a.
Sistem Pendukung
Keputusan
Sistem Pendukung
Keputusan (SPK) atau Decision Support System (DSS)
merupakan sistem informasi interaktif yang
menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambil
keputusan dalam situasi yang
semi terstruktur dan situasi yang tidak tersetruktur.
Gambar 1: komponen SPK
Gambar 1 menjelaskan tentang komponen
SPK bahwa sebuah sistem pendukung keputusan
dibangun dari beberapa subsistem, antara lain :
- Data management, termasuk database yang mengandung data yang relevan untuk
berbagai situasi dan diatur oleh software yang disebut
Database Management System (DBMS). Data management pada
penelitian ini adalah database televisi yang
berisi tabel jenis, tabel data_tv, tabel desk_tv,
serta tabel merek. Tabel-tabel
yang ada pada database televisi saling
berhubungan
dan sebagai data
untuk perhitungan.
- Model
management, melibatkan model
finansial,
statistikal, management science, atau berbagai model kuantitatif lainnya sehingga dapat memberikan ke
sistem suatu suatu kemampuan analitis dan manajemen software yang
diperlukan. Model management dalam penelitian ini adalah perhitungan mengunakan metode
WP.
- Knowledge
manager,
dapat mendukung subsistem lain atau
bertindak sebagai komponen yang bertindak sendiri.
Knowledge manager dalam penelitian
ini adalah calon konsumen. Calon konsumen dapat memilih ukuran, merek serta
jenis yang diinginkan, kemudian memasukkan prioritas kepentingan dari setiap kriteria. Ukuran, merek dan jenis TV yang
sudah dipilih akan dicari pada tabel
data_tv, hasil dari pencarian tersebut akan dihitung
menggunakan metode WP.
Hasil dari perhitungan tersebut akan diranking
dan dipilih lima terbaik sebagai
hasil rekomendasi untuk calon
konsumen.
- User Interface, tampilan antarmuka dimana user dapat berkomunikasi dan
memberikan perintah
pada DSS.
User interface pada penelitian ini adalah tampilan menu sistem
rekomendasi.
a.
Metode Weighted Product (WP)
Metode
WP merupakan salah satu metode
penyelesaian yang ditawarkan
untuk menyelesaikan masalah Multi Attribute
Decision Making (MADM). Metode
WP mirip dengan Metode Weighted Sum (WS), hanya saja metode
WP terdapat perkalian dalam perhitungan matematikanya. Metode WP juga
disebut analisis berdimensi karena struktur
matematikanya menghilangkan satuan ukuran. Metode WP adalah himpunan berhingga dari alternatif keputusan yang
dijelaskan dalam beberapa hal kriteria keputusan.
Langkah
– langkah menggunakan
metode WP :
1. Mengalikan seluruh atribut bagi sebuah alternatif dengan bobot sebagai
pangkat positif
untuk atribut manfaat dan bobot berfungsi sebagai pangkat negatif
pada
atribut biaya,
2. Hasil perkalian dijumlahkan
untuk menghasilkan nilai pada
setiap alternatif,
3. Mencari nilai alternatif
dengan
melakukan langkah
yang sama seperti langkah satu, hanya
saja menggunakan nilai tertinggi untuk setiap atribut tertinggi untuk
setiap atribut manfaat
dan terendah untuk
atribut biaya,
4. Membagi nilai V bagi setiap alternatif dengan nilai standar (V(A*)) yang menghasilkan R,
5. Ditemukan
urutan alternatif terbaik yang akan menjadi
keputusan.
Gambar : model prototype
Gambar 2 merupakan tahapan-tahapan
yang harus dilalui pada Model
Prototype. Tahapan tersebut
meliputi :
- Pengumpulan Kebutuhan Sistem (Requirements)
Tahap awal dimulai dengan menganalis kebutuhan-kebutuhan apa saja yang
diperlukan dalam membangun suatu sistem mulai dari kebutuhan data sampai
dengan kebutuhan
hardware. Tahap pengumpulan kebutuhan data dilakukan
dengan dua cara yaitu
dengan metode kepustakaan
dan penyebaran kuisioner.
Perancangan
Sistem (Design)
Perancangan sistem yang digunakan adalah Data Flow Diagram (DFD).
DFD atau diagram alir data adalah model proses yang digunakan untuk
menggambarkan aliran data melalui sebuah sistem dan tugas atau pengolahan
yang dilakukan
oleh sistem.
Gambar 3 terdapat dua
entitas luar yang berhubungan dengan sistem yakni
calon konsumen dan admin. Dari admin, sistem
akan mendapatkan data-data TV.
Data–data TV meliputi merek tv, jenis tv, data tv dan deskripsi tv. Sedangkan
calon konsumen akan
mendapatkan hasil rekomendasi. Hasil rekomendasi berasal dari kriteria TV dan bobot prioritas TV yang telah dimasukkan calon konsumen ke sistem sebelumnya. Berdasarkan gambar 3 dapat dikembangkan lagi menjadi
DFD level 1 yang lebih
detail
lagi.
Gambar 4 merupakan pengembagan dari DFD level nol, pada DFD level
satu terlihat proses sistem rekomendasi tv lebih terlihat detail. Proses
sistem rekomendasi tv mempunyai beberapa proses, yaitu proses
input data TV, proses olah data TV, dan proses merekomendasi TV. Proses input data, entitas
admin
dapat menginputkan data tv, merek tv, jenis tv, serta
deskripsi tv. Proses olah data tv, entitas admin dapat
melakukan hapus serta edit/update data tv, merek tv, jenis tv, serta deskripsi tv. Entitas admin dapat memperbaharui data diproses ke dua. Proses ke dua sangat penting
karena admin dituntut untuk selalu
memperbaharui data agar
sistem nantinya dapat berjalan
secara optimal. Sebagai contoh adalah harga tv yang selalu berubah mengikuti harga jual yang berlaku maka harga tv
harus selalu diperbaharui. Admin dapat
melakukan perubahan
dip roses olah data.
Gambar 5
merupakan pengembangan DFD level satu proses merekomendasi
TV, terlihat calon konsumen
memasukkan kriteria tv untuk proses mencari tv
yang nantinya data akan diperoleh dari tabel data_tv. Data yang berada pada tabel
data_tv didapat dari proses input data yang dilakukan oleh entitas admin. Selain
memasukkan kriteria tv
calon
konsumen juga
memasukkan
bobot prioritas tv
untuk melakukan perhitungan. Data tv dan bobot tv yang
diperoleh akan dihitung
menggunakan metode WP. Setelah mendapatkan hasil terbaik data yang diperoleh
akan digabungkan dengan data yang ada pada tabel desk_tv untuk mendapatkan
informasi mengenai deskripsi tv yang nantinya akan direkomendasikan ke calon konsumen.
`Gambar 6 menunjukkan hubungan antar tabel. Tabel desk_tv memperoleh type yang diambil
dari tabel data_tv dimana mempunyai relasi hubungan one to one.
Tabel data_tv memperoleh
kd_jenis yang diambil
dari tabel jenis yang mempunyai relasi
one to many. Tabel data_tv juga memperoleh kd_merek yang diambil
dari tabel merek yang mempunyai
relasi one to many
Tidak ada komentar:
Posting Komentar