

Setelah pengguna memilih salah satu dari dua metode yang ada, maka selanjutnya akan diarahkan ke halaman yang member informasi sputar hasil pemerosesan berdasarkan kepada metode yag dipilih. Dihalaman ini juga disertakan komentar seputar hasil yang diperoleh serta bagaimana apabila pemerosesan dilakukan dengan metode sebaliknya.

FOOTER NAMA APLIKASI MENU DROPDOWN

ALTERNATIF 1 NILAI

NILAI ALTERNATIF 2

ALTERNATIF 3 NILAI

SARAN BERDASARKAN HASIL PERHITUNGAN

LIHAT HASIL PERHITUNGAN METODE LAIN


(61)

BAB 4

IMPLEMENTASI DAN PENGUJIAN

4.1. Implementasi Sistem

Dalam mengimplementasikan metode, penulis memilih menerapkannya ke dalam aplikasi yang berbasis web atau web application. Perancangannya menggunakan bahasa PHP (PHP: Hypertext Preprocessor) , basis data MySQL, HTML 5, dan CSS3(Cascading Style Sheet 3).

a. Halaman Awal

Pada halaman awal aplikasi ini, para pengguna langsung diarahkan kepada menu Getting Started pada layar utama, untuk memulai perhitungan. Terdapat juga beberapa menu tambahan yang dapat menambah pengetahuan pengguna. Seperti pengertian cloud computing, Penjelasan seputar SaaS (Software as a Service), PaaS (Platform as a Service), serta IaaS (Infrastructure as a Servce) yang juga daapat memperkaya pengetahuan si pengguna. Berikut ditampilkan tampilan halaman utama dari aplikasi ini.


(62)

Gambar 4.1 Tampilan Halaman Awal Aplikasi


(63)

b. Form Utama

Halaman ini merupakan umpan balik dari menu Getting Started yang terdapat pada layar utama aplikasi. Akan mengadapkan pengguna kepada sebuah formulir isian. Dimana isi formulir diisikan berdasarkan persentase nilai kebutuhan yang ditentukan langsung oleh pengguna, dalam hal ini decision maker.

Gambar 4.3 Formulir Isian yang akan diisikan oleh pengguna

Sebagai petunjuk yang penting untuk diketahui oleh pengguna, dalam melakukan input nilai ke dalam form isian jumlah total dari keempat nilai yang diinput haruslah tepat seratus persen. Setelah mendefinisikan persentase nilai kriteria yang diharapkan, maka user dapat melihat hasil dari pemerosesan setelah memerintahkan sistem untuk mengeolah nilai-nilai yang ada dengan memilih tombol proses.


(64)

c. Halaman Opsi Pemilihan

Ini merupakan umpan balik dari tombol perintah pemerosesan yang ada pada halaman form isian utama. Hasil pemerosesan bergantung kepada tiga pilihan yang ditawarkan oleh sistem kepada pengguna. Satu diantaranya berfungsi untuk melakukan

pemerosesan ulang dan akan membawa kembali pengguna kepada halaman awal form isian untuk mengulang proses memasukan nilai-nilai kriteria.

Gambar 4.4 Tampilan halaman opsi pada browser

Sesuai dengan konsep pendukung keputusan, dua pilihan lainnya adalah dua cara pemerosesan yang diterapkan dalam aplikasi ini. Pengguna dapat melihatnya satu persatu dimana antara satu dan lainnya dari tautan yang ada saling berkaitan dalam penggunaannya.


(65)

d. Hasil Perhitungan Sistem

Sistem ini dirancang melakukan pemerosesan dua metode dalam waktu yang besamaan, hanya saja aplikasi tidak menampilkan kedua hasilnya secara bersamaan. Pengguna secara sengaja diajak untuk mencari tahu hasil yang didapat dengan mengikuti navigasi yang ada dari tiap tombol yang tersedia.

Gambar 4.5 Tampilan Hasil Perhitungan Metode WPM (Weighted Product Model)

Tombol WPM membawa pengguna langsung kepada hasil akhir perhitungan yang lebih ringkas. Namun, apabila pengguna ingin mengetahui bagaimana hasil pemerosesan secara lengkap dapat memilih link “lihat detail” pada bagian akhir komentar.


(66)

Gambar 4.6 Tampilan Detail Hasil Perhitungan Metode WSM (Weighted Sum Model)

Demikian juga halnya dengan hasil pemerosesan menggunakan metode Weighted Sum Model (WSM). Bilamana pada saat melihat hasil dari WSM, secara langsung pengguna juga dapat melihat hasil dari WPM. Pengguna hanya tinggal memilih tombol “lihat Hasil WPM” atau “lihat hasil WSM” jika pengguna sebelumnya memilih melakukan pemerosesan menggunakan metode WPM.


(67)

Gambar 4.8 Tampilan Detail Hasil Perhitungan Metode WPM

Berdasarkan hasil yang ditampilkan, decision maker dapat menarik sebuah kesimpulan mengenai solusi yang akan ia ambil, berdasarkan kepada hasil perhitungan yang dilakukan sistem dengan kedua metode.

Untuk Mengakhiri pengguna dapat memilih tombol “kembali” yang secara langsung akan membawa pengguna ke halaman “opsi”. Lalu dapat Memilih “Ulangi Pemerosesan” sekaligus me-reset sistem yang tersimpan.


(68)

(69)

BAB 5 PENUTUP

5.1. Kesimpulan

Setelah melewati beberapa paparan khusus mengenai dasar cloud computing, macam layanan yang tersedia, serta metode yang mungkin digunakan untuk membantu mengambil sebuah keputusan, maka didapat kesimpulan sebagai berikut:

1. Sistem Pendukung Keputusan dengan metode Weighted Sum Model (WSM) atau WPM (Weighted Product Model) cocok diterapkan untuk menentukan mana layanan komputasi awan yang paling tepat untuk suatu proses bisnis berdasarkan pengalokasian dana yang direncanakan oleh decision maker. 2. Sistem ini hanya membantu decision maker dalam memilih layanan yang

paling cocok untuk diterapkan berdasarkan persentase biaya yang hendak dialokasikan pada tiap satuan biaya yang umum dihabiskan dalam suatu proses bisnis yang sama.

3. Kedua Metode yang di implementasikan menggunakan prinsip Multi Criteria Decision Making dimana hasil perhitungan adalah solusi terbaik berdasarkan perhitungan nilai kriteria terhadap setiap alternatif yang disediakan.


(70)

5.2. Saran

Tidak ada suatu sistem yang sempurna, tentunya ada beberapa hal yang masih perlu diperbaiki ataupun ditambahkan dari aplikasi ini guna melengkapi dan mengembangkan apa yang sudah dicapai pada saat ini, seperti:

1. Apabila saat ini pengaplikasiannya hanya sampai metode WSM dan WPM maka untuk memperkuat hasil dapat ditambahkan metode lainnya yang penerapannya dapat sesuai dengan studi kasus yang sama.

2. Apabila hasil yang didapatkan oleh sistem berupa urutan nilai-nilai yang terurut, apabila ditampilkan melalui sebuah pie chart atau histogram akan lebih menarik bila ditinjau dari sisi user interface.


(71)

DAFTAR PUSTAKA

Bonczek, Robert H., Holsapple Clyde W. and Whinston Andrew B. Future Directions for Developing Decision Support Systems, June 2007.

Badger L.,Voas J., Tim G., Patt-Corner R., "Cloud Computing Synopsis and

Recomendations", The National Institute of Standards and Technology, May 2012.

Chen, Shu-Jen.1991. Fuzzy Multile Attribute Decision Making. Manhattan, USA. Cathal M. Brugha (1998), “Structuring and Weighting Criteria in Multi

criteria Decision Making (MCDM)” 13th International Conference on Multi Criteria Decision Making, p.229-242.

Gorelik E.,"Cloud Computing Models",working paper CISL #2013-01, January 2013, Composite Insormation System Laboratory, Massachusetts Institute of Technology.

Hwang C.L., and Yoon K., (1981) “Multiple Attribute Decision Making:

Methods and aplications” Springer. Verlag: New York

Kimbrough S., “Management Information Systems Notes, Decision Support”,

1998 Kusrini.2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Andi Yogyakarta.

Kusumadewi, S., Hartati, S., Harjoko, A., dan Wardoyo, R., (2006), Fuzzy Multi Attribute DecisionMaking (Fuzzy MADM), Graha Ilmu, Yogyakarta.

Kunze Marcel, H. Dr., "Cloud Computing mit mathematischen Awendungen", Karlshure Institute of Technology

http://www.math.kit.edu/fakmath/lehre/cloud20122012s/media/cc-02%20ss2012%20basics.pdf

akses terakhir: 22 Juli 2014. 12:10 PM

MacCrimmon K. R., “An Overview of Multiple Objective Decision Making”, In J. L. Cochrane and M. Zeleny(Eds.), Multiple Criteria Decision Making (pp. 18-43), Columbia, SC: University of South Carolina Press, 1973

Surbakti, Irfan. 2002. Sistem Pendukung Keputusan (Decision Support System). Surabaya: Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Sepuluh November.


(72)

(73)

LISTING PROGRAM

Halaman Utama

<html> <head>

<meta charset="utf-8">

<link href="css/metro-bootstrap.css" rel="stylesheet">

<link href="css/metro-bootstrap-responsive.css" rel="stylesheet"> <link href="css/iconFont.css" rel="stylesheet">

<link href="css/docs.css" rel="stylesheet">

<link href="js/prettify/prettify.css" rel="stylesheet"> <!-- Load JavaScript Libraries -->

<script src="js/jquery/jquery.min.js"></script>

<script src="js/jquery/jquery.widget.min.js"></script> <script src="js/jquery/jquery.mousewheel.js"></script> <script src="js/prettify/prettify.js"></script>

<!-- Metro UI CSS JavaScript plugins --> <script src="js/load-metro.js"></script> <!-- Local JavaScript -->

<script src="js/docs.js"></script> <script src="js/github.info.js"></script> <title>IT Public Consultant</title> <style>

</style> </head>

<body class="metro" style="background-color: #efeae3"> <header class="bg-dark" data-load="header.html"></header>


(1)

<div class="">

<div style="background: url(images/cloudbackground.jpg) top left no-repeat; background-size: cover; height: 300px;">

<div class="container" style="padding: 50px 20px">

<h1 class="fg-black">Decision Supporting System WebApp</h1> <h2 class="fg-black">

Helping people to define cloud services for their business<br />

By using two DSS methods either WSM or WPM

</h2>

<a href="opsi.php" class="place-left button red bg-hover-yellow fg-white fg-hover-white bd-orange" style="margin-top: 10px">

<h3 style="margin: 10px 40px">Kembali<span class="icon-play-alt on-left"></span></h3>

</a>

<a href="detilWSM.php" class="place-right button bg-green bg-hover-red fg-white fg-hover-white bd-orange" style="margin-top: 10px">

<h3 style="margin: 10px 40px">Lihat Detil WSM<span class="icon-play-alt on-right"></span></h3>

</a> </div>

</div>

<div class="container"> <div class="grid fluid"> <div class="row">

<?php include "matriksWPM.php";?> <?php include "normalisasiWPM.php";?> <?php include "rankWPM.php";?>

<p>Alternatif yang disarankan adalah yang mendapat nilai terbesar</p>


(2)

</div> </div>

<div class="bg-steel no-tablet-portrait no-phone"> <div class="container padding20 fg-white">

<div class="carousel bg-transparent no-overflow" id="carousel2"> <div class="slide">

<div class="place-right">

<img src="./images/fasilkom-tiA.png" alt="" class="span3"/>

</div>

<h2 class="fg-white ntm">Fuad Alexander Sitanggang</h2> <p class="fg-white">23 Maret 1991, Padang.</p>

<p class="fg-white">Fakultas Ilmu Komputer dan Teknologi Informasi</p>

<p class="fg-white">Universitas Sumatera Utara</p>

</div>

<div class="slide">

<div class="place-right padding20 ntp nrp nbp">

<img src="./images/fasilkom-tiA.png" alt="" class="span3"/> </div>

<h2 class="fg-white ntm">Fuad Alexander Sitanggang</h2> <p class="fg-white">23 Maret 1991, Padang.</p>

<p class="fg-white">Pusat Komunikasi</p>

<p class="fg-white">Kementerian Luar Negeri RI</p>

</div>

<div class="slide">

<div class="place-right">


(3)

</div>

<h2 class="fg-white ntm">Thanks to</h2>

<p class="fg-white">DR. Poltak Sihombing, M.kom.</p> <p class="fg-white">Drs. Agus Salim Harahap, M.Sc.</p>

<p class="fg-white">Mohammad Andri Budiman, S.T., M.Comp.Sc, CJP. </p>

<p class="fg-white">Dian Rachmawati,S.Si., M.kom.</p> </div>

</div> <script>

$(function(){

$("#carousel2").carousel({ height: 210,

period: 5000, duration: 1000, effect: "fade", markers: { show: false }

}); }) </script> </div> </div>

<div class="bg-dark">

<div class="container" style="padding: 10px 0;"> <div class="grid no-margin">

<div class="row no-margin"> <div class="span3 padding10">


(4)

</div> <div class="span6 padding10"> </div>

<div class="span3 padding10"> </div>

</div> </div> </div>

<div class="container tertiary-text bg-dark fg-white" style="padding: 10px"> </div>

</div> </div>

<script src="js/hitua.js"></script> </body>

</html>

HALAMAN PEMEROSESAN WPM

<?php

$hostname = 'localhost';

$username = 'root';

$password = '';

$database = 'database';

$table = 'nilailayanan';

mysql_connect($hostname, $username, $password) or die ('cannot connect, please check the server');


(5)

$sqlMatrik = "SELECT * FROM $table";

$doSql = mysql_query($sqlMatrik);

$tableBobot = 'bobot';

$sqlBobot = "SELECT * FROM $tableBobot"; $doSqlBobot = mysql_query($sqlBobot);

while($arrBobot = mysql_fetch_row ($doSqlBobot)) {

$w =

array($arrBobot[1],$arrBobot[2],$arrBobot[3],$arrBobot[4]); $totalW= array_sum($w);

$wp[1]=round(($arrBobot[1]/$totalW),2); $wp[2]=round(($arrBobot[2]/$totalW),2); $wp[3]=round(($arrBobot[3]/$totalW),2); $wp[4]=round(($arrBobot[4]/$totalW),2); $sqlAlt = "SELECT * FROM $table";

$doSqlAlt = mysql_query($sqlAlt);

while($altGet = mysql_fetch_row ($doSqlAlt)) {

$sumSatu = round(pow(0.1, -$wp[1]),3) *

round(pow(0.3,$wp[2]),3) * round(pow(0.2, -$wp[3]),3) * round(pow(0.5, $wp[4]),3);

$sumDua = round(pow(0.2, -$wp[1]),3) *

round(pow(0.25,$wp[2]),3) * round(pow(0.15, -$wp[3]),3) * round(pow(0.4, $wp[4]),3);

$sumTiga = round(pow(0.3, -$wp[1]),3) *

round(pow(0.3,$wp[2]),3) * round(pow(0.25, -$wp[3]),3) * round(pow(0.15, $wp[4]),3);


(6)

$vSatu = round(($sumSatu /($sumSatu + $sumDua + $sumTiga)),4);

$vDua = round(($sumDua /($sumSatu + $sumDua + $sumTiga)),4);

$vTiga = round(($sumTiga /($sumSatu + $sumDua + $sumTiga)),4);

}

echo "<table width='300' style='border:1px; #ddd; solid; border-collapse:collapse' border=1>";

echo "<th>Alternatif</<th>";

echo "<th>Hasil Perhitungan</<th>"; echo "<tr>";

echo "<th>SaaS</th>"; echo "<th>$vSatu</th>"; echo "</tr>";

echo "<tr>";

echo "<th>PaaS</th>"; echo "<th>$vDua</th>"; echo "</tr>";

echo "<tr>";

echo "<th>IaaS</th>"; echo "<th>$vTiga</th>"; echo "</tr>";

echo "</table>"; }