PENERAPAN METODE ALGORITMA FUZZY PADA APLIKASI SISTEM PENGAMBILAN KEPUTUSAN UNTUK MENGANALISA LOKASI TERBAIK MENDIRIKAN PERUSAHAAN BARU.

APLIKASI SISTEM PENGAMBILAN KEPUTUSAN UNTUK

MENGANALISA LOKASI TERBAIK MENDIRIKAN

PERUSAHAAN BARU

SKRIPSI

Disusun Oleh :

BASUKI RACHMAD

NPM : 0534010294

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”

JAWA TIMUR

ii

Puji syukur penulis panjatkan kehadirat ALLAH SWT yang telah melimpahkan rahmatnya kepada penulis sehingga penulis dapat menyelesaikan Laporan tugas akhir ini dengan baik dan benar.

Penyusunan Laporan tugas akhir ini merupakan prasyarat dalam mengambil Tugas Akhir. Adapun judul Laporan Praktek Kerja Lapangan ini adalah ” PENERAPAN METODE ALGORITMA FUZZY PADA APLIKASI SISTEM PENGAMBILAN KEPUTUSAN UNTUK MENGANALISA LOKASI

TERBAIK BAGI PERUSAHAAN ”.

Tak lupa pada kesempatan ini penulis menyampaikan ucapan terima kasih yang sebesar – besarnya kepada semua pihak yang telah membantu dalam penyelesaian Laporan Tugas Akhir ini. Ucapan terima kasih penulis sampaikan kepada yang terhormat:

1. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN

“Veteran” Jawa Timur.

2. Bapak Basuki Rahmat, SSi, MT selaku Ketua Jurusan Teknik Informatika

UPN “Veteran” Jawa Timur yang sekaligus sebagai Dosen Pembimbing I.

3. Bapak I Gede Susrama MD, ST, M.Kom selaku Dosen Pembimbing II

Laporan Dan ProgramSkripsi yang telah meluangkan begitu banyak waktu,

tenaga dan pikiran serta dengan sabar membimbing penulis dari awal hingga

iii

pada saat penulis menyelesaikan Skripsi dan laporan ini. Yang penulis minta hanya doa restunya, sehingga penulis bisa membuat sesuatu yang lebih baik dari laporan ini.

5. Dosen – Dosen Jurusan Teknik Informatika UPN “VETERAN” JATIM, yang

telah membuat kami membuka pikiran dan merubah pola pikir kami.

6. Seluruh Teman Jurusan Informatika, tanpa kecuali khususnya mas Faizal,

Sugik, Angga Doel, Djoko, Aan, Putra, Dewi, Inyus, Dee-B dan kawan-kawan W.A yang telah berperan penting membantu penulis baik materil, spirituil dan atas dukungannya ”Terima Kasih Yang sebesar-besarnya, dan bagi Yang belum sidang TA, kapan kalian sidang TA. Semoga sukses selalu buat kalian”

Penulis sebagai manusia biasa pasti mempunyai keterbatasan dan banyak

sekali kekurangan, terutama dalam pembuatan laporan ini. Untuk itu penulis sangat membutuhkan kritik dan saran yang membangun dalam memperbaiki penulisan laporan ini.

Surabaya, 2010

iv

DAFTAR ISI

Halaman

ABSTRAK .... ... i

KATA PENGANTAR ... ii

DAFTAR ISI ... iv

DAFTAR GAMBAR ... x

DAFTAR TABEL ... xiii

BAB I PENDAHULUAN ... 1

1.1.Latar Belakang ... 1

1.2.Batasan Masalah ... 3

1.3.Tujuan Dan Manfaat ... 3

1.4.Metodologi Penelitian ... 4

1.5.Sistematika Penulisan ... 4

BAB II TINJAUAN PUSTAKA ... 6

2.1 Konsep Tentang Fuzzy ... 6

2.1.1 Kontrol Logika Fuzzy ... ... 8

2.1.1.1Himpunan Logika Fuzzy ... ... 8

2.1.1.2Fungsi Keanggotaan Himpunan Fuzzy ... ... 9

2.1.1.3Variabel Linguistik ... 12

2.1.1.4Operasi Dasar Himpunan Fuzzy ... 13

2.1.2 Struktur Dasar Sistem Logika Fuzzy ... 14

2.1.2.1Fuzzifikasi …... ... 16

v

2.1.2.4Basis Pengentahuan Fuzzy ... ... 18

2.2 Sistem Pengambilan Keputusan (Decision Support System) ... 19

2.3 Karakteristik dan kemampuan sistem pendukung keputusan ... 20

2.3.1 Komponen Sistem Pendukung Keputusan ... 22

2.3.2 Proses Pengambilan Keputusan ... 23

2.4 Konsep Metode Brown - Gibson ... 27

2.5 Konsep Dasar Sistem Informasi ... 28

2.5.1 Karakteristik Sistem ... 29

2.5.2 Pengertian Sistem ... 32

2.5.3 Komponen Sistem Informasi ... 32

2.5.4 Pengertian Sistem Informasi Manajemen ... 33

2.5.5 Teknik Memperoleh SIstem Informasi ... 33

2.6 Kebutuhan Sistem…… ... 34

2.6.1 Alir Dokumen ( Document Flow ) …… ... 34

2.6.2 Sistem flowchart……... 35

2.7 Desain Sistem……….. ... 36

2.7.1 Desain Input…….. ... 36

2.7.2 Desain Output…… ... 36

2.8 Mengenal Database…… ... 37

2.9 Desain MySQL…….… ... 38

2.9.1 Koneksi Database MySQLDengan PHP…… ... 39

2.10 Pengertian PHP…… ... 39

2.10.1Dasar-Dasar PHP…… ... 40

2.10.2Kelebihan PHP…… ... 41

vi

3.1.1 Fase Pemahaman…… ... 43

3.1.2 Fase Perancangan…… ... 43

3.1.3 Fase Implementasi…… ... 44

3.2 Perancangan Algoritma Fuzzy…… ... 46

3.2.1 Rule Base Fuzzy (Basis Aturan Fuzzy)…… ... 48

3.2.2 Mekanisme Inferensi Fuzzy…… ... 49

3.2.3 Proses Defuzzifikasi…… ... 50

3.3 Perancangan DSS (Descision Support System) …… ... 54

3.3.1 Basis Data …… ... 55

3.3.1.1Diagram Konteks …… ... 56

3.3.1.2Diagram berjenjang…… ... 56

3.3.1.3Diagram Alir Proses ... 57

3.3.1.4Diagram Alir Data (Data Flow Diagram (DFD)) …… ... 58

3.3.1.4.1 Diagram Alir Data Level 0…… ... 59

3.3.1.4.2 Diagram Alir Data Level 1 Pengunjung……... 60

3.3.1.4.3 Diagram Alir Data Level 1 Member…… ... 61

3.3.1.4.4 Diagram Alir Data Level 1 Admin……... 62

3.3.1.5Normalisasi…… ... 63

3.3.1.5.1 Normalisasi Perhitungan Faktor…… ... 63

3.3.1.5.2 Normalisasi Member Faktor…… ... 65

3.3.1.5.3 Normalisasi Hasil Akhir…… ... 66

3.3.1.6Conceptual Data Model (CDM) …… ... 67

3.3.1.7Physical Data Model…… ... 68

3.3.2 Perancangan File Basis Data …… ... 69

vii

3.3.2.3Tabel Kecamatan…… ... 71

3.3.2.4Tabel tbfaktor…… ... 72

3.3.2.5Tabel tbObjektif…… ... 72

3.3.2.6Tabel Nilai Awal…… ... 73

3.3.2.7Tabel tbbobot…… ... 74

3.3.2.8Tabel Membuffer…… ... 75

3.4 Perancangan Perangkat Lunak…… ... 75

3.4.1 Flowchart Sistem…… ... 76

3.4.2 Perancangan Form Utama…… ... 77

3.4.2.1Form Utama…… ... 78

3.4.2.2Form Data Wilayah ... 78

3.4.2.3Form Daftar…… ... 80

3.4.2.4Form View Bobot…… ... 81

3.4.2.5Form View Faktor…… ... 82

3.4.2.6Form Analisa Konvensional…… ... 83

3.4.2.7Form Login…… ... 84

3.4.2.8Form Halaman Depan Admin…… ... 85

3.4.2.9Halaman Tampilan Data Admin ... 86

BAB IV ANALISA DAN PERANCANGAN SISTEM ... 88

4.1Perangkat Lunak Yang digunakan…… ... 88

4.2Implementasi Data …… ... 89

4.2.1 Data Tabel Kecamatan… ... 89

4.2.2 Data Tabel Login……... 89

4.2.3 Data Tabel Member... 90

viii

4.2.6 Data Tabel tbfaktor ... 92

4.2.7 Data Tabel tnilaiawal ... 92

4.3Implementasi Aplikasi Desain Antarmuka ... 93

4.3.1 Form Tampilan Halaman Depan ... 93

4.3.2 Form Pendaftaran Member dan Form Login ... 94

4.3.3 Form Halaman Trial Pengunjung ... 95

4.3.4 Form Halaman Admin... 99

4.3.5 Form Halaman Member ... 103

BAB V UJI COBA DAN EVALUASI PROGRAM ... 107

5.1Uji Coba .. ... 107

5.1.1 Lingkungan Uji Coba ... 107

5.2Implementasi Data ... 108

5.2.1 Data Tabel Member... 108

5.2.2 Data Tabel tblogin ... 108

5.2.3 Data Tabel tbkecamatan ... 109

5.2.4 Data Tabel tbbobot ... 109

5.2.5 Data Tabel Faktor ... 110

5.2.6 Data Tabel tnilaiawal ... 111

5.3Implementasi Aplikasi Desain Antarmuka ... 111

5.3.1 Form Tampilan Home ... 111

5.3.2 Form Pendaftaran dan Login Member ... 112

5.3.3 Halaman Depan Member ... 114

5.3.4 Halaman Form Data Wilayah... 115

5.3.5 Halaman Form Pilih Faktor ... 117

ix

5.3.8 Halaman Cetak Laporan ... 123

5.3.9 Halaman Logout Member ... 124

5.3.10 Halaman Admin ... 125

BAB VI PENUTUP ... 129

6.1Kesimpulan ... 129

6.2Saran ... ... 129

x

Gambar 2.1 Fungsi Keanggotaan Fuzzy ... 7

Gambar 2.2 Fungsi Keanggotaan Crips Set ... 7

Gambar 2.3 Fungsi Keanggotaan Segitiga ... 10

Gambar 2.4 Fungsi Keanggotaan Trapesium ... 11

Gambar 2.5 Fungsi Keanggotaan π ... 12

Gambar 2.6 Sistem Logika Fuzzy dengan Fuzzifikasi dan Defuzzifikasi .. 15

Gambar 2.7 Mekanisme Pengaksesan MySQL Melalui Web Browser ... 38

Gambar 2.8 Hasil Dari File coba1.PHP... 41

Gambar 3.1 Metodologi Penelitian Sistem Pengambilan Keputusan ... 45

Gambar 3.2 SistemFuzzy ... 47

Gambar 3.3 Fungsi Keanggotaan Fuzzy ... 47

Gambar 3.4 Fungsi Keanggotaan Na dan Ke ... 53

Gambar 3.5 Rancangan Global Sist em ... 55

Gambar 3.6 Hubungan ent it y SubSist em Dat a ... 55

Gambar 3.7 Diagram Kont ek Sist em Pengambilan Keput usan ... 56

Gambar 3.8. Diagram berjenjang Sist em Pengambilan Keput usan ... 57

Gambar 3.9 Diagram alir proses perhit ungan fakt or ... 58

Gambar 3.10 Data Flow Diagram Level 0 ... 60

Gambar 3.11 Data Flow Diagram Level 1 Pengunjung ... 61

Gambar 3.12 Data Flow Diagram Level 1 Member ... 62

Gambar 3.13 Data Flow Diagram Level 1 Admin ... 63

Gambar 3.14 Concept ual Dat a M odel ... 68

xi

Gambar 3.17 Flowchart Sistem Lanjutan ... 77

Gambar 3.18 Tampilan Menu Utama... 79

Gambar 3.19 Form Data Wilayah ... 80

Gambar 3.20 Form Daftar ... 81

Gambar 3.21 Form View Bobot ... 82

Gambar 3.22 Form Master Subjektif ... 83

Gambar 3.23 Form Analisa Konvensional ... 84

Gambar 3.24 Form Login ... 85

Gambar 3.25 Rancangan Menu Halaman Admin ... 86

Gambar 3.26 Rancangan Halaman Utama Admin ... 86

Gambar 3.27 Rancangan Halaman Dat a Fakt or Khusus Admin ... 87

Gambar 3.28 Rancangan Halaman Dat a Wilayah Khusus Admin ... 87

Gambar 4.1 Form Halaman Utama ... 93

Gambar 4.2 Form Pendaftaran Member ... 94

Gambar 4.3 Form Halaman Login ... 95

Gambar 4.4 Form Daftar Wilayah ... 96

Gambar 4.5 Form Pilih Faktor ... 97

Gambar 4.6 Form Bobot Faktor ... 97

Gambar 4.7 Form Analisa Fuzzy ... 98

Gambar 4.8 Form Analisa Konvensional ... 99

Gambar 4.9 Form Halaman Awal Admin ... 100

Gambar 4.10 Halaman Daftar Member Admin... 100

Gambar 4.11 Halaman Daftar Wilayah Admina ... 101

Gambar 4.12 Form Halaman Daftar Faktor ... 102

xii

Gambar 4.15 Form Halaman Input Wilayah Member ... 104

Gambar 4.16 Form Halaman Pilih Dan Tambah Faktor ... 105

Gambar 4.17 Halaman Perhitungan Nilai Awal ... 106

Gambar 5.1 Form Halaman Utama ... 112

Gambar 5.2 Form Pendaftaran Member ... 113

Gambar 5.3 Form Halaman Login ... 114

Gambar 5.4 Halaman Depan Member ... 115

Gambar 5.5 Halaman Data Wilayah Member ... 116

Gambar 5.6 Konfirmasi Input Data Wilayah ... 116

Gambar 5.7 Halaman Pilih Faktor ... 117

Gambar 5.8 Form Edit Dan Tambah Faktor ... 118

Gambar 5.9 Halaman Form Konfirmasi Data Faktor... 119

Gambar 5.10 Halaman Form Master Bobot ... 119

Gambar 5.11 Halaman Form Index Bobot Faktor ... 120

Gambar 5.12 Form Master Bobot Faktor Objektif ... 121

Gambar 5.13 Halaman Konfirmasi Data Inputan Master Bobot... 121

Gambar 5.14 Halaman View Analisa Fuzzy ... 122

Gambar 5.15 Halaman View Analisa Konvensional ... 123

Gambar 5.16 Halaman Cetak Laporan ... 124

Gambar 5.17 Halaman Logout Member ... 124

Gambar 5.18 Form Halaman Awal Admin ... 125

Gambar 5.19 Halaman Daftar Member Admin... 126

Gambar 5.20 Halaman Daftar Wilayah Admin... 127

Gambar 5.21 Form Halaman Faktor ... 128

xiii

Tabel 3.1 Rule Base Sistem ... 49

Tabel 3.2 Proses Kwantisasi ... 52

Tabel 3.3 Bentuk Diskrit ... 53

Tabel 3.4 Tabel Login ... 70

Tabel 3.5 Tabel Member ... 71

Tabel 3.6 Tabel Kecamatan... 71

Tabel 3.7 Tabel Faktor ... 72

Tabel 3.8 Tabel Objektif ... 73

Tabel 3.9 Tabel Nilaiawal ... 74

Tabel 3.10 Tabel Bobot ... 74

Tabel 3.11 Tabel Membuffer ... 75

Tabel 4.1 Tabel Data Kecamatan ... 89

Tabel 4.2 Tabel Data Login ... 90

Tabel 4.3 Tabel Data Member ... 90

Tabel 4.4 Tabel Data Membuffer ... 91

Tabel 4.5 Tabel Data Bobot ... 91

Tabel 4.6 Tabel Data Faktor... 92

Tabel 4.7 Tabel Data Nilaiawal ... 92

Tabel 5.1 Data Member... 108

Tabel 5.2 Data User... 108

Tabel 5.3 Data Wilayah... 109

Tabel 5.4 Data Bobot Faktor ... 110

Tabel 5.5 Data Faktor ... 110

PENDUKUNG KEPUTUSAN UNTUK MENGANALISA LOKASI

TERBAIK MENDIRIKAN PERUSAHAAN

SKRIPSI

Diajukan untuk Memenuhi Sebagai Persyaratan

Dalam Memperoleh Gelar Sarjana Komputer

Jurusan Teknik Informatika

Disusun oleh :

BASUKI RACHMAD

NPM. 0534010294

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAWA

TIMUR

SURABAYA

2010

PENERAPAN METODE ALGORITMA FUZZY PADA APLIKASI SISTEM PENDUKUNG KEPUTUSAN UNTUK MENGANALISA LOKASI

TERBAIK MENDIRIKAN PERUSAHAAN BARU

Oleh

BASUKI RACHMAD NPM : 0534010294

Telah disetujui untuk mengikuti Ujian Negara Lisan Gelombang V Tahun Akademik 2009/2010

Menyetujui,

Pembimbing Utama Pembimbing Pendamping

Basuki Rahmat, S.Si, MT I Gede Susrama MD,ST, M.Kom

NPT. 369 070 602 13 NPT. 370 060 640 210

Mengetahui

Ketua Jurusan Teknik Informatika Fakultas Teknologi Industri

Universitas Pembangunan Nasional ”Veteran” Jawa Timur

Basuki Rahmat, S.Si, MT NPT. 369 070 602 13

FAKULTAS TEKNOLOGI INDUSTRI

Jl. Raya Rungkut Madya Gunung Anyar Telp. (031) 8706369 (Hunting). Fax. (031) 8706372 Surabaya 60294

KETERANGAN REVISI

Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut : Nama : Basuki Rachmad

NPM : 0534010294 Jurusan : Teknik Informatika

Telah mengerjakan revisi/ tidak ada revisi*) pra rencana (design)/ skripsi ujian lisan gelombang V, TA 2009/2010 dengan judul :

” PENERAPAN METODE ALGORITMA FUZZY PADA APLIKASI SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN LOKASI TERBAIK MENDIRIKAN PERUSAHAAN BARU ”

Surabaya, 18 Juni 2010 Dosen Penguji yang memerintahkan revisi :

1) Guendra Kusuma, S.Si, M.Kom

{

}

2) Nurcahyo Wibowo, S.Kom, M.Kom

{

}

NPT. 379 030 401 97

3) Anny Yuniarti, S.Kom, M.Comp.Sc

{

}

Mengetahui,

Pembimbing Utama

Basuki Rahmat, S.Si, MT

NPT. 369 070 602 13

Pembimbing kedua

I Gede Susrama MD,ST, M.Kom

PENERAPAN METODE ALGORITMA FUZZY PADA APLIKASI

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN

LOKASI TERBAIK MENDIRIKAN PERUSAHAAN BARU

Oleh :

Basuki Rachmad

NPM : 0534010294

Telah dipertahankan di hadapan dan diterima oleh Tim Penguji Skripsi Jurusan Teknik Informatika Fakultas Teknologi Industri

Universitas Pembangunan Nasional ”Veteran” Jawa Timur Pada Tanggal 11 Juni 2010

2. 2.

3.

Mengetahui

Dekan Fakultas Teknologi Industri

Universitas Pembangunan Nasional ”Veteran” Jawa Timur

Ir. Sutiyono, MT NIP. 030191025 Pembimbing :

1.

Basuki Rahmat, S.Si, MT NPT. 369 070 602 13

Penguji :

1.

Guendra Kusuma W, S.Si, M.Kom

I Gede Susrama MD,ST, M.Kom NPT. 370 060 640 210

Nurcahyo Wibowo, S.Kom, M.Kom NPT. 379 030 401 97

i

PENGAMBILAN KEPUTUSAN UNTUK MENGANALISA LOKASI TERBAIK MENDIRIKAN PERUSAHAAN BARU

Penyusun : Basuki Rachmad

Pembimbing I : Basuki Rahmat,S.Si,MT

Pembimbing II : I Gede Susrama MD. ST. M.Kom

ABSTRAKSI

Kota-kota besar merupakan daerah yang sangat strategis karena pusat dari perdagangan dan Industri. Hal ini terlihat dari setiap perkembangan yang ada didalam kota-kota besar tersebut yang semakin maju. Perencanaan kota juga sudah mulai berkembang terlihat dengan banyaknya gedung yang baru dibangun. Perkembangan dari setiap kota juga terlihat dari perkembangan penduduknya. Permasalahan yang sering muncul Masih banyak perusahaan-perusahaan yang masih berada di kota. Hal ini akan sangat menyulitkan bagi perencanaan kota yang semakin berkembang. Disamping itu limbah industri sudah mencapai tingkat ketinggian sampai di luar batas terutama bagi perusahaan yang masih ada di kota.

Pada penelitian Tugas Akhir ini, dilakukan pembuatan suatu aplikasi sistem terpadu berupa Decision Suport System (DSS) atau sistem pendukung keputusan untuk mengolah data-data pendukung tersebut dalam bentuk Website

yang akan membantu menyelesaikan permasalahan tersebut, dengan

memanfaatkan metode algoritma fuzzy, dan perangkat lunak yang digunakan

adalah PHP. Yang nantinya akan menjadi sistem informasi secara integral guna mendukung penentuan lokasi pendirian suatu perusahaan yang strategis karena Lokasi akan menentukan dekat tidaknya perusahaan tersebut ke sumber bahan baku ataupun jasa pemasarannya. Dari DSS ini nanti akan didapat berapa nilai dari tiap wilayah yang dinilai dengan kurang cocok, cocok dan mana yang sangat cocok untuk mendirikan suatu perusahaan baru.

.

1

PENDAHULUAN

1.1Latar Belakang

Kota-kota besar merupakan daerah yang sangat strategis karena pusat dari perdagangan dan Industri. Hal ini terlihat dari setiap perkembangan yang ada didalam kota-kota besar tersebut yang semakin maju. Perencanaan kota juga sudah mulai berkembang terlihat dengan banyaknya gedung yang baru dibangun. Perkembangan dari setiap kota juga terlihat dari perkembangan penduduknya.

Masih banyak perusahaan-perusahaan yang masih berada di kota. Hal ini akan sangat menyulitkan bagi perencanaan kota yang semakin berkembang. Oleh karena itu letak perusahaan yang masih berada di kota sudah tidak sesuai dengan perkembangan kota, sehingga lokasi perusahaan harus dipindah ke daerah yang agak jauh dari kota. Disamping itu limbah industri sudah mencapai tingkat ketinggian sampai di luar batas terutama bagi perusahaan yang masih ada di kota.

Lokasi akan menentukan dekat tidaknya perusahaan tersebut ke sumber bahan baku ataupun jasa pemasarannya. Jarak dari perusahaan ke dua tempat ini juga menentukan pula metode transportasi yang digunakan.Dilihat dari luas wilayah, masih banyak lahan yang memadai untuk membangun perusahaan agar perencanaan kota dapat berjalan dengan baik. Dari segi transportasi juga tidak begitu sulit karena hal itu dapat dilakukan dengan menggunakan truk atau kendaraan lainnya ke kota sehingga dapat langsung dikirim ke luar daerah. Selain itu juga ada alasan perusahaan memilih daerah sebagai lokasi pabriknya adalah karena keuntungan-keuntungan berikut ini :

1. upah buruh relatif lebih murah

2. harga tanah relatif lebih murah daripada di kota-kota besar dan tanah yang luas banyaknya tersedia untuk kemungkinan perluasan

3. banyak mempunyai hubungan transportasi ke kota-kota besar sebagai

pasar untuk barang-barang yang dihasilkannya

4. pajak-pajak pada umumnya lebih rendah daripada kota-kota besar 5. biaya-biaya gedung/bangunan biasanya lebih murah/rendah

6. adanya persediaan tenaga kerja yang besar dibandingkan dengan daerah-daerah yang jauh di luar kota

7. sedikitnya pembolosan karena kesempatan kerja disini kurang

Di daerah belum terdapat sistem informasi yang secara integral maka penerapannya sangat sulit terutama untuk perusahaan-perusahaan yang sudah berkembang atau yang sedang berkembang. (Maarif, M.S, Tanjung, H. 2003)

Untuk itu perlu adanya suatu sistem informasi yang akan dikembangkan ke dalam bentuk Data sistem terpadu untuk mengolah data-data pendukung tersebut, dengan memanfaatkan metode algoritma fuzzy, dan perangkat lunak yang digunakan adalah PHP. yang akan dapat memecahkan masalah yang timbul baik itu bagi perusahaan ataupun bagi pihak perencanaan kota itu sendiri.

1.2Perumusan Masalah

Dari permasalahan yang telah dijelaskan sebelumnya, maka dapat dirumuskan segala permasalahan yang akan dijadikan pokok pembahasan didalam skripsi atau tugas akhir ini, yaitu :

• Bagaimana Merancang suatu sistem pendukung keputusan untuk menentukan penempatan perusahaan-perusahaan atau industri-industri di daerah-daerah tertentu dengan menggunakan metode algoritma fuzzy.

• Bagaimana menerapkan metode fuzzy pada bahasa pemrograman website

dengan PHP

1.3Batasan Masalah

• Merancang suatu sistem pendukung keputusan untuk menentukan penempatan

perusahaan-perusahaan atau industri-industri di daerah-daerah tertentu dengan menggunakan metode algoritma fuzzy.

• Pembuatan program dengan menggunakan PHP

• Penentuan nilai awal dengan metode Brown-Gibson.

• Di buat rule-rule base secara statik berdasarkan metode diatas dalam sistem.

• Tidak membahas database-nya, sebagai penyimpan data 1.4 Tujuan dan Manfaat

Tujuan dari Skripsi ini adalah :

• Membuat sistem informasi secara integral guna mendukung penentuan lokasi perusahaan yang strategis

• Membuat sistem pendukung keputusan dengan menggunakan Algoritma

Logika Fuzzy, dengan PHP

Dan Manfaat yang dapat diambil nantinya adalah :

• Memahami program pengambilan keputusan yang digunakan

• Mengerti dan mengetahui lokasi yang strategis dan terbaik bagi perusahaan

• Mengetahui variabel-variabel apa saja yang mempengaruhi penempatan

perusahaan

1.5 Metodologi Penulisan

Penulis dalam Skripsi ini nantinya akan menggunakan metode :

• Study literatur

Mempelajari dan pengumpulan data dan informasi dengan mempelajari buku-buku acuan dan literatur yang berhubungan dengan materi penulisan skripsi.

• Perancangan software dan Pembuatan software

Yaitu merancang dari pada sistem secara keseluruhan perangkat lunak.dan pembuatan atau realisasi dari sistem

• Tes dan analisa

Yaitu mencoba hasil rancangan perangkat lunak dan menganalisa hasil percobaan yang dilakukan.

• Pembuatan Laporan

1.6 Sistematika Penulisan

Sistematika Pembahasan Penulisan Skripsi ini nantinya tersusun atas beberapa sistematis penulisan, yaitu :

BAB I : PENDAHULUAN

Bab ini menerangkan tentang latar belakang permasalahan yang ada, batasan permasalahan, tujuan dan manfaat dari penulisan Skripsi ini, sampai pada metodologi.

BAB II : TINJAUAN PUSTAKA

Semua teori dasar yang diperlukan untuk penulisan Skripsi terdapat pada bab ini.

BAB III : PERENCANAAN SISTEM

Dalam bab ini dijelaskan tentang cara perencanaan dan desain dari sistem.

BAB IV : IMPLEMENTASI PROGRAM

Pada bab ini akan dijelaskan tentang implementasi dan hasil perancangan beserta penjelasan dan penggunaan program yang telah dibuat.

BAB V : UJI COBA DAN EVALUASI

Bab ini melakukan metode percobaan dan pengamatan terhadap sistem yang telah direncanakan

BAB VI : PENUTUP

Pada bab ini berisi tentang kesimpulan dan saran-saran sebagai hasil dari Skripsi ini.

6

TINJAUAN PUSTAKA

2.1 Konsep Tentang Fuzzy

Fuzzy dalam bahasa inggris berarti tidak tentu (indistunc), kabur (blurred), tidak secara jelas terfokus. Istilah fuzzy sets pertama kali diperkenalkan oleh Prof. Lutfi Z. untuk mengadaptasikan konsep kekaburan ke dunia teknis. Dari konsep dasar ini maka lahirlah salah satu cabang rekayasa yang dikenal dengan fuzzy engineering.

Sebagai contoh konsep diatas adalah usia manusia (merupakan contoh dari linguistik), yang dapat bernilai tua, muda setengah baya yang sulit dilihat batasan-batasannya.Dengan menggunakan sistem komputer konvensional tentu saja sulit untuk mengolah variabel-variabel tersebut. Maka munculah konsep Fuzzy.

Penentuan batasan tentang usia atau hal-hal lain yang bersifat kabur tergantung dari mereka yang menentukan, atau pembuat aturan fuzzy tersebut. Suatu misal batasan usia muda. Kita menganggap usia muda antara 15 sampai pada usia 35 tahun, kita tahu bahwa memang usia 10 tahun bukanlah usia muda. Konsep fuzzy menyajikan nilai keanggotaan suatu keadaan pada variabel tertentu dengan harga diantara 0 dan 1 (Gambar 2.1.). Dengan demikian variabel yang sifatnya abstrak dan subyektif dapat dinyatakan secara numerik atau angka, sehingga mudah dilakukan pengolahan.

Apabila dibandingkan dengan fuzzy sistem biner terasa janggal dan aneh karena hanya menggunakan nilai atau harga 1 atau 0 untuk menyatakan suatu

keadaan tertentu (crisp sets : pada Gambar 2.2.). Suatu misal usia kita 35 tahun, kita masih dianggap muda namun setelah lebih satu hari kita sudah dianggap tua.

Gambar 2.1. Fungsi Keanggotaan Fuzzy

Cara bekerja secara fuzzy memang adalah jiplakan cara kerja otak manusia dalam mengendalikan segala sesuatu, dan ini terbukti lebih canggih dari pengendali apapun. Meskipun kita tidak tahu model matematika dari sistem yang akan dikendalikan, kita mampu mengendalikan dengan baik. Dengan keunggulan tersebut maka diadakan usaha agar fuzzy menjadi sebuah pengendali.

2.1.1 Kontrol Logika Fuzzy

Kontrol logika fuzzy termasuk dalam kategori inteligent kontrol. Keunggulan kontrol logika fuzzy ini ialah kemampuannya dalam menggabungkan besaran numerik dan besaran linguistik. Kontrol logika fuzzy berusaha meniru logika manusia dalam mengendalikan suatu plant. Manusia dalam menanggapi suatu kejadian atau fenomena alam, manusia selalu menanggapinya secara kualitatif dengan memakai pernyataan linguistik. Nilai tanggapan manusia ini bersifat kabur, samar tidak pasti (Fuzzy). Kemudian manusia juga mengeluarkan respon secara kualitatif pula, dengan bahasa linguistik.

2.1.1.1 Himpunan Fuzzy

Suatu himpunan fuzzy F dalam semesta X didefinisikan sebagai kumpulan

pasangan x dan fungsi keanggotaan µ_{F(x). Derajat keanggotaan} µ_F(x)

mempunyai nilai dalam interval antara [0,1] untuk tiap nilai x pada X. Nilai fungsi keanggotaan menunjukkan tingkat keanggotaan elemen x dalam F, jika µ_{F (x) = 1} maka menunjukkan bahwa x merupakan anggota penuh F. Tetapi jika µ_{F (x) = 0} maka x bukan anggota dari F.

Secara umum himpunan fuzzy dinotasikan sebagai berikut : F = { (x, µ_{F (x) ) | x} ∈ X }

Bila x diskrit denagn n elemen, F dapat dinyatakan sebagai : F = µ1(x) / x1 + µ2(x) / x2 + µ3(x) / x3 + … + µn(x) / xn

Notasi-notasi '+' dan '/' diatas bukan merupakan operasi aritmatik penjumlahan dan pembagian, tetapi menyatakan operator gabungan dan penghubung nilai fuzzy dan tingkat keanggotaan.

Bila x kontinyu, F dapat dinyatakan sebagai :

F = ∫µF (x) / x ... (2.2)

Dalam himpunan fuzzy F, x dinamakan support / pendukung F. Untuk kasus dimana µF(x) = 0.5 disebut dengan titik silang atau crossover.

Himpunan fuzzy yang penyokong tunggal dengan tingkat keanggotaan µF(x) = 1 disebut dengan fuzzy tunggal atau fuzzy singelton.

2.1.1.2 Fungsi Keanggotaan Himpunan Fuzzy

Fungsi keanggotaan ialah suatu fungsi untuk menentukan derajat keanggotaan dalam pendefinisian himpunan fuzzy tergantung pada bentuk yang akan digunakan. Tetapi secara umum ada dua macam metode pendefenisian yaitu secara numerik dan secara fungsi.

Fungsi keanggotaan yang didefenisikan secara numerik menggunakan penyokong diskrit. Sedangkan fungsi keanggotaan yang didefinisikan dalam bentuk fungsi yaitu dengan mengambil nilai bentuk fungsi untuk tiap penyokong x.

Derajat keanggotaan suatu nilai ditentukan oleh bentuk dari fungsi keanggotaan yang digunakan. Ada beberapa bentuk fungsi keanggotaan yang sering digunakan, yaitu :

1. Fungsi Segitiga (Triangular function)

Gambar 2.3. Fungsi Keanggotaan Segitiga

Representasi matematik dari fungsi keanggotaan segitaiga yaitu :

0 , Jika x < a

(x-a) / (b-a) , Jika a x b

T (x; a,b,c) = (c-x) / (c-x) , Jika b < x < c

0 , Jika x > c

Gambar 2.4. Fungsi KeanggotaanTrapesium

0 , Jika x < a

(x-a) / (b-a) , Jika a < x < b

T (x; a,b,c) = 1 , Jika b < x < c

(c-x) / (c-x) , Jika b < x < c

0 , Jika x > c

3. Fungsi π (phi function)

Representasi matematis fungsi keanggotaan fungsi phi yaitu :

S(x; c-b, c-b/2,c) , untuk x < c

Gambar 2.5. Fungsi Keanggotaan π

2.1.1.3 Variabel Linguistik

Untuk merepresentasikan cara berfikir manusia, teori himpunan fuzzy menggunakan variabel linguistik. Variabel linguistik ini berisi ungkapan-ungkapan yang bersifat kualitatif yang berfungsi untuk menyatakan kondisi dari variabel-variabel proses.

Ungkapan-ungkapan kualitatif ini terus mengikuti proses berfikir manusia sampai suatu keputusan yang diungkapkan secara kualitatif pula. Misalnya : "Jika temperatur melebihi dari set point yang telah ditentukan , maka perkecil harga gain proporsional yang diinputkan ke kontroller".

Pemilihan variabel-variabel linguistik sebagai aksi pengendalian memegang peranan sangat penting dalam menentukan perfomansi unit pengendalian logika fuzzy. Pada kontrol logika fuzzy setiap variabel masukkan dan keluaran dikelompokkan dalam variabel-variabel linguistik seperti tujuh variabel linguistik seperti berikut ini : NB (negative big), NM (negative medium),

NS (negative small), ZE (zero), PS (positive small), PM (positive medium), dan PB (positive big).

Jumlah variabel linguistik yang digunakan mempengaruhi pada kehalusan (smoothing) dari respon sistem yang dihasilkan kontroller logika fuzzy. Karena semakin banyak variabel linguistik akan dapat mendekati kondisi real dari nilai sesungguhnya.

2.1.1.4 Operasi Dasar Himpunan Fuzzy

Pada dasarnya himpunan fuzzy mempunyai banyak sekali operasi fungsi, tetapi yang digunakan untuk perhitungan di sistem pengendalian hanya beberapa saja yaitu operator gabungan (Union), operasi irisan (Intersection) dan operator perkalian (Algebraic Product).

Untuk lebih memperjelas ketiga operator ini maka misalkan ada dua variabel A dan B sebagai himpunan fuzzy dalam semesta pembicaraan X dengan fungsi keanggotaan µA(x) dan µB(x), maka operasi dasar himpunan fuzzy yang dinyatakan dengan operator gabungan, operator irisan dan operator perkalian ialah:

a. Gabungan (Union)

Gabungan dua himpunan fuzzy A dan B dengan masing-masing fungsi keanggotaannya µA(x) dan µB(x) dinyatakan dengan :

b. Irisan (Intersection)

Irisan dua himpunan fuzzy A dan B dengan fungsi keanggotaan µA(x) dan dinyatakan sebagai berikut:

Untuk semua x ∈ X... (2.4)

c. Perkalian aljabar (algebraic product)

Perkalian aljabar dari dua himpunan fuzzy A dan B yang mempunyai fungsi keanggotaan µA(x) dan µB(x) dinyatakan sebagai berikut :

untuk semua x ∈ X ... (2.5)

2.1.2 Struktur Dasar Sistem Logika Fuzzy

Sistem logika fuzzy adalah sistem yang berhubungan langsung dengan konsep tentang fuzzy (yaitu fuzzy sets, linguistik variabel, dan lainnya). Secara garis besar dibedakan menjadi tiga bagian yaitu sistem logika fuzzy murni (pure fuzzy logic system), sistem fuzzy Sugeno dan Takagi serta fuzzy logic sistem dengan fuzzifikasi dan defuzzifikasi. Dari ketiga sistem tersebut, fuzzy logic sistem fuzzifikasi dan defuzzifikasi memiliki keunggulan tersendiri. Yaitu pertama masukan (input) dan keluaranya merupakan variabel yang nyata. Kedua, sistem ini menyediakan hubungan untuk digabungkan dengan if_then rule dari tenaga ahli (human expert). Ketiga, kita memiliki kebebasan untuk menentukan jenis fuzzifikasi, mesin penalaran fuzzy dan defuzifikasi, sehingga kita dapat

memilih atau menentukan sistem fuzzy logic mana yang paling cocok untuk mengendalikan suatu plant tertentu.

Sistem logika fuzzy yang akan digunakan adalah menggunakan defuzzifikasi rata-rata tengah (center average defuzzyfier), aturan penalaran hasil, fuzzyfikasi singleton dan fungsi keanggotaan gaussian yang dinyatakan dalam bentuk (wang 1994) :

... (2.6)

Parameter yang dapat diubah-ubah dari sistem logika fuzzy diatas adalah

dimana : V adalah semesta pembicaraan pada keluaran sedangkan Ui adalah semesta pembicaraan pada masing-masing masukannya.

2.1.2.1 Fuzzifikasi

Sinyal umpan balik yang didapat dari sensor berupa besaran non fuzzy (Crisp). Besaran ini harus ditransformasikan ke dalam bentuk besaran fuzzy dengan bantuan faktor perskala (scaling factor). Faktor perskala diatur sedemikian rupa sehingga seluruh variabel masukan proses terpetakan dalam semesta pembicaraan (universe of discourse) yang telah ditentukan. Penentuan faktor skala untuk sfe (scaling factor error) dan sfde (scaling factor delta error) dilakukan dengan metode heruistik secara coba-coba.

2.1.2.2. Defuzzifikasi

Defuzzifikasi pada dasarnya adalah pemataan ruang aksi kontrol pengendali fuzzy (domain fuzzy) ke dalam ruang aksi penegendalian non-fuzzy (domain crisp)

Secara umum defuzzifikasi dapat dinyatakan dalam bentuk,

Zo = defuzzifier(z) ... (2.7)

Metode defuzzifikasi yang digunakan adalah metode center of grafity (COG) atau center of area (COA), secara diskrit metode ini dapat dinyatakan sebagai berikut :

Dimana Zo adalah aksi pengendalian dalam domain crisp, µi(z) adalah nilai keanggotaan (faktor bobot) yang merupakan hasil dari aturan inferensi Max-min atau Max-Dot atau, z adalah nilai tengah fungsi keanggotaan aksi pengendalian fuzzy.

2.1.2.3 Mekanisme Inferensi Fuzzy

Metode inferensi yang banyak digunakan untuk kontroller logika fuzzy pada saat ini ada dua yaitu metode inferensi max-min dan metode inferensi Max-Dot. Kedua jenis inferensi ini menggunakan penalaran GMP (General Modus Ponen), yaitu penalaran langsung. Untuk memahami kedua metode ini, asumsikan ada kontrol logika fuzzy yang hanya mempunyai dua basis aturan :

aturan 1 : Jika x adalah A1 dan y adalah B1, maka z adalah c.

aturan 2 : Jika x adalah A2 dan y adalah B2, maka z adalah c

Faktor bobot (fire stength) dari aturan ini dinyatakan dengan αi.

Untuk input xo dan yo mempunyai faktor bobot 1 dan 2, dapat dinotasikan sebagai berikut :

α1 = µAi (Xo) Λ฀Bi (Yo)

α2 = µA2 (Xo) Λ฀B2 (Yo)

- Inferensi Max-Min

Dalam inferensi max-min operator yang digunakan untuk inflikasi fuzzy ialah operator minimum Mamdani. Notasi dari inferensi minimum Mamdani ialah sebagai berikut :

(

( )

)(

( )

)

)

(w 1 Ci w 2 c2 w

c α µ α µ

Dimana C ialah konsekuen dari implikasi minimum Mamdani, sedangkan ialah keputusan dari masing-masing basis aturan.

- Inferensi Max-Dot.

Pada metode inferensi max-dot operator yang digunakan untuk implikasi fuzzy ialah operator perkalian Larsen (product Larsen). Adapun keputusan dari masing-masing aturan kontrol dinyatakan sebagai berikut α1.µCi(W). Konsequen hasil implikasi product Larsen dapat ditulis sebagai berikut :

αc(W)= (α1.µci(W)) (α2.µc2(W))

2.1.2.4 Basis pengetahuan fuzzy

Basis pengetahuan fuzzy terdiri dari dua bagian yaitu basis aturan (rule base) dan basis data (data base). Basis pengetahuan merupakan perluasan dari metode inferensi fuzzy. Perluasan metode ini disesuaikan dengan model dari sistem pengendalian yang akan dirancang. Metode GMP kemudian diperluas menjadi aturan fuzzy yang berbentuk MISO (multi input single output).

Adapun bentuk aturan kontrol itu ialah :

Aturan 1 : Jika x adalah A1 dan Y adalah B1, maka z adalah C1.

Aturan 2 : Jika x adalah A2 dan y adalah B2, maka z adalah C2 ...

Aturan N : Jika x adalah An dan y adalah Bn, maka z adalah Cn

Input : x adalah A' dan y adalah B'

Dimana x, y dan z ialah variabel linguistik yang mempresentasikan variabel keadaan proses dan variabel kontrol An, Bn, Cn adalah nilai linguistik untuk variabel x, y, z pada semesta pembicaraan X,Y dan Z

2.2Sistem Pengambilan Keputusan (Decision Support System)

Sistem pengambilan keputusan mempunyai berbagai pengertian yang terus berkembang sesuai dengan perkembangan aplikasi sistem pendukung dalam permasalahan manajemen. Litle (tahun 1995) mendefinisikan SPK sebagai kumpulan prosedur yang berbasis model untuk memproses data dan melakukan justifikasi untuk membantu manajer dalam pengambilan keputusan. Untuk menuju sukses, suatu sistem harus memenuhi beberapa syarat yaitu sederhana, kuat, mudah dikendalikan, adaptif, mudah untuk dimodifikasi. Perkembangan SPK memunculkan konsep baru seperti penggunaan konsep stuktur address yang menimbulkan pro kontra dengan munculnya ide bahwa permasalahan yang tidak terstruktur harus dibuat terstruktur. Bounzech (tahun 1995) mendefinisikan SPK sebagai system berbasis komputer yang terdiri dari 3 komponen yang interaktif, yaitu:

1. Sistem bahasa

Merupakan komunikasi antara pengguna dengan komponen lain dalam SPK 2. Sistem Pengetahuan

Merupakan kumpulan pengetahuan yang utama termasuk dalam SPK sebagai data / prosedur. 3. Sistem pemrosesan masalah yang merupakan penghubung antara dua komponen yang lain

Sedangkan Keen (tahun 1995) menerapkan SPK kedalam situasi dimana sistem akhir dapat dikembangkan melalui proses adaptif yang terdiri dari proses belajar dan evaluasi. Pengertian SPK yang diberikan Keen (tahun 1995) adalah SPK sebagai hasil proses pengembangan dimana pengguna, pembangun SPK dan SPK itu sendiri mempunyai kemampuan untuk mempengaruhi satu sama lain yang menghasilkan sebuah evolusi dan pola yang digunakan.

2.3 Karakteristik dan kemampuan sistem pendukung keputusan

Secara umum tidak ada konsesus tentang pengertian SPK secara khusus, termasuk karakteristik dan kemampuan SPK, berikut ini merupakan karakteristik SPK (tahun 1995) :

1. mendukung pengambilan keputusan terutama pada situasi semi terstruktur atau tidak terstruktur sama sekali dengan menyatukan keputusan yang dibuat manusia dan informasi dari komputer

2. mendukung berbagai level manajemen mulai dari eksekutif atas sampai manajer bawah

3. mendukung bukan hanya keputusan perseorangan tetapi juga untuk

kelompok (group). Permasalahan yang terstruktur sering kali membutuhkan keterlibatan berbagai elemen organisasi dalam hal ini individu-individu dari berbagai departemen

4. mendukung pengambilan keputusan yang bersifat independen maupun

5. mendukung semua tahapan dalam pross pengambilan keputusan mulai dari tahapan penyelidikan, desain, pemilihan sampai dengan implementasi

6. mendukung berbagai proses dan gaya pengambilan keputusan. Hal ini

menyebabkan SPK harus sesuai dengan atribut-atribut yang dimiliki pengambilan keputusan

7. adaptif dengan waktu. Pengambil keputusan harus bersikap reaktif, karena dihadapkan pada kondisi yang harus berubah dan menyesuaikan SPK dengan perubahan-perubahan tersebut. Pleksibel SPK memungkinkan pengguna (user) untuk menambahkan, menghapus, menggabungkan atau mengatur kembali elemen-elemen dasar. Hal ini akan memberikan kemampuan analisa yang cepat

8. mudah digunakan, pengguna harus merasa akrab dengan system yang

dihadapi. Karakteritik semacam user Friendlines, fleksibel, bedaya grafis buat dalam dialog dengan bahasa umum dengan meninggkatkan keefektifan SPK. Karakteristik diatas menuntut bentuk SPK interaktif

9. meningkatkan ektifitas pengambilan keputusan (akurasi, kecepatan,

kualitas) daripada meningkatkan efisiennya (biaya, termasuk biaya pemrosesan komputer)

10.dapat dikendalikan oleh pengambil keputusan dalam langkah-langkah

proses penyelesaian keputusan. SPK ditujukan untuk mendukung pengambil keputusan bukan untuk menggantikan. Pengambil keputusan dengan menghentikan dan mengabaikan rekomendasi yang diberikan oleh komputer

11.mengajarkan untuk belajar, yang memungkinkan untuk diungkapkannya kebutuhan dan perbaikan sistem. Hal ini memunculkan proses pengembangan yang kotinyu

12.mudah untuk dibangun, program harus mampu membangun sendiri atau

sistem yang sederhana. Sistem yang lebih besar dapat dikembangkan dalam organisasi dengan bantuan spesialis sistem informasi

13.menggunakan modal sehingga memungkinkan untuk memunculkannya

percobaan dalm berbagai strategi dengan konfigurasi yang berbeda

14.dilengkapi dengan komponen pengetahuan (pada SPK tingkat lanjut) yang memberikan kemampuan penyelesaian masalah yang rumit secara efektif dan efisien

2.3.1 Komponen sistem pendukung keputusan

Sistem pendukung keputusan terdiri dari komponen-komponen SPK yaitu; Manajemen data

Manajemen data terdiri dari database yang berisi data yang berhubungan dengan situasi dan dikelola oleh perangkat lunak yang yang disebut dengan database manajement sistem (DBMS)

Manajemen model

Sebuah paket perangkat lunak yang mencakup model kuantitatif untuk finansial, statistik dan management science yang mendukung analisis sistem dan juga merupakan software management

Pengguna mampu berkomunikasi dan memberi perintah kepada SPK melalui subsistem ini. Subsistem ini merupakan perangkat lunak antar proses dengan pengguna

Manajemen pengetahuan

Subsistem ini merupakan subsistem opsional yang dapat mendukung subsistem lain atau berlaku sebagai komponen yang independen

2.3.2 Proses pengambilan keputusan

Mengacu Simon (tahun 1995), proses pengambilan keputusan meliputi 3 fase penyelidikan, perancangan, dan pemilihan, fase keempat yaitu implementasi yang ditambahkan kemudian. Dimulai dari tahapan penyelidikan yaitu penelusuran kenyataan yang terjadi dan masalah yang muncul diidentifikasi dan didefinisikan. Tahap perancangan menghasilkan suatu model yang menyederhanakan sistem yang ditinjau. Tahap pemilihan yang menunjukkan solusi dari model yang dikembangkan. Bila solusi yang didapat dianggap telah sesuai maka tahap implementasi dapat dilakukan

Pengembangan SPK merupakan proses yang sangat rumit. Proses ini meliputi kebutuhan teknis seperti pemilihan hardware sesuai dengan pengenalan tingkah laku dari para pengguna SPK karena sifat permasalahan SPK yang semi terstruktur ataupun tidak terstruktur, maka kebutuhan informasi dari para manager pengguna SPK akan berubah dan begitu juga SPKnya.

Tahapan dalam pengembangan SPK yaitu : Tahapan A

Perencanaan, berhubungan dengan pemunculan kebutuhan dan diagnosa permasalahan. Dalam hal ini tujuan dan sasaran dari SPK didefinisikan

Tahapan B

Riset, berusaha mengidentifikasi pendekatan yang relevan dalam memenuhi kebutuhan pengguna dan menyesuaikan dengan sumber daya yang tersedia Tahapan C

Analisa dan desain konseptual, berusaha mendapatkan pendekatan terbaik dan sumber daya yang dibutuhkan untuk diterapkan

Variabel-variabel yang Digunakan 1. Lokasi Pasar

Lokasi pasar adalah salah satu factor yang juga perlu diperhatikan dalam proses penetuan letak lokasi perusahaan. Lokasi perusahaan tergantung pada macam produk yang dihasilkan, pasar ini bisa secara luas tersebar atau terpusatkan. Apabila suatu pasar diterapkan untuk terpusatkan pada lokasi tertentu maka perusahaan yang akan didirikan haruslah diletakkan berdekatan dengan lokasi pasar tersebut, sedangkan apabila pasar yang kita supplay ternyata tersebar di beberapa lokasi tertentu maka kita dapat menempatkan pasar pada titik beratnya.

2. Lokasi Sumber Bahan Baku

Lokasi dari sumber bahan baku untuk produksi sangat berpengaruh dalam menentukan lokasi perusahaan yang akan didirikan. Karena sifat dari proses manafacturingnya yang memaksa untuk berdekatan dengan lokasi bahan bakunya.

3. Alat Angkutan

Masalah tersedia tidaknya fasilitas-fasilitas transfortasi adalah juga merupakan faktor yang sangat penting dalam menentukan lokasi dari perusahaan yang akan didirikan. Maka dari itu ada beberapa pertimbangan yang harus dilakukan seperti :

• Macam atau jenis fasilitas transportasi yang ada pada asal dan tujuan

• Relatif biaya dari masing-masing transportasi tersebut

• Derajat kepentingan pengiriman barang tersebut

• Kondisi-kondisi khusus yang diharapkan dalam proses pengiriman

tersebut 4. Sumber Energi

Hampir dapat dipastikan bahwa semua industri akan memerlukan tenaga listrik untuk berbagai macam kebutuhan dalam proses produksinya. Secara umum sebagian perusahaan akan lebih senang untuk membeli energi ini daripada harus membuat instalasi listrik sendiri. Biasanya public utility akan pula dapat mensupplay energi pada tinggkat biaya yang lebih murah dibandingkan bila harus menyediakan sendiri.

5. Iklim

Iklim atau cuaca secara nyata banyak mempengaruhi efektifitas, efisiensi dan tingkah laku pekerja perusahaan dalam melaksanakan aktivitasnya sehari-hari. Berdasarkan penelitian, manusia akan dapat bekerja dengan nyaman di dalam ruangan yang temperaturnya dapat dijaga sekitar 20 derajat Celsius.

Pendirian perusahaan pada lokasi tertentu akan tertentu akan mempertimbangkan pula tersedianya tenaga kerja yang cukup, yang tidak saja harus dilihat dari jumlahnya akan tetapi juga harus ditinjau dari segi kemampuan dan ketrampilan yang diperlukan. Selain itu tingkat upah harus juga dipetimbangkan.

7. Undang-undang Sistem Perpajakan

Aturan atau uandang-undang yang dikeluarkan oleh pemerintah baik tingkat pusat maupun tingkat daerah akan pula mempengaruhi proses pemilihan lokasi perusahaan. Beberapa aspek dari operasi yang diatur oleh undang-undang adalah berupa jam kerja, usia kerja minimal, dan kondisi-kondisi kerja lainnya. Disamping itu besar kecilnya pajak yang disetorkan oleh industri akan berbeda-beda tergantung dimana lokasi perusahaan tersebut akan didirikan.

8. Sikap Masyarakat Setempat

Sikap masyarakat setempat dimana perusahaan tersebut hendak didirikan ikut pula menjadi dasar pertimbangan yang cukup penting artinya. Sosial cultural, adat istiadat, tradisi, dan tingkat pendidikan rata-rata dari anggota masyarakat merupakan aspek penting didalam penyelesaian masalah-masalah perburuhan, perselisihan dan lain-lain yang menyangkut masalah industrial relation.

9. Dan beberapa Variabel yang dapat di tambahkan di dalam sistem nantinya, disesuaikand engan kebutuhan dari perusahaan itu sendiri.

2.4Konsep Metode Brown Gibson

Brown-Gibson dikembangkan untuk menganalisa dan mengevaluasi lokasi pabrik / industri berdasarkan konsep ”preference of measurement” yang mengkombinasikan faktor-faktor obyektif (kuantitatif) dan subyektif (kualitatif). Dalam penentuan nilai awal yang nanti akhirnya memberikan keluaran atau output sebagai nilai terbesar dari suatu lokasi yang paling cocok digunakan sebagai lokasi pabrik / industry tersebut.

Adapun langkah-langkah penerapan metode brown-gibson adalah sebagai berikut :

1 Eliminasi setiap alternatif site lokasi yang secara sepintas jelas-jelas tidak layak dan feasibel untuk dipilih. Misalnya: tidak tersedianya suplai energi ataupun utilities lainnya dalam kapasitas yang dibutuhkan.

2 Hitung dan tetapkan “performance measuremants”dari faktor obyektif (of)

untuk setiap alternatif lokasi.

...(2.9)

3 Tentukan faktor-faktor yang memberi pengaruh signifikan dan harus

dipertimbangkan pada saat menetapkan lokasi pabrik. Faktor-faktor ini bersifat subjektif.

4 Tetapkan rating faktor (Wij), dimana j=1,2,...n untuk setiap faktor subjektif yang ada dengan membandingkan dan menilai salah satu faktor terhadap faktor yang lain secara berpasangan (pairwise comparison).

5 Buat ranking juga dengan pairwise comparison, berdasarkan faktor subjektif yang ditetapkan untuk masing-masing alternatif lokasi. Ranking ini dinotasikan sebagai Rij (0 ≤ Rij ≤ 1 dan ∑ Rij = 1).

6 Penilaian adalah sebagai berikut:

• Poin = 1, berarti “lebih baik”

• Poin =0, berarti “lebih jelek”

• Poin sama-sama nol atau satu berarti “sama”

7 Tetapkan faktor subjektif (Sfi) dengan cara mengkombinasikan sebagai

berikut:

...(2.10)

8 Kombinasikan faktor objektif dan subjektif. Sebelumnya perlu dihitung

terlebih dahulu faktor mana yang lebih penting apakah faktor objektif (bobot=k) atau faktor subjektif (bobot=1-k). Perhitungan ini akan menghasilkan Location Preference Measure (LPM) untuk setiap alternatif lokasi yang ada:

LPMi = k (Ofi) + (1-k) (Sfi) ……… (2.11)

9 Lokasi yang dipilih adalah lokasi dengan nilai LPM tertinggi.

2.5Konsep Dasar Sistem Dan Informasi

Sistem adalah kesatuan beberapa keadaan, metode teknik dan kumpulan elemen yang saling berkaitan unntuk memproses input menjadi output yang

diharapkan. Disini jelas dikemukakan bahwa suatu sistem tidak akan lepas dari elemen pokoknya yaitu input dan output. Suatu sistem dapat didefinisikan sebagai suatu kesatuan yang terdiri dari dua atau lebih komponen atau subsistem yang berinteraksi untuk mencapai suatu tujuan.

Suatu sistem dapat terdiri dari sistem-sistem bagian (subsystem). Sebagai misal, sistem komputer dapat terdiri dari subsistem perangkat keras dan subsistem perangkat lunak. Masing-masing subsistem dapat terdiri dari subsistem-subsistem yang lebih kecil lagi atau terdiri dari kompoonen-komponen. Subsistem perangkat keras (Hardware) dapat terdiri dari alat masukan, alat pemroses, alat keluaran dan alat simpanan luar. Subsistem-subsistem saling berinteraksi dan saling berhubungan membentuk satu kesatuan sehingga tujuan dan sasaran sistem tersebut dapat tercapai. Interaksi dari subsistem-subsistem sedemikian rupa sehinngga dicapai suatu kesatuan yang terpadu dan terintegrasi.

2.5.1 Karakteristik Sistem

Suatu sistem mempunyai karakteristik atau sifat-sifat tertentu, antara lain

mempunyai komponen-komponen (Components), batas sistem (Boundaray),

lingkungan luar sistem (Enviroment), penghubung (Interface), masukan (Input), keluaran (Output), pengolahan (Process)

a. Komponen Sistem

Suatu sistem terdiri dari sejumlah komponen yang saling berinteraksi, yang artinya saling bekerja sama membentuk suatu kesatuan. Komponen-komponen sistem atau elemen sistem dapat berupa suatu subsistem-subsistem atau

bagian-bagain dari sistem. Setiap subsistem mempunyai sifat-sifat dari sistem itu sendiri yang akan menjalankan suatu fungsi tertentu dan akan mempengaruhi proses sistem secara keseluruhan. Suatu sistem dapat mempunyai sistem yang lebih besar yang disebut dengan Supra Sistem. Sedangkan didalam suatu subsistem masih dimungkinkan terdapat lagi subsistem-subsistem lain yang lebih kecil lagi sampai akhirnya tinggallah yang disebut dengan komponen atau elemen-elemen tunggal.

b. Batas Sistem

Batas sistem merupakan daerah yang membatasi antara suatu sistem dengan sistem yang lainnya atau dengan lingkungan luarnya. Batas sistem ini memungkinkan suatu sistem dipandang sebagai suatu kesatuan. Batas suatu sistem menunjukkan ruang lingkup (Scope) dari sistem tersebut.

c. Lingkungan Luar Sistem

Lingkungan luar dari suatu sistem adalah apapun yang berada diluar batas dari sistem yang mempengaruhi operasi sistem. Lingkungan luar sistem dapat bersifat menguntungkan dan dapat juga bersifat merugikan sistem tersebut. Lingkungan luar yang menguntungkan merupakan energi dari sistem dan dengan sendirinya harus tetap dijaga dan dipelihara.

d. Penghubung Sistem

Penghubung sistem merupakan media penghubung antara satu subsistem dengan subsistem yang lainnya. Melalui penghubung ini memungkinkan sumber-sumber daya mengalir dari satu subsistem dengan subsistem yang lainnya. Keluaran (Output) dari subsistem akan menjadi masukan (Input)

untuk subsistem yang lainnya dengan malalui penghubung ini. Dengan penghubung satu subsistem dapat berintegrasi dengan subsistem yang lainnya yang membentuk suatu kesatuan.

e. Masukan Sistem

Masukan sistem adalah segala sesuatu yang dapat dimasukkan kedalam sistem. Masukan dapat berupa masukan perawatan (Maintenance input) dan

masukan sinyal (Signal input). Maintenance input adalah energi yang

dimasukkan supaya sistem tersebut dapat beroperasi. Signal input adalah energi yang diproses untuk didapatkan keluaran. Sebagai contoh didalam suatu sistem komputer, program adalah maintenance input yang digunakan untuk mengoperasikan komputer dan data adalah signal input untuk diolah menjadi informasi.

f. Keluaran Sistem

Keluaran sistem adalah hasil dari energi yang diolah dan diklasifikasikan menjadi keluaran yang berguna. Keluaran ini dapat berupa masukan untuk subsistem yang ada atau mungkin masukan bagi Supra sistem.

g. Pengolah Sistem

Suatu sistem dapat mempunyai bagian pengolahan sistem sendiri atau mungkin sistem itu sendiri sebagai pengolahnya. Pengolahan sistem adalah sesuatu yang merubah masukan menjadi keluaran. Suatu sistem akan mengolah data masukan berupa data transaksi barang dan data-data lainnya menjadi keluaran berupa laporan transaksi.

2.5.2 Pengertian Informasi

Informasi adalah data yang diolah menjadi bentuk yang lebih berguna dan lebih berarti bagi yang menerimanya. Data yang diolah melalui suatu model menjadi informasi, penerima kemudian menerima informasi tersebut, membuat suatu keputusan dan melakukan tindakan, yang berarti menghasilkan suatu tindakan yang lain yang akan membuat sejumlah data kembali. Kejadian-kejadian even adalah sesuatu yang terjadi pada saat tertentu.

Didalam dunia bisnis, kejadian-kejadian nyata yang sering terjadi adalah perubahan dari suatu nilai yang disebut dengan transaksi. Misalnya penjualan adalah transaksi perubahan nilai barang menjadi nilai uang atau nilai piutang.

Informasi mempunyai kualitas yang baik jika memenuhi tiga komponen dasar berikut :

1. Akurat : Informasi harus bebas dari kesalahan.

2. Relevan : Informasi tersebut mempunyai manfaat bagi pemakainya. 3. Tepat waktu : Karena informasi merupakan landasan dalam suatu

pengambilan keputusan, maka informasi yang datang tidak boleh terlambat.

2.5.3 Komponen Sistem Informasi

Sistem informasi terdiri dari komponen-komponen yang disebut dengan blok bangunan (Building block) yaitu blok masukan (Input block), blok model (Model block), blok keluaran (Output block), dan blok kendali (Control block).

Sebagai suatu sistem, keempat blok tersebut masing-masing saling berinteraksi satu sama lainnya membentuk satu kesatuan mencapai sasarannnya.

2.5.4 Pengertian Sistem Informasi Manajemen

Sistem informasi manajemen merupakan penerapan sistem informasi dalam organisasi untuk mendukung informasi-informasi yang dibutuhkan oleh semua tingkat manajemen. Sistem informasi manajemen dibentuk untuk memberikan informasi yang tepat bagi seorang manajer dalam memecahkan suatu masalah dan sekaligus mengambil keputusan. Sistem akan mengolah fakta dan ide dari lingkungan, kemudian disajikan dalam bentuk informasi. Konsep sistem manusia mesin berarti sejumlah pekerjaan akan sangat baik jika dilaksanakan oleh mesin, sehingga akan timbul interaksi antara manusia dan mesin. Beberapa sistem informasi manajemen tersebut dapat dipadukan on-line sehingga perubahan yang terjadi pada suatu sistem atau subsistem secara otomatis meng-update subsistem yang lain.

2.5.5 Teknik Memperoleh Informasi

Ada beberapa cara yang digunakan analis untuk memperoleh informasi. Interaksi langsung digunakan untuk mengumpulkan data primer, sementara data sekunder dikumpulkan dari sumber-sumber yang ada. Mengamati atau mewawancarai seseorang melakukan pekerjaan adalah contoh pengumpulan data. Beberapa cara pengumpulan data :

Salah satu teknik pengumpulan data suatu proses adalah mengamati proses tersebut. Pada waktu melakukan observasi atau pengamatan, analis sistem dapat juga berpartisipasi atau mengamati saja orang-orang yang sedang melakukan kegiatan tertentu yang sedang diobservasi itu. Seringkali dalam sistem analis dan desain akan menjalani suatu sistem untuk mengamati aliran-aliran informasi dari segi-segi keputusan yang penting sekali.

2. Wawancara

Wawancara telah diakui sebagai pengumpulan data yang penting dan banyak dilakukan dalam pengembangan sistem informasi. Wawancara memungkinkan analis sistem sebagai pewawancara untuk mengumpulkan data secara tatap muka langsung dengan orang yang diwawancarainya. Seperti halnya dengan teknik pengumpulan data yang lain wawancara bukanlah satu-satunya teknik yang terbaik di semua situasi.

3. Questioner

Questioner dapat dianggap sebagai bentuk wawancara terstruktur dengan pertanyaan-pertanyaan yang didesain agar dapat dijawab tanpa harus bertatap muka.

2.6 Kebutuhan-Kebutuhan Sistem

2.6.1 Alir Dokumen ( Document Flow )

Bagan alir dokumen (Document flowchart) atau disebut juga bagan alir formulir (Form flowchart) atau paperwork flowchart merupakan bagan alir yang menunjukkan arus dari laporan dan formulir termasuk tembusan-tembusannya.

Formulir adalah suatu dokumen yang memuat informasi konstan yang tercetak dan mempunyai bagian luang untuk diisi dengan variabel. Bagi perusahaan tentunya harus mencatat transaksi setiap harinya, yang mana semua ini harus dikonversikan dari satu media ke media lainnya dan dimanipulasi berulang-ulang yang pada akhirnya berakhir pada suatu formulir yang berguna bagi manajer di dalam mengambil keputusan. Sehingga dapat dikatakan bahwa keberhasilan atau kegagalan suatu perusahaan juga tergantung dari formulir-formulir yang digunakan.

Dari uraian diatas maka dapat kita ambil kesimpulan bahwa alasan pemakaian formulir adalah untuk memudahkan suatu arus, proses dan analisa, yaitu berupa :

1) Penyusunan data.

2) Meminimumkan waktu pencatatan dan penghapusan penulisan data konstan.

3) Memungkinkan kontrol terhadap kegiatan. 4) Mengurangi terjadinya kesalahan tulis menulis.

5) Menyampaikan informasi penting dari satu orang ke orang lain baik dalam suatu organisasi maupun antar organisasi.

2.6.2 Sistem Flowchart ( Flowchart System )

Sistem flowchart merupakan alat bantu yang banyak digunakan untuk menggambarkan sistem secara phisik dengan simbol-simbol bagan alir yang menunjukkan secara tepat arti phisiknya seperti simbol : terminal, hard disk, laporan dan lain-lainnya.

2.7 Desain Sistem

Desain sistem adalah suatu proses penyiapan spesifikasi yang terperinci untuk mengembangkan sistem baru. Langkah permulaan desain sistem adalah rencana pengembangan yang telah dipersiapkan selama analisa sistem yang disetujui oleh manajemen.

Desain sistem dimulai dengan spesifikasi output yang diperlukan. Selanjutnya menentukan isi dan format input suatu sistem dan file yang kemudian diikuti desain mengenai langkah-langkah pengolahan, prosedur-prosedur dan pengendalian-pengendalian. Pada penyelesaian proses desain sistem harus dipersiapkan rencana implementasi sistem yang baru.

2.7.1 Desain Input

Masukkan (Input) merupakan awal dimulainya proses informasi

komputerisasi. Bahan mentah dari innformasi adalah data yang terjadi dari transaksi yang dilakukan oleh organisasi. Hasil dari sistem informasi tidak lepas dari data yang dimasukkan. Bila sampah yang dimasukkan maka akan keluar sampah pula (Garbage in garbage out). Supaya tidak dihasilkan sampah seperti kasus diatas maka input yang dihasilkan sistem informasi harus tidak boleh berupa sampah. Oleh karena itu desain input yang dibuat haruslah berusaha membuat suatu sistem yang dapat menerima input yang bukan sampah.

2.7.2 Desain Output

Setelah mengetahui kebutuhan-kebutuhan sistem yang baru yang diinginkan oleh pemakai, kita sampai pada tahap desain output. Selama tahap

desain, isi terinci dan format output harus dipersiapkan dan ditetapkan. Tahap ini perlu berkonsultasi dengan para pemakai output sistem untuk menentukan data spesifik atau informasi apa yang diperlukan oleh mereka, bagaimana mereka memakai data / informasi dan format apa yang menurut mereka sesuai dengan kebutuhan mereka. Secara ringkas tahapan-tahapan mendesain output adalah : a. Memilih metode penyampaian informasi (layar/printer).

b. Mendesain bentuk layoutnya.

c. Menyusun sistem informasi agar lengkap dan mudah dibaca. Untuk itu perlu diperhatikan :

- Beri judul pada setiap informasi yang diberikan. - Semua data tepat dibawah judul tiap kolom. - Beri ringkasan pada tempat-tempat tertentu. - Harus berurutan.

2.8 Mengenal Database

DBMS merupakan singkatan dari Database Management System.

DBMS merupakan perangkat lunak atau program komputer yang dirancang

secara khusus untuk memudahkan pengelolaan database. Salah satu macam

DBMS yang populer dewasa ini berupa RDBMS (Relational Database

Management System), yang menggunakan model basis data relasional atau dalam bentuk tabel-tabel yang saling berhubungan.

MySQL merupakan salah satu contoh dari bentuk produk RDBMS

yang sangat populer dilingkungan Linux, tetapi juga tersedia pada Windows. Banyak situs web yang menggunakan MySQL sebagai databaseserver (server

yang melayani permintaan akses terhadap database). Gambar 2.3 memperlihatkan mekanisme pengaksesan MySQL melalui Web browser.

Gambar 2.7 Mekanisme Pengaksesan MySQL Melalui Web Browser

2.9 Definisi MySQL

Berikut ini akan dijelaskan mengenai beberapa definisi MySQL

untuk memperjelas pengertian tentang software ini : 1 MySQL adalah sistem pengaturan relational database.

Suatu relational database, menyimpan data dalam bentuk tabel-tabel yang kemudian akan diletakkannya semua data dalam satu ruang penyimpanan yang besar.

2 MySQL adalah Open Source Software (perangkat lunak).

Open Source artinya bahwa software tersebut memungkinkan untuk digunakan dan dimodifikasi oleh siapa saja.

3 MySQL menggunakan GPL (GNU General Public License)

Untuk menentukan apakah seseorang memenuhi persyaratan untuk

seseorang merasa tidak nyaman dengan GPL atau ingin menggunakan MYSQL untuk aplikasi bisnis, maka orang tersebut dapat membeli lisensi yang bersifat komersial.

2.9.1 Koneksi Database MySql dengan PHP

Berikut penulisan fungsi script untuk koneksi ke database MySQL :

1. mysql_connect()

Perintah ini digunakan untuk melakukan koneksi ke server database MySQL, fungsi ini memiliki format penulisan sebagai

berikut. mysql_connect (host, username, password) ;

2. mysql_select_db()

Perintah ini digunakan untuk memilih database yang ada di

server MySQL, fungsi ini memiliki format penulisan sebagai berikut.

mysql_select_db (nama_database, pengenal_koneksi) ;

3. mysql_query()

Perintah ini digunakan untuk melakukan query atau

menjalankan permintaan terhadap sebuah tabel atau sejumlah tabel

database, fungsi ini memiliki format penulisan sebagai berikut.

mysql_query (permintaan, pengenal koneksi) ;

2.10 Pengertian PHP

PHP merupakan bahasa interpreter yang hampir mirip dengan bahasa C dan perl yang memiliki kesederhanaan dalam perintah. PHP dapat

digunakan bersamaan dengan WML sehingga pembangunan situs website

dapat dilakukan dengan cepat dan mudah. PHP dapat digunakan untuk

melakukan update database, menciptakan database, dan mengerjakan

perhitungan matematika. PHP dapat di unduh gratis melalui situs

http://www.PHP.net. Menurut dokumen resmi PHP, PHP adalah singkatan dari Hypertext Preprocessor.

PHP merupakan bahasa script (berbentuk script) yang menyatu dengan HTML dan dijalankan pada server side. Artinya semua sintaks yang

kita berikan akan sepenuhnya dijalankan pada server sedangkan yang

dikirimkan ke browser (client side) hanya hasilnya saja. Secara khusus, PHP

dirancang untuk membangun sebuah web dinamis. Artinya, ia dapat

membentuk suatu tampilan berdasarkan permintaan yang up to date. Misalnya isi database ditampilkan ke dalam halaman web. Pada prinsipnya , PHP

mempunyai fungsi yang sama dengan scipt seperti ASP (Active Server Page), Cold Fusion dan lain-lain. Untuk menjalankan PHP dibutuhkan web server. Yang sering digunakan adalah Apacheweb server.

2.10.1 Dasar-dasar PHP

PHP dijalankan dalam file berekstensi .PHP, .PHP3 atau phtml, tetapi secara umum ekstensi file PHP adalah (.PHP). Kode PHP menyatu dengan tag HTML dalam satu file. Kode PHP diawali dengan tag <? atau <?dan ditutup dengan ?>.

Gambar 2.8 Hasil Dari File coba1.PHP

2.10.2 Kelebihan PHP

PHP mempunyai 4 kelebihan yaitu 4P (Four Pee) : 1) Practical / Praktis

PHP adalah bahasa pemrograman yang sangat longgar

dalam penulisan, dan ini meningkatkan kepraktisan buat para

penggunanya. Misalnya saja programmer tidak diharuskan untuk

menuliskan atau menghapus variabel.

Walaupun kadang mereka juga tidak bisa mengatakan dengan mudah yang kemudian dipanggil dalam sebuah skrip, menebak formula terbaik dalam penetapan variabel secara otomatis kemudian

menghapus variabel dan dan mengembalikan resource ke sistem

setelah skrip berhasil di eksekusi. Pada akhirnya, PHP mampu membuat programmer lebih berpikir pada tujuan akhir dari project

yang akan dibuat. 2) Power

halaman dinamis, memanipulasi form, dan dapat dihubungkan dengan database. Selain yang disebutkan tadi, ternyata PHP juga dapat melakukan hal – hal di bawah ini :

1 Membuat dan memanipulasi file Macromedia Flash, gambar, dan Portable Document Format PDF.

2 Berkomunikasi dengan LDAP.

3 Berkomunikasi dengan banyak protocol, termasuk IMAP, POP3 dan NNTP.

4 Berkomunikasi dengan credit-card processing solution. 3) Possibility

Jarang ada developer PHP yang terikat pada suatu

implementasi pemecahan masalah. Dilain sisi, ada banyak pilihan yang ditawarkan oleh PHP. Contohnya ada pada database yang didukung oleh PHP. Kurang lebih semuanya ada 25 database, termasuk Adabas D, dBase, FrontBase, Hyperwave, IBM DB2, Informix, Ingres, Interbase, mSQL, direct MS-SQL, MySQL, Oracle, Oyrimos, PostgreSQL, Solid, Sybase, Unix dbm dan Velocis.

Kemampuan sting – parsing juga bisa dianggap sebagai banyaknya kemungkinan yang ditawarkan oleh PHP. Dalam hal ini, PHP memiliki lebih dari 85 function untuk memanipulasi string. Kelebihan ini tak hanya akan menawarkan keleluasaan untuk melakukan operasi string yang kompleks, namun juga menjembatani program yang memiliki functionalitas yang sama

43

P E R A N C A N G A N

3.1 Alur SistemPengambilan Keputusan

Dalam Tugas akhir ini sistem pengambilan keputusan terbagi dalam beberapa fase yaitu fase pemahaman, fase perancangan dan fase implementasi, dalam tiap fase memiliki beberapa tahap sebagai berikut :

3.1.1 Fase Pemahaman

1. Perumusan masalah : Merumuskan permasalahan yang ada agar mudah

dipahami dan lebih terfokus pada salah satu bidang, dalam hal ini masalah yang dirumuskan adalah penentuan lokasi yang baik untuk mendirikan sebuah perusahaan yang bergerak dibidang perkayuan.

2. Penelitian Awal : Melakukan studi literatur dan penelitian langsung untuk mengetahui kondisi dari suatu daerah yang sebenarnya guna memberi gambaran bagi peneliti dalam merancang model sistem pengambilan keputusan (SPK).

3. Analisa kebutuhan dan pengembangan teknik : Melakukan analisa terhadap ketersediaan dan kebutuhan data yang akan diambil guna proses pengambilan keputusan untuk menentukan lokasi terbaik untuk didirikannya perusahaan.

3.1.2 Fase Perancangan

1. Perancangan DSS

merancang data apa saja yang akan diperlukan dalam SPK sehingga memudahkan untuk proses perancangan selanjutnya serta data apa saja yang digunakan sebagai data kunci (kode).

2. Model Base :

merancang model dalam SPK yang disesuaikan dengan fungsinya berdasarkan data yang telah dikumpulkan dalam proses sebelumnya. 3. Dialog Base :

membuat rancangan dialog antar komponen SPK sesuai dengan model yang telah dibuat agar terjadi hubungan atau interaksi didalamnya.

4. Pengambilan Data :

proses pengambilan data yang telah ditentukan sebelumnya guna pengukuran produktivitas perusahaan dan kelengkapan dalam SPK (basis data).

5. Penyelesaian Model :

menyelesaikan model yang telah ada dan rancangan SPK agar bisa digunakan setelah data yang terkumpul valid.

3.1.3 Fase Implementasi

1. Rencanakan Implementasi : setelah model SPK selesai dibuat maka

dilakukan persiapan implementasi terhadap SPK tersebut, perencanaan ini meliputi persiapan semua kebutuhan implementasi.

Rencanakan implementasi

Pengujian, demonstrasi, pengembangan sistem

Penarikan kesimpulan Fase implementasi

Perancangan DSS

Data base Model base Dialog base

Pembuatan rancangan DSS

Pengambilan data

Penyelesaian model DSS

Valid

Rekayasa

tidak

ya Fase perancangan

Perumusan masalah

Penelitian awal study literatur dan observasi langsung

Analisa kebutuhan dan pengembangan teknik Fase pemahaman

1. Pengujian, demonstrasi, pengembangan sistem : melakukan pengujian dan demonstrasi SPK yang telah dibuat dan pengembangan sistem yang ada.

2. Penarikan kesimpulan : penarikan kesimpulan sesuai dengan hasil dari SPK yang ada.

3.2 Perancangan Algoritma Fuzzy

Diagram blok dari sistem fuzzy ialah seperti Gambar 3.2. Pendekatan yang diambil di sini ialah dengan cara memanfaatkan rule base dan kemampuan inferensi fuzzy untuk membangkitkan nilai kwantisasi dari sistem fuzzy.

Masukan dari unit fuzzy ialah nilai awal (N(a)) dan nilai kemungkinan (K(e)). Nilai awal dan Nilai kemungkinan didapat dari Sistem pengambilan keputusan bukan merupakan besaran fuzzy, atau biasa disebut dengan besaran

crisp. Agar dapat diolah oleh besaran fuzzy besaran crisp ini harus dipetakan ke

semesta pembicaraan fuzzy, caranya ialah mengalikan ialah nilai awal (N(a)) dan nilai kemungkinan (K(e)) dengan faktor skala (scaling factor). Sehingga ada dua macam faktor skala yaitu faktor skala untuk error ialah error nilai awal (N(a)) dan error nilai kemungkinan (K(e))

Penentuan faktor skala dapat dilakukan dengan dua cara yaitu dengan menggunakan rumus interpolasi linier, atau dengan menggunakan metode coba-coba (trial and error) berdasarkan respon yang dihasilkan oleh sistem. Hasil perkalian error nilai awal (N(a)) dan error nilai kemungkinan (K(e)) dengan faktor

skala masing-masing disebut dengan error terkuantisasi N(a) dan delta error terkuantisasi K(e), dapat dinyatakan sebagai berikut :

QN(a) = N(a) . Sfe QK(e) = K(e) . Sdfe

Kwantisasi Fuzzifikasi Rule base Defuzzifikasi

Nilai awal

kemungkinan

Na

Ke

NA

Gambar 3.2. Sistem Fuzzy

Bentuk fungsi keanggotaan error dan delta error yang digunakan untuk prosedur fuzzifikasi ialah bentuk segitiga simetris, dengan rentang kerja –6 sampai 6. Gambar fungsi keanggotaan segitiga tersebut seperti Gambar 3.3. Dimana µ ialah derajat keanggotaan dari kwantisasi error nilai awal (N(a)) dan error nilai kemungkinan (K(e)) yang merupakan hasil proses fuzzifikasi. Nilai

µ berharga antara 0 sampai 1.

SR R T ST

-6 -3 Na 0 3 Ke 6

Gambar 3.3. Fungsi Keanggotaan Fuzzy

Pada proses fuzzifikasi N(a) dan K(e) dinyatakan dalam lima variabel linguistik yaitu SR, R, S, T, dan ST. Dimana R, T berarti rendah dan tinggi, sedangkan S dan S masing-masing berarti sangat dan sedang (nol).

3.2.1. Rule Base Fuzzy (Basis Aturan Fuzzy)

Basis aturan fuzzy merupakan kumpulan dari aturan-aturan yang menyatakan aksi pengendalian yang harus dilakukan oleh fuzzy. Bentuk dari basis aturan dinyatakan dalam aturan jika - maka (implikasi), sebagai berikut :

Jika _{N(a) = Ai dan K(e) = Bi,} maka Li = SR Dimana :

i = 1, 2, 3 ... m

Ai dan Bi ialah variabel linguistik untuk setiap kondisi error dan delta error.

Li (Lokasi) ialah variabel linguistik untuk output fuzzy.

Seperti dijelaskan, basis aturan (rule base) merupakan salah satu bagian dari basis pengetahuan (knowledge base). Disamping basis aturan, di dalam basis pengetahuan juga ada basis data (data base) yang berisi data-data mengenai rentang kerja input dan output dari fuzzy. Atau dengan kata lain basis data merupakan media untuk pengolahan data fuzzy.

Aturan-aturan pengendalian pada rule base diturunkan secara heuristik berdasarkan pengamatan terhadap respon step sistem.

Hasil pengamatan ini dinyatakan dalam bentuk implikasi atau aturan jika-maka, sebagai berikut :

q Aturan 1 : Jika N(a) = SR, K(e) = SR, maka L = SR.

q Aturan 2 : Jika N(a) = SR, K(e) = R, maka L = SR.

q Aturan 3 : Jika N(a) = SR, K(e) = S, maka L = R.

q Aturan 5 : Jika N(a) = SR, K(e) = ST, maka L = T.

Dan seterusnya sehingga sampai aturan 25, yang dapat dibuat tabel rule base sebagai berikut :

Tabel 3.1. Rule Base Sistem

N(A) SR R S T ST

K(E)

SR SR SR R S T

R SR R R S T

S SR R S T ST

T R S T T ST

ST S T ST ST ST

3.2.2. MekanismeInferensi Fuzzy

Mekanisme inferensi fuzzy sering dipakai untuk sistem pengambilan keputusan terdiri dari dua macam yaitu inferensi MAX-MIN dengan operasi implikasi Minimum Mamdani, serta inferensi MAX-DOT dengan operasi implikasi Sub Product Larsen.

Pada Tugas akhir ini metode inferensi yang dipakai adalah metode inferensi MAX-DOT dengan operasi implikasi Sub product Larsen. Alasan dipakainya inferensi ini ialah kesimpulan yang diambil dari hasil inferensi MAX-DOT lebih halus (smooth) jika dibanding dengan inferensi MAX-MIN.

Derajat keanggotaan output µi dari aturan ke-i diperoleh berdasarkan aturan sub product Larsen, yaitu dengan cara mengalikan nilai derajat keanggotaan input error dan delta error terkwantisasi dari hasil proses fuzzifikasi.

µi = µAi[ Qe(k) ]. µBi[ Qde(k) ]

dimana i adalah 1, 2, 3, 4, 5, ... 49 (banyaknya aturan fuzzy yang digunakan).

µAi = Derajat keanggotaan himpunan fuzzy Ai yang diberikan oleh nilai QN(a)i = Derajat keanggotaan himpunan fuzzy Bi yang diberikan oleh nilai QK(e).

Apabila nilai µi telah didapat, maka besarnya nilai K(e) dan nilai N(a) dapat diketahui dengan cara memasukkan nilai µi ke fungsi keanggotaan output. Proses selanjutnya dari rangkaian kontrol logika fuzzy ialah proses defuzzikasi, yaitu Proses yang mentransformasikan besaran fuzzy manjadi besaran non fuzzy (Crisp).

3.2.3. Proses Defuzzifikasi

Proses defuzzifikasi merupakan proses kebalikan dari proses fuzzifikasi yaitu proses yang merubah besaran fuzzy menjadi besaran non fuzzy (crisp).

Metode defuzzifikasi yang digunakan ialah metode COA (Center Of Area) atau biasa disebut juga dengan COG (Center Of Gravity). Metode defuzzifikasi COA yang dipakai dapat dinyatakan sebagai berikut :

Dimana : G ialah besarnya output fuzzy (crisp) yang berupa N(a) dan K(e).

µi merupakan derajat keanggotaan output, hasil proses implikasi sub product Larsen.

X(µi) merupakan hasil inferensi MAX-DOT .

Karena fungsi keanggotaannya merupakan segitiga yang simetris maka sigma dari hasil proses sub product larsen sama dengan satu.

……… (3.2)

Agar pemahaman tentang algoritma Fuzzy dapat dimengerti, maka diberikan contoh numerik dari algoritma fuzzy dan perhitungan nilai awal dengan metode Brown-Gibson.

Data Faktor Objektif :

No .

Nama Faktor Nilai X1 Nilai X2 X1/X2 Bobot Faktor

Ci ((X1/X2)bobot) 1 Biaya Tenaga Kerja 311.000 311.000 1 0.04 0.04 2 Transportasi 5.000.000 4.500.000 1.1111 0.02 0.0222 3 Pajak 1.000.000 1.000.000 1 0.02 0.02 4 Bahan baku 10.000.000 10.000.000 1 0.02 0.02

Jumlah Nilai ∑1/Ci = 129.5004500 0.102222

Nilai OFi (Index Faktor Objektif) : 0.102222/129.5004500 = 13.2378 Data Faktor Objektif :

No .

Nama Faktor Nilai X1 Nilai X2 X2/X1 Bobot Faktor

Ci ((X2/X1)bobot)

1 Air bersih 55 55 1 0.4 0.4

2 Kesehatan 8 10 0.8 0.2 0.16

3 Sedia tenaga kerja 20089 34000 1.692 0.4 0.6768 4 Kemudahan listrik 1 1 1 0.6 0.6

Jumlah Nilai ∑1/Ci = 11.89 1.8368

LPMi (Location Preference Measure Index) :

k(ofi) + (1-k)(sfi) = 0.2(13.2378) + 0.8(21.648736) = 20.12355

Nilai awal = 1/ LPMi = 1/20.12355 = 0.0497 Nilai Wilayah :

Luas = 928 ; Lahan terpakai = 200 ; pemukiman = 185.60 Total lahan terpakai = 200 + 185.6 = 385.6

Lahan kosong = 928 – 385.6 = 542.4

Nilai kemungkinan = 542.4/928 = 0.584482

Misalkan Mentawa Hilir nilai akhirnya = 0.0497 dan nilai kemungkinan 0.584482

1. Proses Kwantisasi

Proses kwantisasi dilakukan dengan mencari nilai terkecil dan nilai terbesar dari banyaknya data, baik dari nilai awal maupun nilai kemungkinan. Sehingga dapat ditabelkan sebagai berikut :

Tabel 3.2. Proses Kwantisasi

Nilai 0.33 0.49 0.64 0.8 0.95 1.1 1.26 1.41 1.57 1.72 1.87 2.03 2.34

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6

Ke 0.01 0.051 0.1 0.151 0.2 0.25 0.3 0.35 0.40 0.45 0.5 0.549 0.6

2. Proses fuzzifikasi

N(a) masuk dalam himpunan fuzzy R dan S, sedangkan K(e) termasuk dalam himpunan fuzzy ST dan T. Seperti fungsi keanggotaan berikut ini :

Na Ke

Gambar 3.4. Fungsi keanggotaan Na dan Ke

3. Proses inferensi Max-Dot

Derajat keanggotaan hasil proses fuzzifikasi jika ditabelkan ialah sebagai berikut :

Tabel 3.3. Bentuk Diskrit

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6

SR 1 0.7 0.3 0 0 0 0 0 0 0 0 0 0

R 0 0.3 0.7 1 0.7 0.3 0 0 0 0 0 0 0

S 0 0 0 0 0.3 0.7 1 0.7 0.3 0 0 0 0

T 0 0 0 0 0 0 0 0.3 0.7 1 0.7 0.3 0

ST 0 0 0 0 0 0 0 0 0 0 0.3 0.7 1

4. Proses defuzzifikasi

Proses selanjutnya ialah proses defuzzifikasi dengan menggunakan

persamaan , maka didapatkan nilai COA-nya, yaitu :

q Nilai awal (1) = 0.3

q Kemungkinan (1) = 0.3

q Kemungkinan (2) = 0.7

q COA = [(-6 x 0.3) + (3 x 0.3) + (6 x 0.3) + (3 x 0.7)]

(0.3 + 0.3 + 0.3 + 0.7) = 2.7 / 1.6

= 0.75

Karena pada perhitungan tidak ada plan maka COA sebagai acuan untuk

menentukan kategori dari lokasi yang sangat cocok atau kurang cocok. Dari data yang diperoleh dapat dikategorikan sebagai berikut :

q Lokasi Sangat Cocok adalah dengan fungsi keanggotaan bernilai 6 dan 0.7

q Lokasi Cocok adalah dengan fungsi keanggotaan bernilai 2 sampai 5 dan

0.7

q Lokasi Tidak Cocok adalah dengan fungsi keanggotaan bernilai < 2.

q Maka dari data diatas dikategorikan sebagai data yang kurang cocok untuk

membangun perusahaan.

3.3Perancangan DSS

Perancangan DSS mempunyai 3 tahapan yaitu Basis data, Basis model, Basis Dialog. Adapun penjelasan dari tahapan-tahapan tersebut adalah sebagai berikut:

126

Pada Gambar 5.19 terlihat data para member yang telah terdaftar dalam aplikasi system pengambilan keputusan ini. Dan terlihat pada kolom terakhir dari list, terdapat kolom action dengan tombol delete didalamnya, hal ini dikarena kan kadanga kala admin perlu mengadakan maintenance data guna menjaga keamanan data dan kinerja dari sste itu sendiri. Oleh Karena itu tugas admin adalah mengawasi setiap data yang masuk didalam system aplikasi tersebut.

Gambar 5.19 Halaman Daftar Member Admin

Pada Gambar 5.20 merupakan halaman daftar wilayah yang dapat dipantau oleh admin saja, karen akeseluruhan data wilayah yang telah masuk dapat tampil secara keseluruhan pada halaman ini, selain itu seperti pada halaman sebelumnya, pada halaman ini admin juga bertindak sebagai monitoring data dan berhak untuk menghapus data yang dianggap tidak perlu ataupun kurang layak berada dalam daftar wilayah tersebut. Sehingga data-data yang masuk dalam perhitungan fuzzy dan proses analisa lainya tidak rusak ataupun tidak valid gara-gara data yang salah ataupun tidak layak masuk sistem, seperti nama data yang salah, nilai angka yang berupa huruf, maupun nilai-nilai yang salah input atau memasukkan.

.

Gambar 5.20 Halaman Daftar Wilayah Admin

Pada Gambar 5.21 menunjukkan daftar faktor yang ada didalam sistem, baik dari faktor subjektif maupun faktor objektif, yang kesemuanya saling berhubungan satu sama lain. Pada halaman ini admin dapat melihat data faktor secara group juga. Jadi data dapat ditampilkan yang tergolong objektif saja maupun yang bersifat subjektif saja, sehingga lebih mempermudah dalam monitoring data oleh admin. Untuk data faktor yang masuk berupa data dari keseluruhan member yang telah mendaftar dalam sistem, sehingga data dari semua member dapat terkontrol dari halaman admin, seperti yang terlihat pada Gambar 5.21 berikut ini :

128

Gambar 5.21 Form Halaman Faktor

Pada Gambar 5.22 adalah halaman khusus admin untuk mengganti user dan passwordnya saja, sehingga dapat lebih menjaga keamanan sistem dalam aplikasi sistem pengambilan keputusan ini.

129 6.1. Kesimpulan

Setelah melakukan uji coba pada sistem pengambilan keputusan ini, maka dapat diambil kesimpulan yaitu:

a. Untuk merancang suatu sistem pendukung keputusan dengan metode

fuzzy, diperlukan nilai awal yang dalam skripsi ini dihitung menggunakan metode brown-gibson untuk lebih mempermudahkan proses perhitungannya. Kemudian dengan menggunakan algoritma fuzzy

dapat dilakukan Proses penentuan lokasi terbaik mendirikan perusahaan dapat terproses dengan cukup baik.

b. Dari hasil uji coba didapatkan bahwa untuk menerapkan proses perhitungan fuzzy diperlukan grafik penentuan factor scaling yang kemudian dihitung dengan metode max-dot untuk proses defuzzyfikasinya

6.2. Saran

Berdasarkan pengalaman dalam dalam pembuatan sistem pengambilan keputusan dengan algoritma fuzzy ini, terdapat beberapa saran yang diberikan oleh penyusun terkait dengan pengembangan sistem ini. Saran-saran tersebut di antaranya adalah:

a. Sistem pengambilan keputusan ini dapat diterapkan pada setiap jenis perusahaan yang mempunyai data-data valid mengenai kebutuhan pokok dalam mendirikan perusahaan.

130

b. Sistem ini dapat dikembangkan dengan metode yang lebih komplek dan lebih akurat lagi seperti neuro fuzzy ataupun yang lainya.

c. Pada rulebase atau aturan fuzzy serta perumusan akan dapat lebih dinamis lagi jika dapat dimasukkan kedalam database jadi tidak langsung jalan didalam script.

Maarif, M.S, Tanjung, H. 2003. Teknik-Teknik Kuantitatif Untuk Manajemen. Gramedia Widiasarana Indonesia: Jakarta.

Kusumadewi, Sri, Hartati, Sri, Harjoko, Agus, Wardoyo, Retantyo. 2008. Fuzzy Multi-Attribute Decision Making (Fuzzy MADM). Graha Ilmu: Jakarta

Steven D. Kaehler. . FUZZY LOGIC - AN INTRODUCTION. Diakses April 2010, dari http://www.suwardo.staff.ugm.ac.id/artikel

Ariyoso. behaviourmetrika, metode kuantitatif manajemen. Diakses Oktober 2009 dari http://ariyoso.wordpress.com/2009/10/26/131/

Rosita. Dian. MANAJEMEN OPERASI PENENTUAN LOKASI (PLANT

LOCATION). Diakses November 2009 dari

http://rose2890.blog.friendster.com/2008/11/resume-manajemen-operasi penentuan-lokasi-plant-location

Iman P. Hidayat. Plant Location. Diakses November 2009 dari