PEMODELN DAN MANAJEMEN MODEL SPK

PEMODELN DAN MANAJEMEN MODEL SPK

Pemodelan Dalam MSS.
Salah satu contoh DSS, yaitu dari Frazee Paint.Inc. memiliki 3 jenis model:
1. Model statistik (analisis regresi), digunakan untuk mencari relasi diantara variabel. Model ini merupakan preprogram dalam tool software pengembangan DSS.
2. Model Finansial untuk pengembangan laporan pemasukan dan proyeksi data finansial untuk beberapa tahun. Model ini semi terstruktur dan ditulis dalam bahasa khusus DSS yang disebut dengan IFPS.
3. Model Optimasi yang dibuat menggunakan model management science yang disebut pendekatan Lenier Programming dalam rangka menentukan pemilihan media. Untuk menggunakan model ini, DSS perlu antarmuka untuk berhubungan dengan software yang lain.

Berbagai aspek dalam pemodelan diantaranya adalah:

• Identifikasi masalah dan analisis lingkungan
• Identifikasi variabel
• Perkiraan (forecasting)
• Model
• Manajemen Model

Model Statis dan Dinamis

• Analisis statis, model statis mengambil satu kejadian saja dalam suatu situasi. Selama kejadian tersebut semuanya terjadi dalam 1 interval, baik waktunya sebentar atau lama. Diasumsikan adanya stabilitas disini.
• Analisis dinamis, Model dinamis digunakan untuk mengevaluasi skenario yang berubah tiap saat. Model ini tergantung pada waktu. Dapat menunjukkan tren dan pola pada waktu tertentu.

Pohon Keputusan.
Alternatif penampilan tabel keputusan adalah pohon keputusan. Pohon keputusan memiliki 2 keuntungan: pertama, menggambarkan secara grafis hubungan dari masalah, dan kedua, dapat berhubungan dengan situasi yang lebih kompleks dalam bentuk yang lebih kompak (misal masalah investasi dengan periode waktu yang lebih banyak).
Metode mengatasi resiko yang lain.
Misalnya: simulasi, certainty factors, dan fuzzy logic.
Optimasi dengan Pemrograman Matematis.
Digunakan untuk membantu menyelesaikan masalah manajerial, untuk mengalokasikan resources yang terbatas (misal tenaga kerja, modal, mesin, atau air) diantara sekian banyak aktivitas untuk mmengoptimalkan tujuan yang ditetapkan.

Karakteristik.

1. Sejumlah tertentu resources ekonomi tersedia untuk dialokasi
2. Resources digunakan dalam produksi psoduk atau service
3. Ada 2 atau lebih cara bagaimana resources digunakan. Masing-masingnya disebut dengan solusi atau program
4. Setiap aktivitas (produk atau service) dimana resources digunakan disitu memberikan hasil tertentu sesuai tujuan yang telah ditetapkan
5. Pengalokasian ini biasanya dibatasi oleh berbagai batasan dan kebutuhan yang disebut dengan constraints (batasan)

Asumsi

•  Hasil dari berbagai alokasi yang berbeda dapat dibandingkan, sehingga, mereka dapat diukur dengan unit yang sama (seperti dolar atau utilitas)
• Hasil dari berbagai alokasi berdiri sendiri dibandingkan dengan alokasi yang lain.
• Hasil total adalah penjumlahan dari semua hasil yang diperoleh dari aktivitas-aktivitas yang berbeda.
• Semua data diketahui dengan certainty
• Resources digunakan menurut perilaku ekonomi

Sistem Pendukung Keputusan dan Contoh Program SPK Kuliner

Sistem Pendukung Keputusan dan Contoh Program SPK Kuliner

Sistem Penunjang Pengambilan Keputusan didefinisikan sebagai interaktif berbasis komputer yang membantu pengambilan suatu keputusan memanfaatkan data dan model untuk menyelesaikan masalah yang tidak terstruktur, Scoot-Morton (Turban, 2000).

Sistem Pendukung Keputusan yang dikemukakan oleh Raymond Mclood. Jr dalam buku Sistem Informasi Manajemen (McLeod, 2001) menekankan bahwa Sistem Pendukung Keputusan adalah suatu sistem informasi yang ditujukan untuk membantu manajemen dalam memecahkan masalah yang dihadapinya. Definisi selengkapnya adalah sistem penghasil informasi spesifik yang ditujukan untuk memecahkan suatu masalah tertentu  yang harus dipecahkan oleh menejer ada berbagai tingkatan. Sedangkan menurut Litlle (McLeod, 2001) mengemukakan bahwa sistem pendukung  keputusan adalah suatu sistem informasi berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur ataupun tidak terstruktur dengan menggunakan data atau model.

Sebagaimana diketahui bahwa salah satu tugas utama manajemen adalah mempertahankan (existensi) dan menghasilkan kinerja (performance) organisasi yang dikelolanya. Untuk  itulah manajemen harus mengambil keputusan mengenai langkah-langkah yang akan diambilnya, baik pada tingkatan strategi, taktik maupun operasional.

Keputusan-keputusan dibuat untuk memecahkan masalah. Dalam memecahkan suatu masalah, pemecahan masalah mungkin membuat banyak keputusan. Keputusan merupakan rangkaian tindakan yang perlu diikuti dalam memecahkan masalah untuk menghindari dan mengurangi dampak negatif atau untuk memanfaatkan kesempatan.

Agar kualitas keputusan yang diambil lebih baik maka diperlukan sistem pendukung keputusan yaitu yang berbasis komputer interaktif, yang mambantu pembuat keputusan memanfaatkan data dan model untuk menyelesaikan permasalahan yang tak terstruktur (Garry dan Morton,1971).

Jenis-Jenis Keputusan

Jenis–jenis keputusan menurut Simon dibedakan menjadi dua macam yaitu keputusan terprogram dan keputusan tidak terprogram dalam buku Sistem Informasi Manajemen (McLeod, 2001).

a. Keputusan Terprogram

Keputusan–keputusan yang bersifat berulang dan rutin, sedemikian hingga suatu prosedur pasti telah dibuat untuk menanganinya sehingga keputusan tersebut tidak perlu diperlakukan sebagai sesuatu yang baru tiap kali terjadi.

b.   Keputusan Tak Terprogram

Keputusan–keputusan yang berkaitan dengan berbagai persoalan baru, tidak terstruktur dan tidak konsisten. Tidak ada metode yang pasti untuk menangani masalah ini karena belum  pernah ada sebelumnya, atau karena sifat dan struktur persisnya tidak terlihat atau rumit.

Proses Pengambilan Keputusan.

Untuk memahami dengan lebih baik mengenai permodelan, dapat mengikuti proses pengambilan keputusan yang melibatkan tiga hal tahap utama : tahap intelegensi (intelligent phase), tahap perancangan (design phase), dan tahap pilihan (choice phase). Tahap keempat yaitu implementasi (implementation) ditambahkan kemudian. Sebuah gambaran konseptual mengenai proses pembuatan keputusan ditunjukkan pada gambar 2.1. Ada aliran aktifitas yang  berkesinambungan dari tahap intelegensi ke tahap perancangan dan tahap perancangan ke tahap pilihan (garis tebal), tetapi pada beberapa tahap mungkin menjadi arus balik ke tahap sebelumnya.

Subsistem–subsistem sistem pendukung keputusan terdiri dari 4 yaitu subsistem manajemen data, subsistem manajemen model, subsistem manajemen pengetahuan dan subsistem antar muka pengguna. Seperti pada gambar dibawah  (Turban, 2000).

Gambar 1. Skema SPK

Dalam pembuatan aplikasi sistem pendukung keputusan umumnya sistem dapat hasil keputusan yang dapat mengeluarkan output beberapa alternatif lain yang dapat direkomendasikan. Adapun contoh bentuk aplikasi sistem pendukung keputusan pada wisata kuliner dibawah menunjukkan mengeluarkan ketupusan berdasarkan rangking dan memiliki alternatif pilihan lain yang dapat direkomendasikan oleh manajer/user.

Contoh Program SPK

Dengan contoh data inputan dengan mengisi data kriteria dan bobot sesuai kebutuhan pemakai. Kriteria diantaranya adalah jenis makanan, waktu buka, lokasi kuliner, budget, fasilitas, dan khas makanan. Peta di ambil dari google eart untuk memvisualisasi data ruang geografi agar lebih baik dengan bentuk yang lebih nyata. Sedangkan bobot dapat diatur oleh pemakai sistem dan tidak dilakukan pemobobotan dalam koding. Perhatikan gambar 2 dibawah;

Gambar 2. Proses SPK Kuliner

Pada gambar 2 di atas suatu hasil keputusan sistem berdasarkan data inputan yang didapatkan untuk pencarian adalah Pondok Cabe jenis makanan Ayam Goreng dengan total skor persentase 98% dari total keseluruhan resto yang didapatkan yaitu 96 resto yang memiliki pendekatan data yang dicari baik jenis makanan, waktu buka, khas makanan, budget, suasana, fasilitas atau data lokasi.
Adapun resto yang memiliki total skor terkecil adalah Jimbaran Resto dengan total skor 40% yang memiliki perbedaan Jenis makanan, khas makanan, harga yang sangat jauh dari budget, dan memiliki persamaan suasana indoor dan memungkin jarak masih terjangkau.
Sistem ini dibuat dengan metode rule of thumb untuk mendukung keputusan serta google earth untuk visualisasi geografinya.


sumber : http://hamdani.blog.ugm.ac.id/2011/07/09/sistem-pendukung-keputusan/

mau belajar program ?
yuk buka disini

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENGANGKATAN CALON KEPALA SEKOLAH NEGERI BANDAR LAMPUNG DENGAN METODE SAW

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENGANGKATAN CALON KEPALA SEKOLAH NEGERI BANDAR LAMPUNG DENGAN METODE SAW

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENGANGKATAN CALON KEPALA SEKOLAH NEGERI BANDAR LAMPUNG DENGAN METODE SAW

ABSTRAK

Kemajuan suatu sekolah tidak lepas dari pengaruh bagaimana kemampuan kepala sekolah dalam mengelola seluruh sumber daya yang ada pada sekolah tersebut. Oleh karena itu diperlukan sumber daya manusia yang berkualitas dalam hal ini guru-guru yang memiliki potensi dan prestasi untuk menjadi kepala sekolah agar dapat diwujudkan pendidikan yang berkualitas. Sampai sekarang pengangkatan kepala sekolah baik di sekolah dasar maupun sekolah menengah didasarkan pada penilaian selama seseorang menjabat menjadi guru. Prosedur semacam ini mengandung kelemahan yang cukup serius. Sistem Pendukung Keputusan adalah sistem yang dapat membantu Dinas Pendidikan Kota Bandar Lampung dalam pengambilan keputusan penentuan guru-guru yang tepat untuk menjabat kepala sekolah SMA Negeri dan meningkatkan kualitas keputusan yang dihasilkan panitia seleksi.Metode yang digunakan dalam pembuatan website ini yaitu SAW (Simple Additive Weighting), System Development Life Cycle (SDLC) model Waterfall. Pengumpulan data dilakukan dengan metode observasi dan studi pustaka sedangkan implementasi dari model waterfall ini dijelaskan

Sri Lestari Jurnal Informatika, Vol. 12, No. 2, Desember 2012

Informatics and Business Institute Darmajaya 173

melalui analisis sistem, DFD, struktur tabel database, dan rancangan input output. Untuk merancang dan membuat website ini menggunakan Macromedia Dreamweaver MX, bahasa pemrograman PHP, database MYSQL, dan web server xampp.

Kata kunci: SAW (Simple Additive Weighting), Kepala Sekolah

I. PENDAHULUAN

Kemajuan suatu sekolah tidak lepas dari pengaruh bagaimana kemampuan kepala sekolah dalam mengelola seluruh sumber daya yang ada pada sekolah tersebut. Jabatan kepala sekolah merupakan pengembangan karier bagi seorang guru. Oleh karena itu diperlukan sumber daya manusia yang berkualitas dalam hal ini guru-guru yang memiliki potensi dan prestasi untuk menjadi kepala sekolah agar dapat diwujudkan pendidikan yang berkualitas.

Pengangkatan kepala sekolah baik di sekolah dasar maupun sekolah menengah sampai sekarang didasarkan pada penilaian selama seseorang menjabat menjadi guru. Pada umumnya guru-guru yang menonjol disekolahnya dan mendapat penilaian yang baik dari pihak atasan mempunyai harapan untuk diangkat menjadi kepala sekolah. Tentu dalam hal ini azas senioritas juga menjadi bahan pertimbangan. Prosedur semacam ini mengandung kelemahan yang cukup serius. Karena tugas sebagai guru berbeda dengan tugas sebagai kepala sekolah. Keberhasilan sebagai guru tidak bisa begitu saja dijadikan dasar untuk menjadi kepala sekolah. Karena itu harus digunakan kriteria lain untuk pengangkatan seorang kepala sekolah. Pada tahapan penyeleksian, ada beberapa penilaian yang belum leterdek. Azas senioritas termasuk dalam penilaian yang belum leterlek tersebut. Selain azas senioritas, penilaian yang belum leterlek lainnya adalah penilaian pada kemampuan dalam wawasan dan pemberian bobot penilaian yang diberikan pengawas satu dengan lainnya berbeda.

Pengambilan keputusan penentuan calon kepala sekolah pada Dinas Pendidikan Kota Bandar Lampung merupakan hal yang relatif sulit karena terdapat berbagai kriteria yang mempengaruhi, dan kriteria-kriteria tersebut sebagian merupakan kriteria yang bersifat subjektif meskipun ada juga kriteria yang sifatnya objektif yang dapat dilihat dari penilaian administratif. Seorang kepala sekolah yang ideal diharapkan mampu menguasai secara maksimal keseluruhan kriteria penilaian tersebut. Pada tugas akhir ini dibangun suatu sistem pendukung keputusan untuk membantu Dinas Pendidikan Kota Bandar Lampung dalam

Jurnal Informatika, Vol. 12, No. 2, Desember 2012 Sri Lestari

174 Informatics and Business Institute Darmajaya

pengambilan keputusan penentuan guru-guru yang tepat untuk menjabat kepala sekolah SMA Negeri dan meningkatkan kualitas keputusan yang dihasilkan panitia seleksi.

II. METODE PENELITIAN

Metode yang diterapkan untuk mengembangankan sistem pendukung keputusan pengangkatan calon kepala sekolah negeri yitu Waterfall untuk pengembangan sistem dan SAW untuk menyeleksi calon kepala sekolah.

a. Waterfall

Berikut Rekayasa Perangkat Lunak Model waterfall (Alan Dennis, Barbara H Wixom : 2003) :

Gambar 1. Metode Pengembangan Perangkat Lunak Model WaterFall

b. Simple Additive Weighting (SAW)

Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif dari semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. (Kusumadewi, 2005).

dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:

Keterangan :

Vi = Nilai prefensi

Wj = bobot rangking

Rij = rating kinerja ternormalisas

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. (Kusumadewi, 2005).

Adapun langkah-langkah dalam penelitian ini pada metode SAW adalah :

1. Mendefinisikan masalah dan menentukan solusi yang diinginkan.

2. Membuat sktruktur hirarki yang diawali dengan tujuan, kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan yaitu Ci dan kemungkinan

Sri Lestari Jurnal Informatika, Vol. 12, No. 2, Desember 2012

Informatics and Business Institute Darmajaya 175

alternatif-alternatif pada tingkatan yang paling bawah.

3. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.

4. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.

5. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi. (Kusumadewi, 2006).

III. HASIL DAN PEMBAHASAN

Gambaran sistem secara global perlu dilakukan untuk mempermudah memahami proses yang dibutuhkan dan bagian-bagian terkait. Bagian yang terlibat dalam sistem ini adalah peserta, pengawas, dan admin. Untuk lebih jelasnya dapat dilihat pada gambar 2.

Gambar 2. Gambaran sistem secara global

Adapun kebutuhan yang digunakan dalam penyeleksian calon kepala sekolah digambarkan dalam bentuk hirarki, sepeti pada gambar 3.

Gambar 3. Hirarki pengangkatan calon kepala sekolah

Tabel 1. Bobot Kepentingan Kriteria

Jurnal Informatika, Vol. 12, No. 2, Desember 2012 Sri Lestari

176 Informatics and Business Institute Darmajaya

Gambar 4. Kontek diagaram sistem pengangkatan calon kepala sekolah

Implementasi

Sistem aplikasi yang akan digunakan sebagai sistem pendukung keputusan pengangkatan calon kepala sekolah negeri Bandar Lampung berbasis website. Pemanfaatan sistem ini hanya dapat digunakan oleh pihak – pihak yang telah diberikan login oleh administrator. Tamu yang ingin berkunjung harus memiliki login terlebih dahulu. Berikut ini beberapa contoh tampilan dari sistem pengangkatan calon keala sekolah.

Halaman Input Kriteria

Halaman ini digunakan untuk menginputkan kriteria, bobot dan atribut. Untuk melihat input kriteria pilih login administrator, klik menu kriteria kemudian klik input kriteria. Berikut ini halaman input kriteria website Sistem Pendukung Keputusan Pengangkatan Calon Kepala Sekolah dapat dilihat pada Gambar 5.

Gamabar 5. Halaman Input Kriteria

Halaman Input Sub Subkriteria

Halaman ini digunakan untuk menginputkan Sub Subkriteria dan bobot nilai. Untuk melihat input Sub Subkriteria pilih login administrator, klik menu kriteria, klik Sub kriteria, klik Sub Subkriteria kemudian klik input Sub Subkriteria. Berikut ini halaman input Sub Subkriteria website Sistem Pendukung Keputusan Pengangkatan Calon Kepala Sekolah dapat dilihat pada gambar 6:

Gamabar 6 Halaman Input Sub Subkriteria

Sri Lestari Jurnal Informatika, Vol. 12, No. 2, Desember 2012

Informatics and Business Institute Darmajaya 177

Halaman Input Nilai Kriteria Peserta

Halaman ini digunakan pengawas untuk menginputkan nilai kriteria peserta. Untuk melihat input nilai kriteria peserta pilih login pengawas, klik menu pengawas kemudian klik kriteria. Berikut ini halaman input nilai kriteria peserta website Sistem Pendukung Keputusan Pengangkatan Calon Kepala Sekolah dapat dilihat pada gambar7.

Gambar 7. Halaman Input Nilai Kriteria Peserta

Halaman Output Hasil Perhitungan Sistem Pendukung Keputusan

Halaman ini menampilkan perhitungan dengan metode SAW. Untuk melihat Output perhitungan SPK pilih login administrator kemudian klik menu perhitungan SPK. Berikut ini halaman Output hasil perhitungan SPK website Sistem Pendukung Keputusan Pengangkatan Calon Kepala Sekolah dapat dilihat pada gambar 8:

Gambar 8. Halaman Output Hasil Perhitungan Sistem Pendukung Keputusan

Jurnal Informatika, Vol. 12, No. 2, Desember 2012 Sri Lestari

178 Informatics and Business Institute Darmajaya

Halaman Output Hasil Rangking Sistem Pendukung Keputusan

Halaman ini menampilkan hasil rangking bobot peserta. Untuk melihat Output hasil rangking SPK pilih login administrator kemudian klik menu hasil rangking SPK. Berikut ini halaman Output hasil rangking SPK website Sistem Pendukung Keputusan Pengangkatan Calon Kepala Sekolah dapat dilihat pada gambar 9:

Gambar 9. Halaman Output Hasil Rangking Sistem Pendukung Keputusan

Pembahasan

Sistem pengangkatan calon kepala sekolah mempunyai kelebihan dan kelemahan yang memberikan informasi secara lebih mudah. Adapun kelebihan dan kelemahannya yaitu :

Kelebihan sistem

a. Dapat membantu Dinas Pendidikan kota Bandar Lampung dalam seleksi calon kepala sekolah dengan sistem pendukung keputusan.

b. Aplikasi program yang dibuat menggunakan metode SAW yang mana menilai peserta calon kepala sekolah dengan menghitung nilai kriteria dan subkriteria yang dibobotkan dan menghasilkan perangkingan.

c. Aplikasi program yang dibuat berbasis website yang dapat diakses memalui internet.

d. Peserta calon kepala sekolah dapat melihat nilai kriteria dan hasil seleksi calon kepala sekolah melalui media internet.

Kelemahan Sistem

1. Pembobotan Kriteria dan subkriteria dalam perhitungan sistem pendukung keputusan pada metode SAW belum sesuai dengan ketentuan Dinas Pendidikan kota Bandar Lampug.

2. Sistem tidak dapat memutuskan pemenang calon kepala sekolah secara langsung namun hanya menampilkan hasil penyeleksian berdasarkan rangking.

Sri Lestari Jurnal Informatika, Vol. 12, No. 2, Desember 2012

Informatics and Business Institute Darmajaya 179

IV. SIMPULAN

Berdasarkan hasil penelitian, maka dapat disimpulkan sebagai berikut :
1. Metode SAW merupakan metode yang dapat digunakan untuk proses pemilihan sekolah, karena metode ini dapat memberikan solusi penyeleksian kepala sekolah selama langkah-langkahnya terpenuhi.
2. Hasil perhitungan SAW yang diterapkan ini akan menghasilkan keluaran nilai intensitas prioritas calon kepala sekolah tertinggi sehingga sekolah yang memiliki nilai tertinggi layak untuk menjadi pilihan utama.
3. Sistem ini dapat mempermudah calon kepala sekolah dalam mengikuti seleksi calon kepala sekolah dan juga mempermudah Dinas Pendidikan kota Bandar Lampung menentukan calon kepala sekolah.

DAFTAR PUSTAKA

[1]. Dennis, A., 2003, System Analysis Design 2nd Edition, Jhon Wiley and Son. Inc United States of America.
[2]. Hartono, J., 2005, Analisis & Desain Sistem Informasi : pendekatan terstruktur teori dan praktek aplikasi bisnis, Edisi III, Yogyakarta, Andi offset.
[3]. Komputer, Wahana, 2002, Kamus Lengkap Dunia Komputer, Yogyakarta, Andi Offset.
[4]. Kristanto, A., 2004, Perancangan Sistem dan Aplikasinya, Yogyakarta, Gaya Media.
[5]. Kusumadewi, S., 2006, Fuzzy Multi-Attribute Decision Making, Yogyakarta, GrahaIlmu.
[6]. Nugroho, B., 2005, PHP & mySQL dengan Dreamweaver CS3, Yogyakarta, Andi Offset.
[7]. Peraturan Menteri Pendidikan Nasional No.28 Tahun 2010 Tentang PENUGASAN GURU SEBAGAI KEPALA SEKOLAH/MADRASAH.
[8]. Supranto, 2005, Empat proses pengambilan keputusan, Yogyakarta, Andi Offset.
[9]. Turban, 2005, Karakteristik dan kapabilitas pengambil keputusan, Yogyakarta, Graha Ilmu.
[10]. Wibowo, A., 2007, Pemrograman Web dengan PHP, Yogyakarta. Informatika.

Makalah Sistem Pendukung Keputusan Dengan Metode AHP

Makalah Sistem Pendukung Keputusan Dengan Metode AHP

BAB I

PENDAHULUAN

Latar Belakang

Dewasa ini perkembangan teknologi informasi sudah sedemikian pesat. Perkembangan yang pesat tidak hanya teknologi perangkat keras dan perangkat lunak saja, tetapi metode komputasi juga ikut berkembang. Salah satu metode komputasi yang cukup berkembang saat ini adalah metode sistem pengambilan keputusan (Decisions Support System). Dalam teknologi informasi, sistem pengambilan keputusan merupakan cabang ilmu yang letaknya diantara system informasi dan sistem cerdas.
Sistem pengambilan keputusan juga membutuhkan teknologi informasi, hal ini dikarenakan adanya era globalisasi, yang menuntut sebuah perusahaan untuk bergerak cepat dalam mengambil suatu keputusan dan tindakan. Dengan mengacu kepada solusi yang diberikan oleh metode AHP (Analytical Hierarcy Process) dalam membantu membuat keputusan, seorang decision maker dapat mengambil keputusan tentang pemilihan supplier secara objektif berdasarkan multi kriteria yang ditetapkan.
Metode AHP adalah metode pengambilan keputusan yang multi kriteria, sedangkan pengambilan keputusan dibidang pembelian juga mengandalkan kriteria-kriteria yaitu kualitas barang, kecepatan pengiriman barang, harga barang dan status supplier. Dengan melihat adanya kriteria-kriteria yang dipergunakan untuk mengambil keputusan, maka akan sangat cocok untuk menggunakan metode AHP dengan multi kriteria.
Permasalahan
Adapun permasalahan yang timbul ini disebabkan seseorang menemui berbagai kesulitan dalam mengambil keputusan dalam pemilihan kriteria diantaranya adalah kesulitan dalam criteria dalam pemilihan sepeda motor yang nantinya akan dia beli yaitu : sepeda motornya memiliki desain yang bagus, berkualitas serta irit dalam bahan bakar.
Tujuan
Tujuan dari penulisan ini adalah memberi pengetahuan tentang arti dari metode AHP dan untuk membuat keputusan yang dapat membantu pihak-pihak tertentu dalam mengambil keputusan yang terbaik untuk mencapai hasil yang maksimal.

BAB II

ISI

Pengertian Sistem Pendukung Keputusan

Konsep Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur.Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan.

Beberapa Definisi Lain dari Sistem Pendukung Keputusan

1. 1.       Little (1970)

Sistem pendukung keputusan adalah sebuah himpunan/kumpulan prosedur berbasis model untuk memproses data dan pertimbangan untuk membantu manajemen dalam pembuatan keputusannya.
2.  Alter (1990)
membuat definisi sistem pendukung keputusan dengan memabandingkannya dengan sebuah sistem pemrosesan data elektronik (PDE) / Electronic Data Processing tradisional dalam 5 hal :
SPK
Penggunaan :Aktif
Pengguna :Manajemen
Tujuan :Efektifitas
Time horizon :Sekarang dan masa depan
Kelebihan : Fleksibilitas
PDE
Penggunaan : Pasif
Pengguna : Operator/Pegawai
Tujuan : Efisiensi Mekanis
Time horizon :Masa Lalu
Kelebihan :Konsistensi

3. Keen (1980)
Sistem pendukung keputusan adalah sistem berbasis komputer yang dibangun lewat sebuah proses adaptif dari pembelajaran, pola-pola penggunan dan evolusi sistem.

4. Bonczek (1980)
Sistem pendukung keputusan sebagai sebuah sistem berbasis komputer yang terdiri atas komponen-komponen antara lain komponen sistem bahasa (language), komponen sistem pengetahuan (knowledge) dan komponen sistem pemrosesan masalah (problem processing) yang saling berinteraksi satu dengan yang lainnya.
5. Hick (1993)
Sistem pendukung keputusan sebagai sekumpulan tools komputer yang terintegrasi yang mengijinkan seorang decision maker untuk berinteraksi langsung dengan komputer untuk menciptakan informasi yang berguna dalam membuat keputusan semi terstruktur dan keputusan tak terstruktur yang tidak terantisipasi.
6. Man dan Watson
Sistem pendukung keputusan merupakan suatu sistem yang interaktif, yang membantu pengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah yang sifatnya semi terstruktur maupun yang tidak terstruktur.
7. Moore and Chang
Sistem pendukung keputusan dapat digambarkan sebagai sistem yang berkemampuan mendukung analisis ad hoc data, dan pemodelan keputusan, berorientasi keputusan, orientasi perencanaan masa depan, dan digunakan pada saat-saat yang tidak biasa.
8. Bonczek (1980)
Sistem pendukung keputusan sebagai sebuah sistem berbasis komputer yang terdiri atas komponen-komponen antara lain komponen sistem bahasa (language), komponen sistem pengetahuan (knowledge) dan komponen sistem pemrosesan masalah.
9. Turban & Aronson (1998)
Sistem pendukung keputusan sebagai sistem yang digunakan untuk mendukung dan membantu pihak manajemen melakukan pengambilan keputusan pada kondisi semi terstruktur dan tidak terstruktur. Pada dasarnya konsep DSS hanyalah sebatas pada kegiatan membantu para manajer melakukan penilaian serta menggantikan posisi dan peran manajer.
10. Raymond McLeod, Jr. (1998)
Sistem pendukung keputusan merupakan sebuah sistem yang menyediakan kemampuan untuk penyelesaian masalah dan komunikasi untuk permasalahan yang bersifat semi-terstruktur.

Macam – Macam Metode Sisem Pendukung Keputusan

1. Metode Sistem pakar
2. Metode Regresi linier
3. Metode B/C Ratio
4. Metode AHP
5. Metode IRR
6. Metode NPV
7. Metode FMADM
8. Metode SAW

Pengertian Metode AHP

Metode AHP dikembangkan oleh Thomas L. Saaty, seorang ahli matematika. Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas persoalan yang kompleks dengan menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagian-bagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, member nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut. Metode AHP ini membantu memecahkan persoalan yang kompleks dengan menstruktur suatu hirarki kriteria, pihak yang berkepentingan, hasil dan dengan menarik berbagai pertimbangan guna mengembangkan bobot atau prioritas. Metode ini juga menggabungkan kekuatan dari perasaan dan logika yang bersangkutan pada berbagai persoalan, lalu mensintesis berbagai pertimbangan yang beragam menjadi hasil yang cocok dengan perkiraan kita secara intuitif sebagaimana yang dipresentasikan pada pertimbangan yang telah dibuat. (Saaty, 1993).
Proses hierarki adalah suatu model yang memberikan kesempatan bagi perorangan atau kelompok untuk membangun gagasan-gagasan dan mendefinisikan persoalan dengan cara membuat asumsi mereka masing-masing dan memperoleh pemecahan yang diinginkan darinya. Ada dua alasan utama untuk menyatakan suatu tindakan akan lebih baik dibanding tindakan lain. Alasan yang pertama adalah pengaruh-pengaruh tindakan tersebut kadang-kadang tidak dapat dibandingkan karena sutu ukuran atau bidang yang berbeda dan kedua, menyatakan bahwa pengaruh tindakan tersebut kadang-kadang saling bentrok, artinya perbaikan pengaruh tindakan tersebut yang satu dapat dicapai dengan pemburukan lainnya. Kedua alasan tersebut akan menyulitkan dalam membuat ekuivalensi antar pengaruh sehingga diperlukan suatu skala luwes yang disebut prioritas.

Prinsip Dasar dan Aksioma AHP

AHP didasarkan atas 3 prinsip dasar yaitu:

1. Dekomposisi
Dengan prinsip ini struktur masalah yang kompleks dibagi menjadi bagian-bagian secara hierarki. Tujuan didefinisikan dari yang umum sampai khusus. Dalam bentuk yang paling sederhana struktur akan dibandingkan tujuan, kriteria dan level alternatif. Tiap himpunan alternatif mungkin akan dibagi lebih jauh menjadi tingkatan yang lebih detail, mencakup lebih banyak kriteria yang lain. Level paling atas dari hirarki merupakan tujuan yang terdiri atas satu elemen. Level berikutnya mungkin mengandung beberapa elemen, di mana elemen-elemen tersebut bisa dibandingkan, memiliki kepentingan yang hampir sama dan tidak memiliki perbedaan yang terlalu mencolok. Jika perbedaan terlalu besar harus dibuatkan level yang baru.
2. Perbandingan penilaian/pertimbangan (comparative judgments).
Dengan prinsip ini akan dibangun perbandingan berpasangan dari semua elemen yang ada dengan tujuan menghasilkan skala kepentingan relatif dari elemen. Penilaian menghasilkan skala penilaian yang berupa angka. Perbandingan berpasangan dalam bentuk matriks jika dikombinasikan akan menghasilkan prioritas.
3. Sintesa Prioritas
Sintesa prioritas dilakukan dengan mengalikan prioritas lokal dengan prioritas dari kriteria bersangkutan di level atasnya dan menambahkannya ke tiap elemen dalam level yang dipengaruhi kriteria. Hasilnya berupa gabungan atau dikenal dengan prioritas global yang kemudian digunakan untuk memboboti prioritas lokal dari elemen di level terendah sesuai dengan kriterianya.

AHP didasarkan atas 3 aksioma utama yaitu :

1. Aksioma Resiprokal
Aksioma ini menyatakan jika PC (EA,EB) adalah sebuah perbandingan berpasangan antara elemen A dan elemen B, dengan memperhitungkan C sebagai elemen parent, menunjukkan berapa kali lebih banyak properti yang dimiliki elemen A terhadap B, maka PC (EB,EA)= 1/ PC (EA,EB). Misalnya jika A 5 kali lebih besar daripada B, maka B=1/5 A.
2. Aksioma Homogenitas
Aksioma ini menyatakan bahwa elemen yang dibandingkan tidak berbeda terlalu jauh. Jika perbedaan terlalu besar, hasil yang didapatkan mengandung nilai kesalahan yang tinggi. Ketika hirarki dibangun, kita harus berusaha mengatur elemen-elemen agar elemen tersebut tidak menghasilkan hasil dengan akurasi rendah dan inkonsistensi tinggi.
3. Aksioma Ketergantungan
Aksioma ini menyatakan bahwa prioritas elemen dalam hirarki tidak bergantung pada elemen level di bawahnya. Aksioma ini membuat kita bisa menerapkan prinsip komposisi hirarki.

Kelebihan dan Kekurangan dalam Metode AHP

Kelebihan

1. Struktur yang berhierarki sebagai konskwensi dari kriteria yang dipilih sampai pada sub-sub kriteria yang paling dalam.

1. Memperhitungkan validitas sampai batas toleransi inkonsentrasi sebagai kriteria dan alternatif yang dipilih oleh para pengambil keputusan.

1. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas pengambilan keputusan.

Metode “pairwise comparison” AHP mempunyai kemampuan untuk memecahkan masalah yang diteliti multi obyek dan multi kriteria yang berdasar pada perbandingan preferensi dari tiap elemen dalam hierarki. Jadi model ini merupakan model yang komperehensif. Pembuat keputusan menetukan pilihan atas pasangan perbandingan yang sederhana, membengun semua prioritas untuk urutan alternatif. “ Pairwaise comparison” AHP mwenggunakan data yang ada bersifat kualitatif berdasarkan pada persepsi, pengalaman, intuisi sehigga dirasakan dan diamati, namun kelengkapan data numerik tidak menunjang untuk memodelkan secara kuantitatif.

Kelemahan

1. Ketergantungan model AHP pada input utamanya.

Input utama ini berupa persepsi seorang ahli sehingga dalam hal ini melibatkan subyektifitas sang ahli selain itu juga model menjadi tidak berarti jika ahli tersebut memberikan penilaian yang keliru.

1. Metode AHP ini hanya metode matematis tanpa ada pengujian secara statistik

sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk

Tahapan Dalam Metode AHP

Langkah-langkah AHP

Langkah – langkah  dan proses Analisis Hierarki Proses (AHP) adalah sebagai berikut
1.       Memdefinisikan permasalahan dan penentuan tujuan. Jika AHP digunakan untuk memilih alternatif atau menyusun prioriras alternatif, pada tahap ini dilakukan pengembangan alternatif.
2.       Menyusun masalah kedalam hierarki sehingga permasalahan yang kompleks dapat ditinjau dari sisi yang detail dan terukur.
3.       Penyusunan prioritas untuk tiap elemen masalah pada hierarki. Proses ini menghasilkan bobot atau kontribusi elemen terhadap pencapaian tujuan sehingga elemen dengan bobot tertinggi memiliki prioritas penanganan. Prioritas dihasilkan dari suatu matriks perbandinagan berpasangan antara seluruh elemen pada tingkat hierarki yang sama.
4.       Melakukan pengujian konsitensi terhadap perbandingan antar elemen yang didapatan pada tiap tingkat hierarki.
Sedangkan langkah-langkah “pairwise comparison” AHP adalah
1.       Pengambilan data dari obyek yang diteliti.
2.       Menghitung data dari bobot perbandingan berpasangan responden dengan metode
“pairwise comparison” AHP berdasar hasil kuisioner.
3.       Menghitung rata-rata rasio konsistensi dari masing-masing responden.
4.       Pengolahan dengan metode “pairwise comparison” AHP.
5.      Setelah dilakukan pengolahan tersebut, maka dapat disimpulkan adanya konsitensi   dengan tidak, bila data tidak konsisten maka diulangi lagi dengan pengambilan data seperti semula, namun bila sebaliknya maka digolongkan data terbobot yang selanjutnya dapat dicari nilai beta (b).

Contoh Kasus

Adi berulang tahun yang ke-17, Kedua orang tuanya janji untuk membelikan sepeda motor sesuai yang di inginkan Adi. Adi memiliki pilihan yaitu motor Ninja, Tiger dan Vixsion . Adi memiliki criteria dalam pemilihan sepeda motor yang nantinya akan dia beli yaitu : sepeda motornya memiliki desain yang bagus, berkualitas serta irit dalam bahan bakar.
Penyelesaian

1. 1.     Tahap pertama

Menentukan botot dari masing – masig kriteria.

Desain lebih penting 2 kali dari pada Irit

Desain lebih penting 3 kali dari pada Kualitas

Irit lebih penting 1.5 kali dari pada kualitas

Pair Comparation Matrix

Kriteria	Desain	Irit	Kualitas	Priority Vector
Desain	1	2	3	0,5455
Irit	0,5	1	1,5	0,2727
Kualitas	0,333	0,667	1	0,1818
Jumlah	1,833	3,667	5,5	1,0000
Pricipal Eigen Value (lmax)				3,00
Consistency Index (CI)				0
Consistency Ratio (CR)				0,0%

Dari gambar diatas, Prioity Vector (kolom paling kanan) menunjukan bobot dari masing-masing kriteria, jadi dalam hal ini Desain merupakan bobot tertinggi/terpenting menurut Adi, disusul Irit dan yang terakhir adalah Kualitas.
Cara membuat table seperti di atas

1. Untuk perbandingan antara masing – masing kriteria berasal dari bobot yang telah di berikan ADI pertama kali.
2. Sedangkan untuk Baris jumlah, merupakan hasil penjumalahan vertikal dari masing – masing kriteria.
3. Untuk Priority Vector  di dapat dari  hasil penjumlahan dari semua sel disebelah Kirinya (pada baris yang sama) setelah terlebih dahulu dibagi dengan  Jumlah yang ada dibawahnya, kemudian hasil penjumlahan tersebut dibagi dengan angka 3.
4. Untuk mencari Principal Eigen Value (lmax)

Rumusnya adalah menjumlahkan  hasil perkalian antara sel pada baris jumlah dan sel pada kolom Priority Vector

5. Menghitung Consistency Index (CI) dengan rumus

CI = (lmax-n)/(n-1)

6. Sedangkan untuk menghitung nilai  CR
7. Menggunakan rumuas CR = CI/RI , nilai RI didapat dari

n	1	2	3	4	5	6	7	8	9	10
RI	0	0	5,8	0,9	1,12	1,24	1,32	1,41	1,45	1,49

Jadi untuk n=3, RI=0.58.
Jika hasil perhitungan  CR lebih kecil atau sama dengan 10% ,  ketidak konsistenan masih bisa diterima, sebaliknya jika lebih besar dari 10%, tidak bisa diterima.

1. 2.     Tahap Kedua

Kebetulan teman ADI memiliki teman yang memiliki motor yang sesuai dengan pilihan ADI. Setelah Adi mencoba motor temannya tersebut adi memberikan penilaian ( disebut sebagai pair-wire comparation)

Desain lebih penting 2 kali dari pada Irit

Desain lebih penting 3 kali dari pada Kualitas

Irit lebih penting 1.5 kali dari pada kualitas

Ninja  4 kali desainnya lebih baik daripada tiger

Ninja  3 kali desainnya lebih baik dari pada vixsion

tiger 1/2 kali desainnya lebih baik dari pada Vixsion

Ninja 1/3 kali lebih irit daripada tiger

Ninja 1/4 kali  lebih irit dari pada vixsion

tiger 1/2 kali lebih irit dari pada Vixsion

Berdasarkan penilaian tersebut maka dapat di buat table (disebut Pair-wire comparation matrix)

Desain	Ninja	Tiger	Vixsion	Priority Vector
Ninja	1	4	3	0,6233
Tiger	0,25	1	0,5	0,1373
Vixsion	0,333	2	1	0,2394
Jumlah	1,583	7	4,5	1,0000
Pricipal Eigen Value (lmax)				3,025
Consistency Index (CI)				0,01
Consistency Ratio (CR)				2,2%

Irit	Ninja	Tiger	Vixsion	Priority Vector
Ninja	1	0,333	0,25	0,1226
Tiger	3	1	0,5	0,3202
Vixsion	4	2	1	0,5572
Jumlah	8	3,333	1,75	1,0000
Pricipal Eigen Value (lmax)				3,023
Consistency Index (CI)				0,01
Consistency Ratio (CR)				2,0%

Irit	Ninja	Tiger	Vixsion	Priority Vector
Ninja	1,00	0,010	0,10	0,0090
Tiger	100,00	1,00	10,0	0,9009
Vixsion	10,00	0,100	1,0	0,0901
Jumlah	111,00	1,11	11,10	1,0000
Pricipal Eigen Value (lmax)				3
Consistency Index (CI)				0
Consistency Ratio (CR)				0,0%

1. 3.     Tahap ketiga

Setelah mendapatkan bobot untuk ketiga kriteria dan skor untuk masing-masing kriteria bagi ketiga motor pilihannya, maka langkah terakhir adalah menghitung total skor untuk ketiga motor tersebut.  Untuk itu ADI akan merangkum semua hasil penilaiannya tersebut dalam bentuk tabel yang disebut Overall composite weight, seperti berikut.

Overall composit weight	weight	Ninja	Tiger	Vixsion
Desain	0,5455	0,6233	0,1373	0,2394
Irit	0,2727	0,1226	0,3202	0,5572
Kualitas	0,1818	0,0090	0,9009	0,0901
Composit Weight		0,3751	0,3260	0,2989

Cara membuat Overall Composit weight adalah

• Kolom Weight diambil dari kolom Priority Vektor dalam matrix Kriteria.
• Ketiga kolom lainnya (Ninja, Tiger dan Vixsion) diambil dari kolom Priority Vector ketiga matrix Desain, Irit dan Kualitas.
• Baris Composite Weight diperoleh dari jumlah hasil perkalian sel diatasnya dengan weight.

Berdasarkan table di atas maka dapat di ambil kesimpulan bahwa yang memiliki skor paling tinggi adalah Ninja yaitu 0,3751 , sedangkan disusul tiger dengan skor 0,3260 dan yang terakhir adalah Vixsion dengan skor 0,2989. Akhirnya Adi akan membeli motor Ninja

Penerapan Metode Sistem Pendukung Keputusan SAW Dengan PHP

Penerapan Metode Sistem Pendukung Keputusan SAW Dengan PHP

Metode sistem pendukung keputusan SAW (Simple additive Weighting) merupakan salah satu metode Sistem Pendukung Keputusan yang menggunakan konsep penjumlahan terbobot. Pada tulisan kali ini saya akan memberikan contoh bagaimana cara Penerapan Metode Sistem Pendukung Keputusan SAW dengan Php. Sebelumnya saya akan menjelaskan proses dari metode Simple additive weighting :

1. Siapkan terlebih dahulu data yang disimpan dalam Matrik Data.
2. Lakukan Normalisasi Matrik Data dengan formula :
   

   Normalisasi Matrik SAW
3. Lakukan perangkingan dengan Formula

   1	Vi = (rij * wi) + (rij * wi) + .. (rxx * wx)

Sebagai bahan Penerapan Metode SAW, berikut contoh kasus yang akan kita coba lakukan perhitungan dengan PHP.

Suatu Institusi Perguruan tinggi akan memilih seorang karyawan untuk dipromosikan sebagai kepala unit Sistem Informasi.
Ada empat kriteria yang digunakan untuk melakukan penilaian yaitu :

1. C1  = Tes Pengetahuan (Wawasan) Sistem Informasi.
2. C2 = Praktik Insatalasi Jaringan
3. C3 = Tes Kepripadian
4. C4 = Tes Pengetahuan Agama.

Pengambil keputusan memberikan bobot untuk setiap kriteria sebagai berikut: C1 = 35%; C2 = 25%; C3 = 25%; dan C4 = 15%.

Ada enam orang karyawan yang menjadi kandidat (alternatif) untuk dipromosikan sebagai kepala unit, yaitu:

1. A1 = Indra
2. A2 = Roni,
3. A3 = Putri,
4. A4 = Dani,
5. A5 = Ratna, dan
6. A6 = Mira.

Data diatas sekarang kita rubah ke dalam database, buat database kira2 seperti ini :
tbcalon :

Tabel Calon Sistem Pendukung Keputusan

Selanjutnya kita buat tabel untuk menyimpan matrik, misal tbmatrik :

Tabel Matrik Sistem Pendukung Keputusan

Setelah keduanya dibuat, silahkan isi data sehingga terbentuk data seperti ini :
tbcalon :

Data Calon SPK

dan data Matrik :

Data Matrik Calon SPK

Langkah-langkah perhitungan sistem pendukung keputusan dengan php :

Lakukan Langkah ke 2, yakni normalisasi :

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

//Lakukan Normalisasi dengan rumus pada langkah 2     //Cari Max atau min dari tiap kolom Matrik     $crMax = mysql_query("SELECT max(Kriteria1) as maxK1,                         max(Kriteria2) as maxK2,                         max(Kriteria3) as maxK3,                         max(Kriteria4) as maxK4             FROM tbmatrik");     $max = mysql_fetch_array($crMax);       //Hitung Normalisasi tiap Elemen     $sql2 = mysql_query("SELECT * FROM tbmatrik");     //Buat tabel untuk menampilkan hasil     echo "<H3>Matrik Normalisasi</H3>     <table width=500 style='border:1px; #ddd; solid; border-collapse:collapse' border=1>         <tr>             <td>No</td><td>Nama</td><td>C1</td><td>C2</td><td>C3</td><td>C4</td>         </tr>         ";     $no = 1;     while ($dt2 = mysql_fetch_array($sql2)) {         echo "<tr>             <td>$no</td><td>".getNama($dt2['idCalon'])."</td><td>".round($dt2['Kriteria1']/$max['maxK1'],2)."</td><td>".round($dt2['Kriteria2']/$max['maxK2'],2)."</td><td>".round($dt2['Kriteria3']/$max['maxK3'],2)."</td><td>".round($dt2['Kriteria4']/$max['maxK4'],2)."</td>         </tr>";     $no++;     }     echo "</table>";

Selanjutnya lakukan Perangkingan :

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

//Proses perangkingan dengan rumus langkah 3     $sql3 = mysql_query("SELECT * FROM tbmatrik");     //Buat tabel untuk menampilkan hasil     echo "<H3>Perangkingan</H3>     <table width=500 style='border:1px; #ddd; solid; border-collapse:collapse' border=1>         <tr>             <td>No</td><td>Nama</td><td>Rangking</td>         </tr>         ";     $no = 1;     //Kita gunakan rumus (Normalisasi x bobot)     while ($dt3 = mysql_fetch_array($sql3)) {         echo "<tr>             <td>$no</td><td>".getNama($dt3['idCalon'])."</td>             <td>"             .round((($dt3['Kriteria1']/$max['maxK1'])*$bobot[0])+             (($dt3['Kriteria2']/$max['maxK2'])*$bobot[1])+             (($dt3['Kriteria3']/$max['maxK3'])*$bobot[2])+             (($dt3['Kriteria4']/$max['maxK4'])*$bobot[3]),2)."</td>         </tr>";     $no++;     }     echo "</table>";

Selesai, berikut adalah perhitungan sistem pendukung keputusan dengan PHP :
Hasil Sistem Pendukung Keputusan

Sistem Pendukung Keputusan dengan Metode Naive Bayes

Sistem Pendukung Keputusan dengan Metode Naive Bayes

Sistem pendukung keputusan memiliki banyak metode yang dapat kita terapkan untuk menyelesaikan masalah pengambilan keputusan, berbeda dengan sistem pendukung keputusan yang telah saya jelaskan sebelumnya. Kali ini saya akan membahas mengenai Sistem Pendukung Keputusan dengan Metode Naive Bayes.
Sistem Pendukung Keputusan Metode Naive Bayes merupakan metode spk yang mudah untuk digunakan karena metode tersebut menggunakan data yang sudah ada sebagai acuan untuk melakukan keputusan. Metode Naive Bayes sendiri tidak memerlukan bobot untuk melakukan perhitungan, namun hanya menggunakan probabilitas data yang sudah ada.
Untuk mempermudah dalam pembelajaran metode sistem pendukung keputusan naive bayes, saya akan memberikan contoh mengenai Sistem pendukung Keputusan Resiko Obesitas pada anak, berikut adalah contoh data yang sudah ada :

Obesitas Ayah	Obesitas Ibu	Aktifitas Fisik	Asupan Makanan	Kesimpulan
Obesitas	Obesitas	Ringan	Lebih	Tinggi
Obesitas	Normal	Sedang	Lebih	Tinggi
Normal	Normal	Sedang	Cukup	Sedang
Obesitas	Normal	Sedang	Cukup	Sedang
Normal	Normal	Berat	Cukup	Tinggi
Normal	Normal	Sedang	Cukup	Tinggi

Data Tersebut merupakan data yang harus ada dalam sistem sebelum nantinya digunakan untuk melakukan tes pengujian sistem pendukung Keputusan. Dari data tersebut kita akan mencoba menyelesaikan masalah tingkat resiko obesitas pada anak dengan aturan :

Obesitas Ayah : Normal
Obesitas Ibu : Obesitas
Aktifitas Fisik : Ringan
Asupan Makanan : Lebih

Tentukan kesimpulan yang dapat diambil dengan metode Naive Bayes?
Jawab :
Untuk menyelesaikan pertanyaan tersebut, kita hitung probabilitas Kemunculan dari Kesimpulan, dari data tersebut hanya terdapat 2 kesimpulan yakni : Tinggi dan Sedang jadi
Probabilitas (PTinggi = Banyaknya tinggi/Jumlah Data = 4/6 = 0.67)
Probabilitas (PSedang= Banyaknya Sedang / Jumlah Data = 2/6 = 0.3
Setalah mencari Probabilitas Kesimpulan, tahap selanjutnya kita hitung data kemunculan dari tiap Pertanyaan :

1. Pertanyaan Obesitas Ayah = Normal
   pObesitasAyahTinggi = Banyaknya data Normal / Banyaknya data Tinggi pada Kesimpulan = 2 / 4 = 0.5
   PObsitasAyahSedang = Banyaknya data Normal / Banyaknya data Sedang pada Kesimpulan =  1 / 2 = 0.5
2. Pertanyaan Obesitas Ibu = Obesitas
   pObesitasIbuTinggi = Banyaknya data Obesitas / Banyaknya data Tinggi pada Kesimpulan = 1 / 4 = 0.25
   PObsitasAyahSedang = Banyaknya data Obesitas / Banyaknya data Sedang pada Kesimpulan =  0 / 2 = 0
3. Pertanyaan Aktifitas Fisik = Ringan
   pAktifitasTinggi = Banyaknya data Ringan / Banyaknya data Tinggi pada Kesimpulan = 1 / 4 = 0.25
   pAktifitasSedang = Banyaknya data Ringan / Banyaknya data Sedang pada Kesimpulan =  0 / 2 = 0
   
4. Pertanyaan Asupan Makanan = Lebih
   pAsupanTinggi = Banyaknya data Lebih / Banyaknya data Tinggi pada Kesimpulan = 2 / 4 = 0.5
   pAsupanSedang = Banyaknya data Lebih / Banyaknya data Sedang pada Kesimpulan =  0 / 2 = 0
   

Setelah mencari data kemunculan dari masing-masing kesimpulan Tinggi dan Sedang, langkah selanjutnya adalah mengalikan sebuah sesuai dengan Kesimpulanya :
nTinggi = pObesitasAyahTinggi * pObesitasIbuTinggi * pAktifitasTInggi * pAsupanTInggi = 0.5 * 0.25 * 0.25 * 0.5 = 0.015
nSedang = pObesitasAyahSedang* pObesitasIbuSedang * pAktifitasSedang * pAsupanSedang = 0.5 * 0 * 0 * 0 = 0.
Langkah terakhir adalah membandingkan nTinggi dan nSedang, karena nTinggi lebih besar maka kesimpulan pertanyaan tersebut adalah Tinggi.

Sistem Pendukung Keputusan (SPK) Dan Strukturnya

Sistem Pendukung Keputusan (SPK) Dan Strukturnya

Sistem Pendukung Keputusan (SPK)

Pengertian Sistem Pendukung Keputusan

Ilustrasi Pendukung Keputusan

Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Turban, 2001).

SPK bertujuan untuk menyediakan informasi, membimbing, memberikan prediksi serta mengarahkan kepada pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih baik.

SPK merupakan implementasi teori-teori pengambilan keputusan yang telah diperkenalkan oleh ilmu-ilmu seperti operation research dan menegement science, hanya bedanya adalah bahwa jika dahulu untuk mencari penyelesaian masalah yang dihadapi harus dilakukan perhitungan iterasi secara manual (biasanya untuk mencari nilai minimum, maksimum, atau optimum), saat ini computer PC telah menawarkan kemampuannya untuk menyelesaikan persoalan yang sama dalam waktu relatif singkat.

Sprague dan Watson mendefinisikan Sistem Pendukung Keputusan (SPK) sebagai sistem yang memiliki lima karakteristik utama yaitu (Sprague et.al, 1993):

1. Sistem yang berbasis komputer. 
2. Dipergunakan untuk membantu para pengambil keputusan 
3. Untuk memecahkan masalah-masalah rumit yang mustahil dilakukan dengan kalkulasi manual 
4. Melalui cara simulasi yang interaktif 
5. Dimana data dan model analisis sebaai komponen utama.

Komponen Sistem Pendukung Keputusan

Secara umum Sistem Pendukung Keputusan dibangun oleh tiga komponen besar yaitu database Management, Model Base dan Software System/User Interface. Komponen SPK tersebut dapat digambarkan seperti gambar di bawah ini.

Komponen Sistem Pendukung Keputusan (SPK)

a. Database Management

Merupakan subsistem data yang terorganisasi dalam suatu basis data. Data yang merupakan suatu sistem pendukung keputusan dapat berasal dari luar maupun dalam lingkungan. Untuk keperluan SPK, diperlukan data yang relevan dengan permasalahan yang hendak dipecahkan melalui simulasi.

b. Model Base

Merupakan suatu model yang merepresentasikan permasalahan kedalam format kuantitatif (model matematika sebagai contohnya) sebagai dasar simulasi atau pengambilan keputusan, termasuk didalamnya tujuan dari permaslahan (objektif), komponen-komponen terkait, batasan-batasan yang ada (constraints), dan hal-hal terkait lainnya. Model Base memungkinkan pengambil keputusan menganalisa secara utuh dengan mengembangkan dan membandingkan solusi alternatif.

c. User Interfase / Pengelolaan Dialog

Terkadang disebut sebagai subsistem dialog, merupakan penggabungan antara dua komponen sebelumnya yaitu Database Management dan Model Base yang disatukan dalam komponen ketiga (user interface), setelah sebelumnya dipresentasikan dalam bentuk model yang dimengerti computer. User Interface menampilkan keluaran sistem bagi pemakai dan menerima masukan dari pemakai kedalam Sistem Pendukung Keputusan.

Manfaat Sistem Pendukung Keputusan

SPK dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah :

1. SPK memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya. 
2. SPK membantu pengambil keputusan untuk memecahkan masalah terutama barbagai masalah yang sangat kompleks dan tidak terstruktur. 
3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan. 
4. Walaupun suatu SPK mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun dia dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya,karena mampu menyajikan berbagai alternatif pemecahan.

mesran.blogspot.com : website buat bahasa pemrograman-mesran.blogspot.com merupakan salah satu website yang berguna untuk belajar bahasa pemrograman, mengapa? karena pada website mesran.blogspot ini banyak berisi artikel-artikel bermanfaat tentang bahasa pemrograman.

Pada mesran.blogspot.com terdiri beberapa artikel diantaranya artikel mengenai tips tips belajar bahasa pemrograman serta beberapa bahasa pemrograman salah satunya Visual Basic dot Net serta program berorientasi Database sebagai contoh : Program Visual Basic Net Simpan Edit Hapus Record Pada Database Accessdidalam mesran.blogspot.com kita dapat menambah wawasan kita mengenai hal-hal yang berkaitan dengan bahasa pemrograman.

buat yang tertarik dengan bahasa pemrograman disarankan untuk mengunjungi website tersebut,silahkan klik link di bawah :

mesran.blogspot.com