Institutional Repository | Satya Wacana Christian University: Perancangan dan Implementasi Sistem Pendukung Keputusan untuk Jalan Menggunakan Metode ID3 (Studi Kasus BAPPEDA Kota Salatiga) T1 672007005 BAB II

7

Bab 2

Tinjauan Pustaka

Bab 2 Tinjauan Pustaka

2.1.

Penelitian Terdahulu

Dalam penelitian sebelumnya yang berjudul "Perancangan Klasifikasi Penerimaan Beasiswa Menggunakan Algoritma ID3

(Iterative Dichotomizer Three)" menyatakan bahwa aplikasi yang dibangun berdasarkan algoritma ID3 dapat memberikan saran dalam penentuan beasiswa. Prioritas penentuan ditetapkan pada kriteria IPK yang merupakan root dalam pohon keputusan yang diikuti kriteria latar belakang ekonomi dan wawancara. Dalam penelitian tersebut menggunakan metode yaitu ID3. Untuk

sample data mahasiswa yang menjadi calon penerima beasiswa telah dimasukkan kedalam sistem dan disimpan dalam database. Kemudian sistem mengambil data tersebut dari dalam database

dan menghitung menggunakan algoritma ID3. Berdasar penelitian ini dihasilkan keluaran calon mahasiswa penerima beasiswa. (Lee, 2010)

Penelitian lain mengenai ID3 yang berjudul “Perancangan dan Implementasi Penentuan Most Valuable Player (MVP) Pada Pertandingan Bola Basket” menyatakan bahwa penggunaan algoritma ID3 dapat membantu dalam pengambilan keputusan. Dalam Penentuan MVP ditentukan ketika saat mereka pasti akan

bertanding, sehingga data dimasukkan dengan atribut setiap pemain ke dalam sistem. Sistem melakukan perhitungan menurut data yang dimasukkan yang hasil keluaran merupakan penentuan MVP dalam suatu permaian bola basket. (Wibowo, 2009)

Pada penelitian ini algoritma ID3 akan digunakan dalam perhitungan yang akan menghasilkan pohon keputusan. Di mana pohon keputusan tersebut akan digunakan untuk menentukan jalan yang akan diperbaiki atau tidak diperbaiki dalam ajuan perbaikan jalan oleh masyarakat. Data yang digunakan dalam penelitian ini akan diambil secara otomatis dari database, di mana data ini dimasukkan oleh administrator dan semua proses perhitungan algoritma ID3 dilakukan oleh sistem yang dipicu oleh administrator.

2.2.

Undang-undang Jalan

Definisi dari jalan adalah prasarana transportasi darat yang meliputi segala bagian jalan, termasuk bangunan pelengkap dan perlengkapannya yang diperuntukkan bagi lalu lintas, yang berada pada permukaan tanah, di atas permukaan tanah, di bawah permukaan tanah dan/atau air, serta di atas permukaan air, kecuali jalan kereta api, jalan lori, dan jalan kabel. Dinyatakan juga bahwa jalan sebagai salah satu prasarana transportasi merupakan unsur penting dalam pengembangan kehidupan berbangsa dan bernegara, dalam pembinaan persatuan dan kesatuan bangsa, wilayah negara, dan fungsi masyarakat serta

dalam memajukan kesejahteraan umum. Dari pernyataan tersebut, maka pemerintah mempunyai hak dan kewajiban dalam penyelenggaraan jalan.

Pemerintah memberi amanat terhadap Pemerintah daerah dan pemerintah kota untuk mendukung terlaksananya penyelenggaraan jalan, dan dibantu umpan balik dari masyarakat sangat diperlukan. Umpan balik inilah yang harus diperhatikan oleh pemerintah, guna medukung tercapainya tujuan tersebut.

Oleh pemerintah dalam pengelompokan jenis jalan, jalan dibagi menurut peruntukan yaitu Jalan Umum, Jalan Khusus dan Jalan Tol.

Jalan Tol adalah jalan umum yang merupakan bagian sistem jaringan jalan dan sebagai jalan nasional yang penggunanya diwajibkan membayar tol. Tol disini diartikan sebagai sejumlah uang yang dibayarkan untuk penggunaan jalan tol.

Jalan khusus adalah jalan yang diselenggarakan oleh pemerintah yang ditujukan bukan untuk lalulintas umum melainkan untuk pendistribusian barang dan jasa. Misalnya jalan di sekitar pelabuhan, jalan kehutanan dan jalan di kawasan industri.

Jalan umum adalah jalan yang penyelenggaraannya oleh pemerintah ditujukan untuk lalulintas umum. Dalam jalan umum menurut fungsinya dikelompokkan ke dalam jalan arteri, jalan kolektor, jalan lokal dan jalan lingkungan. (UU RI No 38, 2004)

2.3.

Sistem Pendukung Keputusan

Konsep Sistem Pendukung Keputusan (SPK) diperkenalkan pertama kali oleh Michael S. Scott Morton dengan istilah

Management Decision System. (Turban dan Aronson, 1998) Proses pengambilan keputusan dibantu menggunakan komputer untuk membantu pengambil keputusan dengan menggunakan beberapa data dan model tertentu untuk menyelesaikan beberapa masalah yang tidak terstruktur.

Sistem Pendukung Keputusan (SPK) memiliki beberapa pengertian di antaranya adalah :

- SPK adalah sistem berbasis komputer interaktif yang membantu pengambil keputusan memanfaatkan data dan model untuk memecahkan masalah terstruktur. (Gorry dan Morton, 1971)

- SPK merupakan gabungan dari sumber daya intelektual individu dengan kemampuan komputer untuk meningkatkan kualitas keputusan untuk manajemen pengambil keputusan yang berurusan dengan masalah semi terstruktur. (Keen dan Morton, 1978)

Keberadaan SPK di dalam perusahaan atau organisasi bukan untuk menggantikan tugas-tugas pengambil keputusan, tetapi merupakan sarana yang membantu bagi mereka dalam pengambilan keputusan. Dengan menggunakan data-data yang

diolah menjadi informasi untuk mengambil keputusan dari masalah-masalah semi-terstruktur.

Dalam implementasi SPK, hasil dari keputusan-keputusan dari sistem bukanlah hal yang menjadi patokan, pengambilan keputusan tetap berada pada pengambil keputusan. Sistem hanya menghasilkan keluaran yang mengkalkulasi data-data sebagaimana pertimbangan seorang pengambil keputusan. Sehingga kerja pengambil keputusan dalam mempertimbangkan keputusan dapat dimudahkan.

Karakteristik sistem pendukung keputusan (Kadarsah, 2002):

- Sistem Pendukung Keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur dengan menambahkan kebijaksanaan manusia dan informasi komputerisasi.

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

- Sistem Pendukung Keputusan, dirancang sedemikian rupa sehingga dapat digunakan/dioperasikan dengan mudah. - Sistem Pendukung Keputusan dirancang dengan

menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi.

Keterbatasan yang dimiliki oleh SPK, di antaranya adalah: - Ada kemampuan dari pengambil keputusan yang tidak

dapat dimodelkan ke dalam sistem. Misalnya intuisi dari pengambil keputusan dalam melaksanakan tugasnya.

- Kemampuan SPK hanya terbatas pada pengetahuan dasar dan model dasar.

- Proses-proses yang dapat dilakukan oleh sistem pendukung keputusan biasanya tergantung juga pada kemampuan perangkat lunak yang digunakannya.

Terdapat beberapa langkah yang harus dilaksanakan dalam proses pengambilan keputusan atau pemodelan menurut Herbert A. Simon, yaitu: Intelligence, Design, Choice dan

Implementation. (Kadarsah, 2002). Langkah-langkah dalam pengambilan keputusan dapat dilihat seperti yang tergambarkan dalam Gambar 2.1.

Intelligence merupakan tahap pertama dalam memulai proses SPK. Proses yang dilakukan adalah pemindaian (Scanning) terhadap lingkungan sekitar mencakup berbagai aktifitas yang mengindikasikan peluang-peluang terjadinya masalah kemudian mengklasifikasikan dan menguraikan secara detail masalah-masalah tersebut sesuai dengan kepemilikannya.

Design adalah tahap dimana mengembangkan dan menganalisis langkah-langkah dalam penyelesaian masalah yang dapat dilakukan. Dalam tahap ini, modul penyelesaian masalah dibangun, dites, divalidasi apakah sudah memenuhi kriteria

pencapaian tujuan. Dalam pemodelan masalah terdapat metode-metode supaya data-data yang dimasukkan dapat menjadi acuan dan memenuhi kriteria minimum dalam sistem. Kriteria minimum tersebut dapat diklasifikasikan menjadi dua tipe, kualitatif dan kuantitatif.

Choice, merupakan tahap dimana penentuan keputusan yang nyata dan diambil suatu pilihan dengan cara perhitungan terhadap data-data masukan, memilih data yang memenuhi kriteria minimum terhadap opsi-opsi yang ada atau tidak dan menentukan opsi terbaik dari data masukan.

Implementation, solusi yang telah terpilih oleh sistem, menjadi inisialisasi awal terhadap hal baru.

Komponen pendukung yang terdapat dalam SPK yang saling terkait seperti yang terdapat dalam Gambar 2.2, yaitu: - Database

Database merupakan tempat dimana data-data yang digunakan oleh sistem disimpan.

- Modelbase

Model merupakan penerapan dari pengetahuan-pengetahuan yang digunakan SPK yang berasal dari kenyataan ke dalam sistem. Suatu model diharapkan mampu menirukan berbagai variabel sehingga dalam pengolahan data dapat terjaga konsistensinya.

- Knowledge Management

Knowledge management merupakan komponen yang keberadaannya opsional atau bertindak sebagai komponen yang berdiri sendiri.

- User Interface

User interface merupakan sarana yang digunakan sebagai penghubung antara sistem dan pengguna secara interaktif.

Gambar 2.2. Hubungan Komponen SPK. (Turban, 1995)

2.4.

Microsoft Visual Studio 2008

Microsoft Visual Studio 2008 merupakan sebuah IDE

(Ingtegrated Development Environment) yang dikembangkan oleh Microsoft. Fitur dari IDE Visual Studio antara lain console application, GUI (Graphical User Interface) application, web application, web service. Bahasa pemrograman yang didukung oleh Microsoft Visual Studio antara lain C/C++ (dengan menggunakan Visual C++), VB .Net(dengan menggunakan Visual Basic .Net), C# (C Sharp) (dengan menggunakan Visual C#) dan beberapa bahasa pemrograman lain seperti: XML/XSLT, HTML/XHTML, JavaScript, CSS.

2.5.

MapServer

MapServer pertama kali dikembangkan oleh Universitas Minnesota dan mendapat dukungan dari NASA, dimana NASA membutuhkan sebuah alat untuk membuat citra dari satelit.

Pada tahun 2005 anggota komite pengarah teknik MapServer, Universitas Minnesota mengumumkan akan membuat Yayasan MapServer dan akan mengembangkan aplikasi pemetaan internet yaitu MapGuide yang akan dikembangkan secara open source dengan memberi nama MapServer Enterprise dan aplikasi MapServer yang sudah ada diubah menjadi MapServer Cheetah namun usaha tersebut gagal. Yayasan MapServer didirikan dengan nama Yayasan OSGeo (Open Source Geospatial Faundation) yang digunakan untuk memasukkan MapServer dan proyek Sistem Informasi Geografis lainnya secara terbuka (open source).

MapServer merupakan pengembangan aplikasi internet yang digunakan untuk pengolahan data spasial (peta). Dalam menggunakan MapServer dapat menggunakan program CGI

(Common Gateway Interface) atau melalui MapScript yang dapat mendukung beberapa bahasa pemrograman seperti PHP, JAVA, Python, C Sharp (C#), Perl, Ruby. MapServer juga dapat dijalankan lintas platform seperti Windows, Linux, Mac OS X dan lainnya.

Dalam pembuatan aplikasi, untuk mengakses data peta digunakan Map File dimana konfigurasi terstruktur peta akan

disimpan. Dalam Map File juga terdapat konfigurasi layer-layer peta, sumber data geografis, proyeksi, simbol-simbol.

2.6.

Metode ID3

(Iterative Dichotomizer Three)

ID3 diperkenalkan petama kali oleh Quinlan pada tahun 1979. ID3 dikembangkan atas dasar Sistem Pembelajaran Konsep(Concept Learning System). Tujuan dari Sistem Pembelajaran Konsep yang dikembangkan Hunt et al. adalah untuk menghasilkan suatu pohon aturan yang mampu mengklasifikasikan suatu objek. ID3 merepresentasi konsep-konsep dalam bentuk pohon keputusan. Aturan-aturan yang dihasilkan oleh ID3 mempunyai relasi yang hirarkis seperti suatu pohon (mempunyai akar, titik, cabang dan daun). (Manongga, 2005)

Untuk menggunakan metode ID3 dibutuhkan kumpulan data yang terdiri dari variabel-variabel masukan dan variabel keluaran. Nilai-nilai yang terdapat dalam setiap variabel mempunyai sifat kategorial.

Data sample yang digunakan oleh ID3 memiliki beberapa syarat, yaitu: (Dankel, 1997)

- Atribute. Atribute yang sama harus memiliki nilai dan dapat menjelaskan setiap contoh.

- Predefined Class. Atribut sudah harus didefinisikan dan tidak dipelajari oleh ID3.

- Discrete Class. Kelas digambarkan secara jelas, kelas-kelas yang berkesinambungan dipecah menjadi kategori-kategori jelas seperti suhu yang panas, sedang, dingin.

- Sufficient Example. Sejak generalisasi induktif dipakai, harus ada uji kasus untuk membedakan pola yang valid dari kejadian yang kebetulan, maka dibutuhkan test case yang cukup.

2.6.1.Pohon (Tree)

Konsep pohon (tree) dalam teori graf merupakan konsep terpenting karena dengan teori graf dapat diterapkan dalam berbagai bidang ilmu. Pohon merupakan graf tak berarah yang terhubung dan tidak mengandung sirkuit dimana dua simpul memiliki paling banyak satu lintasan yang menghubungkanya. Bentuk pohon yang hanya ada satu lintasan dari setiap simpul lainnya maka tidak mungkin dalam lintasan untuk membentuk perulangan yang berkesinambungan melalui serangkaian simpul. (Wahyudin, 2009)

) ( log ) ( ) ( log ) ( )

(S P  ₂P  P  ₂P  Entropy ) ( | | | | ) ( ) , ( ) ( v v A Values

v _S entropy S

S S entropy A S Gain     2.6.2.Entropy

Entropy adalah ukuran rata-rata bit yang dibutuhkan untuk mendapatkan suatu kelas (+ atau -) dari ketidakpastian yang berdasar pada variabel acak pada jumlah sampel. Panjang kode untuk menyatakan informasi secara optimal adalah –log2p bit untuk messages yang mempunyai probabilitas p. (Wahyudin, 2009)

Rumus persamaan dapat dilihat dalam Persamaan 2.1.

(2.1)

Dimana:

- S adalah jumlah sampel data yang digunakan.

- P+ adalah jumlah probabilitas kemungkinan positif dari data sampel untuk kriteria tertentu

- P- adalah jumlah probabilitas kemungkinan negatif dari data sampel untuk kriteria tertentu.

2.6.3.Information Gain

Setelah mendapat entropy dari suatu kumpulan data sample,

maka dapat diukur efektifitas suatu atribut dari suatu klasifikasi data. Ukuran efektifitas ini disebut information gain. Information gain dari suatu atribut dapat dilihat dalam Persamaan 2.2. (Mitchell, 1997)

Dimana:

A = Atribut

v = Menyatakan suatu nilai yang mungkin untuk atribut A

Values (A) = Himpunan nilai-nilai yang mungkin untuk atribut A

|Sv| = Jumlah sampel untuk nilai v

|S| = Jumlah seluruh sampel data

Entropy (Sv) = Entropy untuk sampel-sampel yang memiliki nilai v

Cara kerja metode ID3 adalah dengan menentukan nilai bobot dari setiap atribut, kemudian dilanjutkan dengan proses pemilihan alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud adalah pengajuan yang berhak ditindaklanjuti berdasarkan kriteria-kriteria yang ditentukan. Proses tersebut akan terus digunakan untuk proses yang sama (rekursif) dan nantinya akan terbentuk pohon keputusan. Apabila suatu atribut telah menjadi cabang (node) maka atribut tidak dimasukkan ke dalam perhitungan nilai information gain. Proses ini akan berhenti pada saat semua data dari anak cabang telah termasuk dalam kelas yang sama atau jika semua atribut telah digunakan tapi masih tersisa dalam kelas yang berbeda.

Gambar 2.2. Hubungan Komponen SPK. (Turban, 1995)

2.4.

Microsoft Visual Studio 2008

Microsoft Visual Studio 2008 merupakan sebuah IDE

(Ingtegrated Development Environment) yang dikembangkan oleh Microsoft. Fitur dari IDE Visual Studio antara lain console application, GUI (Graphical User Interface) application, web application, web service. Bahasa pemrograman yang didukung oleh Microsoft Visual Studio antara lain C/C++ (dengan menggunakan Visual C++), VB .Net(dengan menggunakan Visual Basic .Net), C# (C Sharp) (dengan menggunakan Visual C#) dan beberapa bahasa pemrograman lain seperti: XML/XSLT, HTML/XHTML, JavaScript, CSS.

2.5.

MapServer

MapServer pertama kali dikembangkan oleh Universitas Minnesota dan mendapat dukungan dari NASA, dimana NASA membutuhkan sebuah alat untuk membuat citra dari satelit.

Pada tahun 2005 anggota komite pengarah teknik MapServer, Universitas Minnesota mengumumkan akan membuat Yayasan MapServer dan akan mengembangkan aplikasi pemetaan internet yaitu MapGuide yang akan dikembangkan secara open source dengan memberi nama MapServer Enterprise dan aplikasi MapServer yang sudah ada diubah menjadi MapServer Cheetah namun usaha tersebut gagal. Yayasan MapServer didirikan dengan nama Yayasan OSGeo (Open Source Geospatial Faundation) yang digunakan untuk memasukkan MapServer dan proyek Sistem Informasi Geografis lainnya secara terbuka (open source).

MapServer merupakan pengembangan aplikasi internet yang digunakan untuk pengolahan data spasial (peta). Dalam menggunakan MapServer dapat menggunakan program CGI

(Common Gateway Interface) atau melalui MapScript yang dapat mendukung beberapa bahasa pemrograman seperti PHP, JAVA, Python, C Sharp (C#), Perl, Ruby. MapServer juga dapat dijalankan lintas platform seperti Windows, Linux, Mac OS X dan lainnya.

Dalam pembuatan aplikasi, untuk mengakses data peta digunakan Map File dimana konfigurasi terstruktur peta akan

disimpan. Dalam Map File juga terdapat konfigurasi layer-layer peta, sumber data geografis, proyeksi, simbol-simbol.

2.6.

Metode ID3

(Iterative Dichotomizer Three)

ID3 diperkenalkan petama kali oleh Quinlan pada tahun 1979. ID3 dikembangkan atas dasar Sistem Pembelajaran Konsep(Concept Learning System). Tujuan dari Sistem Pembelajaran Konsep yang dikembangkan Hunt et al. adalah untuk menghasilkan suatu pohon aturan yang mampu mengklasifikasikan suatu objek. ID3 merepresentasi konsep-konsep dalam bentuk pohon keputusan. Aturan-aturan yang dihasilkan oleh ID3 mempunyai relasi yang hirarkis seperti suatu pohon (mempunyai akar, titik, cabang dan daun). (Manongga, 2005)

Untuk menggunakan metode ID3 dibutuhkan kumpulan data yang terdiri dari variabel-variabel masukan dan variabel keluaran. Nilai-nilai yang terdapat dalam setiap variabel mempunyai sifat kategorial.

Data sample yang digunakan oleh ID3 memiliki beberapa syarat, yaitu: (Dankel, 1997)

- Atribute. Atribute yang sama harus memiliki nilai dan dapat menjelaskan setiap contoh.

- Predefined Class. Atribut sudah harus didefinisikan dan tidak dipelajari oleh ID3.

- Discrete Class. Kelas digambarkan secara jelas, kelas-kelas yang berkesinambungan dipecah menjadi kategori-kategori jelas seperti suhu yang panas, sedang, dingin.

- Sufficient Example. Sejak generalisasi induktif dipakai, harus ada uji kasus untuk membedakan pola yang valid dari kejadian yang kebetulan, maka dibutuhkan test case yang cukup.

2.6.1.Pohon (Tree)

Konsep pohon (tree) dalam teori graf merupakan konsep terpenting karena dengan teori graf dapat diterapkan dalam berbagai bidang ilmu. Pohon merupakan graf tak berarah yang terhubung dan tidak mengandung sirkuit dimana dua simpul memiliki paling banyak satu lintasan yang menghubungkanya. Bentuk pohon yang hanya ada satu lintasan dari setiap simpul lainnya maka tidak mungkin dalam lintasan untuk membentuk perulangan yang berkesinambungan melalui serangkaian simpul. (Wahyudin, 2009)

) ( log ) ( ) ( log ) ( )

(S P  ₂P  P  ₂P  Entropy ) ( | | | | ) ( ) , ( ) ( v v A Values

v _S entropy S

S S entropy A S Gain     2.6.2.Entropy

Entropy adalah ukuran rata-rata bit yang dibutuhkan untuk mendapatkan suatu kelas (+ atau -) dari ketidakpastian yang berdasar pada variabel acak pada jumlah sampel. Panjang kode untuk menyatakan informasi secara optimal adalah –log2p bit untuk messages yang mempunyai probabilitas p. (Wahyudin, 2009)

Rumus persamaan dapat dilihat dalam Persamaan 2.1.

(2.1)

Dimana:

- S adalah jumlah sampel data yang digunakan.

- P+ adalah jumlah probabilitas kemungkinan positif dari data sampel untuk kriteria tertentu

- P- adalah jumlah probabilitas kemungkinan negatif dari data sampel untuk kriteria tertentu.

2.6.3.Information Gain

Setelah mendapat entropy dari suatu kumpulan data sample,

maka dapat diukur efektifitas suatu atribut dari suatu klasifikasi data. Ukuran efektifitas ini disebut information gain. Information gain dari suatu atribut dapat dilihat dalam Persamaan 2.2. (Mitchell, 1997)

Dimana:

A = Atribut

v = Menyatakan suatu nilai yang mungkin untuk atribut A

Values (A) = Himpunan nilai-nilai yang mungkin untuk atribut A

|Sv| = Jumlah sampel untuk nilai v

|S| = Jumlah seluruh sampel data

Entropy (Sv) = Entropy untuk sampel-sampel yang memiliki nilai v

Cara kerja metode ID3 adalah dengan menentukan nilai bobot dari setiap atribut, kemudian dilanjutkan dengan proses pemilihan alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud adalah pengajuan yang berhak ditindaklanjuti berdasarkan kriteria-kriteria yang ditentukan. Proses tersebut akan terus digunakan untuk proses yang sama (rekursif) dan nantinya akan terbentuk pohon keputusan. Apabila suatu atribut telah menjadi cabang (node) maka atribut tidak dimasukkan ke dalam perhitungan nilai information gain. Proses ini akan berhenti pada saat semua data dari anak cabang telah termasuk dalam kelas yang sama atau jika semua atribut telah digunakan tapi masih tersisa dalam kelas yang berbeda.