BAB 2

LANDASAN TEORI

Pada bab ini akan dibahas teori tentang Sistem Pendukung Keputusan, Metode Simple
Additive Weighting (SAW), Metode Profile Matching.

2.1 Sistem Pendukung Keputusan

Dalam teori sistem pendukung keputusan akan dibahas tentang pengertian, tujuan,
karakteristik dan subsistem dari sistem pendukung keputusan.

2.1.1. Pengertian Sistem Pendukung Keputusan

Sistem pendukung keputusan (Decision Support System) adalah sistem informasi

interaktif yang menyediakan informasi, pemodelan dan pemanipulasian data yang
digunakan untuk membantu pengambilan keputusan pada situasi yang tidak terstruktur
di mana tak seorangpun tahu secara pasti bagaimana seharusnya dibuat (Kusrini,
2007).

DSS dibuat sebagai reaksi atas ketidakpuasan terhadap Sistem Pemrosesan

Transaksi dan Sistem Informasi Manajemen sebagaimana diketahui SIP lebih
memfokuskan diri pada pengendalian transaksi yang merupakan kegitan yang bersifat
berulang dan terdefenisi dengan baik, sedangkan SIM lebih berorientasi pada
penyediaan laporan bagi manajemen yang sifatnya dinamis. DSS lebih ditunjuk untuk
mendukung manajemen dalam melakukan pekerjaan yang bersifat analistis, dalam
situsai yang kurang terstruktur dan dengan kriteria yang kurang jelas. DSS tidak
dimaksudkan untuk mengotomasikan pengambilan keputusan, tetapi memberikan

Universitas Sumatera Utara

perangkat interaktif yang memungkinkan pengambil keputusan dapat melakukan
berbagai analisis dengan menggunakan model-model yang tersedia.

2.1.2.Tujuan Sistem Pendukung Keputusan

Dalam DSS terdapat 3 tujuan yang harus dicapai yaitu :

a. Membantu manajer dalam pembuatan keputusan untuk memecahkan masalah
semi terstruktur.
b. Mendukung keputusan manajer dan bukannya mengubah atau mengganti
keputusan tersebut.
c. Meningkatkan efektivitas manajer dalam pembuatan keputusan dan bukannya
peningkatan efisiensi.

Tujuan ini berkaitan dengan tiga prinsip dasar dari konsep DSS, yaitu masalah
semi terstruktur, dukungan keputusan dan efektivitas keputusan (Turban, 2005).

2.1.3. Karakteristik Sistem Pendukung Keputusan

Karakteristik dan kapabilitas kunci dari SPK tersebut membolehkan para pengambil
keputusan untuk membuat keputusan lebih baik dan lebih konsisten pada satu cara
yang dibatasi waktu. Kemampuan tersebut disediakan oleh berbagai komponen utama
SPK (Turban, 2005).

2.1.4. Komponen Sistem Pendukung Keputusan

Sistem Pendukung Keputusan terdiri dari beberapa subsistem:

a. Subsistem manajemen data.

Subsistem manajemen data memasukan satu database yang relevan untuk
situasi dan dikelola oleh piranti lunak disebut sistemmanajemen database
(DBMS). Subsistem manajemen data dapat diinterkoneksikan dengan

Universitas Sumatera Utara

 datawarehouse perusahaan, suatu repositori untuk data perusahaan yang
relevan untuk pengambilan keputusan. Biasanya data disimpan atau diakses via
server database.
b. Subsistem manajemen model.
Subsistem manajemen model merupakan paket piranti lunak yang memasukan
model keuangan, statistik, ilmu manajemen, atau model kuantitatif
lainnya.Semua itu memberikan kapabilitas analitik dan manajemen piranti
lunak yang tepat. Bahasa pemodelan yang membangun model kostum juga
dimasukan. Piranti lunak ini sering disebut manajemen basis model (MBMS).
Komponen ini dapat dikoneksikan ke penyimpanan korporat atau eksternal
yang ada pada model. Sistem manajemen dan metode solusi model
diimplementasikan pada sistem pengembang web (seperti Java) untuk berjalan
pada server aplikasi.
c. Subsistem antar muka pengguna.
Pengguna berkomunikasi dengan dan memerintahkan SPK melalui subsistem
ini. Pengguna adalah bagian yang dipertimbangkan dari sistem. Para peneliti
menegaskan bahwa beberapa kontribusi unik dari SPK berasal dari interaksi
yang insentif antara komputer dan pembuat keputusan. Browser web
memberikan struktur antar muka pengguna grafis yang familiar dan konsisten
bagi kebanyakan SPK.
d. Subsistem manajemen berbasis-pengetahuan.
Subsistem ini dapat mendukung semua subsistem lain atau bertindak sebagai
suatu komponen independen. Ini memberikanintelegensi untuk memperbesar
pengetahuan pengambil keputusan. Subsistem ini dapat diinterkoneksikan
dengan repositori pengetahuan perusahaan (bagian dari sistem manajemen
pengetahuan), yang kadang-kadang disebut basis pengetahuan organisasional.
Pengetahuan dapat disediakan via Server Web. Banyak metode kecerdasan
tiruan diimplementasikan dalam sistem pengembangan web seperti Java, dan
mudah untuk diintegrasikan dengan komponen SPK lainnya.

Universitas Sumatera Utara

 Berdasarkan definisi, SPK harus mencakup tiga komponen utama dari DBMS,
MBMS, dan antar muka pengguna. Subsistem manajemen berbasis pengetahuan
adalah opsional, namun dapat memberikan banyak manfaat karena inteligensi bagi
ketiga komponen utama tersebut. Seperti pada semua sistem informasi manajemen,
pengguna dapat dianggap sebagai komponen SPK (Hasan, 2002).

Data Eksternal dan Sistem lainnya Internet,

internal yang berbasis Intranet

Manajemen Manajemen
Model Eksternal
Data Model

Subsistem
berbasis
pengetahuan

Antarmuka
pengguna

Basis pengetahuan Manajemen

organisasi (pengguna)

Gambar 2.1. Skematik SPK (Turban, 2005)

2.2. Simple Additive Weighting (SAW)

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

Universitas Sumatera Utara

 Formula untuk melakukan normalisasi tersebut adalah sebagai berikut :

𝑥
𝑖𝑗
⎧𝑀𝑎𝑥 𝑥𝑖𝑗 𝑗𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑘𝑒𝑢𝑛𝑡𝑢𝑛𝑔𝑎𝑛 (𝑏𝑒𝑛𝑒𝑓𝑖𝑡)
⎪ 𝑑𝑎𝑛 𝑖 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑎𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑓
……..…..……….……..(1)
𝑟𝑖𝑗 =
⎨ 𝑀𝑖𝑛 𝑥𝑖𝑗
⎪ 𝑥𝑖𝑗 𝑗𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑏𝑖𝑎𝑦𝑎 (𝑐𝑜𝑠𝑡) 𝑑𝑎𝑛 𝑖 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑎𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑓
⎩ 𝑑𝑎𝑛 𝑖 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑎𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑓

Keterangan :

𝑟𝑖𝑗 : Rating kinerja ternormalisasi

𝑀𝑎𝑥 : Nilai maksimum dari setiap kriteria

𝑀𝑖𝑛 : Nilai minimum dari setiap kriteria

𝑥𝑖𝑗 : Baris dan kolom dari matriks

Pada metode SAW ada kriteria yang dipersepsikan sebagai kriteria ‘benefit’
dan ‘cost’. Kategori kriteria ‘benefit’ atau keuntungan, jika kriteria tersebut
mempunyai nilai semakin besar maka semakin baik, sedangkan kriteria ‘cost’ atau
biaya semakin kecil nilainya maka semakin baik. Besar dan kecilnya nilai tersebut
dilihat dari keterkaitannya dengan permasalahan yang dianalisis.

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:

𝑉𝑖 = � wj 𝑟𝑖𝑗
…………………………(2)
𝑗=1

Keterangan :

Universitas Sumatera Utara

 𝑉𝑖 : Nilai akhir dari alternatif

𝑤𝑗 : Bobot yang telah ditentukan

𝑟𝑖𝑗 : Normalisasi matriks

Nilai 𝑉𝑖 yang lebih besar mengindikasikan bahwa alternatif 𝐴𝑖 lebih terpilih.

Langkah – langkah penelitian dalam menggunakan metode SAW :

a. Menentukan kriterian-kriteria yang akan dijadikan acuan dalam pengambilan
keputusan.
b. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
c. Membuat matriks keputusan berdasarkan kriteria, kemudian melakukan
normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis
atribut (atribut keuntungan maupun atribut biaya) sehingga diperoleh matriks
ternormalisasi R.
d. Hasil akhir diperoleh dari setiap 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).

2.3. Profile Matching

Profile Matching adalah sebuah mekanisme pengambilan keputusan dengan

mengasumsikan bahwa terdapat tingkat variabel prediktor yang ideal yang harus
dimiliki oleh pegawai yang bersangkutan, bukan tingkat minimal yang harus dipenuhi
atau dilewati. Dalam Profile Matching pegawai yang bisa dipromosikan untuk
menduduki suatu jabatan (kenaikan jabatan) adalah pegawai yang paling mendekati
profil ideal (Ekasari, 2010). Secara garis besar merupakan merupakan proses
membandingkan antara kompetensi jabatan sehingga dapat diketahui perbedaan
kompetensinya (disebut GAP), semakin kecil GAP yang dihasilkan maka bobot

Universitas Sumatera Utara

nilainya semakin besar yang berarti semakin besar kesempatan pegawai menempati
posisi tersebut.

Adapun langkah-langkah dalam metode Profile Matching adalah sebagai

berikut :
1. Menentukan Aspek-aspek penilaian.
2. Pemetaan GAP kompetensi.
3. Pembobotan.
4. Perhitungan dan Pengelompokan Core dan Secondary Factor.

GAP kompetensi adalah perbedaan antara profil pegawai aktual dengan profil pegawai
ideal.

GAP = profil pegawai aktual – profil pegawai

Setelah menentukan bobot nilai gap untuk setiap aspek penilaian, tiap aspek
tersebut dikelompokkan menjadi dua kelompok yaitu kelompok Core dan Secondary
Factor. Rumus untuk perhitungan Core Factor adalah :

∑𝑵𝑪 (𝑨𝒔𝒑𝒆𝒌)
𝑵𝑪𝑭 = ........................................ (3)
∑𝑰𝑪

Keterangan :
NCF = Nilai rata-rata Core Factor

NC(Aspek) = Nilai aspek Core Factor

IC = Item aspek Core Factor

Rumus untuk perhitungan Secondary Factor adalah :

∑𝑵𝑺(𝑨𝒔𝒑𝒆𝒌)
𝑵𝑺𝑭 = ......................................... (4)
∑𝑰𝑺

Keterangan :

Universitas Sumatera Utara

NSF = Nilai rata-rata Secondary Factor

NS(Aspek) = Nilai aspek Secondary Factor

IS = Item aspek Secondary Factor

Setelah didapatkan nilai rata-rata Core Factor dan Secondary Factor kemudian
ditentukan nilai total dari aspek, rumusnya adalah.

𝑵(𝑨𝒔𝒑𝒆𝒌) = (𝒙%)𝑵𝑪𝑭 + (𝒙%)𝑵𝑺𝑭 ................ (5)

Keterangan :
N(Aspek) = Nilai total dari aspek

(x%) = Nilai persen yang di inputkan

NCF = Nilai rata-rata Core Factor

NSF = Nilai rata-rata Secondary Factor

Setelah didapat nilai total dari aspek kemudian dapat di tentukan hasil akhir yang
berupa rangking dari pegawai dengan menggunakan rumus :

Ni = ∑(𝒙%)𝑵(𝑨𝒔𝒑𝒆𝒌) ............................... (6)

BAB 3

Universitas Sumatera Utara