judul
DESCRIPTION
referensi judulTRANSCRIPT
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.