aplikasi elimination et choix traduisant la realité

LAPORAN AKHIR

PENELITIAN DOSEN PEMULA

APLIKASI ELimination Et Choix Traduisant la REalité

(ELECTRE) PADA SISTEM PENDUKUNG KEPUTUSAN

Tahun ke- 1 dari rencana 1 tahun

Ketua/ Anggota Tim

Agusta Praba Ristadi Pinem, S.Kom., M.Kom. 0618089001

Prind Triajeng Pungkasanti, S.Kom., M.Kom. 0627048303

Dibiayai Oleh :

Direktorat Riset dan Pengabdian Kepada Masyarakat (DRPM)

Direktorat Jenderal Penguatan Riset dan Pengembangan

Kementerian Riset, Teknologi dan Pendidikan Tinggi

Sesuai dengan Kontrak Penelitian

Nomor : 016/K6/KM/SP2H/PENELITIAN/2017

UNIVERSITAS SEMARANG

DESEMBER 2017

Kode/ Nama Rumpun Ilmu*: 462 / Teknologi Informasi

ii

PENGESAHAN

iii

RINGKASAN

Sistem Pendukung Keputusan (SPK) merupakan salah satu matakuliah

turunan dari Ilmu Matematika terapan. Mahasiswa diajarkan bagaimana cara

menyelesaikan suatu masalah dengan menerapkan metode-metode di SPK. Salah

satu metode yang dapat digunakan dalam SPK adalah ELimination Et Choix

Traduisant la REalité (ELECTRE). ELECTRE merupakan salah satu metode SPK

yang dapat menggunakan banyak kriteria sebagai variabel untuk memperoleh

informasi pendukung keputusan. ELECTRE sendiri juga memiliki banyak tahapan

untuk memperoleh hasil akhir. Banyaknya tahapan pada metode ELECTRE

membuat mahasiswa merasa kesulitan dalam memahami algortima ELECTRE

apabila penjelasannya masih berupa materi tertulis dan perhitungan manual. Hal

tersebut mendasari peneliti untuk membuat alat bantu pembelajaran dalam bentuk

Aplikasi ELimination Et Choix Traduisant la REalité (ELECTRE) dengan

menerapkan algoritma ke dalam bentuk program berbasis web dinamis. Aplikasi

web yang dibangun telah diuji dengan membandingkan hasil perhitungan manual

dengan hasil dari aplikasi web. Proses pengujian menggunakan Korelasi

Spearman Rank dengan hasil 0,95. Hasil pengujian menunjukan hasil yang sesuai

antara perhitungan manual dan aplikasi web.

iv

DAFTAR ISI

HALAMAN PENGESAHAN ................................................................................. ii

RINGKASAN ........................................................................................................ iii

DAFTAR ISI .......................................................................................................... iv

DAFTAR TABEL .................................................................................................. iv

DAFTAR GAMBAR .............................................................................................. v

DAFTAR LAMPIRAN .......................................................................................... vi

BAB 1. PENDAHULUAN ..................................................................................... 1

BAB 2. TINJAUAN PUSTAKA ............................................................................ 3

2.1 Sistem Pendukung Keputusan (SPK) ....................................................... 3

2.2 Et Choix Traduisant la REalité (ELECTRE) ............................................ 4

2.3 PHP ........................................................................................................... 7

BAB 3. TUJUAN DAN MANFAAT PENELITIAN ............................................. 8

3.1 Tujuan Penelitian ...................................................................................... 8

3.2 Manfaat Penelitian .................................................................................... 8

BAB 4. METODE PENELITIAN........................................................................... 9

4.1 Metode Pengumpulan Data ...................................................................... 9

4.2 Metode Pengembangan Sistem................................................................. 9

4.3 Lokasi Penelitian ...................................................................................... 9

BAB 5. HASIL DAN LUARAN YANG DICAPAI ............................................. 10

5.1 Desain Sistem dengan Diagram UML .................................................... 10

5.2 Desain Antarmuka .................................................................................. 11

5.3 Struktur Tabel ......................................................................................... 11

5.4 Perhitungan Manual................................................................................ 15

5.5 Luaran Yang Dicapai .............................................................................. 21

v

BAB 6. KESIMPULAN DAN SARAN................................................................ 22

6.1 Kesimpulan ............................................................................................. 22

6.2 Saran ....................................................................................................... 22

DAFTAR PUSTAKA ........................................................................................... 23

LAMPIRAN .......................................................................................................... 25

iv

DAFTAR TABEL

Hal

Tabel 5.1 Data Kriteria ....................................................................................... 11

Tabel 5.2 Data Sub Kriteria ............................................................................... 12

Tabel 5.3 Data Alternatif .................................................................................... 12

Tabel 5.4 Data Transaksi .................................................................................... 13

Tabel 5.5 Matriks Nilai Sub Kriteria .................................................................. 14

Tabel 5.6 Matriks Ternormalisasi ...................................................................... 15

Tabel 5.7 Matriks Kriteria Ternormalisasi ......................................................... 15

Tabel 5.8 Matriks bobot ternormalisasi ............................................................. 16

Tabel 5.9 Nilai Dominan .................................................................................... 17

Tabel Capaian ..................................................................................................... 21

v

DAFTAR GAMBAR

Hal

Gambar 5.1 Use Case Diagram .......................................................................... 10

Gambar 5.2 Desain basisdata ............................................................................. 10

Gambar 5.3 Desain antarmuka ........................................................................... 11

Gambar 5.4 Struktur Tabel ................................................................................. 12

Gambar 5.5 Tabel master dan transaksi di basisdata ......................................... 17

Gambar 5.6 Hasil Normalisasi Sistem ............................................................... 18

Gambar 5.7 Hasil Bobot Ternormalisasi ............................................................ 19

Gambar 5.8 Hasil perangkingan pada sistem ..................................................... 20

vi

DAFTAR LAMPIRAN

Hal

Catatan Harian (Logbook) .................................................................................. 25

Personalia Peneliti .............................................................................................. 27

Artikel Ilmiah (Jurnal) ........................................................................................ 32

Letter of Accepted Journal ................................................................................. 42

Draft Buku Ajar .................................................................................................. 43

Surat Kontrak ..................................................................................................... 73

Poster .................................................................................................................. 74

Profile ................................................................................................................. 76

1

BAB 1. PENDAHULUAN

Pemanfaatan teknologi informasi dewasa ini tidak hanya digunakan sebagai

alat bantu dalam menyelesaikan permasalahan operasional organisasi tetapi juga

digunakan sebagai media bahan ajar. Media bahan ajar yang menggunakan

pemanfaatan teknologi sangat berdampak positif terhadap hasil pemahaman

mahasiswa kareana dapat menampilkan output dan informasi yang lebih mudah

dipahami oleh mahasiswa terutama pada matakuliah yang membutuhkan tingkat

pemahaman yang mendalam.

Salah satu mata kuliah yang memiliki tingkat kesulitan yang tinggi dan

membutuhkan pemahaman yang mendalam adalah matakuliah Sistem Pendukung

Keputusan (SPK). Matakuliah SPK menerapkan metode algoritma dalam

penyelesaian masalah suatu kasus. Ada beberapa metode algoritma yang dapat

diterapkan dalam penyelesaian masalah SPK, salah satunya adalah algoritma

ELimination Et Choix Traduisant la REalité (ELECTRE).

ELECTRE merupakan metode algoritma yang memiliki banyak tahapan

untuk hasil akhirnya, karena ELECTRE merupakan metode yang digunakan untuk

proses perangkingan atau memilih alternatif terbaik yang berdasarkan pada

hubungan outranking dan menggunakan indeks kesesuaian dan ketidaksesuaian

untuk menganalisa hubungan antar alternatif (Sevkli, 2010). Alternatif sendiri

yaitu calon variable yang nantinya akan dipilih dan diurutkan berdasarkan nilai

kriteria atau atribut. Suatu alternatif dikatakan mendominasi alternatif yang

lainnya jika satu atau lebih kriterianya melebihi (dibandingkan dengan kriteria

dari alternatif lain) dan sama dengan kriteria lain yang tersisa (Kusumadewi dkk.,

2006).

Proses perhitungan dengan menggunakan algoritma ELECTRE yang

memiliki banyak tahapan membuat mahasiswa merasa kesulitan dalam memahami

tahapan ELECTRE apabila penjelasan metode ini hanya menggunakan penjelasan

secara konvensional. Oleh sebab itu, peneliti membuat Aplikasi ELimination Et

Choix Traduisant la REalité (ELECTRE) pada Sistem Pendukung Keputusan,

2

diharapkan aplikasi bahan ajar ini dapat membantu dan memudahkan mahasiswa

mengerti dan memahami penerapan ELECTRE dalam penyelesaian masalah dan

menghasilkan informasi sebagai pendukung keputusan suatu kasus.

3

BAB 2. TINJAUAN PUSTAKA

2.1 Sistem Pendukung Keputusan (SPK)

Sistem pendukung keputusan (SPK) adalah sebuah sistem yang dapat

membantu seseorang dalam mengambil keputusan dari berbagai jenis pilihan yang

dilakukan secara akurat dan sesuai dengan sasaran yang diinginkan (Faisal dan

Permana, 2015). Selain itu, Sistem Pendukung Keputusan (SPK) atau Decision

Support System (DSS) adalah seperangkat sistem yang mampu memecahkan

masalah secara efisien dan efektif, yang bertujuan untuk membantu pengambil

keputusan dalam memilih berbagai alternatif keputusan yang merupakan hasil dari

pengolahan informasi-informasi yang diperoleh atau tersedia (kriteria) dengan

menggunakan model-model pengambilan keputusan (Gholam dkk, 2009). DSS

menggunakan Computer Base Information System (CBIS) yang fleksibel,

interaktif, dan dapat diadaptasi, yang dikembangkan untuk mendukung

pengambilan keputusan bagi masalah manajemen spesifik yang tidak terstruktur

(Turban dkk, 2005).

Kutipan dalam buku Decision Support System and Intelligent Sistem Little

(1970) mendefinisikan DSS sebagai “sekumpulan prosedur berbasis model untuk

data pemrosesan dan penilaian guna membantu para manajer mengambil

keputusan” (Turban dkk, 2005). Sedangkan Bonczek dkk, mendefinisikan DSS

sebagai sistem berbasis komputer yang terdiri dari tiga komponen yang saling

berinteraksi: sistem bahasa (mekanisme untuk memberikan komunikasi antara

pengguna dan komponen DSS lain), sistem pengetahuan (repository pengetahuan

domain masalah yang ada pada DSS entah sebagai data atau sebagai prosedur),

dan sistem pemrosesan masalah (hubungan antara dua komponen lainnya, terdiri

dari satu atau lebih kapabilitas manipulasi masalah umum yang diperlukan untuk

pengambilan keputusan (Bonczek et al., 1980).

Ada beberapa karakteristik dalam SPK menurut Gholam dkk (2005), yaitu:

a. SPK mengevaluasi dan memberikan peringkat alternatif berdasarkan nilai

kinerja.

4

b. Memungkinkan pemakai memulai dan mengendalikan masukan dan

keluaran.

c. Dapat dioperasikan dengan sedikit atau tanpa bantuan pemrograman

professional.

d. Menyediakan dukungan untuk keputusan dan permasalahan yang

solusinya tidak dapat ditentukan di depan.

e. Menggunakan analisis data dan tidak tergantung pada ahli.

Sedangkan tujuan dari SPK menurut (Laudon dan Laudon, 1998):

a. Membantu menyelesaikan masalah semi-terstruktur.

b. Mendukung manajer dalam mengambil keputusan.

c. Meningkatkan efektifitas bukan efisiensi pengambilan keputusan.

Jadi dapat dikatakan bahwa SPK dapat memberikan manfaat bagi pengambil

keputusan dalam meningkatkan efektifitas kerja terutama dalam proses

pengambilan keputusan tanpa bergantung pada ahli.

2.2 Et Choix Traduisant la REalité (ELECTRE)

MCDM (Multi Criteria Decision Making) merupakan salah satu metode

sistem pendukung keputusan (Hadiguna dkk., 2014). MCDM dapat digunakan

untuk permasalahan yang memiliki banyak kriteria dalam menentukan solusi

dengan memilih alternatif terbaik dan ELECTRE merupakan salah satu metode

yang termasuk dalam MCDM (Gholam dkk., 2009). Pada MCDM terdapat dua

pengelompokan lebih spesifik lagi, yaitu MADM (Multi Attribute Decision

Making) dan MODM (Multi Objective Decision Making). Metode MADM dapat

menemukan alternatif yang paling sesuai dengan melakukan perangkingan

terhadap alternatif dengan mengacu pada atribut, bobot dan perhitungan

perbandingan antar alternatif terhadap atributnya masing-masing (Lavasani dkk.,

2012). ELECTRE termasuk dalam kelompok MADM dengan model normalisasi

(Mardani dkk., 2015).

ELECTRE merupakan metode yang digunakan untuk proses perangkingan

atau memilih alternatif terbaik yang berdasarkan pada hubungan outranking dan

menggunakan indeks kesesuaian dan ketidaksesuaian untuk menganalisa

5

hubungan antar alternatif (Sevkli, 2010). Indeks kesesuaian dan ketidaksesuaian

dapat dihitung atau dinyatakan sebagai tingkat kepuasan pengambil keputusan

terhadap alternatif satu dengan yang lainnya (Sevkli, 2010). Metode ELECTRE

didasarkan pada konsep perangkingan melalui perbandingan berpasangan antar

alternatif pada kriteria yang sesuai. Suatu alternatif dikatakan mendominasi

alternatif yang lainnya jika satu atau lebih kriterianya melebihi (dibandingkan

dengan kriteria dari alternatif lain) dan sama dengan kriteria lain yang tersisa

(Kusumadewi dkk., 2006).

a) Langkah-langkah dalam ELECTRE

Berikut ini adalah enam langkah metode ELECTRE:

Langkah 1: Data atau kriteria dan sub kriteria dinormalisasi dengan

tujuan untuk dapat dikomparasi. Setiap normalisasi dapat dilakukan dengan

persamaan (2.1):

, untuk 1, 2, 3, .....m dan j= 1, 2, 3, ......n (2.1)

Langkah 2: Mencari nilai dari rata-rata nilai dengan menggunakan rata-

rata geometrik karena memberikan kemudahan dan konsistensi dalam mengambil

nilai dari himpunan (Kaya dan Kahraman, 2011).

(2.2)

Dimana n adalah jumlah sub kriteria dalam satu kriteria dan x adalah nilainya.

Kemudian diperoleh matriks R hasil normalisasi dan rata-rata dari sub kriteria

yang membentuk perbandingan berpasangan setiap alternatif di setiap kriteria.

(2.3)

6

Langkah 3: Mencari matrix bobot ternormalisasi.

R adalah matriks yang telah di normalisasi dimana i menyatakan alternatif, j

menyatakan kriteria dan adalah normalisasi pengukuran pilihan alternatif ke-i

dalam hubungannya dengan kriteria ke-j. Kemudian matriks R dikalikan dengan

bobot masing-masing kriteria .

(2.4)

Langkah 4: Menentukan indeks kesesuaian (concordance index) dan

ketidaksesuaian (discordance index). Kriteria dalam suatu alternatif termasuk

kesesuaian dinyatakan dengan persamaan

, untuk j = 1,2,3,….,n (2.5)

Sebaliknya termasuk dalam ketidaksesuaian apabila

, untuk j = 1,2,3,….,n (2.6)

Langkah 5: Menghitung nilai kesesuaian dan ketidaksesuaian tiap

alternatif. Untuk menentukan nilai kesesuaian adalah dengan menjumlahkan

bobot-bobot yang termasuk dalam subset kesesuaian.

wCj

jkl w=C (2.7)

Untuk menentukan nilai ketidaksesuaian adalah dengan menjumlahkan bobot

yang termasuk pada subset ketidaksesuaian.

wDj

jkl w=D (2.8)

7

Langkah 6: Mencari nilai dominan. Nilai dikurangi dengan Nilai

untuk memperoleh nilai atau nilai dominan. Nilai dominan ( )

merupakan patokan rangking pada metode ELECTRE untuk memperoleh

keputusan terbaik.

(2.9)

2.3 PHP

PHP adalah singkatan dari "PHP: Hypertext Prepocessor", yaitu bahasa

pemrograman yang digunakan secara luas untuk penanganan pembuatan dan

pengembangan sebuah situs web dan bisa digunakan bersamaan dengan HTML

(Triyuliana, 2005). PHP adalah salah satu bahasa pemgrograman skrip yang

dirancang untuk membangun aplikasi web. Aplikasi web adalah aplikasi yang

disimpan dan dieksekusi di lingkungan web server. Setiap permintaan yang

dilakukan oleh pengguna melaluli aplikasi klien (web browser) akan direspon oleh

aplikasi web dan hasilnya akan dikembalikan lagi ke hadapan pengguna.

Dengan aplikasi web halaman yang ditampilkan ke pengguna bersifat

dinamis, tergantung dari nilai data atau parameter yang dimasukan dan dapat

diakses kapanpun dan dimanapun (Raharjo, 2015). Program yang ditulis dengan

PHP dipanggil melalui web browser akan di-parsing ke dalam web server oleh

interpreter PHP dan diterjemahkan ke dalam dokumen HTML, yang selanjutnya

akan ditampilkan kembali ke web browser (Raharjo dkk, 2014). Berdasarkan

survey Netcraft pada bulan Desember 1999, lebih dari sejuta site menggunakan

PHP, di antaranya adalah NASA, Mitsubishi, dan RedHat.

8

BAB 3. TUJUAN DAN MANFAAT PENELITIAN

3.1 Tujuan Penelitian

Tujuan dari penelitian Aplikasi ELimination Et Choix Traduisant la Realité

(ELECTRE) pada Sistem Pendukung Keputusan ini adalah terciptanya aplikasi

ELECTRE berbasis web dinamis yang dapat digunakan sebagai alat bantu untuk

memudahkan mahasiswa memahami algoritma ELECTRE dan dapat menerapkan

ke dalam berbagai kasus penentuan alternative terbaik.

3.2 Manfaat Penelitian

Manfaat yang dapat diperoleh dari penelitian ini yaitu:

1. Bagi Mahasiswa

a. Membantu mahasiswa dalam memahami proses dari metode

ELECTRE pada matakuliah sistem pendukung keputusan.

b. Aplikasi ini diharapkan dapat membantu dalam meningkatkan

konsentrasi mahasiswa saat proses belajar mengajar.

c. Aplikasi ini diharapkan menjadi media pembelajaran yang bermanfaat

bagi mahasiswa.

2. Bagi FTIK USM Semarang

a. Menambah referensi aplikasi alat bantu ajar bagi FTIK USM

khususnya untuk matakuliah sistem pendukung keputusan.

b. Menambah referensi hasil penelitian yang dilakukan oleh dosen FTIK

USM.

3. Bagi Peneliti

a. Menambah pengetahuan, wawasan, dan pengalaman dalam melakukan

penelitian.

b. Menambah alat bantu ajar.

c. Menyajikan alat bantu interaktif dalam proses pembelajaran

matakuliah sistem pendukung keputusan.

9

BAB 4. METODE PENELITIAN

4.1 Metode Pengumpulan Data

Metode pengumpulan data yang dilakukan dalam penelitian ini adalah:

1. Observasi : mengamati mahasiswa baik dalam menerima pemahaman

maupun hasil tes pada saat perkuliahan matakuliah sistem pendukung

keputusan.

2. Studi Pustaka : mengumpulkan literatur pendukung penelitian, baik

dari buku referensi ataupun browsing dari internet.

4.2 Metode Pengembangan Sistem

Metode pengembangan sistem yang digunakan dalam penelitian ini adalah

SDLC (System Development Live Cycle), yaitu suatu pendekatan proses

dalam komunikasi data yang menggambarkan siklus yang tiada awal dan

akhir dalam sistem, mencakup tahapan:

1. Analisa: menganalisis kebutuhan untuk melakukan penelitian dan

permasalahan yang ada.

2. Desain: merencanakan tampilan sistem dan alur sistem yang akan

dibuat.

3. Implementasi: pengimplementasian sistem sebagai bahan ajar

matakuliah sistem pendukung keputusan.

4. Pengujian: proses menguji sistem dengan melakukan simulasi pada

setiap fungsi yang ada.

4.3 Lokasi Penelitian

Lokasi penelitian dilakukan di Fakultas Teknologi Informasi dan

Komunikasi Universitas Semarang (USM).

10

BAB 5. HASIL DAN LUARAN YANG DICAPAI

Dalam bab ini dibahas hasil dan luaran yang dicapai selama proses

pengerjaan penelitian. Hasil yang dicapai adalah desain sistem, desain basisdata,

implementasi desain database ke Database Management System (DBMS) dan

implementasi metode kedalam bahasa pemrograman berbasis web.

5.1 Desain Sistem dengan Diagram UML

Berikut desain sistem menggunakan use case diagram.

operator

mengelola kriteria

mengelola sub kriteria

mengelola alternatif

mengelola transaksi

mengelola peringkat

Gambar 5.1 use case diagram

Use Case Diagram pada gambar 5.1 menggambarkan kemampuan sistem dan hak

akses pengguna secara umum. Operator selaku pengguna sistem dapat mengelola

data alternative, sub kriteria, kriteria dan data transaksi. Data transaksi terkait nilai

masing-masing sub kriteria di setiap alternative.

Berikut desain basisdata dengan menggunakan class diagram.

ALT

+ID_ALT+NM_ALT

CRT

+ID_CRT+NM_CRT+BOBOT

SUB_CRT

+ID_SUBCRT+NM_SUBCRT+ID_CRT

SPK

+ID_ALT+ID_SUBCRT+NILAI

Gambar 5.2 Desain basisdata

11

Gambar 5.2 menunjukan class diagram yang merepresentasikan tabel pada

basisdata. Terdapat 4 tabel, tiga sebagai tabel master dan satu sebagai tabel

transaksi:

1. Tabel ALT menampung data alternative

2. Tabel SUB_CRT menampung data sub kriteria

3. Tabel CRT menampung data kriteria

4. Tabel SPK, menjadi tabel transaksi yang berfungsi untuk menampung data

nilai setiap alternative untuk masing-masing sub kriteria dan kriterianya.

5.2 Desain Antarmuka

Berikut desain antarmuka sebagai acuan pembuatan aplikasi.

Gambar 5.3 Desain antarmuka

Gamabr 5.3 merupakan desain antarmuka dan seabgai dasar layout. Desain

antarmuka memiliki empat bagian utama, yaitu header, menu, content dan footer.

Header merupakan bagian atas aplikasi. Menu berisi tautan menu yang akan

tampil pada bagian content. Sedangkan footer merupakan bagian bawah aplikasi

sebagai penanda akhir halaman.

5.3 Struktur Tabel

Setiap tabel pada desain basisdata kemudian diimplementasikan ke dalan

DBMS. Berikut struktur tabel yang diimplementasikan ke dalam DBMS.

Konten

12

Gambar 5.4 Struktur Tabel

Sturktur tabel pada gambar 5.4 telah diimplementasikan di DBMS berupa tabel-

tabel yang menampung data master dan transaksi. Selanjutnya adalah memasukan

data percobaan, yaitu data fiktif yang digunakan untuk menguji perhitungan pada

sisi sistem dengan membandingkan perhitungan menggunakan Ms Excel. Berikut

data yang dimasukan kedalam DBMS.

Tabel 5.1 Data Kriteria

Tabel CRT diisi dengan data pada tabel 5.1 atau data kriteria. Data kriteria adalah

variable yang digunakan dalam proses pengambilan keputusan. Jumlah kriteria

yang digunakan tergantung pada kasus yang diteliti. Setiap kriteria memiliki ID,

Nama kriteria yang berbeda dan memiliki nilai bobot. Nilai bobot menunjukan

seberapa penting suatu kriteria terhadap kriteria yang lain. Semakin tinggi nilai

bobot maka semakin tinggi pula tingkat pengaruh kriteria tersebut.

ID CRT NM CRT BOBOT

C001 KRITERIA 1 1

C002 KRITERIA 2 3

C003 KRITERIA 3 2

C004 KRITERIA 4 2

C005 KRITERIA 5 1

13

Tabel 5.2 Data Sub Kriteria

ID_SUBCRT NM SUBCRT ID CRT

SC001 SUB KRIT 1 C001










Tabel SUB_CRT diisi dengan data pada tabel 5.2 atau data sub kriteria. Sub

kriteria adalah anak variable dari kriteria. Setiap kriteria digambarkan memiliki

dua sub kriteria. Terlihat pada setiap ID_CRT yang muncul dua kali.

Tabel 5.3 Data Alternatif

ID ALT NM ALT

A001 ALT 1

A002 ALT 2

A003 ALT 3

A004 ALT 4

A005 ALT 5

A006 ALT 6

A007 ALT 7

A008 ALT 8

A009 ALT 9

A010 ALT 10

Tabel ALT di DBMS diisi dengan data alternative pada tabel 5.3. Data alternative

adalah pilihan yang tersedia dalam SPK. Alternative memiliki satu atau lebih

kriteria. Dalam SPK alternative terbaik adalah pilihan yang diajukan pada proses

pengambilan keputusan. Data alternative memiliki 10 baris data, namun yang

akan masuk tabel transaksi (SPK) adalah 5 baris data untuk memudahkan dalam

menguji perhitungan.

14

Tabel 5.4 Data Transaksi

ID ALT ID_SUBCRT NILAI

A001 SC001 8

A001 SC002 7

A001 SC003 8

A001 SC004 6

A001 SC005 5

A001 SC006 6

A001 SC007 4

A001 SC008 1

A001 SC009 2

A001 SC010 4

A002 SC001 6

A002 SC002 6

A002 SC003 4

A002 SC004 4

A002 SC005 7

A002 SC006 5

A002 SC007 7

A002 SC008 7

A002 SC009 4

A002 SC010 8

A003 SC001 8

A003 SC002 8

A003 SC003 5

A003 SC004 7

A003 SC005 3

A003 SC006 5

A003 SC007 6

A003 SC008 5

A003 SC009 6

A003 SC010 4

A004 SC001 5

A004 SC002 5

A004 SC003 6

A004 SC004 5

A004 SC005 7

A004 SC006 7

A004 SC007 7

A004 SC008 4

A004 SC009 6

15


A004 SC010 6

A005 SC001 8

A005 SC002 7

A005 SC003 8

…… ………. ………..

Tabel SPK diisi dengan data transaksi seperti pada tabel 5.4. Data transaksi

adalah data yang digunakan untuk menggabungkan alternative dengan sub kriteria

dan kriteria. Data transaksi menggambarkan nilai kriteria dan sub kriteria pada

masing-masing alternative. Data transaksi yang tersimpan di basisdata terdiri dari

50 baris data. Setiap yang terdiri dari 5 alternative. Masing-masing alternative

memiliki 10 nilai sub kriteria.

5.4 Perhitungan Manual

Perhitungan manual merupakan tahapan untuk menguji algoritma yang

diterapkan pada source code sudah sesuai dengan perhitungan pada metode

ELECTRE. Hasil perhitungan manual akan dibandingkan dengan hasil keluaran

dari aplikasi untuk menguji proses aplikasi. Tahapan perhitungan manual dimulai

dari penyederhanaan data transaksi di basisdata kedalam bentuk matriks.

Tabel 5.5 Matriks Nilai Sub Kriteria

ID_ALT SUB KRITERIA

SC001 SC002 SC003 SC004 SC005 SC006 SC007 SC008 SC009 SC010

A001 8 7 8 6 5 6 4 1 2 4

A002 6 6 4 4 7 5 7 7 4 8

A003 8 8 5 7 3 5 6 5 6 4

A004 5 5 6 5 7 7 7 4 6 6

A005 8 7 8 6 5 6 4 3 3 4

Tabel 5.5 merupakan matriks nilai sub kriteria masing-masing alternative.

Setiap alternative memiliki 10 sub kriteria berikut nilainya. Matriks pada tabel 5.5

kemudian dinormalisasi dengan menggunakan persamaan 2.1. Setiap nilai sub

kriteria pada masing-masing alternative dinormalisasi untuk menghilangkan jarak

nilai yang terlalu jauh pada sub kriteria yang lain. Selain itu data atau kriteria dan

sub kriteria dinormalisasi dengan tujuan untuk dapat dikomparasi.

16

Tabel 5.6 Matriks Ternormalisasi

ID_ALT SUB KRITERIA


A001 0.5030 0.4688 0.5587 0.4714 0.3990 0.4588 0.3105 0.1000 0.1990 0.3288

A002 0.3772 0.4018 0.2794 0.3143 0.5587 0.3824 0.5433 0.7000 0.3980 0.6576

A003 0.5030 0.5357 0.3492 0.5500 0.2394 0.3824 0.4657 0.5000 0.5970 0.3288

A004 0.3143 0.3348 0.4191 0.3928 0.5587 0.5353 0.5433 0.4000 0.5970 0.4932

A005 0.5030 0.4688 0.5587 0.4714 0.3990 0.4588 0.3105 0.3000 0.2985 0.3288

Normalisasi memudahkan dalam proses komparasi dan mengghilangkan jarak

nilai antar sub kriteria. Normalisasi dilakukan dalam satu kolom, yaitu setiap nilai

sub kriteria SC001 dan seterusnya dinormalisasikan. Data A001 sub kriteria

SC001 dinormalisasi dengan dengan persamaan 2.1 hingga menghasilkan tabel

5.6. Nilai masing-masing sub kriteria di setiap alternative kemudian akan dirata-

rata dengan menggunakan geometric mean yaitu menggunakan persamaan 2.2.

berikut data kriteria ternormalisasi.

Tabel 5.7 Matriks Kriteria Ternormalisasi

ID_ALT KRITERIA

C001 C002 C003 C004 C005

A001 0.480 0.381 0.236 0.306 0.362

A002 0.380 0.467 0.442 0.354 0.606

A003 0.439 0.499 0.418 0.573 0.281

A004 0.410 0.427 0.409 0.484 0.525

A005 0.480 0.381 0.409 0.375 0.362

Tabel 5.7 atau matriks kriteria ternormalisasi merupakan hasil rata-rata sub

kriteria berdasarkan kriteria. Pada tabel 5.6, data A001 memiliki 10 nilai sub

kriteria. 10 nilai sub kriteria akan menjadi 5 nilai kriteria. Sub kriteria dirata-rata

berdasarkan kelompok kriterianya. SC001 dan SC006 merupakan sub kriteria

dibawah kriteria C001, maka nilai SC001 dan SC006 dirata-rata menggunakan

persamaan 2.2 dan menghasilkan nilai kriteria C001. Proses tersebut

menghasilkan perbandingan berpasangan masing-masing alternatif di setiap

kriteria dengan menggunakan persamaan 2.3.

17

Matriks kriteria ternormalisasi kemudian dikalikan dengan bobot setiap

kriteria pada tabel 5.1. Sehingga menghasilkan matriks bobot ternormalisasi

dengan menggunakan persamaan 2.4. Berikut tabel matriks bobot ternormalisasi.

Tabel 5.8 Matriks bobot ternormalisasi

ID_ALT KRITERIA

C001 C002 C003 C004 C005

A001 0.480 1.144 0.473 0.613 0.362

A002 0.380 1.402 0.884 0.707 0.606

A003 0.439 1.498 0.836 1.146 0.281

A004 0.410 1.280 0.819 0.969 0.525

A005 0.480 1.144 0.819 0.750 0.362

Tabel 5.8 atau matriks bobot ternormalisasi merupakan matriks yang digunakan

dalam metode ELECTRE. Proses selanjutnya adalah mencari nilai indeks

kesesuaian dan ketidaksesuaian dengan menggunakan persamaan 2.5 dan 2.6.

Indeks kesesuaian dan ketidaksesuaian diperoleh dengan membandingkan

masing-masing nilai kriteria pada setiap alternative. Berikut nilai kesesuaian,

ketidaksesuaian dan nilai dominan masing-masing alternative.

Tabel 5.9 Nilai Dominan

ID_ALT NILAI C NILAI D Nilai Dominan

A001 9 27 -18

A002 23 13 10

A003 28 8 20

A004 20 16 4

A005 17 19 -2

Nilai dominan pada tabel 5.9 diperoleh berdasarkan selisih nilai

kesesuaian dan ketidaksesuaian. Alternative yang memiliki dominan tertinggi

adalah alternative terbaik. Hasil perhitungan manual digunakan sebagai acuan

pengujian pada aplikasi berbasis web.

Data pada pengujian kemudian juga dimasukan kedalam basisdata dan

dilakukan pengujian untuk melihat kesesuaian hasil perhitungan metode

ELECTRE di aplikasi web dan perhitungan di Ms Excel. Berikut hasil perhitungan

di basisdata dari proses input data hingga matriks kriteria ternormalisasi.

18

Gambar 5.5 Tabel master dan transaksi di basisdata

Gambar 5.5 adalah data yang masuk pada basisdata sebelum dilakukan proses

perhitungan normalisasi. Kemudian data dengan mengimplementasikan

persamaan-persamaan kedalam bahasa pemrograman php. Data pada gambar 5.5

kemudian dinormalisasi, hal ini dilakukan untuk menyamakan skala pada setiap

sub kriteria menggunakan persamaan 2.1.

Gambar 5.6 Hasil Normalisasi Sistem

19

Proses normalisasi perlu dilakukan sebelum proses rata-rata sub kriteria seperti

yang ditunjukan pada gambar 5.6 Gambar 5.6 adalah hasil normalisasi data

transaksi masing-masing sub kriteria pada setiap alternative. Selanjutnya mencari

nilai kriteria dengan rata-rata geometry atau dengan persamaan 2.2. Setiap sub

kriteria pada kriteria yang sama, nilainya dirata-rata dengan geometry mean untuk

memperoleh nilai kriteria. Proses perhitungan rata-rata sub kriteria tetap merujuk

pada kriteria yang digunakan sehingga menghasilkan nilai seperti pada persamaan

2.3. Sebelum normalisasi kriteria masuk dalam proses kesesuaian dan

ketidakkesesuaian perlu mengkalikan bobot kriteria pada masing-masing kriteria

di setiap alternative untuk menghasilkan matrik bobot ternormalisasi dengan

menggunakan persamaan 2.4.

Gambar 5.7 Hasil Bobot Ternormalisasi

Gambar 5.7 merupakan hasil perhitungan bobot ternormalisasi yang dihasiklan

sistem. Cara menghitung bobot ternormalisasi adalah dengan menggunakan

persamaan 2.4 dimana nilai setiap kriteria pada masing-masing alternatif dikalikan

dengan bobot masing-masing kriteria. Nilai bobot merupakan salah satu elemen

20

penting dalam pengambilan keputusan karena sebagai tolak ukur tingkat pengaruh

kriteria tersebut pada proses pengambilan keputusan. Semakin tinggi nilai bobot

maka semakin besar pula pengaruh kriteria tersebut pada proses pengambilan

keputusan.

Nilai bobot ternormalisasi pada gambar 5.7 kemudian diproses dengan

menerapkan persamaan 2.5 dan 2.6, yaitu membandingkan nilai kriteria alternatif

satu dengan alternatif lainnya. Setiap alternatif akan dibandingkan nilai

kriterianya sehingga menghasilkan total nilai kesesuaian dengan menggunakan

persamaan 2.7 dan total nilai ketidakkesesuaian dengan menggunakan persamaan

2.8. Tahapan terakhir pada metode ELECTRE ada menentukan nilai dominan

dengan menggunakan persamaan 2.9 yaitu dengan menghitung selisih nilai

kesesuaian dengan nilai ketidakkesesuaian. Hasil perhitungan sistem ditunjukan

pada gambar 5.8.

Gambar 5.8 Hasil perangkingan pada sistem

Gambar 5.8 merupakan hasil perhitungan nilai dominan dari sistem, yaitu dengan

membandingkan nilai kesesuaian dan ketidakkesesuaian setiap alternatif. Nilai

dominan digunakan sebagai nilai acuan perangkingan penentuan alternatif terbaik.

Semakin tinggi nilai dominan maka semakin tinggi pula peringkat atau rangking

alternatif tersebut. Alternatif dengan nilai dominan tertinggi atau alternatif

peringkat teratas maka disebut sebagai alternatif terbaik.

Hasil sistem dan perhitungan manual selanjutnya dibandingkan untuk

menguji tinggkat kesalahan yang dihasilkan sistem.

21

Tabel 5.10 Pengujian Hasil Manual dan Sistem

Alternatif Manual Sistem

Nilai Dominan Rank Nilai Dominan Rank

A001 -18 5 -18 5

A002 10 2 10 2

A003 20 1 20 1

A004 4 3 4 3

A005 -2 4 -2 4

Koefisien Korelasi Spearman Rank = 0.95

Mean Squared Error = 0

Tabel 5.10 merupakan hasil pengujian yang membandingkan hasil perhitungan

sistem dan perhitungan manual menggunakan Korelasi Spearman Rank dan Mean

Squared Error. Pada gambar 5.8 menunjukan nilai dominan yang sama dengan

hasil perhitungan manual pada tabel 5.9 dengan tingkat error 0. Pengujian dengan

Mean Squared Error menggunakan nilai dominan sebagai sampel uji. Sedangkan

hasil perangkingan atau kolom rank diuji dengan menggunakan Spearman Rank

menghasilkan nilai koefisien korelasi 0.95. Hal ini menunjukan proses algoritma

pada metode ELECTRE yang diimplementasikan kedalam bahasa pemrograman

telah sesuai karena memiliki nilai error sama dengan 0 dan nilai koefisien korelasi

Spearman Rank diatas 0.90. Selanjutnya aplikasi web metode ELECTRE dapat

diterapkan dalam berbagai kasus pada sistem pendukung keputusan.

5.5 Luaran Yang Dicapai

Luaran yang dicapai dalam penelitian ditunjukan pada tabel capaian.

Tabel Capaian

No Jenis Luaran Indikator Capaian

1 Publikasi ilmiah di jurnal nasional (ber ISSN) Accepted dan

publish Januari 2018

2 Pemakalah dalam temu ilmiah Nasional Tidak ada

Ada Lokal

3 Bahan ajar Draf

4 Luaran lainnya jika ada (Teknologi Tepat Guna,

Model/Purwarupa/Desain/Karya seni/ Rekayasa Sosial) Draf

5 Tingkat Kesiapan Teknologi (TKT) 3

22

BAB 6. KESIMPULAN DAN SARAN

6.1 Kesimpulan

Kesimpulan dari penelitian ini adalah aplikasi ELECTRE berbasis web

dinamis telah berhasil dibangun dan telah sesuai dengan tahapan pada metode

yang ditunjukan dengan hasil pengujian perhitungan manual dengan perhitungan

sistem dengan nilai koefisien korelasi Spearman Rank sama dengan 0.95.

6.2 Saran

Saran dari penelitian ini adalah :

1. Aplikasi ELECTRE hanya dapat digunakan untuk data berupa numeric

atau kuantitatif, kedepannya diharapka dapat menampung data

kualitatif.

2. Aplikasi ELECTRE ini belum dapat menjadi aplikasi operasional,

masih bertindak sebagai aplikasi diluar proses operasional sehingga

dapat diterapkan oleh semua pihak.

23

DAFTAR PUSTAKA

Bonczek, R.H., 1981, Foundations of Decision Support Systems, Elsevier Science

& Technology Books xvii, 393 pages.

Faisal dan Permana, S.D., 2015, Sistem Penunjang Keputusan Pemilihan Sekolah

Menengah Kejuruan Teknik Komputer Dan Jaringan Yang Terfavorit

Dengan Menggunakan Multi-Criteria Decision Making, Jurnal Teknologi

Informasi dan Ilmu Komputer (JTIIK), Vol. 2, No. 1, April 2015, hlm. 11-19.

Gholam, A.M., Saremi, H.Q., dan Ramezani, M., 2009, Design A New Mixed

Expert Decision Aiding System Using Fuzzy Electre III Method For Vendor

Selection, Expert Systems with Applications 3 , 10837–10847.

Hadiguna, R.A., Kamil, I., dan Delati, A., 2014, Implementing A Web Based

Decision Support System for Disaster Logistics: A Case Study of An

Evacuation Location Assessment for Indonesia. International Journal of

Disaster Risk Reduction 9, 38–47.

Kaya, T., dan Kahraman, C., 2011, An Integrated Fuzzy AHP–ELECTRE

Methodology For Environmental Impact Assessment, Expert Systems with

Applications 38, 8553–8562.

Kusumadewi, S., Hartati, S., Harjoko, A., dan Wardoyo, R., 2006, Fuzzy Multi-

Attribute Decision Making, Graha Ilmu, Yogyakarta.

Laudon, K. C., dan Laudon, J. P., 1998, Management Information Systems New

Approaches to Organization & Technology, 5th Edition, Prentice Hall

International. Inc.

Lavasani, S.M.M., Wang, J., Yang, Z., dan Finlay, J., 2012, Application of

MADM in a Fuzzy Environment For Selecting The Best Barrier For

Offshore Wells, Expert Systems with Applications 39, 2466–2478.

Mardani, A., Jusoh, A., dan Zavadskas, E.K., 2015, Fuzzy Multiple Criteria

Decision-Making Techniques and Applications – Two Decades Review

From 1994 to 2014, Expert Systems with Applications 42, 4126–4148.

Raharjo, B., Heryanto, I., dan Rosdiana, 2014, Modul Pemrograman WEB HTML,

PHP dan MySQL, Modula, Bandung.

24

Sevkli, M., 2010, An Application of The Fuzzy ELECTRE Method For Supplier

Selection, International Journal of Production Research 48, 3393–3405.

Triyuliana, A., 2005, Aplikasi Manajemen Database Pendidikan Berbasis Web

dengan PHP dan MySQL, Andi, Yogyakarta.

Turban, E., dkk., 2005, Decision Support System and Intelligent Systems (Sistem

Pendukung Keputusan dan Sistem Cerdas), Edisi 7 Jilid 1, Andi,

Yogyakarta.

25

LAMPIRAN

LAMPIRAN

CATATAN HARIAN (LOGBOOK)

APLIKASI Elimination Et Choix Traduisant La Realité


PENYUSUN




2017

2

Catatan Harian (Logbook)

No. Tanggal Kegiatan

1 25/ 02/ 2017 Catatan : Analisa Kebutuhan

Analisa Kebutuhan user, hardware, dan software.

Dokumen Pendukung : kebutuhan hardware dan software

yang akan digunakan.

2 01/ 03/2017 Catatan : Analisa Kebutuhan

Analisa kebutuhan metode algoritma yang akan diterapkan

dalam aplikasi.

Dokumen Pendukung : mengumpulkan materi yang

berhubungan dengan metode algoritma dengan

menggunakan referensi dari buku browsing internet, serta

pencarian bahan pembuatan aplikasi dengan mencari materi

yang berhubungan dengan coding yang digunakan dalam

penerapan algoritma.

3 23/ 03/ 2017 Catatan : Desain

Melakukan desain tampilan dari aplikasi metode algoritma

yang akan diterapkan.

4 03/ 04/ 2017 Catatan : Desain

Melakukan desain tampilan dari aplikasi metode algoritma

yang akan diterapkan.

5 21/ 04/ 2017 Catatan : Implementasi

Mengimplementasikan hasil desain basisdata ke DBMS


Mengimplementasikan hasil desain basisdata ke DBMS


Memasukan data dummy kedalam DBMS


Mengimplementasikan hasil desain sistem ke dalam bahasa

pemrograman (coding)


Mengimplementasikan proses perhitungan ELECTRE

kedalam query database.



kedalam query database.



kedalam program

12 10/ 08/ 2017 Catatan : Pengujian

Menguji perhitungan normalisasi ELECTRE ke format

EXCEL

13 18/ 08/ 2017 Catatan : Pengujian

Menguji perhitungan normalisasi geom mean terbotot

ELECTRE ke format EXCEL

14 25/ 08/ 2017 Catatan : Pembuatan Laporan Kemajuan

15 30/ 08/ 2017 Catatan : Upload Simlibtamas

LAMPIRAN

BIODATA PENELITI

APLIKASI Elimination Et Choix Traduisant La Realité (ELECTRE) PADA

SISTEM PENDUKUNG KEPUTUSAN

PENYUSUN




2017

BIODATA PENELITI

A. Identitas Diri Ketua Penelitian

IDENTITAS DIRI

Nama Lengkap : Agusta Praba Ristadi Pinem, M.Kom.

Jabatan Fungsional : Tenaga Pengajar

Jabatan Struktural : -

NIS/NIDN : 06557003102180 / 0618089001

Tempat dan Tanggal

Lahir

: Wonosobo, 18 Agustus 1990

Perguruan Tinggi : Universitas Semarang

Alamat : Jl. Soekarno Hatta – Semarang 50198

Telp./Faks : (024) 6702757 / (024) 6702272

Alamat Rumah : Perum Depkes A7/2 Kota Magelang

Telp./Faks : 08562786874

Alamat e-mail : [email protected]

Mata Kuliah yang

Diampu

: 1. Testing dan Implementasi Sistem

2. Pemrograman Visual

3. Pengenalan Teknologi Sistem Informasi

4. Struktur Data

5. Sistem Informasi Geografis

6. Basis Data

B. Riwayat Pendidikan Perguruan Tinggi

S1 S2 S3

Nama PT Universitas Kristen

Satya Wacana

Universitas

Diponegoro

Bidang Ilmu Teknik Informatika Sistem Informasi

Tahun Masuk-Lulus 2008 – 2012 2013 – 2015

Judul Skripsi/Tesis/Disertasi Optimalisasi Failover

Instance pada Aplikasi

(Studi Kasus Aplikasi

FSVA Berbasis

Spasial Kab. Brebes)

Implementasi

Fuzzy ELECTRE

untuk Penilaian

Kerusakan Akibat

Bencana Alam.

Nama Pembimbing/Promotor Dr. Sri Yulianto J.P,

S.Si., M.Kom.

Dr. Rahmat

Gernowo, M.Si

Dr. Achmad

Widodo, ST, MT

Pengalaman Penelitian Dalam 5 Tahun Terakhir

No. Tahun Judul Penelitian Pendanaan

1 2016 Implementasi Profile Matching Untuk Pemberian Kredit

Kedua Pada Koperasi Simpan Pinjam

Universitas

Semarang

mailto:[email protected]

Pengalaman Pengabdian Kepada Masyarakat Dalam 5 Tahun Terakhir

Jenis Tahun Nama Kegiatan Tempat

Pelatihan 2016 Peningkatan Penggunaan Media

Pembelajaran Bagi Guru-Guru SMA Islam

Sultan Agung 1 Dan SMA Institut

Indonesia Semarang

FTIK-USM

Pelatihan 2017 Peningkatan Penggunaan Social Learning

Network Bagi Siswa-Siswi SMA Institut

Indonesia Semarang

FTIK-USM

Publikasi Artikel Ilmiah Dalam Jurnal dalam 5 Tahun Terakhir

No. Judul Artikel Ilmiah Nama Jurnal Volume/

Nomor/Tahun

1

Implementasi Oracle Spatial Untuk Pemetaan

Ketahanan Dan Kerawanan Pangan Di Kabupaten

Brebes

Transformatika Vol. 14/ No.

1/2016

2 Implementasi Fuzzy ELECTRE Untuk Penilaian

Kerusakan Akibat Bencana Alam JSINBIS

Vol. 7/ No.

2/2017

3 Implementasi Profile Matching Untuk Pemberian

Kredit Kedua Pada Koperasi Simpan Pinjam SIMETRIS

Vol. 8/ No.

2/2017

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan

dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata

dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.

Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu

persyaratan dalam pengajuan Hibah

Semarang, 29 Oktober 2017

Peneliti,

Agusta Praba Ristadi P, M.Kom.

NIDN. 0618089001

A. Identitas Diri Anggota Penelitian

1. Nama Lengkap Prind Triajeng Pungkasanti, S.Kom., M.Kom

2. Jenis Kelamin Perempuan

3. Jabatan Fungsional Asisten Ahli

4. NIS 06557003102110

5. NIDN 0627048303

6. Tempat dan Tanggal Lahir Medan, 27 April 1983

7. E-mail [email protected]

8. Nomor HP 081327424141

9. Alamat Kantor Jalan Soekarno Hatta, Tlogosari Semarang 50196

10. No Telepon 024-6702757

11. Mata Kuliah yang diampu 1. Sistem Pendukung Keputusan

2. Analisa Pemrograman Berorientasi Objek

3. Pemrograman Berorientasi Objek

B. Riwayat Pendidikan

S-1 S-2

Nama Perguruan Tinggi Universitas Stikubank Universitas Diponegoro

Bidang Ilmu Sistem Informasi Sistem Informasi

Tahun Masuk-Lulus 2004 – 2006 2009 – 2013

Judul Skripsi Rekayasa Perangkat

Lunak Interaktif Psikotes

dengan Menggunakan

Visual Basic 6.0

Penerapan Analytic

Network Process (ANP)

Sebagai Sistem

Pendukung Keputusan

dalam Pemberian Reward

Dosen

Nama Pembimbing Dra. Sulastri, M.Kom

Saefurrohman, M.Kom

Dr. Rahmat Gernowo,

M.Si

Dr. Suryono, M.Si

C. Pengalaman Penelitian dalam 5 Tahun Terakhir

No Tahun Judul Penelitian Pendanaan

Sumber Jumlah (Rp)

1 2013 Monitoring dan Analisis

Trafik di Jaringan USM

menggunakan Multi Router

Traffic Grapher

Dikti 12.000.000,-

2 2014 Penerapan weighted product

sebagai pendukung

keputusan dalam pemberian

rewards dosen.

Universitas

Semarang

2.500.000,-

mailto:[email protected]

No Tahun Judul Penelitian Pendanaan

Sumber Jumlah (Rp)

3 2014 Penerapan metode profile

matching (GAP) sebagai

pendukung keputusan

kenaikan jabatan pada PT

Inti Sukses Garmindo

Mandiri -

4 2014 Sistem Pendukung

Keputusan terhadap

Penentan Minat Jurusan

dengan Menggunakn Metode

SAW (Studi Kasus SMA

Negeri 2 Brebes)

Mandiri -

5 2014 Penerapan Algoritma Apriori

Sebagai Pendukung

Keputusan Penentuan

Wilayah Pemasaran Produk

Genset Diesel PT Sumber

Makmur Aneka Teknik.

Mandiri -

6 2015 Aplikasi Sistem Inventory

Laboratorium Komputer

FTIK Universitas Semarang

Universitas

Semarang

5.000.000,-

7 2015 Aplikasi Analityc Network

Process (ANP) pada Sistem

Pendukung Keputusan

Dikti 11.600.000,-

8 2015 Pemetaan Subdomain pada

Cloud Server Universitas

Semarang menggunakan

Iptables dan Metode Reverse

Proxy

Dikti 11.600.000,-

9 2016 Evaluasi Layanan Sistem

Informasi Akademik

Berbasis Cobit 4.1 pada

Universitas Semarang

Universitas

Semarang

5.000.000,-

D. Pengalaman Pengabdian Kepada Masyarakat dalam 5 Tahun Terakhir

No Tahun Judul Pengabdian Pendanaan

Sumber Jumlah (Rp)

1 2014 Peningkatan Kemampuan

Olah Foto Digital pada

Siswa SMK Negeri 8

Semarang

Universitas

Semarang

1.500.000,-

2 2014 Pelatihan Office dan Internet

bagi Staf Kecamatan Tugu

Semarang

Universitas

Semarang

1.500.000,-

3 2015 Pembelajaran dan

Pemanfaatan Blog bagi Staf

di Lingkungan Kecamatan

Tugu Semarang

Universitas

Semarang

3.000.000,-

E. Publikasi Artikel Ilmiah Dalam Jurnal dalam 5 Tahun Terakhir

NO Judul Artikel Ilmiah Volume/Nomor/Tahun Nama Jurnal

1 Monitoring dan Analisi

Trafik di Jaringan USM

menggunakan Multi Router

traffic Grapher

Volume 12/Nomor

1/Edisi Juli 2014

Tr@nsForMat!ka

2

Implementasi Profile

Matching Untuk Pemberian

Kredit Kedua Pada Koperasi

Simpan Pinjam

Vol. 8/ No. 2/2017 SIMETRIS

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan

dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata

dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.

Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu

persyaratan dalam pengajuan Hibah

Semarang, 29 Oktober 2017

Peneliti,

Prind Triajeng Pungkasanti, M.Kom

NIDN : 0627048303

LAMPIRAN

LEMBAR ACCEPTED JURNAL TRANSFORMATIKA



PENYUSUN




2017

LAMPIRAN

DRAFT BUKU AJAR

PROSES PERHITUNGAN DAN PENERAPAN METODE

ELimination Et Choix Traduisant la REalité (ELECTRE)

PENYUSUN




2017

KATA PENGANTAR

Kami bersyukur kepada Allah SWT atas selesainya draft buku ajar “

PROSES PERHITUNGAN DAN PENERAPAN METODE ELimination Et

Choix Traduisant la REalité (ELECTRE) ”. Shalawat dan salam semoga

terlimpahkan kepada Nabi Muhammad SAW.

Buku ajar ini, merupakan penjabaran tentang metode ELECTRE

pada Sistem Pendukung Keputusan, yang secara spesifik berisi tentang

proses perhitungan, implementasi dan model aplikasi berbasis web yang

menerapkan metode ELECTRE sebagai algoritma sistem.

Tentunya, draft buku ajar ini tidak lepas dari kekurangan. Kedepan,

perlu adanya penambahan bab, metode dan beberapa penerapan sistem

pendukung keputusan pada suatu kasus yang dapat diuji dengan korelasi.

Ucapan terima kasih kepada Tim Penyusun, Kementrian Ristek dan

Dikti, FTIK USM dan pihak-pihak yang membantu terselesainya pedoman

ini. Semoga amalnya di terima Allah SWT sebagai amal jariyah dan draft

buku ajar ini dapat bermanfaat.

Wassalamualaikum wa Rahmatullah wa Barakatuh.

Semarang, 12 November 2017

DAFTAR ISI Hal

KATA PENGANTAR ............................................................................... 2

DAFTAR ISI ............................................................................................ 3

DAFTAR TABEL ..................................................................................... 4

PENDAHULUAN ..................................................................................... 5

Modul 1 ................................................................................................... 7

Pembahasan : Pengenalan Sistem Pendukung Keputusan (SPK) ....... 7

Modul 2 ................................................................................................. 11

Pembahasan : (ELECTRE) Manual .................................................. 11

Modul 3 ................................................................................................. 18

Pembahasan : (ELECTRE) Sistem .................................................. 18

Modul 4 ................................................................................................. 26

Pembahasan : (ELECTRE) Studi Kasus .......................................... 26

Modul 5 ................................................................................................. 32

Pembahasan : (ELECTRE) Studi Kasus pada aplikasi web .............. 32

DAFTAR PUSTAKA .............................................................................. 33

DAFTAR TABEL Hal

Tabel 1 Data Kriteria ........................................................................... 10

Tabel 2 Data Sub Kriteria .................................................................... 10

Tabel 3 Data Alternatif ......................................................................... 11

Tabel 4 Data Transaksi ....................................................................... 11

Tabel 5 Matriks Nilai Sub Kriteria ......................................................... 13

Tabel 6 Matriks Ternormalisasi ............................................................ 13

Tabel 7 Matriks Kriteria Ternormalisasi ................................................ 13

Tabel 8 Matriks bobot ternormalisasi ................................................... 14

Tabel 9 Nilai Dominan ......................................................................... 15

PENDAHULUAN

Pemanfaatan teknologi informasi dewasa ini tidak hanya digunakan

sebagai alat bantu dalam menyelesaikan permasalahan operasional

organisasi tetapi juga digunakan sebagai media bahan ajar. Media bahan

ajar yang menggunakan pemanfaatan teknologi sangat berdampak positif

terhadap hasil pemahaman mahasiswa kareana dapat menampilkan output

dan informasi yang lebih mudah dipahami oleh mahasiswa terutama pada

matakuliah yang membutuhkan tingkat pemahaman yang mendalam.

Salah satu mata kuliah yang memiliki tingkat kesulitan yang tinggi

dan membutuhkan pemahaman yang mendalam adalah matakuliah Sistem

Pendukung Keputusan (SPK). Matakuliah SPK menerapkan metode

algoritma dalam penyelesaian masalah suatu kasus. Ada beberapa metode

algoritma yang dapat diterapkan dalam penyelesaian masalah SPK, salah

satunya adalah algoritma ELimination Et Choix Traduisant la REalité

(ELECTRE).

ELECTRE merupakan metode algoritma yang memiliki banyak

tahapan untuk hasil akhirnya, karena ELECTRE merupakan metode yang

digunakan untuk proses perangkingan atau memilih alternatif terbaik yang

berdasarkan pada hubungan outranking dan menggunakan indeks

kesesuaian dan ketidaksesuaian untuk menganalisa hubungan antar

alternatif (Sevkli, 2010). Alternatif sendiri yaitu calon variable yang nantinya

akan dipilih dan diurutkan berdasarkan nilai kriteria atau atribut. Suatu

alternatif dikatakan mendominasi alternatif yang lainnya jika satu atau lebih

kriterianya melebihi (dibandingkan dengan kriteria dari alternatif lain) dan

sama dengan kriteria lain yang tersisa (Kusumadewi dkk., 2006).

Proses perhitungan dengan menggunakan algoritma ELECTRE yang

memiliki banyak tahapan membuat mahasiswa merasa kesulitan dalam

memahami tahapan ELECTRE apabila penjelasan metode ini hanya

menggunakan penjelasan secara konvensional. Oleh sebab itu, peneliti

membuat Aplikasi ELimination Et Choix Traduisant la REalité (ELECTRE)

pada Sistem Pendukung Keputusan, diharapkan aplikasi bahan ajar ini

dapat membantu dan memudahkan mahasiswa mengerti dan memahami

penerapan ELECTRE dalam penyelesaian masalah dan menghasilkan

informasi sebagai pendukung keputusan suatu kasus.

Modul 1

Jurusan : Teknologi Informasi

Program Studi : S1 Sistem Informasi & S1 Teknik Informatika

Matakuliah : Sistem Pendukung Keputusan (SPK)

SKS : 5 (3 – 2)

Pertemuan ke- : 1

Jumlah Halaman : 4

Pembahasan : Pengenalan Sistem Pendukung Keputusan (SPK)

Pengajar : 1. Agusta Praba Ristadi Pinem, M.Kom

2. Prind Triajeng Pungkasanti, M.Kom

A. Judul Modul

Pengenalan Sistem Pundukung Keputusan (SPK)

B. Kompetensi Dasar

Pada pertemuan ini akan dibahas mengenai Sistem Pendukung Keputusan

(SPK) mulai dari pengertian, karakteristik dan keuntungan SPK, Kemampuan SPK,

sehingga mahasiswa memahami konsep dasar dari SPK.

C. Materi Modul

1. Pengertian Sistem Pundukung Keputusan (SPK)

Sistem Pendukung Keputusan (SPK) awalnya merupakan suatu sistem

yang ditujukan untuk mendukung manajemen pengambilan keputusan. SPK

merupakan sistem berbasis model yang terdiri dari prosedur-prosedur dalam

pemrosesan data dan hasil dari sistem merupakan sebuah informasi yang

dapat digunakan sebagai bahan pertimbangan bagi manajer dalam

mengambil keputusan. Agar mencapai tujuan maka SPK harus memiliki sifat

: (1) sederhana; (2) robust; (3) mudah untuk dikontrol; (4) mudah beradaptasi;

(5) lengkap pada hal-hal penting; (6) mudah digunakan. Selain itu SPK harus

berbasis komputer dan digunakan sebagai bahan dalam pengambilan

keputusan.

SPK juga dapat diartikan (1) sistem tambahan; (2) mampu untuk

mendukung analisis data secara ad hoc dan pemodelan keputusan; (3)

berorientasi pada perencanaan masa depan; dan (4) digunakan pada interval

yang tidak teratur dan terencana. Ada juga arti lain dari SPK adalah sistem

berbasis komputer yang terdiri dari 3 komponen interaktif : (1) sistem bahasa

– mekanisme yang menyediakan komunikasi diantara user dan berbagai

komponen dalam SPK; (2) knowledge system – penyimpanan knowledge

domain permasalahan yang ditanamkan dalam SPK, baik sebagai data

ataupun prosedur; (3) sistem pemrosesan permasalahan – link diantara dua

komponen, mengandung satu atau lebih kemampuan memanipulasi masalah

yang dibutuhkan untuk pengambilan keputusan.

Pengertian terakhir dari SPK mengacu pada “situasi dimana sistem ‘final’

dapat dikembangkan hanya melauli adaptive process pembelajaran dan

evolusi”. SPK diartikan sebagai hasil dari pengembangan dimana user SPK,

SPK buider, dan SPK itu sendiri semuanya bisa saling mempengaruhi, yang

tercermin pada evolusi sistem itu dan pola-pola yang digunakan.

2. Karakteristik dan Kemampuan SPK

Gambar 1 menunjukkan karakteristik dan kemampuan yang dimiliki SPK.

Gambar 1. Karakteristik dan Kemapuan SPK

1) SPK menyediakan dukungan bagi pengambil keputusan utamanya pada

situasi semi terstruktur dan tidak terstruktur dengan memadukan

pertimbangan manusia dan informasi terkomputerisasi.

2) Dukungan disediakan untuk berbagai level manajerial yang berbeda,

muali dari pimpinan puncak sampai manajer lapangan.

3) Dukungan disediakan bagi individu dan juga bagi grup. Berbagai masalah

organisasi melibatkan pengambilan keputusan dari orang dalam grup,

sedang untuk masalah yang strukturnya lebih sedikit seringkali hanya

membutuhkan keterlibatan beberapa individu dari departemen dan level

organisasi yang berbeda.

4) SPK menyediakan dukungan ke berbagai keputusan yang berurutan dan

saling berkaitan.

5) SPK mendukung berbagai fase proses pengambilan keputusan yang

berupa: intellegence, desaign, choice, dan implementation.

6) SPK mendukung berbagai proses pengambilan keputusan dan style yang

berbeda-beda; ada kesesuaian diantara SPK dan atribut pengambil

keputusan individu (contohnya vocabulary dan style keputusan).

7) SPK selalu bisa beradaptasi sepanjang masa. Pengamil keputusan harus

reaktif, mampu mangatasi perubahan kondisi secepatnya dan beradaptasi

untuk membuat SPK selalu bisa menangani perubahan ini.

8) SPK mudah untuk digunakan. User harus merasa nyaman dengan sistem

ini. User friendliness, fleksibelitas, dukungan grafis terbaik, dan antarmuka

bahasa yang sesuai dengan bahasa manusia dapta meningkatkan

efektifitas SPK.

9) SPK mencoba untuk meningkatkan efektifitas dari pengambilan keputusan

(akurasi, jangka waktu, kualitas), lebih daripada efisiensi yang bisa

diperoleh (biaya membuat keputusan, termasuk biaya penggunaan

komputer).

10) Pengambil keputusan memiliki kontrol menyeluruh terhadap semua

langkah proses pengambilan keputusan dalam menyelesaikan masalah.

11) SPK mengarah pada pembelajaran, yaitu mengarah pada kebutuhan baru

dan penyempurnaan sistem yang mengarah pada pembelajaran

tambahan, dan begitu selanjutnya dalam proses pengembangan dan

peningkatan SPK secara berkelanjutan.

12) User/ pengguna harus mampu menyusun sendiri sistem yang sederhana.

13) SPK biasa mendayagunakan berbagai model (standar atau sesuai

keinginan user) dalam menganalisa berbagai keputusan.

14) SPK dalam tingkat lanjut dilengkapi dengan komponen knowledge yang

bisa memberikan solusi yang efissien dan efektif dari berbagai masalah

yang pelik.

3. Komponen SPK

Gambar 2 menunjukkan komponen yang dimiliki (Turban, 2005)

Gambar 2. Komponen SPK

1) Data Management

Termasuk database yang mengandung data yang relevan untuk berbagai

situasi dan diatur oleh software yang disebut Database Management

System (DBMS).

2) Model Management

Melibatkan model finansial, statistikal, management science, aau berbagi

model kuantitatif lainnya, sehingga dapat memberikan ke sistem suatu

kemampuan analitis, dan manajemen software yang diperlukan.

3) Communication (Dialog Subsystem)

User dapat berkomunikasi dan memberikan perintah dapa SPK melalui

subsistem.

4) Knowledge Management

Subsistem pilihan ini dapat mendukung subsistem lain atau bertindak

sebagai komponen yang berdiri sendiri.

4. Tahap Pengambilan Keputusan

Menurut Herbert A Simon pengambilan keputusan dapat dibagi menjadi

beberapa tahap, yaitu :

1) Tahap Pemahaman (Intelegenci Phace)

Merupakan proses penelusuran dan pendeteksian dari lingkup

problematika serta proses pengenalan masalah. Data masukan diperoleh,

diproses dan diuji dalam rangka mengidentifikasikan masalah.

2) Tahap perancangan (Design Phace) Proses pengembangan dan

pencarian alternative tindakan/ solusi yang dapat diambil. Tersebut

merupakan representasi kejadian nyata yang mengetahui keakuratan

model dalam meneliti masalah yang ada.

3) Tahap pemilihan (Choice Phace) pemilihan terhadap diantara berbagai

alternative solusi yang dimunculkan pada tahap perencanaan agar

ditentukan/ dengan memperhatikan criteria-kriteria berdasarkan tujuan

yang akan di capai.

4) Tahap Implementasi (Implementation Phace) penerapan terhadap

rancangan system yang telah dibuat pada tahap perancanagan serta

pelaksanaan alternative tindakan yang telah dipilih pada tahap pemilihan.

D. Evaluasi

1) Sebut dan jelaskan sifat yang ada dalam SPK.

2) Salah satu komponen yang ada di dalam SPK adalah model management.

Jelaskan apa yang dimaksud dengan model management dan beri

contohnya.

3) Kenapa SPK harus menerapkan metode algoritma dalam penyelesaian

masalahnya. Jelaskan.

Modul 2




SKS : 5 (3 – 2)

Pertemuan ke- : 2

Jumlah Halaman : 9

Pembahasan : (ELECTRE) Manual



A. Judul Modul

ELimination Et Choix Traduisant la REalité (ELECTRE)

B. Kompetensi Dasar

Pada pertemuan ini akan dibahas mengenai metode algoritma ELimination Et

Choix Traduisant la REalité (ELECTRE) yang dimulai dari pengenalan tentang

ELECTRE, langkah perhitungan, dan penerapan ELECTRE dalam penyelesaian

masalah, sehingga diharapkan mahasiswa memahami konsep dari metode

algoritma ELECTRE.

C. Materi Modul

1. Pengertian ELimination Et Choix Traduisant la REalité (ELECTRE)

MCDM (Multi Criteria Decision Making) merupakan salah satu metode

sistem pendukung keputusan (Hadiguna dkk., 2014). MCDM dapat digunakan

untuk permasalahan yang memiliki banyak kriteria dalam menentukan solusi

dengan memilih alternatif terbaik dan ELECTRE merupakan salah satu metode

yang termasuk dalam MCDM (Gholam dkk., 2009). Pada MCDM terdapat dua

pengelompokan lebih spesifik lagi, yaitu MADM (Multi Attribute Decision Making)

dan MODM (Multi Objective Decision Making). Metode MADM dapat menemukan

alternatif yang paling sesuai dengan melakukan perangkingan terhadap alternatif

dengan mengacu pada atribut, bobot dan perhitungan perbandingan antar

alternatif terhadap atributnya masing-masing (Lavasani dkk., 2012). ELECTRE

termasuk dalam kelompok MADM dengan model normalisasi (Mardani dkk., 2015).

ELECTRE merupakan metode yang digunakan untuk proses perangkingan

atau memilih alternatif terbaik yang berdasarkan pada hubungan outranking dan

menggunakan indeks kesesuaian dan ketidaksesuaian untuk menganalisa

hubungan antar alternatif (Sevkli, 2010). Indeks kesesuaian dan ketidaksesuaian

dapat dihitung atau dinyatakan sebagai tingkat kepuasan pengambil keputusan

terhadap alternatif satu dengan yang lainnya (Sevkli, 2010). Metode ELECTRE

didasarkan pada konsep perangkingan melalui perbandingan berpasangan antar

alternatif pada kriteria yang sesuai. Suatu alternatif dikatakan mendominasi

alternatif yang lainnya jika satu atau lebih kriterianya melebihi (dibandingkan

dengan kriteria dari alternatif lain) dan sama dengan kriteria lain yang tersisa

(Kusumadewi dkk., 2006).

Langkah-langkah dalam ELECTRE

Berikut ini adalah enam langkah metode ELECTRE:

Langkah 1: Data atau kriteria dan sub kriteria dinormalisasi dengan tujuan untuk

dapat dikomparasi. Setiap normalisasi dapat dilakukan dengan persamaan (2.1):

�� = ��

�∑ ��

��

, untuk 1, 2, 3, .....m dan j= 1, 2, 3, ......n (2.1)

Langkah 2: Mencari nilai dari rata-rata nilai dengan menggunakan rata-rata

geometrik karena memberikan kemudahan dan konsistensi dalam mengambil nilai

dari himpunan (Kaya dan Kahraman, 2011).

� = ��.��.�� … �� (2.2)

Dimana n adalah jumlah sub kriteria dalam satu kriteria dan x adalah nilainya.

Kemudian diperoleh matriks R hasil normalisasi dan rata-rata dari sub kriteria yang

membentuk perbandingan berpasangan setiap alternatif di setiap kriteria.

� = �

��

��

��

� (2.3)

Langkah 3: Mencari matrix bobot ternormalisasi.

R adalah matriks yang telah di normalisasi dimana i menyatakan alternatif, j

menyatakan kriteria dan �� adalah normalisasi pengukuran pilihan alternatif ke-i

dalam hubungannya dengan kriteria ke-j. Kemudian matriks R dikalikan dengan

bobot masing-masing kriteria ��.

�� = �

��

��

��

� (2.4)

Langkah 4: Menentukan indeks kesesuaian (concordance index) dan

ketidaksesuaian (discordance index). Kriteria dalam suatu alternatif termasuk

kesesuaian dinyatakan dengan persamaan

�� = {�, �� > ��}, untuk j = 1,2,3,….,n (2.5)

Sebaliknya termasuk dalam ketidaksesuaian apabila

�� = {�, �� < ��}, untuk j = 1,2,3,….,n (2.6)

Langkah 5: Menghitung nilai kesesuaian dan ketidaksesuaian tiap alternatif.

Untuk menentukan nilai kesesuaian adalah dengan menjumlahkan bobot-bobot

yang termasuk dalam subset kesesuaian.

wCj

jkl w=C

(2.7)

Untuk menentukan nilai ketidaksesuaian adalah dengan menjumlahkan bobot

yang termasuk pada subset ketidaksesuaian.

wDj

jkl w=D

(2.8)

Langkah 6: Mencari nilai dominan. Nilai �� dikurangi dengan Nilai

�� untuk memperoleh nilai � atau nilai dominan. Nilai dominan (�)

merupakan patokan rangking pada metode ELECTRE untuk memperoleh

keputusan terbaik.

� = �� − �� (2.9)

2. Perhitungan manual

Sebuah toko komputer ingin menambah stok barang agar tepat sasaran

dengan mempertimbangkan beberapa kriteria sebagai berikut.

Berikut data yang dimasukan kedalam DBMS.

Tabel 1 Data Kriteria

Tabel CRT diisi dengan data pada tabel 1. Setiap kriteria memiliki ID, Nama

kriteria yang berbeda dan memiliki nilai bobot.

Tabel 2 Data Sub Kriteria

ID_SUBCRT NM SUBCRT ID CRT








ID CRT NM CRT BOBOT

C001 KRITERIA 1 1

C002 KRITERIA 2 3

C003 KRITERIA 3 2

C004 KRITERIA 4 2

C005 KRITERIA 5 1




Tabel SUB_CRT diisi dengan data pada tabel 2, setiap kriteria digambarkan

memiliki dua sub kriteria. Terlihat pada setiap ID_CRT yang muncul dua kali.

Tabel 3 Data Alternatif

ID ALT NM ALT

A001 ALT 1

A002 ALT 2

A003 ALT 3

A004 ALT 4

A005 ALT 5

A006 ALT 6

A007 ALT 7

A008 ALT 8

A009 ALT 9

A010 ALT 10

Tabel ALT di DBMS diisi dengan data alternative pada tabel 3. Data alternative

memiliki 10 baris data, namun yang akan masuk tabel transaksi (SPK) adalah 5

baris data untuk memudahkan dalam menguji perhitungan.

Tabel 4 Data Transaksi


A001 SC001 8

A001 SC002 7

A001 SC003 8

A001 SC004 6

A001 SC005 5

A001 SC006 6

A001 SC007 4

A001 SC008 1

A001 SC009 2

A001 SC010 4

A002 SC001 6

A002 SC002 6

A002 SC003 4

A002 SC004 4

A002 SC005 7

A002 SC006 5


A002 SC007 7

A002 SC008 7

A002 SC009 4

A002 SC010 8

A003 SC001 8

A003 SC002 8

A003 SC003 5

A003 SC004 7

A003 SC005 3

A003 SC006 5

A003 SC007 6

A003 SC008 5

A003 SC009 6

A003 SC010 4

A004 SC001 5

A004 SC002 5

A004 SC003 6

A004 SC004 5

A004 SC005 7

A004 SC006 7

A004 SC007 7

A004 SC008 4

A004 SC009 6

A004 SC010 6

A005 SC001 8

A005 SC002 7

A005 SC003 8

…… ………. ………..

Tabel SPK diisi dengan data transaksi seperti pada tabel 4. Data transaksi yang

tersimpan di basisdata terdiri dari 50 baris data. Setiap yang terdiri dari 5

alternative. Masing-masing alternative memiliki 10 nilai sub kriteria.

Perhitungan manual merupakan tahapan untuk menguji algoritma yang

diterapkan pada source code sudah sesuai dengan perhitungan metode

ELECTRE. Hasil perhitungan manual akan dibandingkan dengan hasil keluaran

dari aplikasi untuk menguji proses aplikasi. Tahapan perhitungan manual dimulai

dari penyederhanaan data transaksi di basisdata kedalam bentuk matriks.

Tabel 5 Matriks Nilai Sub Kriteria

ID_ALT SUB KRITERIA


A001 8 7 8 6 5 6 4 1 2 4

A002 6 6 4 4 7 5 7 7 4 8

A003 8 8 5 7 3 5 6 5 6 4

A004 5 5 6 5 7 7 7 4 6 6

A005 8 7 8 6 5 6 4 3 3 4

Tabel 5 merupakan matriks nilai sub kriteria masing-masing alternative.

Setiap alternative memiliki 10 sub kriteria berikut nilainya. Matriks pada tabel 5

kemudian dinormalisasi dengan menggunakan persamaan 2.1. Setiap nilai sub

kriteria pada masing-masing alternative dinormalisasi untuk menghilangkan jarak

nilai yang terlalu jauh pada sub kriteria yang lain. Selain itu data atau kriteria dan

sub kriteria dinormalisasi dengan tujuan untuk dapat dikomparasi.

Tabel 6 Matriks Ternormalisasi

ID_ALT SUB KRITERIA


A001 0.5030 0.4688 0.5587 0.4714 0.3990 0.4588 0.3105 0.1000 0.1990 0.3288

A002 0.3772 0.4018 0.2794 0.3143 0.5587 0.3824 0.5433 0.7000 0.3980 0.6576

A003 0.5030 0.5357 0.3492 0.5500 0.2394 0.3824 0.4657 0.5000 0.5970 0.3288

A004 0.3143 0.3348 0.4191 0.3928 0.5587 0.5353 0.5433 0.4000 0.5970 0.4932

A005 0.5030 0.4688 0.5587 0.4714 0.3990 0.4588 0.3105 0.3000 0.2985 0.3288

Normalisasi memudahkan dalam proses komparasi dan mengghilangkan jarak

nilai antar sub kriteria. Normalisasi dilakukan dalam satu kolom, yaitu setiap nilai

sub kriteria SC001 dan seterusnya dinormalisasikan. Data A001 sub kriteria

SC001 dinormalisasi dengan dengan persamaan 2.1 hingga menghasilkan tabel

6. Nilai masing-masing sub kriteria di setiap alternative kemudian akan dirata-rata

dengan menggunakan geometric mean yaitu menggunakan persamaan 2.2.

berikut data kriteria ternormalisasi.

Tabel 7 Matriks Kriteria Ternormalisasi

ID_ALT KRITERIA

C001 C002 C003 C004 C005

A001 0.480 0.381 0.236 0.306 0.362

A002 0.380 0.467 0.442 0.354 0.606

A003 0.439 0.499 0.418 0.573 0.281

A004 0.410 0.427 0.409 0.484 0.525

A005 0.480 0.381 0.409 0.375 0.362

Tabel 7 atau matriks kriteria ternormalisasi merupakan hasil rata-rata sub kriteria

berdasarkan kriteria. Pada tabel 6, data A001 memiliki 10 nilai sub kriteria. 10 nilai

sub kriteria akan menjadi 5 nilai kriteria. Sub kriteria dirata-rata berdasarkan

kelompok kriterianya. SC001 dan SC006 merupakan sub kriteria dibawah kriteria

C001, maka nilai SC001 dan SC006 dirata-rata menggunakan persamaan 2.2 dan

menghasilkan nilai kriteria C001. Proses tersebut menghasilkan perbandingan

berpasangan masing-masing alternatif di setiap kriteria.

Matriks kriteria ternormalisasi kemudian dikalikan dengan bobot setiap

kriteria pada tabel 1. Sehingga menghasilkan matriks bobot ternormalisasi dengan

menggunakan persamaan 2.4. Berikut tabel matriks bobot ternormalisasi.

Tabel 8 Matriks bobot ternormalisasi

ID_ALT KRITERIA

C001 C002 C003 C004 C005

A001 0.480 1.144 0.473 0.613 0.362

A002 0.380 1.402 0.884 0.707 0.606

A003 0.439 1.498 0.836 1.146 0.281

A004 0.410 1.280 0.819 0.969 0.525

A005 0.480 1.144 0.819 0.750 0.362

Tabel 8 atau matriks bobot ternormalisasi merupakan matriks yang digunakan

dalam metode ELECTRE. Proses selanjutnya adalah mencari nilai indeks

kesesuaian dan ketidaksesuaian dengan menggunakan persamaan 2.5 dan 2.6.

Indeks kesesuaian dan ketidaksesuaian diperoleh dengan membandingkan

masing-masing nilai kriteria pada setiap alternative. Berikut nilai kesesuaian,

ketidaksesuaian dan nilai dominan masing-masing alternative.

Tabel 9 Nilai Dominan

ID_ALT NILAI C NILAI D Nilai Dominan

A001 9 27 -18

A002 23 13 10

A003 28 8 20

A004 20 16 4

A005 17 19 -2

Nilai dominan diperoleh berdasarkan selisih nilai kesesuaian dan ketidaksesuaian.

Alternative yang memiliki dominan tertinggi adalah alternative terbaik.

D. Evaluasi

1) Bentuk kelompok dengan jumlah anggota maks 5 mahasiswa.

2) Selesaikan dengan menerapkan kasus untuk tema universitas.

3) Tentukan kriteria yang dibutuhkan untuk masing-masing kasus yang

diselesaikan.

Modul 3




SKS : 5 (3 – 2)

Pertemuan ke- : 3

Jumlah Halaman : 9

Pembahasan : (ELECTRE) Sistem



A. Judul Modul

Penerapan ELimination Et Choix Traduisant la Realité (ELECTRE) dalam

Aplikasi

B. Kompetensi Dasar

Pada pertemuan ini akan dibahas bagaimana cara penerapan ELECTRE

menjadi sebuah aplikasi dengan menggunakan bahasa pemrograman PHP dan

database Access.

C. Materi Modul

1. Flowchart

Flowchart atau digram alir adalah salah satu alat bantu dalam

memecahkan masalah dalam pemrograman. Ada 5 jenis flowchart, yaitu:

1) Flowchart sistem (system flowchart)

2) Flowchart dokumen (system flowchart)

3) Flowchart skematik (system flowchart)

4) Flowchart program (system flowchart)

5) Flowchart proses (system flowchart)

Adapun simbol-simbol flowchart yang umum digunakan antara lain:

Tabel 1. Simbol-simbol Flowchart

SIMBOL NAMA FUNGSI

Terminator Permulaan/ akhir program

Garis Alir

(Flow Line) Arah aliran program

Preparation

Proses inisialisasi/

pemberian harga awal

SIMBOL NAMA FUNGSI

Process Proses perhitungan/

proses pengolahan data

Input/ Output Data Proses input/ output data,

parameter, informasi

Predefined Process

(Sub Program)

Permulaan sub program/

proses menjalankan sub

program

Decision

Perbandingan pernyataan,

penyeleksian data yang

memberikan pilihan untuk

langkah selanjutnya

On Page Connector

Penghubung bagian-bagian

flowchart yang berada

pada satu halaman

Off Page Connector

Penghubung bagian-bagian

flowchart yang berada

pada satu halaman

2. PHP

PHP adalah singkatan dari "PHP: Hypertext Prepocessor", yaitu bahasa

pemrograman yang digunakan secara luas untuk penanganan pembuatan

dan pengembangan sebuah situs web dan bisa digunakan bersamaan

dengan HTML.

3. Microsoft Access

Microsoft Access (atau Microsoft Office Access) adalah sebuah program

aplikasi basis data komputer relasional yang ditujukan untuk kalangan

rumahan dan perusahaan kecil hingga menengah.

Microsoft Access dapat menggunakan data yang disimpan di dalam

format Microsoft Access, Microsoft Jet Database Engine, Microsoft SQL

Server, Oracle Database, atau semua kontainer basis data yang mendukung

standar ODBC. Para pengguna/ programmer yang mahir dapat

menggunakannya untuk mengembangkan perangkat lunak aplikasi yang

kompleks, sementara para programmer yang kurang mahir dapat

menggunakannya untuk mengembangkan perangkat lunak aplikasi yang

sederhana.

4. Perancangan Alur Sistem

Alur dari aplikasi penerapan metode algoritma ELECTRE ke dalam

sebuah bahasa pemrograman dapat dilihat pada gambar 1.

Gambar 1. Alur Penerapan Metode ELECTRE

5. Implementasi Database

Tabel Alternatif, Kriteria, Sub Kriteria dan SPK

Gambar 2. Tabel pada DBMS

6. Implementasi Interface

Input Data

•Kriteria

•Alternatif

Normalisasi

•Geom Mean

Normalisasi Terbobot

•Normalisasi dikalikan bobot kriteria

Nilai Dominan

•Concordance dan Discordance

Hasil Perangkingan

1) Halaman Utama Aplikasi ELECTRE

Menu utama memiliki beberapa sub menu yang terdiri dari alternative,

kriteria, subkriteria, matriks,.

Gambar 3. Halaman Utama

2) Halaman Penentuan Kriteria

Halaman penentuan kriteria digunakan untuk menentukan kriteria apa

saja yang nantinya akan digunakan dalam perhitungan.

Gambar 4. Halaman Penentuan Kriteria

3) Halaman Penentuan Sub Kriteria

Form penentuan sub kriteria pada masing-masing kriteria yang

digunakan.

Gambar 5. Halaman Penentuan Sub Kriteria

4) Halaman Alternatif

Halaman alternative merupakan halaman untuk manajemen data pilihan-

pilihan yang digunakan.

Gambar 6. Halaman Alternatif

5) Halaman Matriks

Halaman matrik merupakan halaman untuk manajemen transaksi

alternative, kriteria yang digunakan dan nilai subkriterianya. Data pada

halaman matrik digunakan dalam proses normalisasi.

Gambar 7. Halaman Matrik

6) Halaman Normalisasi Sub Kriteria

Halaman normalisasi menampilkan hasil normalisasi untuk setiap

subkriteria.

Gambar 8. Halaman Normalisasi Sub Kriteria

7) Halaman Geom Mean

Halaman geom mean adalah kriteria yang sudah dinormalisasi. Sub

kriteria-sub kriteria akan dirata-rata menggunakan geom mean untuk

memperoleh nilai kriteria ternormalisasi.

Gambar 9. Halaman Geom Mean

8) Halaman Normalisasi Terbobot

Halaman normalisasi terbobot menampilkan normalisasi kriteria yang

sudah dikalikan dengan nilai bobot. Hasil perhitungan akan digunakan

dalam proses metode ELECTRE untuk mencari concordance dan

discordance.

Gambar 10. Normalisasi Terbobot

9) Halaman Hasil Perangkingan

Halaman hasil perangkingan menampilkan alternative terbaik

berdasarkan kriteria dan subkriteria yang digunakan. Nilai dominan

digunakan sebagai acuan perangkingan yang diperoleh dari nilai

concordance dan discordance.

Gambar 11. Halaman Perangkingan

D. Evaluasi

Terapkan kasus SPS dengan menggunakan aplikasi ELECTRE untuk

menghasil indormasi pendukung keputusan.

Modul 4




SKS : 5 (3 – 2)

Pertemuan ke- : 3

Jumlah Halaman : 9

Pembahasan : (ELECTRE) Studi Kasus



A. Judul Modul

Penerapan ELimination Et Choix Traduisant la Realité (ELECTRE) dalam Aplikasi

B. Kompetensi Dasar

Pada pertemuan ini akan dibahas bagaimana menerapkan algoritma ELECTRE

berbasis dengan studi kasus.

C. Materi Modul

Kasus yang diambil adalah tentang pemilihan untuk pembelian kartu SIM

Card HP atau Kartu Seluler yang khusus digunakan untuk area kampus

Dengan 4 alternatif yang ditawarkan oleh provider yaitu :

1. Telkomsel

2. Indosat

3. XL

4. 3 (Tri)

Dengan kriteria yang dimiliki dari setiap alternatif yaitu :

1. Jaringan = C1

2. Harga Kartu Seluler = C2

3. Paket Nelpon = C3

4. Paket SMS = C4

5. Paket Internet = C5

Dengan Bobot Yang kemi berikan untuk setiap masing - masing kriteria

yaitu :

1. Bobot Kriteria 1 = 5





Tabel Yang Menjadi Acuan Untuk Memecahkan Masalah pada Sebuah Kasus

Alternatif Kriteria

C1 C2 C3 C4 C5

Telkomsel 5 3 3 3 2

Indosat 4 4 3 4 4

XL 4 4 3 3 4

3 (Tree) 2 4 3 3 4

Langkah 1 " Normalisasi Matriks Keputusan"

Dari perhitungan diatas diperoleh matriks sebagai berikut :

0,640 0,397 0,5 0,457 0,277

R = 0,512 0,530 0,5 0,610 0,555

0,512 0,530 0,5 0,457 0,555

0,256 0,530 0,5 0,457 0,555

Langkah 2 "Pembobotan Pada Matriks Yang Telah Dinormalisasi"

Diketahui Bobot yang dimiliki dari setiap masing - masing kriteria adalah :

W = ( 5, 2, 4, 2, 5 )

V11 = R × W = 0,640 × 5 = 3,201

V21 = R × W = 0,512 × 5 = 2,561

V31 = R × W = 0,512 × 5 = 2,561

V41 = R × W = 0,256 × 5 = 1,280

V12 = R × W = 0,397 × 2 = 0,795

V22 = R × W = 0,530 × 2 = 1,060

V32 = R × W = 0,530 × 2 = 1,060

V42 = R × W = 0,530 × 2 = 1,060

V13 = R × W = 0,5 × 4 = 2

V23 = R × W = 0,5 × 4 = 2

V33 = R × W = 0,5 × 4 = 2


3,201 0,795 2 0,915 1,387

V = 2,561 1,060 2 1,220 2,774

2,561 1,060 2 0,915 2,774

1,280 1,060 2 0,915 2,774

Langkah 3 "Menentukan Himpunan Concordance dan Discordance pada Index"

a. Concordance

Sebuah kriteria dalam suatu alternatif termasuk concordance jika :

Ckl = { j, v1 j>v2 j} untuk j = 1, 2, ....., n

C12 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5

= { 1, 3 }

C13 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5

= { 1, 3, 4 }

C14 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5

= { 1, 3, 4 }

C21 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5

= { 2, 3, 4, 5 }

C23 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5

= { 1, 2, 3, 4, 5 }

C24 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5

= { 1, 2, 3, 4, 5 }

C31 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5

= { 2, 3, 4, 5 }

C32 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5

= { 1, 2, 3, 5 }

C34 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5

= { 1, 2, 3, 4, 5 }

C41 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5

= { 2, 3, 4, 5 }

C42 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5

= { 2, 3, 5 }

C43 = { j, v1 j>v2 j} untuk j = 1, 2, ....., 5

= { 2, 3, 4, 5 }

Discordance

Sebuah kriteria dalam suatu alternatif termasuk Discordance jika : Dkl

= { j, vk j< vi j} untuk j = 1, 2, ....., n

D12 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5

= { 2, 4, 5 } D13 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5

= { 2, 5 }

D14 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5

= { 2, 5 }

D21 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5

= { 1 }

D23 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5

= { 0 }

D24 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5

= { 0 }

D31 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5

= { 1 }

D32 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5

= { 4 }

D34 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5

= { 0 }

D41 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5

= { 1 }

D42 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5

= { 1, 4 }

D43 = { j, v1 j< v2 j} untuk j = 1, 2, ....., 5

= { 1 }

Langkah 4 "Menghitung Matriks Concordance dan Discordance"

a. Menghitung Matriks Concordance

C12 = w1 + w3

= 5 + 4 = 9

C13 = w1 + w3 + w4

= 5 + 4 + 2 = 11 C14 = w1 + w3 + w4

= 5 + 4 + 2 = 11

C21 = w2 + w3 + w5

= 2 + 4 + 2 + 5 = 13

C23 = w1 + w2 + w3 + w4 + w5

= 5 + 2 + 4 + 2 + 5 = 18

= 5 + 2 + 4 + 2 + 5 = 18 C31 = w2 + w3 + w4 + w5

= 2 + 4 + 2 + 5 = 13

C32 = w1 + w2 + w3 + w5

= 5 + 2 + 4 + 5 = 16

C34 = w1 + w2 + w3 + w4 + w5

= 5 + 2 + 4 + 2 + 5 = 18

C41 = w2 + w3 + w4 + w5

= 2 + 4 + 2 + 5 = 13

C42 = w2 + w3 + w5

= 2 + 4 + 5 = 11

C43 = w2 + w3 + w4 + w5

= 2 + 4 + 2 + 5 = 13


- 9 11 11

C = 13 - 18 18

13 16 - 18

13 11 13 -

E. Evaluasi

Lanjtukan proses mencari Discordance dari studi kasus diatas.

Modul 5




SKS : 5 (3 – 2)

Pertemuan ke- : 3

Jumlah Halaman : 9

Pembahasan : (ELECTRE) Studi Kasus pada aplikasi web



A. Judul Modul

Penerapan ELimination Et Choix Traduisant la Realité (ELECTRE) dalam Aplikasi

B. Kompetensi Dasar

Pada pertemuan ini akan dibahas bagaimana menerapkan algoritma ELECTRE

dengan studi kasus pada aplikasi Web.

C. Materi Modul

Merujuk pada Modul 3 dan 4. Masukan data pada modul 4 dengan melakukan

seperti pada modul 3.

D. Evaluasi

Tamplikan hasilnya pada aplikasi Web

DAFTAR PUSTAKA

[1] Kusumadewi, S., Hartati, S., Harjoko, A., dan Wardoyo, R., 2006,

Fuzzy Multi-Attribute Decision Making, Graha Ilmu, Yogyakarta.

[2] Sevkli, M., 2010, An Application of The Fuzzy ELECTRE Method For

Supplier Selection, International Journal of Production Research 48,

3393–3405.

LAMPIRAN

SURAT KONTRAK



PENYUSUN




2017

aplikasi elimination et choix traduisant la realité

Documents