BAB I

PENDAHULUAN

1. Latar BelakangPerumahan merupakan hal yang tidak bisa diabaikan dan berkaitan erat

dengan aktifitas ekonomi, industrialisasi dan pembangunan. Rumah adalah

tempat dimana keluarga berkumpul dan melepas lelah setelah beraktivitas

seharian. Untuk menyikapi hal ini developer perumahan membangun tipe –

tipe rumah yang sesuai dengan kebutuhan masyarakat dan terjangkau.

Pembeli rumah selaku konsumen, umumnya selalu memiliki beberapa

pertimbangan sebelum mengambil suatu keputusan. Beberapa

pertimbangannya yaitu harga, luas tanah, fasilitas-fasilitas atau fitur-fitur

yang ada di perumahannya. Untuk dapat memenuhi hal tersebut, perlu suatu

sistem pendukung keputusan berbasis komputer atau yang disebut Sistem

Pendukung Keputusan (SPK) yang dapat memberikan informasi dan

membantu menyediakan berbagai alternatif yang dapat ditempuh dalam

proses pengambilan keputusan. Keputusan yang akan diambil didasarkan

pada alternatif-alternatif yang menjadi pertimbangan. Berdasarkan alternatif-

alternatif pertimbangan yang ada, akan dibuat perangkingan sehingga

keputusan dapat diambil sesuai kebutuhan yang diharapkan. Berdasarkan

latar belakang di atas, maka penulis tertarik untuk merancang sebuah Sistem

Informasi yang berbasis web sebagai bahan tugas akhir dengan judul

“Implementasi Metode Fuzzy C-Means (Fcm) Clustering dan Simple

Additive Weighting (SAW) Dalam Proses Pendukung Keputusan Untuk

Menentukan Pembelian dan Penjualan Rumah”

2. Perumusan Masalah

Beberapa masalah yang akan dibahas dan diselesaikan dalam penelitian

ini adalah sebagai berikut :

1. Bagaimana menentukan kriteria/kelompok data yang menjadi

acuan pembelian rumah seperti (Harga, kamar dan lain-lain)?

2. Bagaimana pengumpulan data harga rumah berdasarkan tipenya?

3. Bagaimana model angsuran per bulan rumah yang akan dibeli

berdasarkan uang muka dan tahun pembayaran dengan metode

clustering?

4. Bagaimana merancang sistem pendukung keputusan pembelian

rumah secara online menggunakan PHP?

3. Tujuan

Adapun tujuan dari penulisan skripsi ini adalah sebagai berikut :

1. Untuk Menentukan tipe rumah yang berdasarkan kriteria atau

kelompok rumah yang di inginkan .

2. Menentukan harga rumah tersebut berdasarkan tipe rumah yang

telah dikelompokan.

3. Menentukan angsuran rumah berdasarkan uang muka yang telah

diberikan sebanyak 30 % dari harga rumah.

4. Merancang sistem pendukung keputusan yang menggunakan

bahasa pemograman PHP dan database MySQL penyimpanan data.

Manfaat dari sistem pendukung keputusan yang dibuat adalah sebagai

berikut:

1. Untuk membantu menentukan rumah yang cocok untuk diperjual

belikan berdasarkan tipe dan kriteria tertentu.

2. Untuk membantu developer mempermudah penjualan dengan

merancang sistem pendukung keputusan yang menentukan harga

angsuran berdasarkan uang muka.

3. Untuk membantu memilih atau menentuan rumah yang akan di jual

dan dibeli menggunakan sistem pendukung keputusan

4. Batasan Masalah

Adapun untuk menghindari pembahasan yang terlalu luas dalam ini

maka diberi batasan masalah sebagai berikut :

1. Kriteria atau pengelompokan data dibedakan

2. Berdasarkan harga, uang muka, dan juga jumlah kamar.

3. Tipe rumah dibedakan menjadi lima tipe yaitumTipe A, B, C, D,

dan E.

4. Harga rumah ditentukan Tipe A ( 340 juta), Tipe B (562 juta), Tipe

C (655 juta), Tipe D ( 726 juta), dan Tipe E (1.042 Miliar).

5. Bagaimana mengimplementasikan SPK pemilihan rumah

menggunakan metode SAW.

6. Sistem pendukung keputusan ini dirancang dengan menggunakan

database MySQL sebagai penyimpanan data.

7. Sistem pendukung keputusan ini dibantu dengan menggunakan

logika Fuzzy C-Means (FCM).

5. State of the art

Berikut ini adalah hasil penelitian yang telah dilakukan dan memilki

hubungan dengan penelitian yang akan dilakukan antara lain:

1. Amelia Yusnita, Rosiana Handini. (2012) Sistem Pendukung Keputusan

Menentukkan Lokasi Umah Makan Yang Strategis Menggunakan

Metode Naive Bayes.

Tulisan ini di buat bertujuan untuk membuat Sistem Pendukung

Keputusan untuk Menentukkan Lokasi Rumah Makan Yang Strategis

Menggunakan Metode Naive Bayes untuk memudahkan masyarakat

dalam yang ingin membuka usaha rumah makan bisa terlebih dahulu

menilai lokasi yang dipilih strategis atau kurang strategis untuk lokasi

usaha rumah makan, dimana untuk menentukkan lokasi usaha rumah

makan menggunakan kriteria-kriteria yang telah ditentukan. Alat bantu

pengembangan yang digunakan Flowchart dengan bahasa pemrograman

Microsoft Visual Basic 6.0 serta database Microsoft Access. Naive Bayes

adalah pendekatan statistik untuk melakukan inferensi induksi pada

persoalan klasifikasi. Metode ini menggunakan probabilitas bersyarat

sebagai dasarnya, adapaun kriteria yang digunakan dalam metode ini

adalah delapan kriteria. Dari kriteria yang ada dilakukan proses

perhitungan dari masing-masing keriteria untuk mendapatkan hasil lokasi

yang strategis atau kurangstrategis.

2. Armandsyah Amborawati (2014). Sistem Penunjang Keputusan

Pemilihan Perumahan dengan Metode AHP Menggunakan Expert

Choice”.

Di dalam penelitian ini menjelaskan mengenai penentuan pemilihan

rumah dari beberapa faktor yang dipilih pembeli diantaranya yatu : harga,

lokasi, fasilitas umum, perijinan, desain rumah, dan kredibilitas dari

developer yang bertujuan untuk mencari kriteriakriteria yang digunakan,

didalam pemilihan perumahan oleh pembeli. Kriteria-kriteria tersebut

dianalisis menggunakan metode AHP menggunakan software Expert

Choice. Hasil analisis yang didapat kriteria tertinggi adalah perijinan

legal tidaknya kepemilikan atas tanah dan bangunnya. Dari enam kriteria

tersebut setelah diuji dengan software Expert Choice hasilnya memang

sudah sesuai dengan ranking alternatif nama perumahan yang pembeli

inginkan.

3. Tory Pradana (2010), “Sistem Pendukung Keputusan Untuk Pemilihan

Lokasi Pembangunan Kompleks Perumahan Berbasis Web”.

Dalam pengambilan keputusan pembangunan komplek perumahan

dapat menggunakan metode promethee sebagai salah satu metode

alternatif. Pengolahan data lokasi, kriteria, dan nilai kriteria, serta proses

utama menggunakan metode promethee dapat dikembangkan

menggunakan perangkat lunak berbasis web untuk menghasilkan nilai

leaving flow, nilai entering flow dan nilai net flow yang

merupakan nilai akhir dari program. Penentuan lokasi pembangunan

komplek perumahan ini hanya menggunakan metode promethee sehingga

perlu dilengkapi dengan penelitian menggunakan metode lainnya.

4. Standy Oei (2013), “Group Decision Support System Untuk Pembelian

Rumah Dengan Menggunakan Analytical Hierarchy Process (Ahp) Dan

Borda”

Kebutuhan rumah sebagai kebutuhan pokok manusia ikut pun

meningkat. Banyak cara dilakukan orang untuk memenuhi kebutuhan

tersebut, antara lain dengan membangun sendiri, membeli dari orang lain,

atau dengan membeli rumah di suatu perumahan. Calon pembeli rumah

tentu memiliki kriteria-kriteria yang menjadi pertimbangan dalam

memilih suatu rumah. Banyak kriteria yang ada sering diikuti dengan

tersedianya lebih dari satu pilihan rumah yang dapat memenuhi kriteria-

kriteria tersebut. Oleh karena itu, penulis membuat suatu Sistem

Pendukung Keputusan untuk Pembelian Rumah yang nantinya akan

membantu para calon pembeli rumah dalam menentukan pilihan rumah

yang akan dibelinya. Untuk metode pengambilan keputusan yang

digunakan dalam sistem ini adalah analytical hierarchy process (AHP).

AHP adalah salah satu bentuk model pengambilan keputusan yang cocok

digunakan untuk permasalahan yang multi-kriteria dan multi-alternatif

dengan input utamanya adalah persepsi manusia. Dan dikarenakan proses

pengambilan keputusan pembelian rumah biasanya melibatkan lebih dari

satu orang (keluarga), makadiperlukan adanya suatu teknik pengambilan

keputusan secara kelompok (group decision support system). Borda

adalah salah satu metode pengambilan keputusan kelompok yang bisa

menggabungkan hasil analisa persepsi (hasil analisa AHP) dari beberapa

pengambil keputusan. Sehingga keputusan pembelian rumah yang

dihasilkan bisa diterima oleh semua pihak pengambil keputusan

(keluarga).

6. Kerangka Pemikiran

Gambar 1.1 Kerangka Pemikiran

7. Tinjauan Pustaka

7.1. Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (Decision Support System) Konsep

Decision Support System (DSS) diperkenalkan pertama kali oleh

Michael S. Scoott Morton pada tahun 1970-an dengan istilah

Management Decision System. Definisi sistem adalah sekumpulan hal

atau kegiatan atau elemen atau subsistem yang saling bekerja sama atau

yang dihubungkan dengan cara-cara tertentu sehingga membentuk satu

kesatuan untuk melaksanakan suatu fungsi guna mencapai suatu tujuan.

(Turban, 2005). Secara umum, Decision Support System (DSS) adalah

sistem berbasis komputer yang interaktif, yang membantu pengambil

keputusan memanfaatkan data dan model untuk menyelesaikan

masalah-masalah yang tak terstruktur dan semi terstruktur. Sebenarnya

definisi awalnya, Decision Support System adalah sistem berbasis

model yang terdiri dari prosedur-prosedur dalam pemrosesan data dan

pertimbangannya untuk membantu manajer dalam mengambil

keputusan. Agar berhasil mencapai tujuannya maka sistem tersebut

harus sederhana, mudah untuk dikontrol, mudah beradaptasi, lengkap

pada hal-hal penting, dan mudah berkomunikasi dengannya. Decision

Support System (DSS) dengan didukung oleh sebuah sistem informasi

berbasis komputer dapat membantu seseorang dalam meningkatkan

kinerjanya dalam pengambilan keputusan. Seorang manajer di suatu

perusahaan dapat memecahkan masalah semi struktur, dimana manajer

dan komputer harus bekerja sama sebagai tim pemecah masalah dalam

memecahkan masalah yang berada di area semi struktur. Decision

Support System (DSS) mendayagunakan resources individu-individu

secara intelek dengan kemampuan komputer untuk meningkatkan

kualitas keputusan. Decision Support System (DSS) dirancang untuk

mendukung seluruh tahap pengambilan keputusan mulai dari

mengidentifikasi masalah, memilih data yang relevan, dan menentukan

pendekatan yang digunakan dalam proses pengambilan keputusan,

sampai mengevaluasi pemilihan alternatif. Decision Support System

(DSS) dapat dikatakan sebagai sistem komputer yang mengolah data

menjadi informasi untuk mengambil keputusan dari masalah semi-

terstruktur yang spesifik.

7.2. PHP

Bahasa pemrograman PHP adalah bahasa pemrograman yang

bekerja dalam sebuah web server. PHP mengeksekusi dan memproses

script-script dalam sebuah server. PHP memungkinkan sebuah website

menjadi dinamis dan interkatif karena data yang dikirim

website/komputer client akan diolah dan disimpan dalam database web

server dan bisa ditampilkan kembali apabila diakses.

7.3. Database MySQL

Database adalah kumpulan informasi yang disimpan di dalam

komputer secara sistematik sehingga dapat diperiksa menggunakan

suatu program komputer untuk memperoleh informasi dari basis data

tersebut. Database adalah representasi kumpulan fakta yang saling

berhubungan disimpan secara bersama sedemikian rupa dan tanpa

pengulangan (redudansi) yang tidak perlu, untuk memenuhi berbagai

kebutuhan. Database merupakan sekumpulan informasi yang saling

berkaitan pada suatu subjek tertentu pada tujuan tertentu pula. Database

adalah susunan record data operasional lengkap dari suatu organisasi

atau perusahaan, yang diorganisir dan disimpan secara terintegrasi

dengan menggunakan metode tertentu dalam komputer sehingga

mampu memenuhi informasi yang optimal yang dibutuhkan oleh para

pengguna MySQL adalah sebuah perangkat lunak sistem

manajemen basis data SQL (bahasa Inggris: database management

system) atau DBMS yang multithread, multi-user, dengan sekitar 6 juta

instalasi di seluruh dunia. MySQL AB membuat MySQL tersedia

sebagai perangkat lunak gratis dibawah lisensi GNU General Public

License (GPL), tetapi mereka juga menjual dibawah lisensi komersial

untuk kasus-kasus dimana penggunaannya tidak cocok dengan

penggunaan GPL.

7.4. Metode Clustering

Clustering adalah suatu metode pengelompokan berdasarkan

ukuran kedekatan (kemiripan). Clustering beda dengan group, kalau

group berarti kelompok yang sama, kondisinya kalau tidak ya pasti

bukan kelompoknya.Tetapi kalau cluster tidak harus sama akan tetapi

pengelompokannya berdasarkan pada kedekatan dari suatu karakteristik

sample yang ada, salah satunya dengan menggunakan rumus jarak

ecluidean. Aplikasinya cluster ini sangat banyak, karena hampir dalam

mengidentifikasi permasalahan atau pengambilan keputusan selalu tidak

sama persis akan tetapi cenderung memiliki kemiripan saja. Ada

beberapa algoritma clustering data, salah satu diantaranya adalah Fuzzy

C-Means. Fuzzy CMeans adalah suatu teknik peng-cluster-an yang

mana keberadaannya tiap-tiap titik data dalam suatu cluster ditentukan

oleh derajat keanggotaan. Teknik ini pertama kali diperkenalkan oleh

Jim Bezdek pada tahun 1981. Konsep dari Fuzzy C-Means pertama kali

adalah menentukan pusat cluster, yang akan menandai lokasi rata-rata

untuk tiap-tiap cluster. Pada kondisi awal, pusat cluster ini masih belum

akurat. Tiap-tiap titik data memiliki derajat keanggotaan untuk tiap-tiap

cluster. Dengan cara memperbaiki pusat cluster dan derajat

keanggotaan tiap-tiap titik data secara berulang, maka akan dapat dilihat

bahwa pusat cluster akan bergerak menuju lokasi yang tepat.

Perulangan ini didasarkan pada minimasi fungsi obyektif yang

menggambarkan jarak dari titik data yang diberikan kepusat cluster

yang terbobot oleh derajat keanggotaan titik data tersebut. Output dari

Fuzzy C-Means merupakan deretan pusat cluster dan beberapa derajat

keanggotaan untuk tiap-tiap titik data. Informasi ini dapat digunakan

untuk membangun suatu fuzzy inference system.

7.5. Simple Additive Weighting (SAW)

Metode SAW sering dikenal dengan istilah metode penjumlahan

terbobot. Konsep dasar metode SAW (Simple Additive Weighting)

adalah mencari penjumlahan terbobot dari rating kinerja pada setiap

alternatif pada semua atribut(Fishburn, 1967) (MacCrimmon, 1968).

Metode SAW dapat membantu dalam pengambilan keputusan suatu

kasus, akan tetapi perhitungan dengan menggunakan metode SAW ini

hanya yang menghasilkan nilai terbesar yang akan terpilih sebagai

alternatif yang terbaik. Perhitungan akan sesuai dengan metode ini

apabila alternatif yang terpilih memenuhi kriteria yang telah ditentukan.

Metode SAW ini lebih efisien karena waktu yang dibutuhkan dalam

perhitungan lebih singkat. Metode SAW membutuhkan proses

normalisasi matriks keputusan (X) ke suatu skala yang dapat

diperbandingkan dengan semua rating alternatif yang ada. Metode ini

merupakan metode yang paling terkenal dan paling banyak digunakan

dalam menghadapi situasi Multiple Attribute Decision Making

(MADM).

MADM itu sendiri merupakan suatu metode yang digunakan untuk

mencari alternatif optimal dari sejumlah alternatif dengan kriteria

tertentu. Metode SAW ini mengharuskan pembuat keputusan

menentukan bobot bagi setiap atribut. Skor total untuk alternatif

diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating

(yang dapat dibandingkan lintas atribut) dan bobot tiap atribut.Rating

tiap atribut haruslah bebas dimensi dalam arti telah melewati proses

normalisasi matriks sebelumnya.

8. Metodologi

8.1. Pengumpulan Informasi

a. Studi Pustaka yaitu dengan mendeskripsikan data yang diperoleh

dari berbagai sumber referensi yang berhubungan dengan

permasalahan yang sedang diteliti, untuk kemudian dianalisa, dan

diuraikan dalam bentuk deskripsi yang dilatar belakangi oleh

adanya konsep-konsep dan teori yang dikemukakan dalam landasan

teori.

b. Wawancara dan Observasi, mencari dan mengumpulkan data,

dimana data-data yang ada relevansinya dengan judul tugas akhir

ini.

c. Media internet adalah suatu media elektronik yang memiliki

sumber bacaan yang berhubungan dengan judul tugas akhir yang

diambil.

8.2. Tahap Pengembangan Sistem

Pada tahap ini penulis mengembangkan sistem dengan metode

Waterfall Model ini dipilih karena merupakan metode pengembangan

perangkat lunak yang sistematik dan sekuensial. Maksudnya pekerjaan

setiap tahapan harus selesai dilakukan sebelum melangkah pada tahapan

berikutnya. Model tersebut akan digambarkan seperti gambar dibawah ini:

Gambar 1.2 Metode Waterfall

Berikut adalah penjelasan dari tahap-tahap yang dilakukan di dalam

model ini menurut Pressman :

a. System / Information Engineering and Modeling. Permodelan

ini diawali dengan mencari kebutuhan dari keseluruhan sistem

yang akan diaplikasikan ke dalam bentuk software. Hal ini sangat

penting, mengingat software harus dapat berinteraksi dengan

elemen-elemen yang lain seperti hardware, database, dsb. Tahap

ini sering disebut dengan Project Definition.

b. Software Requirements Analysis. Proses pencarian kebutuhan

diintensifkan dan difokuskan pada software. Untuk mengetahui

sifat dari program yang akan dibuat, maka para software engineer

harus mengerti tentang domain informasi dari software, misalnya

fungsi yang dibutuhkan, user interface, dsb. Dari 2 aktivitas

tersebut (pencarian kebutuhan sistem dan software) harus

didokumentasikan dan ditunjukkan kepada pelanggan.

c. Design. Proses ini digunakan untuk mengubah kebutuhan-

kebutuhan diatas menjadi representasi ke dalam bentuk

“blueprint” software sebelum coding dimulai. Desain harus dapat

mengimplementasikan kebutuhan yang telah disebutkan pada

tahap sebelumnya. Seperti 2 aktivitas sebelumnya, maka proses ini

juga harus didokumentasikan sebagai konfigurasi dari software.

d. Coding. Untuk dapat dimengerti oleh mesin, dalam hal ini adalah

komputer, maka desain tadi harus diubah bentuknya menjadi

bentuk yang dapat dimengerti oleh mesin, yaitu ke dalam bahasa

pemrograman melalui proses coding. Tahap ini merupakan

implementasi dari tahap design yang secara teknis nantinya

dikerjakan oleh programmer.

e. Testing / Verification. Sesuatu yang dibuat haruslah

diujicobakan. Demikian juga dengan software. Semua fungsi-

fungsi software harus diujicobakan, agar software bebas dari error,

dan hasilnya harus benar-benar sesuai dengan kebutuhan yang

sudah didefinisikan sebelumnya.

f. Maintenance. Pemeliharaan suatu software diperlukan, termasuk

di dalamnya adalah pengembangan, karena software yang dibuat

tidak selamanya hanya seperti itu. Ketika dijalankan mungkin saja

masih ada errors kecil yang tidak ditemukan sebelumnya, atau ada

penambahan fitur-fitur yang belum ada pada software tersebut.

Pengembangan diperlukan ketika adanya perubahan dari eksternal

perusahaan seperti ketika ada pergantian sistem operasi, atau

perangkat lainnya.

9. Arsitektur Sistem

Gambar 1.3 Arsitektur Sistem

10. Jadwal Kegiatan

11.1. Waktu Dan Jadwal Penelitian

Tabel 1.1 Jadwal Penelitian

Penjadwalan

Kegiatan

Bulan ke-1

(April)

Bulan ke-2

(Mei)

Bulan ke-3

(Juni)

Bulan ke-4

(Juli)

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

Persiapan

Pengumpulan Data

Pengolahan Data

Pembuatan Aplikasi

Penyusunan

Laporan

11. Mock Up Aplikasi

11.1. Perancangan Halaman Home

Gambar 1.4 Perancangan Halaman Home

11.2. Perancangan Halaman Katalog Rumah

Gambar 1.5 Perancangan Halaman Katalog Rumah

11.3. Perancangan Halaman Beli Rumah

Gambar 1.6 Perancangan Halaman Beli Rumah

11.4. Perancangan Halaman Jual Rumah

Gambar 1.7 Perancangan Halaman jual Rumah

11.5. Perancangan Halaman List Tentang

Gambar 1.8 Perancangan Halaman List Tentang

11.6. Perancangan Halaman Login

Gambar 1.9 Perancangan Halaman Login

12. Daftar Pustaka

[1] Standy Oei. Group Decision Support System Untuk Pembelian Rumah Dengan Menggunakan Analytical Hierarchy Process (Ahp) Dan Borda). Jurnal Manado: Universitas Nusantara Manado; 2013.

[2] Kadir, Abdul. Tuntunan praktis belajar database menggunakan

MySQL. Yogyakarta: ANDI; 2008

[3] Rian Kurnia Setiawan .Implementasi Metode Analytical Hierarchy Process Dalam Pendukung Keputusan Investasi Perumahan Berdasarkan Lokasi. Semarang: Universitas Dian Nuswanto; 2017.

[4] Bastiah. Sistem Pendukung Keputusan Untuk MenentukanPembelian Rumah Dengan Menggunakan Metode Fuzzy C-Means (Fcm) Clustering. Medan : STMIK Budi Darma; 2013

[5] Renati Winong Rosari. PHP & MySQL Untuk Pemula. Madiun : ANDI ; 2008.

[6] Charles Jhony Mantho Sianturi. Analisis Sigmentasi USG Hati Menggunakan Metode Fuzzy C-Mans. Jurnal. Medan : Universitas Potensi Utama; 2010.

[7] Marimin, P. M. Teknik & Aplikasi Pengambilan Keputusan Kriteria Majemuk. Jakarta: 2004.